一种基于压缩感知的条件部分测量关联成像方法

    公开(公告)号:CN103558606A

    公开(公告)日:2014-02-05

    申请号:CN201310521865.8

    申请日:2013-10-29

    CPC classification number: G01S17/89 G01S7/4802

    Abstract: 本发明公开了一种基于压缩感知的条件部分测量关联成像的实现方法,该方法将压缩感知理论(Compressive Sensing,CS)与基于条件部分测量关联成像方法相结合,提出一种基于压缩感知的条件部分测量关联成像方法;一方面,该方法中采用了部分条件测量,将恢复成像数据降低为传统关联成像重建数据的一半,并可同时给出正图像和负图像;另一方面,该方法采用先进的信号处理方法(压缩感知方法)来重建物体的像信息,可用更少的测量数据利用凸优解方法获得物体的像信息;因此,本方法降低了成像恢复时间,提高成像质量;本发明为关联成像的实用化提供了参考。

    一种低复杂度的多用户检测方法

    公开(公告)号:CN100373798C

    公开(公告)日:2008-03-05

    申请号:CN200610038618.2

    申请日:2006-03-06

    Abstract: 一种低复杂度的多用户检测方法以经典多址信道为基础,以Viterbi算法为前提,利用量子快速搜索算法,设计新的多用户检测方法,有效降低多用户检测最优解的计算复杂度。多用户检测是在多用户通信系统的接收信号中恢复多个传送信号的过程。以DS-CDMA上行链路为例,第k个用户的第i个符号表示为bk(i),每个符号被长为PG的扩频码sk(t)进行编码,其中见右式(1),gk(j)为调制波形,则第k个用户的输出信号为见右式(2),其中Ek是第k个用户的能量。假设信道对第k个用户的影响是简单的冲激响应函数hk(t)=akδ(t-τk),ak,τk是路径增益和延迟,经过带有加性噪声的信道,接收端获得的信号为见右式(3)。

    量子神经网络用于多用户检测的方法

    公开(公告)号:CN1862982A

    公开(公告)日:2006-11-15

    申请号:CN200610038722.1

    申请日:2006-03-09

    Abstract: 量子神经网络多用户检测的方法涉及在经典计算机上仿真实现该方法,该方法将量子神经网络构成多用户检测器,网络核心采用反馈型量子神经元简化多用户检测器的结构,网络演化利用量子并行计算特性进行快速寻优,降低多用户检测器的复杂度;具体为:设计一个反馈型量子神经元、一种用量子寄存器表示多用户接收机接收信号的方法、一个量子神经网络多用户检测器、一个并行演化算子F1;将并行演化算子F1作用于量子神经网络多用户检测器的输出量子态,对其进行更新演化;重复上一步骤直至更新后的输出量子态与更新前无变化;设计一个随机演化算子F2替代并行演化算子F1;重复上一步骤直至更新后的输出量子态与更新前无变化。

Patent Agency Ranking