该文研究了基于正交时频空间(orthogonal time frequency space, OTFS)调制的去蜂窝大规模多输入多输出(massive multiple-input multiple-output, mMIMO)系统上行链路通信中的和速率优化问题,提出一种蚁群递归搜索机制。该机制首先采...
详细信息
该文研究了基于正交时频空间(orthogonal time frequency space, OTFS)调制的去蜂窝大规模多输入多输出(massive multiple-input multiple-output, mMIMO)系统上行链路通信中的和速率优化问题,提出一种蚁群递归搜索机制。该机制首先采用最小割分组算法实现用户分组,然后使用蚁群算法进行递归优化求解。仿真结果表明,通过运用该机制进行功率控制,其性能相比于未分组的m MIMO-OTFS系统和m MIMO-正交频分复用(orthogonal frequency division multiplexing, OFDM)系统更好。此外,移动速度对系统用户上行可达速率性能的影响研究结果表明,mMIMO-OTFS系统与mMIMO-OFDM系统的和速率性能差距随移动速度增长呈递增状态。
波达方向(Direction of Arrival,DOA)估计技术是语音增强和声学探测中的重要工具,对于语音机器人、视频会议、助听器和声呐等应用至关重要。最近出现的DOA估计新方法,例如图信号处理(Graph Signal Processing,GSP)方法,展现出优异的角...
详细信息
波达方向(Direction of Arrival,DOA)估计技术是语音增强和声学探测中的重要工具,对于语音机器人、视频会议、助听器和声呐等应用至关重要。最近出现的DOA估计新方法,例如图信号处理(Graph Signal Processing,GSP)方法,展现出优异的角度估计能力,有望提供更佳的声源DOA估计解决方案。然而,由于在多声源情况下GSP算法由邻接矩阵无法直接得到接收信号特征向量的正交补矩阵,导致多声源下GSP算法失效。为解决此问题,本文基于多源宽带语音信号的频域单源区域检测实现多声源分离,进而利用GSP和聚类算法实现宽带多声源的定位。具体而言,本文首先将GSP方法扩展到频域。其次,利用短时傅里叶变换将信号分为若干时频区域,筛选出单源主导的时频区域后,对其进行频域GSP单源定位。最后,对所有定位结果进行聚类,再通过加权平均获得最终的角度估计。我们利用LibriSpeech语音语料库构建声源信号进行多声源定位仿真,仿真结果证明,本文方法优于其他算法,较高信噪比下可将误差控制在3°以内。此外,我们使用圆形六阵元麦克风阵列,对实际录制的若干组录音数据应用所提算法进行定位测量,结果展示所提算法的定位误差更小,并在声源较为靠近时也能做到较好的分辨。
暂无评论