简介:通过数学推导发现了时间无限长线性调频(LFM)信号的分数阶Fourier变换(FRFT)模函数具有对称性,且单边单调。之后经过分析,得出时限LFM信号的FRFT模函数也具有较好的这种特性。根据此结论提出了基于FRFT的时限LFM信号检测与参数估计的新方法,此方法采用两级搜索,克服了FRFT算法误差对线性调频信号的FRFT模函数对称性和单调性的影响,在减少了运算量的同时提高了参数估计精度。仿真分析证实了此方法的有效性。
简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。
简介:iBasisNetwork是世界上最大的由Cisco驱动的互联网电话网络。此全球网络是一个100%的同型网络,由分布在世界各地20多个电信级的互联网中心局(网络监控中心)和互联网分支局(IBO)组成。这些机关拥有强大的工作能力,能够实现全面的通用运作。IBasis的网络监控中心拥有世界上一流的技术,对在该网络中每一条线路都进行着主动监控和管理。为确保最高的服务质量,公司自行开发了一种内部软件,称为优质保证路由(AQR),并且在整个网络中实施了SS7技术。正因为这些优势,iBasisNetwork被美国排名前12位的运营商中的10家公司选择为业务伙伴。而这10家公司中不乏全球范围内最大的一级运营商。
简介:混合云点对点对点(点对点)系统,利用用户的能力来缓解云的带宽压力,被广泛用于内容分发。然而,由于对大尺寸文件的需求迅速增长,这是一个挑战,以支持高速下载体验,同时在不同的群与有限的云带宽资源,在这样的系统。因此,它需要一个优化的云带宽分配,以提高整体下载体验的用户。在本文中,我们提出了一个系统的性能模型,它的特点是云的上传带宽和用户下载速度之间的关系。在该模型的基础上,我们研究了云上传带宽分配,以优化用户体验质量(QoE)的目标,主要取决于所需的内容下载速率。此外,为了降低计算复杂度,我们提出了一个启发式算法来近似最优解。仿真结果表明,我们的启发式算法能获得更高的用户体验与两种典型的带宽分配算法比较。
简介:根据耦合非线性薛定谔方程,在考虑不同大小光纤偏振模色散时,通过计算机系统仿真,对分别采用EDFA和PSA作为在线放大器在不同传输速率下的系统传输性能进行了分析。结果表明,在不同系统速率和不同偏振模色散下,采用PSA作为在线放大器的系统性能优于EDFA系统性能。