CO-OFDM系统中基于线性预处理的新相位噪声抑制算法

针对相干光正交频分复用（coherent optical orthogonal frequency division multiplexing,CO-OFDM）系统中相位噪声引起的载波间干扰（inter-carrier interference,ICI）问题,提出了一种基于线性预处理的新判决反馈相位噪声抑制算法。该新算法改进了线性预处理部分,利用循环前缀与OFDM符号固有的相关性,在时域进行简单的线性组合运算,充分利用了OFDM符号中冗余信息。仿真分析表明,在激光器线宽为200 kHz且误码率（bit error rate, BER）为10－4时,与判决反馈相位噪声抑制算法和一次迭代的判决反馈相位噪声抑制算法相比,该新算法BER曲线的信噪比（signal to noise ratio,SNR）分别改善了3 dB和1 dB,有效地降低由ICI引起的错误平层。     

基于压缩感知的非线性OFDM系统迭代信道估计算法

针对因非线性失真引起的正交频分复用（orthogonal frequency division multiplexing,OFDM）系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。     

基于压缩感知的智能天线DO A估计算法

波达方向（direction of arrival，DOA）估计是利用具有一定空间结构的天线阵元对空间信源的来波方向进行估计。为解决MUSIC算法和ESPRIT算法在智能天线DOA估计中空间谱分辨率和抗噪声性能方面的不足，依据压缩感知理论的贪婪算法思想，将匹配追踪（matching pursuit，MP）算法和子空间追踪（subspace pursuit，SP）算法应用在DOA估计中，即提出2种新的算法MP-DOA和SP-DOA。这2种算法主要包括原子库建立、信号投影、最佳匹配原子筛选及信号特征提取等过程。4种算法的仿真实验与对比分析结果表明，MP-DOA算法在低信噪比情况下较其他3种算法性能更优越，SP-DOA算法在角度分辨率和对信源数的包容方面的性能较其他3种算法优越，也验证了应用压缩感知理论的优越性。     

多小区MIMO网络中一种新的D2 D通信干扰对齐算法

当多小区MIMO（multiple-input multiple-output）网络中引入D2D（device-to-device）技术后形成D2D-MIMO干扰网络,为解决其干扰问题,提出了一种基于天线数奇偶性的发送端数据流分配方案和基于该方案的干扰对齐（interference alignment,IA）算法。该算法通过最小化基站泄露到非目标用户的信号功率来求解蜂窝链路的预编码矩阵,通过最大化蜂窝用户的信干噪比（signal to interference plus noise ratio,SINR）来求取蜂窝链路的干扰抑制矩阵,进而通过线性干扰对齐消除蜂窝内干扰,并推导了系统的最大自由度（degrees of freedom,DOF）。理论分析和仿真表明,相对于现有算法而言,该算法提高了系统的自由度、频谱效率和能量效率,降低了对天线数的要求,增强了系统的灵活性。     

一种基于虚拟分区的跨小区D2 D资源分配算法

终端直通（device-to-device,D2D）技术引入蜂窝系统虽然能够提高蜂窝系统性能,但同时带来了很大的干扰。为了降低蜂窝用户对D2 D用户的干扰,提出了一种基于虚拟分区的跨小区资源分配算法。通过为D2 D接收端设置干扰限制区域来限制D2 D用户所复用的蜂窝用户资源;为了给分配相同资源的用户之间建立较大的空间分离,降低链路间的相互干扰,引入虚拟分区的概念;最后,为了使系统吞吐量达到最大,从可复用蜂窝用户的集合中选择链路质量最好的k个蜂窝用户,将其资源分配给D2 D用户。仿真结果显示,所提算法可以有效地降低蜂窝用户对D2 D用户的干扰,提高系统的吞吐量,提升系统性能。     

多用户大规模MIMO系统中能效的研究

针对多用户下行大规模多输入多输出（multiple input multiple output ,MIMO）无线通信系统,提出一种基于能效的联合优化方案。该方案在采用同时考虑发射功耗和电路功耗的功耗模型以及迫零（zero forcing ,ZF）预编码的情况下,推导出天线数、天线子集以及发射功率与系统能效之间的关系式,从而建立联合优化天线数,天线子集和发射功率的能效优化模型,并提出一种新的迭代搜索算法来求解此模型。该迭代算法首先对天线数进行遍历,当天线数确定后,采用基于信道矩阵范数的天线选择算法进行天线子集的选取,随后利用凸优化理论来调整发射功率,不仅提高了系统能效而且降低了算法复杂度。仿真结果表明,与使用全部天线和只考虑天线数的方案相比,所提联合优化方案的能效有明显的提高。     

基于可视化交互式遗传算法中映射方法的分析与研究

提出了一种对基于可视化交互式遗传算法中的非线性映射方法,结合遗传算法在n维空间上快速搜索的优点和人类在二维空间上把握数据整体分布的能力,采用VISOR算法既降低了计算的复杂度,又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似.仿真结果验证了该方法的可靠性、稳定性和快速性.     

认知多址接入系统中的能量消耗优化研究

考虑认知多址接入系统中的多个次用户与主用户同时共享多个信道的能量消耗问题,次用户能够同时感知和接入多个主用户信道并把对主用户的干扰维持在一定的范围内。为了减少能量消耗,需要对感知时间、信道以及功率进行合理的分配,同时,把干扰功率作为约束条件以保证主用户的服务质量。在基于多用户多信道感知的频谱共享方案中,所建立的初始优化问题为非凸整型组合分式规划问题,为了对感知时间、信道及功率进行联合优化,将其进行凸松弛并进一步转化为一个含参数的线性问题,从而提出一种最小化能量消耗的算法。通过实验仿真讨论次用户数量,信道数量及干扰功率对能量消耗和最优感知时间的影响,同时也验证了分析结果。     

论洪堡的教化式异化理论对马克思之前异化理论的补充

洪堡作为德国古典哲学时期第一个使用“异化（Entfremdung）”概念的学者,在其教化（Bildung）理论的阐释中,展示了他对这一术语进行的辩证式哲学思考,丰富和扩展了德国古典哲学的异化理论形态。对洪堡异化理论的分析可以成为对马克思之前的异化理论的一个补充,同时揭示了异化概念的教育层面内涵,使整个德国古典哲学时期异化概念的发展呈现出一个清晰的继承与发展的脉络,并在对人类理想实现的共同关切上与马克思的异化理论互相呼应,对相关理论的发展起到一定的先导作用。     

信息透明度与中小企业贷款行为分析——对“小银行优势”的检验

中小银行的地缘性优势和组织结构特征使其能够对中小企业进行有效筛选和监督,并且,这种地缘优势和组织结构特征有利于中小银行对中小企业利用软信息。而软信息在一定程度上可以替代硬信息,进而可以缓解中小企业信息不对称程度。在缓解信息不对称问题之后,能够在提高利率水平和降低对抵押品的要求的情况下较好地控制风险,从而提高对中小企业的供给意愿,进而缓解中小企业的信贷约束。中小银行结构简单、机制灵活、决策链条短、审批时间快的特点,适合资金周转快的中小企业对资金需求的季节性和临时性的特征。要想缓解中小企业贷款、信贷约束强等问题,应该大力发展中小银行。     

地方政府绩效评估的症结

政府绩效就是为了实现预期的目标,政府制定和执行公共政策,履行职责的过程和结果。政府绩效评估既要针对政府行为过程是否合法、符合程序,又要针对行为结果是否经济、有效。由于目前我国"政治上位的政治行政一体化"体制对绩效评估的制约和排斥,绩效评估没有成为有效的约束、激励政府行为的机制。本文从政策学角度,结合具体案例,分析了当前地方政府绩效评估的主要特征和问题,并提出从体制上和制度上推进政府绩效评估。     

中小学生网络接触与使用：上海例证

对上海13个区县315名中小学生的网络接触习惯、网络使用习惯和对网络的满意度进行调查后发现,中小学生对网络有一定依赖,使用网络以娱乐和获取信息为取向;年龄是影响中小学生网络行为的因素,性别无显著影响;家庭和学校的科学引导有待加强,要避免一味的简单设限。     

基于压缩感知的自适应加权匹配追踪算法

压缩感知（compressed sensing,CS）技术通过减少发射导频数来提高频谱的利用率。将CS技术应用于导频辅助的稀疏度未知的正交频分复用（orthogonal frequency division multiplexing,OFDM）信道估计中,提出一种自适应加权匹配追踪（CS-based adaptive weighting ＆matching pursuit,AWMP）算法。该算法使用自适应加权、匹配追踪的方法估计信道时域脉冲响应,按照估计信噪比和匹配原则,利用多次迭代进行自适应加权和寻找最佳稀疏度,实现未知信道稀疏度与信噪比的情况下,准确估计信道信息。仿真验证表明,与传统的信道估计算法相比,采用基于AWMP的信道估计方法,能够利用较少的导频信息获得更低的误码率和均方误差。     

基于自适应随机接入的动态D2 D发现资源分配机制

现有终端直通（device-to-device,D2D）中用户发现成功率低、发现范围小以及不能满足不同用户优先级的业务需求,针对上述问题,提出一种基于自适应随机接入的动态D2 D发现资源分配机制。该机制中具有高优先级的D2 D用户采用传统的随机接入方法向基站发送紧急请求信息;基站根据发送紧急请求信息的高优先级D2 D用户数,构建下一发现周期的发现资源分配信息。根据未成功选择发现资源块的次数,低优先级的D2 D用户自适应的在多信道时隙ALOHA（additive link on-line Hawaii system）和具有能量感知的多信道ALOHA接入机制之间进行切换。D2 D用户根据接收端的信干噪比大小,判断是否成功发现。系统级仿真结果表明,提出的机制与传统的随机信道接入机制相比,不仅能够满足不同优先级用户的业务需求,还能支持更高的发现成功率和更远的发现范围。     

基于功率约束及节点频谱选择的认知协同路由

为了提升认知无线网络的数据传输效率,优化节点能量负载,提出一种协同路由算法。基于覆盖与底层技术的协作设计一种协同网络架构,该架构针对网络频带表现多样化提供了一种新的频谱选择策略,提升频谱资源效用。结合协同网络频谱选择时的干扰特性,根据频谱、干扰和功率约束关系,提出最大化链路容量的频谱及节点功率分配方法。在协同路由设计上引入了频谱效用参数,参数的度量标准涉及节点剩余能量和链路容量,以优化路由节点能量负载和传输效率为目的。仿真对比结果表明,算法有效地利用信道接入机会进行数据转发,提高了传输效率,相比基于竞争进化算法的多播路由方法,数据包传递成功率提升了1．4％,平均网络吞吐量高出8．4％,平均节点剩余能量高出3．2％,在均衡节点负载上性能良好。