Beamer模板， xelatex

最新推荐文章于 2024-12-28 10:34:18 发布
weixin_33815613
最新推荐文章于 2024-12-28 10:34:18 发布
阅读量405
点赞数
CC 4.0 BY-SA版权
文章标签：人工智能 python php
原文链接：https://my.oschina.net/bubifengyun/blog/133878
本文详细介绍了基于非协作方的PCMA信号盲解调技术，包括PCMA简介、非协作方PCMA信号的盲解调、学术小论文准备情况及计划进度等内容。研究涉及了仿真PCMA基带复信号、非协作方信道参数盲估计、基于PSP-二维Viterbi算法的研究和独立变量分析等方面，旨在解决非协作方PCMA盲解调的技术难题。
2019独角兽企业重金招聘Python工程师标准>>>
% code from :
% http://bbs.ctex.org/forum.php?mod=viewthread&tid=38207

\documentclass{beamer}
\usepackage{pgf,tikz}
\usetikzlibrary{shapes,snakes}
\usepackage{beamerthemesplit}
\usepackage{multirow}
      
% For Xetex      ％％％％％％％％％％％％％％％％％％
\usepackage{fontspec}
\usepackage{xunicode}
\usepackage{xltxtra}

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\usepackage{xeCJK}
\setCJKmainfont[BoldFont={SimHei},ItalicFont={KaiTi}]
  {SimSun}
\setCJKsansfont{SimHei}
\setCJKmonofont{FangSong}

\setCJKfamilyfont{zhsong}{SimSun}
\setCJKfamilyfont{zhhei}{SimHei}
\setCJKfamilyfont{zhkai}{KaiTi}
\setCJKfamilyfont{zhfs}{[FangSong]}


\newcommand*{\songti}{\CJKfamily{zhsong}} % 宋体
\newcommand*{\heiti}{\CJKfamily{zhhei}}   % 黑体
\newcommand*{\kaishu}{\CJKfamily{zhkai}}  % 楷书
\newcommand*{\fangsong}{\CJKfamily{zhfs}} % 仿宋




\title{基于盲解调技术的\\PCMA研究}
\author{作者:\quad ???}
\date{\today}

    
 
\begin{document}

\frame{\titlepage}

%\section[Outline]{}
\frame{\tableofcontents}


\section{PCMA简介}
\frame
{
\frametitle{PCMA简介}
  \begin{itemize}
  \item<1-> PCMA （Paired Carrier Multiple Access ）自1998年被ViaSat Inc提出。
\end{itemize}
  \includegraphics[scale=0.4]{picture/saveband.png} 

\footnote
{
Mark Dankberg (Viasat Inc). Paired Carrier Multiple Access (PCMA)   for Satellite Communications [C]// Pacific Telecommunications Conference, January 13, 1998. Hawaii, USA, 1998.
}
}


\frame
{
	\frametitle{PCMA简介}
	\begin{itemize}
	\item<1-> PCMA 通信链路示意图
	\end{itemize}

	\begin{figure}[htbp]
	\centering
	\includegraphics[scale=0.3]{picture/satelliteFigure.jpg}
	\caption{通信链路示意图}
	\end{figure}
	\footnote
	{
	万坚, 许华, 朱中梁. 基于独立分量分析的成对载波多址分离新算法. 通信学报, 2006, 08: 41-44.
	}
}


\frame
{
	  \frametitle{非协作PCMA的研究现状}
	  \begin{itemize}
	  \item 相关资料少
		\begin{itemize}
		\item 由于保密原因，国外的基于非协作方的PCMA盲解调相关的文献较难获得
		\end{itemize}
	  \item 技术难度大
		\begin{itemize}
		\item 基于非协作方接收，缺乏先验知识。传统的盲解调技术难以直接应用
		\item 现行的算法计算复杂度都很高。例如粒子滤波、独立分量分析等技术
		\item 对信噪比要求较高
		\end{itemize}
	  \item 有大量的实际信号有待解决
	  \end{itemize}
}



\section{非协作方PCMA信号的盲解调}
\frame
{
	\frametitle{非协作方PCMA接收系统框图}
	\begin{figure}[htbp]
	\centering
	\includegraphics[scale=0.3]{picture/blindBlock.jpg}
	\caption{PCMA盲解调框图}
	\end{figure}
}

\frame
{
	\frametitle{主要工作内容}
  	\begin{itemize}
  	\item 仿真PCMA基带复信号
	\item 非协作方信道参数盲估计
	\item 盲解调算法研究
	\end{itemize}
}

\subsection{仿真PCMA信号}
\frame
{
	\frametitle{仿真PCMA基带复信号}
  	\begin{itemize}
  	\item 上行链路中的基带复信号模型
		\begin{align}
		S_1^{up}(t)&=\sum_{n=-\infty}^{\infty}s_n^{(1)}g_1(t-nT)\\
		S_2^{up}(t)&=\sum_{n=-\infty}^{\infty}s_n^{(2)}g_2(t-nT)
		\end{align}
	\item 下行链路中的基带复信号模型
		\begin{align}
		S_1^{down}(t)&=h_1e^{j(\Delta\omega_1t+\theta_1)}\sum_{n=-\infty}^{\infty}s_n^{(1)}g_1(t-nT+\tau_1(t))+\nu_1(t)\\
		S_2^{down}(t)&=h_2e^{j(\Delta\omega_2t+\theta_2)}\sum_{n=-\infty}^{\infty}s_n^{(1)}g_2(t-nT+\tau_2(t))+\nu_2(t)
		\end{align}
	\end{itemize}
}

\frame
{
	\frametitle{仿真PCMA基带复信号}
  	\begin{itemize}
	\item 接收的基带复信号模型
	$$
	\begin{aligned}
	S^{down}(t)&=S_1^{down}(t)+S_2^{down}(t)\\
	&=h_1e^{j(\Delta\omega_1t+\theta_1)}\sum_{n=-\infty}^{\infty}s_n^{(1)}g_1(t-nT+\tau_1(t))\\
	&\quad+h_2e^{j(\Delta\omega_2t+\theta_2)}\sum_{n=-\infty}^{\infty}s_n^{(1)}g_2(t-nT+\tau_2(t))
	+\nu(t)\\
	&=
	h_1e^{j(\Delta\omega_1t+\theta_1)}S_1^{up}(t-\tau_1(t))\\
	&\quad+
	h_2e^{j(\Delta\omega_2t+\theta_2)}S_2^{up}(t-\tau_2(t))
	+\nu(t)
	\end{aligned}
	$$
	\end{itemize}
}

\frame
{
	\frametitle{仿真PCMA基带复信号}
查阅相关文献，获知仿真PCMA的一些常用参数
  	\begin{enumerate}
  	\item 发送数字信号，采用QPSK调制
	\item 发送端采用的成型滤波器是平方根升余弦滤波
	\item 滚降系数$\beta$=0.2-0.5
	\item 上采样倍数SamplePerSysm=2-3
	\item 长度LengthOfSysm=4-6
	\item 信号通过AWGN信道，接收端SNR=14.6-30dB
	\end{enumerate}
\footnote
{
Timothy Pratt,Charles W Bostian, J E (Jeremy E) Allnutt, Satellite communications = 卫星通信,P110,105,116,182, Beijing : Publishing House of Electronics Industry ,2003
}
\footnote
{
万坚，通信混合信号盲分离理论与技术 = Theory and technology on blind source separation of communication signals，P261,P262北京 : 国防工业出版社, 2012
}
}

\subsection{非协作方信道参数盲估计}
\frame
{
	\frametitle{非协作方信道参数盲估计}
  	\begin{itemize}
  	\item 查阅文献得到的信道估计的内容大致有\\频率、相移、幅度、时延等的估计算法
	\item 现在采取已知参数做仿真，等完成算法测试后加入。
	\end{itemize}
	\footnote
	{
	潘申富，白栋，依那, 梁庆林，成对载波多址系统中干扰信号幅度的估计，真空电子技术，2003
	}
	\footnote
	{
	John G. Proakis, Masoud Salehi, Digital Communications 5th Ed, New York: Mc Graw-Hill, 2009.
	}
}

\subsection{PCMA盲解调算法}
\frame
{
	\frametitle{盲解调算法分类}
根据基于非协作第三方对称模式PCMA信号特点，\\盲解调方法分类
  	\begin{enumerate}
  	\item 基于多用户检测的思想对信号分量序列进行联合估计
	\item 针对各个信号的信号特点以及信号之间的差异性
	\end{enumerate}
	\footnote
	{
		芮国胜,徐彬,张嵩. 同频重叠信号的单通道盲分离方法综述. 电光与控制, 			2011,18	(9):58-63.
	}
}

\frame
{
	\frametitle{基于PSP-二维Viterbi算法的研究}
		算法流程图，该算法是属于基于多用户检测的思想
	\begin{figure}[htbp]
		\centering
		\includegraphics[scale=0.4]{picture/algorithm.png}
		\caption{算法流程图}
	\end{figure}
}

\frame
{
	\frametitle{独立变量分析}
	\begin{enumerate}
	\item 算法大致分类
	  	\begin{enumerate}
		\item 基于极大化非高斯性的ICA估计法
		\item 基于信息论的ICA估计法
		\item 基于高阶统计信息的ICA估计法
		\end{enumerate}
	\item 传统的独立变量分析是多通道正定盲分离方法。利用信号之间的独立性求解。
	\item 非协作方PCMA盲解调是单通道欠定盲分离问题，需要对接收信号预处理才可以使用ICA，即单通道独立变量分析（SCICA）
	\end{enumerate}
}

\frame
{
	\frametitle{独立变量分析}
	仿真文献中SCICA算法分离效果图\\
	{\tiny （未完成.只做了FastICA，未经过旁瓣消除）}
	\begin{figure}[htbp]
	\centering
	\includegraphics[scale=0.1]{picture/ica.jpg}
	\caption{PCMA盲解调框图}
	\end{figure}	
	\footnote
	{
		S. Warner, I.K. Proudler, Single-channel blind signal 
		separation of filtered MPSK signals, IEE Proc. Radar Sonar Navig. 150 			(6) (2003) 396–402.
	}
	\footnote
	{
		M.E. Davies, C.J. James,Source separation using single channel 			ICA,Elsevier B.V.,2007
	}
}

\section{学术小论文准备情况}
\frame
{
	\frametitle{学术小论文准备情况}
	\begin{enumerate}
	\item 尚未发表和投稿
	\item 正在准备撰写一篇关于PCMA盲解调算法的小论文
	\end{enumerate}
}

\section{计划进度}
\frame
{
% http://latex.yo2.cn/articles/latex-tabular-example0.html
	\frametitle{计划进度}
	\begin{table}[!hbp]
		\caption{\large 计划进度}
		\begin{tabular}{|c|c|}
			\hline
			\hline
			日期 & 计划\\
			\hline
			现在 & 完成SCICA算法的\\
			～2013年06月&Matlab代码  \\
			\hline
			2013年06月& 对PSP-二维Viterbi算法进行性能改进，\\
			～2013年08月 &考虑是否可以加入SCICA  \\
			\hline
			2013年08月& 加入信道参数盲估计部分，\\
			～2013年10月 &检验算法的性能  \\
			\hline
			2013年10月& 总结研究成果并撰写论文  \\
			～2013年12月 &\\
			\hline
		\end{tabular}	
	\end{table}
}

\frame
{
% 如何调整对齐
% http://blog.sina.com.cn/s/blog_4b91d3b50100ree8.html
% 单边调整
% 环境:\begin{flushleft} 第一行\\第二行\\...第n行\end{flushleft}
% \begin{flushleft} 第一行\\第二行\\...第n行\end{flushleft}
% 使得文本向左或者向右对齐。
% 声明：\raggedleft  \raggedright 可以在环境内部起到同样效果。注意：缩进暗含换行的意思！
% 两边缩进
% 环境：\begin{quote} 文本 \end{quote}或 \begin{quotation} 文本 \end{quotation}
% quotation环境中段落适用第一行具有缩进来标志的，而在quote环境中则是用更多的竖直间距来标识的。
% 诗歌缩进
% 环境：\begin{verse} 诗 \end{verse}
	\begin{center} 
	\Huge 谢谢！
	\end{center}
% 字体大小 http://my.oschina.net/duluo180/blog/5633
% \tiny\scriptsize\footnotesize\small\normalsize\large\Large\LARGE\huge\Huge
}
\end{document}
转载于:https://my.oschina.net/bubifengyun/blog/133878