XiaoMi-AI文件搜索系统
World File Search SystemOFD
b' 在示例 13.1 的解决方案中，第二行应为：但是，64QAM OFDM 信号表现出...。最后一句应为：82-dBm PSK OFDM 信号具有大致相同的行为。请注意，此校正会影响此示例之后的增益计算。'
b' 在示例 13.1 的解决方案中，第二行应为：但是，64QAM OFDM 信号表现出...。最后一句应为：82-dBm PSK OFDM 信号具有大致相同的行为。请注意，此校正会影响此示例之后的增益计算。'
使用组CodeWhting Technique
已经提出了许多研究和技术来克服高papr值，它引入了很少的技术来减少可以将三种主要方法分为三种主要方法[1-5]。首先，信号拼凑技术可以分类为选择性映射（SLM），部分发送序列（PTS），选择性代码字偏移（SCS），相互交织，音调保留（TR），音调注入（TI）和主动星座扩展（ACE）。其次，信号失真技术可以归类为剪辑和过滤，限制，峰窗口和信封缩放。第三信号编码技术可以归类为块编码和涡轮编码。过去的研究表明了PAPR的潜力，但他们必须面对一些问题，例如高计算复杂性，降低位错误率（BER）性能（BER）性能，侧面信息，损耗数据速率，带宽，损失频谱效率和失真。在块编码技术中，它可以分为两个，例如算术编码和霍夫曼编码，在将PAPR降低32％的情况下，算术编码更好地比较霍夫曼只有30.6％[6]。剪辑和过滤技术是
用于 OFDM 调制器的高效 HDL IP 核生成器
摘要 在本文中，我们提出了一种用于 (正交频分复用) OFDM 调制器的 HDL IP 生成器。这种调制在许多电信标准中都有使用。但是，每个标准都需要一个特定的 OFDM 调制器，其特点是具有不同的载波数和循环前缀。这些 OFDM 参数差异对 RTL 硬件设计产生了负面影响。这种多样性使得难以重复使用已为涉及不同通信标准的不同项目设计的调制器。为此，作者提出了一种自动 IP HDL 生成器，该生成器能够以 VHDL 或 Verilog 语言生成 OFDM 调制器的 RTL 代码，其中载波数和循环前缀可由用户设置。生成的 IP 具有最大频率、硬件资源和功耗等特点。作者在 XILINX xc7z030 FPGA 上执行了硬件实现。
Deep Spiking Delayed Feedback Reservoirs and Its Application in Spectrum Sensing of MIMO-OFDM Dynamic Spectrum Sharing
在本文中，我们引入了一种深度脉冲延迟反馈储存器 (DFR) 模型，将 DFR 与脉冲神经元相结合：DFR 是一种新型的循环神经网络 (RNN)，能够捕捉时间序列中的时间相关性，而脉冲神经元是节能且符合生物学原理的神经元模型。引入的深度脉冲 DFR 模型具有节能的特点，并且能够分析时间序列信号。介绍了这种深度脉冲 DFR 模型的相应现场可编程门阵列 (FPGA) 硬件实现，并评估了底层的节能和资源利用率。探索了各种脉冲编码方案，并确定了用于分析时间序列的最佳脉冲编码方案。具体来说，我们利用动态频谱共享 (DSS) 网络中基于 MIMO-OFDM 的认知无线电 (CR) 中的频谱占用时间序列数据来评估所引入模型的性能。在 MIMO-OFDM DSS 系统中，可用频谱非常稀缺，高效利用频谱至关重要。为了提高频谱效率，第一步是确定现有用户未使用的频段，以便次要用户 (SU) 可以使用它们进行传输。由于信道相关性以及用户活动，不同时隙中频带的频谱占用行为存在显著的时间相关性。所引入的深度尖峰 DFR 模型用于捕获频谱占用时间序列的时间相关性，并预测未来时隙中潜在的频谱接入的空闲/繁忙子载波。评估结果表明，与传统的基于能量检测的策略和基于学习的支持向量机（SVM）相比，我们引入的模型在接收者操作特性（ROC）曲线上实现了更高的曲线下面积（AUC）。
深度池计算与 5G MIMO-OFDM 系统在符号检测中的融合
传统的储存器计算 (RC) 是一种浅层循环神经网络 (RNN)，具有固定的高维隐藏动态和一个可训练的输出层。它具有只需要有限训练的优点，这对于训练数据极其有限且获取成本高昂的某些应用至关重要。在本文中，我们考虑了两种将浅层架构扩展为深度 RC 的方法，以在不牺牲潜在优势的情况下提高性能：（1）将输出层扩展为三层结构，促进对神经元状态的联合时频处理；（2）顺序堆叠 RC 以形成深度神经网络。利用深度 RC 的新结构，我们重新设计了具有正交频分复用 (MIMO-OFDM) 信号的多输入多输出物理层接收器，因为 MIMO-OFDM 是第五代 (5G) 蜂窝网络的关键支持技术。 RNN 动态特性与 MIMO-OFDM 信号时频结构的结合，使深度 RC 能够处理非线性 MIMO-OFDM 信道中的各种干扰，从而实现比现有技术更高的性能。同时，与依赖大量训练的深度前馈神经网络不同，我们引入的深度 RC 框架可以使用与 5G 系统中基于传统模型的方法相同数量的导频提供不错的泛化性能。数值实验表明，基于深度 RC 的接收器可以提供更快的学习收敛，并有效减轻未知的非线性射频 (RF) 失真，与浅层 RC 结构相比，误码率 (BER) 提高了 20%。
COFDM功率放大器
频率范围： 10W 时为 1.3 至 1.55 GHz 输出功率： 5W 时为 4.4 至 5 GHz 10W 时为 5.0 至 5.3 GHz 2W 时为 6.8 至 7.3 GHz 控制模式： 手动：3 个输出功率级别 远程：通过 HDT 发射器 输入电平：+13 dBm 至 +20 dBm 连接器： 电源：MS3112E12-3P 远程：D38999/24 2 x N 型母头（50 欧姆） 电源电压：9 - 36 V DC 保护功能：反向电压反向 RF 外壳：铣削铝 功耗：取决于输出功率 工作温度范围：-20 至 50 ºC 机械尺寸：251 x 127.5 x 94.5 mm 重量：约2.5 公斤