基于延迟线组合调相的高能效自适应混合预编码方案

针对毫米波大规模多输入多输出系统采用混合预编码技术所带来的高功耗影响,基于延迟线组合调相器件设计了一种间接全连接型混合预编码系统结构,并提出一种自适应连接的混合预编码方案,可大幅减少与天线直连的调相器数量从而降低硬件造成的功耗损失。方案将编码矩阵的求解分为数字编码矩阵、模拟编码矩阵和开关组成的连接交换矩阵3个部分进行交替优化;提出一种基于互补正交投影矩阵的算法来解决模拟编码矩阵的优化;利用功率约束条件和最小二乘算法简化数字编码矩阵的求解;针对连接交换矩阵的离散组合优化问题,利用低复杂度的交叉熵算法进行优化。仿真结果表明,所提方案可以保证系统性能在接近纯数字预编码方案的同时有效提高系统的能量效率。     

基于CSI-RS的3D MU-MIMO有限反馈预编码算法

利用三维多输入多输出(3D MIMO)信道矩阵的克罗内克积结构,传输预编码可分成水平与垂直维预编码,有效挖掘空间自由度可以提高系统性能。针对现有算法未能更好利用空间自由度及单流传输的不足,本文提出了一种基于信道状态信息参考信号(CSI-RS)的多用户MIMO(MU-MIMO)有限反馈预编码算法。该算法采用新码本,依据最大信干噪比准则选取最优的预编码矩阵索引(PMI)返回给基站(BS)供调度。验证结果显示该算法较已有算法,实现了多流传输,拥有更优的和速率(SR)及误码率(BER)。     

OFDM系统基于双准则优化的导频设计新方法

基于压缩感知（Compressed Sensing,CS）的OFDM(Orthogonal Frequency Division Multiplexing)系统稀疏信道估计有更小的导频开销和更好的信道估计效果。针对OFDM系统稀疏信道估计的导频图案设计,提出了一种基于双准则双分支的随机搜索算法（Double Criteria and Double Branches Random Search Schemes,DCDB-RSS）。该算法结合互不相关（Mutual Incoherence Property,MIP）准则和格拉姆矩阵准则,在不同分支上采用不同优化准则全面地搜索最优导频图案,不仅解决了单一准则难以稳定取得最优导频图案的问题,同时也避免了陷入局部最优解。仿真结果表明,与现有导频优化算法相比,DCDB-RSS算法在相同时间复杂度的前提下,可以获得更小的误码率和提高约1dB的信道估计均方误差。     

基于5G通信的混合非连续接收算法

第五代(the Fifth-Generation, 5G)移动通信系统的各种高速业务将加速电池消耗,为了满足海量设备的低功耗需求,文中提出一种基于5G通信的混合非连续接收(Hybrid Discontinuous Reception, HDRX)算法,利用用户设备(User Equipment, UE)与长期演进型节点B(Long Term Evolution node B,LTE eNB)和新空口节点B(New Radio node B,NR node B)进行双连接,对UE的各个状态进行策略优化,从而有效降低功耗。仿真表明,使用优化算法比传统的非连续接收(Discontinuous Reception, DRX)算法降低了近35%的功耗,并在功耗和唤醒延迟之间取得了较好的权衡。     

基于信道状态信息参考信号的三维多用户多输入多输出有限反馈预编码算法

利用三维多输入多输出(3D MIMO)信道矩阵的克罗内克积结构,传输预编码可分成水平与垂直维预编码,有效挖掘空间自由度可以提高系统性能。针对现有算法未能更好利用空间自由度及单流传输的不足,提出了一种基于信道状态信息参考信号(CSI-RS)的多用户MIMO(MU-MIMO)有限反馈预编码算法。该算法采用新码本,依据最大信干噪比准则选取最优的预编码矩阵索引(PMI)返回给基站(BS)供调度。验证结果显示该算法较已有算法,实现了多流传输,拥有更优的和速率(SR)及误码率(BER)。     

改进的集合经验模态分解在人体行为识别中的应用

针对在基于惯性传感器人体行为识别的研究中,集合经验模态分解(ensemble empirical mode decomposition,EEMD)无法自适应地筛选出对不同分类行为更有用的固有模态函数的问题,特别是对步行、上楼、下楼3种易混淆行为的识别,提出一种改进的自适应集合经验模态分解特征提取方法,通过对不同分类行为筛选不同固有模态函数并提取窗口均值差异等新颖特征,有望在不同的分辨率下得到更准确、更有效的原信号特征信息。为了验证该方法的有效性,实验分别用典型时域频域特征与该方法提取的特征集训练K近邻(K-nearest neighbor,KNN)与支持向量机(support vector machine,SVM)分类器,并采用留一法(leave-one-out,LOO)交叉验证算法进行测试。结果表明,当分别采用KNN和SVM进行分类时,相比于原方法,改进的方法对步行、上楼和下楼3种行为的平均识别准确率分别提高了29.22%(KNN)和15.79%(SVM),对分类的7种不同行为的总平均识别准确率分别提高了95.11%(KNN)与93.14%(SVM)。     

试论城市建设中“民众诉求”推动的土地征收改革模式——浙江省温州市土地征收改革的实践启示

当前,＂强制征地拆迁＂已成为社会公众指责城市建设的一种＂诟病＂,探索和谐化的土地征收模式,亟待研究。作为城市建设的典型,温州创造了＂民众诉求＂推动式的土地征收改革模式。它以＂民众诉求推动＂与＂政府回应改革＂为架构,具有民主性、回应性、责任性特征。温州＂民众诉求＂推动式的土地征收改革模式,有效地回应了征地群众的＂民生诉求＂,通过＂三分三改＂给予农民＂携土地资源用益物权＂入城的市民身份,并创造农民可以＂自由择业＂的＂宜农则农、宜商则商、宜工则工＂的经济环境,使得失地群众生活＂有依靠＂、工作＂有奔头＂,从而有利于化解城市建设社会风险,实现城市经济可持续发展。     

线性剪切空间调制快拍成像动态定标技术

空间调制快拍成像测偏技术能通过单次曝光同时获取目标全部斯托克斯参量.针对传统参考光线定标技术不适用动态环境(如温度变化)下偏振信息精确测量的瓶颈问题,本文提出了线性剪切空间调制快拍成像动态定标技术.该技术采用沿着同一方向剪切的两块改进型萨瓦偏光镜作为核心调制器件,两者厚度比为1∶2,通过快拍获取的干涉图和厚度比,可以推演出核心调制器件产生的空间调制相位因子,由此解调出目标全部偏振信息.该技术最显著的优点是测量目标与系统定标同时进行,过程中不需要任何预知参考目标.本文对该技术方案进行了详细的理论分析,并通过数值模拟和搭建实验平台,验证了该方案的可行性;为空间调制快拍成像测偏技术的定标提供了新思路,有力推动其动态环境下工程实际应用进程.     

改进的mRmR特征选择方法在人体行为识别中的应用

在基于惯性传感器人体行为识别的研究中,特征选择的作用是挑选相关特征,以提高分类性能,去除冗余特征以降低计算复杂度。针对传统的过滤式特征选择方法仅使用一种相关度量系数筛选特征效果不佳的问题,提出一种改进的基于最大相关与最小冗余(mRmR)准则的特征选择方法。该方法在基于mRmR准则下,采用多种相关度量系数融合的方式,在考虑分类类别的条件下,分析待挑选特征与已选特征间的相关性对特征筛选可能产生的积极影响,以去除部分冗余、不相关特征,进而得到初选特征子集;然后利用二进制数对筛选后的特征编码,通过遗传算法搜索最优或次优特征子集。分别使用SVM和KNN分类器对7种日常行为进行分类。实验结果表明,与其他几种方法相比,该方法对实验分类的7种行为有最高的总体平均识别精度,通过SVM和KNN分类的各行为总体平均识别精度分别达到了97.02%和95.73%,与传统的mRmR方法相比,分别提高了13.72%和9.92%。     

基于正交余弦变换域概率主成分分析的嵌入隐马尔可夫人脸识别模型

提出并证明了概率主成分分析作用于正交余弦变换(DCT)域与作用于空域所获得的结果相同.利用DCT变换的快速压缩性能和概率主成分分析的软降维性能来稳定地获取和表示人脸的局部特征,并把得到的特征向量作为嵌入隐马尔可夫模型的观察向量,建立了基于DCT域概率主成分分析的嵌入隐马尔可夫人脸识别模型.该模型应用于不同表情和光照下的人脸识别,取得了较好的实验结果.