针对在初始先验信息缺失时磁性目标滤波跟踪方法发散问题进行研究，本文提出了一种多初值模型的解决框架，并以平方根形式的中心差分卡尔曼滤波器（Square-Root Central Difference Kalman Filter，SRCDKF）为例，结合多初值模型得到了SRCDKF自适应磁性目标跟踪算法.文章首先根据远距离磁偶极子的磁场等效性，建立了多初值滤波跟踪模型，然后基于最大似然选择理论推导了如何从多模型中选择最佳结果，即多初值模型的选择方法，最后以SRCDKF滤波器为滤波单元，得到了基于SRCDKF的自适应磁性目标跟踪算法.经过仿真试验表明：（1）多初值模型建立和选择方法的有效性；（2）基于SRCDKF的自适应磁性目标跟踪算法，在初始位置信息缺失的情况下，能够有效完成对磁性目标的跟踪；（3）以不同滤波器为滤波单元的自适应跟踪算法跟踪试验结果表明，多初值模型的解决框架可解决初值先验未知下的跟踪问题.
现有的波达方向（Direction of Arrival，DOA）估计方法大多依赖于阵列导向矩阵的精确无偏条件，而实际工程中由于时钟偏移、阵元位置偏差的存在导致该条件往往难以满足.为匹配阵列实际接收条件，本文基于部分校准嵌套阵列，提出了一种增益相位误差下的DOA估计新方法.该方法首先利用连乘子函数和简单的代数运算完成初始增益相位误差估计，然后通过协方差矩阵向量化和稀疏表示理论构建具有连续自由度的稀疏表示向量模型，最后考虑有效样本的影响，在初始增益相位误差估计的基础上应用稀疏总体最小均方（Sparse total least squares，STLS）算法完成波达方向估计.本文所提方法不仅对阵列增益相位误差不敏感，而且可依靠嵌套阵列高自由度特性和STLS算法的抗扰动特性获得改进的分辨率和估计精度，计算机仿真结果验证了所提算法的有效性.
针对工作于underlay模式的认知无线网络（CRN，Cognitive Radio Network）上行功率控制问题，本文提出一种基于多天线波束赋形，由认知基站和认知用户联合优化的分布式上行功率控制算法.联合优化的具体步骤为认知基站通过求解最大广义特征值问题完成多天线波束赋形优化；认知用户先将非线性功率优化问题转换为几何规划凸优化问题，再使用梯度法完成分布式发送功率优化；认知基站和认知用户交替优化，实现网络效用最大化.数值仿真显示，同只优化认知用户功率的上行功率控制算法相比，认知基站和认知用户联合优化的上行功率控制算法不仅能得到更大的网络效用值，而且对主用户的干扰具有鲁棒性.
在LTE-A网络的过载场景中，机器类通信（Machine Type Communication，MTC）设备的突发性接入会使得网络发生严重的拥塞，甚至死锁，造成网络的接入效率低下.在可用前导资源有限的前提下，根据实时负载数控制发起接入的设备数可以有效降低前导的碰撞概率，但是控制方法尚不明确.为此，本文提出了一种接入类别限制（Access Class Barring，ACB）的动态接入机制来优化海量MTC的随机接入性能.建立了一种基于退避预测的估计模型，该模型根据重传的设备数和状态转移过程估计出了实时活跃的设备数.结合估计模型和ACB参数调整可以最优化实时成功接入的设备数，能够有效地提高设备的接入成功率.本文在不同负载强度场景下，将提出的ACB动态接入机制和现有的动态ACB机制的接入性能进行了比较.仿真结果证明，本文提出的ACB动态接入机制的接入成功率为100%.而且，与现有的ACB动态接入机制相比，所提的新方案的平均接入时延更低.
空间耦合（spatially coupled）LDPC码为通信系统提供了一种全新的接近容量限的方式，但在耦合过程中需要额外添加校验节点，因此存在一定的码率损失.为了消除码率损失，提出了一种新型的耦合方式，首位置变量节点的边展开方式不变，中间位置的边连接到前一个位置的校验节点并依次向后展开，末位置的边与首位置的边成对称分布，从而得到了一种无需添加额外校验节点，码率无损失的SC-LDPC码变体结构.在AWGN信道中通过外部信息转移（extrinsic information transfer）理论分析及误比特率性能仿真，结果表明：相对于SC-LDPC码的传统结构，本文提出的SC-LDPC码变体结构在链长较短时不仅能避免码率损失，并且具有更优的阈值和译码性能，在未来通信系统中更具优势.
