正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的主要缺点之一就是有较高的峰均功率比(Peak to Average Power Ratio,PAPR),降低了功率放大器(High Power Amplifier,HPA)的工作效率,同时HPA引入的非线性失真,恶化了系统的误比特率(Bite Error Rate,BER)性能.本文所提算法将限幅和HPA引入的非线性失真视为一个整体来考虑,利用与限幅噪声在时域上的近似稀疏性,对整个非线性过程进行建模.发送端通过限幅降低了OFDM信号的PAPR,在接收端,选取受噪声干扰小的可靠性观测向量,最小化信道噪声的影响,基于非线性模型计算得到的参数,利用压缩感知(Compressive Sensing,CS)算法能有效地恢复总的非线性失真信号,提升了系统的BER性能.
本文针对全球定位系统(GPS,Global Position System)接收机输出秒脉冲(1PPS,1 Pulse Per Second)信号的特点,以及相干布居囚禁(CPT,Coherent Population Trapping)原子钟输出频率信号的特性,设计并实现了GPS驯服CPT原子钟方案.我们建立了适合抑制1PPS信号抖动的卡尔曼滤波模型,通过理论推导和计算获得了相应噪声参数,并采用卡尔曼滤波器与平均滤波器相结合,对CPT原子钟输出频率实施滤波处理,并用GPS接收机输出的1PPS信号实施频率校准,所实现GPS驯服的CPT原子钟输出频率的中短期频率误差降低半个量级,天频率稳定度提高一个量级.
未来网络中将有大量的机器与机器(machine-to-machine,M2M)通信终端,比人与人(human to human,H2H)通信终端至少要多出2个数量级,网络中传统的资源分配算法无法满足新业务的通信需求.基于H2H与M2M共存场景,本文通过分析M2M终端特性,提出了一种基于背包模型的分级传输的资源分配算法,此分配算法优先保障H2H与时延敏感的M2M通信业务的服务质量(Quality of Service,QoS),同时充分考虑时延非敏感的M2M的业务特性,节省能量消耗.仿真结果表明该算法能够提高资源利用率,同时满足H2H与M2M业务的QoS.