简介:由于部分传输序列(PTS)的峰值平均功率比(PAPR)光正交频分复用还原技术(O-OFDM)系统具有更高的计算复杂度,一个新的两阶段迭代算法提高PTS(ts-eia-pts)提出了具有较低的计算复杂度的降低PAPR算法是。仿真结果表明,所提出的ts-eia-pts降低PAPR的算法可以减少通过原始信号序列划分成4个子块,在ND=5的剩余阶段的条件18.47%的计算复杂度。此外,它具有几乎相同的PAPR性能和相同的比特错误率(BER)性能的eia-pts算法,随着子载波数的增加,计算复杂度可以进一步降低。因此,该ts-eia-pts降低PAPR的算法更适合于实际应用系统。
简介:信号的载频估计在无线电频谱资源的使用和管理中起到了至关重要的作用。现有的载频估计算法载估计精度,计算复杂度等方面均存在严重不足,不利于仪表应用。结合典型的谱重心法和最小均方误差算法的特点,提出了一种新的载频盲估计算法。该算法无须知道信号的体制类型,即可对信号直接进行载频估计。该算法以谱重心法得到的载频估计值为粗估计,并利用平滑后的功率谱中间段对称性更好的特性,根据最小均方误差算法计算粗估计误差范围内的局部对称性大小,求取对称性最好的位置作为载频精估计值。在高斯信道下的仿真实验结果表明:相比谱重心法,新算法的估计精度在不同信噪比下均有较大的提高。特别是在低信噪比的情况下,载频估计的精度提升更明显。因此,新算法在无线频谱监测中有着很好的应用前景。
简介:针对网络态势感知中的预测精度问题,提出了基于广义径向基函数(RBF)神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。