-
公开(公告)号:CN114584151A
公开(公告)日:2022-06-03
申请号:CN202210231890.1
申请日:2022-02-28
Applicant: 北京理工大学
IPC: H03M13/11
Abstract: 本发明公开的一种基于概率计算的模拟译码电路停止准则的译码方法,属于通信信号处理领域。本发明将LDPC译码图模型中校验节点归一化满足概率的进化图案与译码器状态紧密耦合,以进化图案收敛性分析指导模拟译码电路的最优停止准则,以此构建适用于模拟译码电路的概率图模型和信息更新传递算法,提出LDPC模拟译码电路的基于该停止准则的译码方法;进而本发明具有如下优点:(一)在概率域给出与LDPC模拟译码电路完美耦合的最优停止准则及译码算法,有效降低电路实现复杂度和动态功耗;(二)实时在线判断译码状态并减少无效迭代过程,降低译码处理时延,提高系统吞吐量。本发明还能够实现基于适用于模拟译码电路的停止准则的译码器。
-
公开(公告)号:CN114584151B
公开(公告)日:2024-07-12
申请号:CN202210231890.1
申请日:2022-02-28
Applicant: 北京理工大学
IPC: H03M13/11
Abstract: 本发明公开的一种基于概率计算的模拟译码电路停止准则的译码方法,属于通信信号处理领域。本发明将LDPC译码图模型中校验节点归一化满足概率的进化图案与译码器状态紧密耦合,以进化图案收敛性分析指导模拟译码电路的最优停止准则,以此构建适用于模拟译码电路的概率图模型和信息更新传递算法,提出LDPC模拟译码电路的基于该停止准则的译码方法;进而本发明具有如下优点:(一)在概率域给出与LDPC模拟译码电路完美耦合的最优停止准则及译码算法,有效降低电路实现复杂度和动态功耗;(二)实时在线判断译码状态并减少无效迭代过程,降低译码处理时延,提高系统吞吐量。本发明还能够实现基于适用于模拟译码电路的停止准则的译码器。
-
公开(公告)号:CN114759958B
公开(公告)日:2024-02-09
申请号:CN202210335584.2
申请日:2022-03-31
Applicant: 北京理工大学
IPC: H04B7/0426 , H04B7/0456 , H04B7/22 , H04B17/00 , H04B17/336 , H04B17/373 , H04B17/391
Abstract: 本发明公开的一种基于混合预编码的全局能效优化方法,属于通信信号处理领域。建立基于混合预编码的信号模型;在接收信号表达式中增加所述加性失真噪声表达式,修正所述信号模型,提高通信系统优化预测精度;通过对模拟预编码和数字预编码分别设计,将模拟和数字预编码的联合优化问题转化为单变量功率分配问题;基于等效信道矩阵设计数字预编码,在数字预编码部分应用低维度迫零预编码方法对基带信号进行处理,得到通信系统接收信干噪比的表达式,并利用目标对数函数下界对非凸的通信系统全局能效优化问题进行简化,得到易于处理的分式规划问题,完成高能效混合优化预编码;该混合预编码方法能够在非理想硬件条件下最大化系统能效。
-
公开(公告)号:CN114759958A
公开(公告)日:2022-07-15
申请号:CN202210335584.2
申请日:2022-03-31
Applicant: 北京理工大学
IPC: H04B7/0426 , H04B7/0456 , H04B7/22 , H04B17/00 , H04B17/336 , H04B17/373 , H04B17/391
Abstract: 本发明公开的一种基于混合预编码的全局能效优化方法,属于通信信号处理领域。建立基于混合预编码的信号模型;在接收信号表达式中增加所述加性失真噪声表达式,修正所述信号模型,提高通信系统优化预测精度;通过对模拟预编码和数字预编码分别设计,将模拟和数字预编码的联合优化问题转化为单变量功率分配问题;基于等效信道矩阵设计数字预编码,在数字预编码部分应用低维度迫零预编码方法对基带信号进行处理,得到通信系统接收信干噪比的表达式,并利用目标对数函数下界对非凸的通信系统全局能效优化问题进行简化,得到易于处理的分式规划问题,完成高能效混合优化预编码;该混合预编码方法能够在非理想硬件条件下最大化系统能效。
-
公开(公告)号:CN117435954A
公开(公告)日:2024-01-23
申请号:CN202311382621.6
申请日:2023-10-24
Applicant: 北京理工大学
IPC: G06F18/24 , G06N3/0464 , G06F18/214 , G06F18/2131 , G06F18/10 , G06N3/0475 , G06N3/048 , G06N3/045 , G06N3/094
Abstract: 本发明公开的基于生成对抗网络的有限样本电磁干扰信号的分类方法,属于通信信号处理领域。本发明引入一维序列GAN模型产生不同长度的高复杂度的一维信号序列,利用一维卷积神经网络1D‑CNN分类频域序列,利用少量样本训练一维卷积神经网络,基于训练好的一维卷积神经网络能够在利用少量样本进行训练的约束下提高对电磁干扰信号的分类精度。本发明利用GAN网络模型,充分利用有限样本的信息,通过数据增强和生成模型生成更多的样本数据,提高样本利用效率和分类性能。本发明通过融合CNN算法,能够有效地提取干扰信号的特征,并通过对干扰信号的持续监测和学习,实现对新干扰信号的自适应识别与分类。本发明能够提高电磁环境下的通信质量和系统稳定性。
-
-
-
-