论文部分内容阅读
对系统容量需求的不断提升促进了通信技术的不断发展。通过引入高频率的通信信号能够为系统带来带宽上的增益,然而也导致了日益严重的盲区现象的产生。与此同时,未来异构无线网络架构的趋势逐渐明显,也为盲区识别带来了新的挑战。当前针对盲区识别尚未形成有效的技术手段,传统的盲区识别主要关注室外环境,且存在不灵活、准确性低、耗时长且成本高等特点。室内环境下的盲区识别主要受到剧烈的多径效应影响,深衰落点分布密集且衰落深度较大。在这种背景下,若想准确获知室内区域的盲区分布状况需解决多径效应的影响以及采样点设置过多而带来的计算量、存储量及成本问题,即盲区检测和盲区重构问题。本文首先分析了高斯过程回归在解决用有限点采样信息重构信号分布问题中的适用性。接着介绍了高斯过程回归的基本理论及核技巧。然后对不同的核函数特性进行了讨论,同时分析了不同超参数对模型的影响。最后对传统核函数直接进行盲区重构的弊端进行分析,提出了单点滤波和核函数设计的解决思路。接着,本文针对室内盲区识别受多径效应深衰落点影响剧烈的特点,研究了减轻多径效应影响的单个传感器网络节点滤波算法。通过对多径效应的成因进行分析,并结合分数阶傅里叶变换对线性调频信号的聚焦特性,提出了一种基于FRFT的单传感器节点多径消除算法。通过结合信道模型进行仿真分析,对比了传统的滤波算法与本文提出的算法的性能。通过分析,验证了本文所提算法对异构无线网络的适应性以及对节点信号接收强度恢复的准确性。最后,本文结合室内盲区重构的具体任务,对方差核函数的设计过程进行了研究。首先对模型及参数选择问题进行了探讨,然后将传统的核函数应用到盲区重构过程中,分析了各模型的表现,并对局部最优问题的解决进行了方案探讨。接着,根据传统核函数的盲区重构表现,对适用于室内盲区重构的方差核进行了设计。通过与传统核函数重构结果的对比,验证了本文设计的核函数在盲区重构上的突出表现。同时,综合之前提出的单传感器节点滤波算法,进行整个盲区识别任务仿真实验,对结果进行了分析。最后总结全文,并给出了盲区识别任务的一些待解决问题和研究方向。