摘要：重叠时分复用(Overlapped Time Division Multiplexing,OvTDM)技术是一种通过人为引入符号间干扰的超奈奎斯特技术,其通过压缩时限信号的符号间间隔来进一步提升系统传输速率。因其存在的符号间干扰使得其信号检测变得非常复杂,如何开发设计适合OvTDM系统的检测算法是一项重要研究内容。对OvTDM的编码原理、系统模型及其符号特性进行了详细介绍,并结合互信息理论来分析OvTDM系统容量。此外,基于噪声相关性分析的基础上提出一种改进的MIMO相关检测算法。该算法利用符号相关性作为检测约束条件,采用迭代消除的方式对检测符号进行逐位检测,降低了信号的检测复杂度;同时该算法采用了串行干扰消除的思想进一步降低误差传播问题的影响,使之更加适合OvTDM系统的信号检测。数据仿真结果表明,所提算法相较于常规的ZF算法在检测性能方面具有优势。

摘要：中兴通讯携手高通提升WCDMA系统性能7月6日，高通和中兴通讯宣布，在中兴通讯的下一代WCDMA基站产品中集成高通的上行链路干扰消除（ULIC）技术，大幅度增强WCDMA系统的容量与性能。凭借这一技术，运营商可将其WCDMA数据吞吐量提高60％，并能在相似的信道带宽上提供可媲美LTE的用户体验。此外，该技术还使WCDMA运营商能将语音容量提高45％。通过消除来自多条上行链路数据流的干扰，ULIC技术可以提供增强的系统能力。由于目前商用芯片集成度的不断提高，ULIC技术已使基于CDMA的调制解调器的性能逼近其理论极限。与此同时，这一设计还具有可扩展性，并支持大量并发用户和上行链路数据传输的干扰消除。

摘要：在无人机自组织网络(UAV Ad Hoc Network, UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能。针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号检测算法。该算法保留了迭代并行干扰消除算法的整体结构,采用最合适的深度神经网络来代替传统的基于信道模型的复杂计算,使得分簇UANET的簇头节点不仅可以对任意无记忆固定信道进行处理,而且也不需要去获取准确的信道状态信息便可以同时正确接收来自多个发送节点并发传输过来的数据包。仿真结果表明,该算法可以在不同场景下有效降低系统误码率(Symbol Error Rate, SER),从而有效增加UANET的通信并发度。在线性信道多节点通信场景下,所提出的算法相比于最优MAP(Maximum A Posteriori,最大后验概率)检测算法,系统误码率可以降低约25%。