无线跨协议下的网络协同与共存传输关键技术研究

来源 :浙江大学 | 被引量 : 0次 | 上传用户:TRACY101688
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息网络技术的不断进步,近年来人们已经能够在丰富的场景中见到各式各样的物联网产品,比如工业物联网和家居物联网产品等。据国际知名科技咨询机构Gartner预测,到2025年,全球物联网设备的连接数将达到416亿。不同的物联网设备因其不同的通信需求,使用了不同的无线协议。此时,不同的无线协议将同时运行,这被称为无线跨协议的场景。这些同时运行的无线协议,如果运行的载波频率一致,且未被进行合理的协同时,将会产生相互的干扰,即跨技术干扰(Cross-Technology Interference)。由于物联网设备的爆发式增长,跨技术干扰问题将越发严重。现有的跨协议共存传输方案,主要设计纠错码来恢复共存传输导致的误码。但现有方案计算开销较大,且未能充分利用跨技术干扰的误码模式特征,降低了共存传输的效率。现有的跨协议网络协同技术在复杂干扰下鲁棒性较低,造成了协同传输的性能下降。因此,为了提升跨协议场景下无线协议的传输性能,本文针对基于频谱信息的网络协同、基于时域信息的协同传输、跨协议误码检测和跨协议并发传输等四个核心问题展开研究。
  (1)基于微弱信号检测的频谱信息协同传输。现有方案令发送端设备监听易受干扰设备的无线信号所占据的频段,随后主动避让监测到的频段,以实现静默的频谱信息协同。为了检测被占据的频段,现有检测方案主要依赖于目标信号的特殊特征,比如载波频率偏移等。然而,当目标信号接收能量较弱时,上述信号特征将被淹没在噪声中,难以被检测,使得频域信息协同方案失效。针对该问题,本文设计了基于随机共振理论的微弱信号频谱占用检测技术,提升目标信号在接收能量较弱时的识别率,实现高效的频谱信息协同传输。为了减轻跨协议信号对目标信号识别精度的影响,本文仔细地将可能存在干扰影响的信号频段剔除,提升整体的微弱信号检测精度。进一步地,为了降低预留频谱对协议吞吐率的影响,本文还设计了基于目标信号带宽自适应的频谱信息协同方案,以实现跨协议共存传输时多种协议的性能平衡。
  (2)基于鲁棒跨技术通信的时域信息协同传输。现有的时域信息协同传输技术,都集中在设计高吞吐的跨技术通信协议,对于复杂干扰情况未有考虑,较易受到干扰,使得协同传输不稳定。针对该问题,本文首先系统分析了现有跨技术通信协议的调制特点,并对每种协议进行了分类。基于分析的特点,本文设计了一种通用的干扰设计方案,从而验证了现有跨技术通信技术确实较容易受到复杂干扰的影响。为了缓解现有跨技术通信协议协同传输不可靠的问题,本文设计了一种新的干扰识别方案,并结合跳频传输的技术,提升了跨技术通信协议的性能,实现了鲁棒的时域信息协同传输。
  (3)精准的跨协议误码检测技术。现有的跨协议误码检测技术主要分为三种类型。利用物理层信息辅助定位数据包内误码,此类技术虽然精度较高,但需要对硬件进行修改,不能被应用在现有的设备中;利用向导字节计算数据包内误码率,此类技术只能获得粗粒度的误码信息,无法定位数据包内的误码位置;利用字节码级别的接收信号强度信息定位数据包内误码,此类方法在背景噪声强度较高时检测精度较低。针对上述问题,本文提出了一种结合跨协议层信息的高精度数据包内误码识别方案。该方案从物理层中提取误码相关的特征,如接收信号强度和信噪干扰比等,并结合链路层的向导字节信息,利用逻辑回归算法在线建立物理层特征和误码之间的联系,实现高精度的误码识别。该方案所利用信息皆可从现有设备中获得,因此能够被直接部署在现有设备中。
  (4)轻量级的跨协议并发传输技术。当多种异构协议并发传输,且网络协同技术未能有效协同跨协议的传输时,不可避免的会产生跨技术干扰,导致数据包的误码。现有的跨协议并发传输技术,主要利用纠错码技术来恢复一定数量的误码。然而,在跨技术干扰的场景中,数据包内的误码较为集中,非常容易超出现有纠错码的纠错能力,大大降低了现有纠错码的误码恢复性能。另一方面,对于未产生误码的数据,现有纠错码仍然为其增加纠错编码,造成了较大的冗余,浪费了传输资源。针对上述问题,本文充分利用跨技术干扰造成数据包内集中式误码的特性,设计了一种新的纠错码方案,能够将集中的误码分散到不同的纠错数据块中,提升了纠错数据块的性能。该技术仅采用异或操作,计算开销低。且该技术通过增加与预期误码数量相等的冗余,就能恢复集中的误码,纠错效率高。
其他文献
物理模拟是科学研究与工业制造中的一种重要技术。它以物理定律为基础,通过合适的离散化方法在计算机中对真实的物理过程进行仿真重现。在实际应用中,复杂的模拟对象通常会使计算效率十分低下,严重影响了模拟算法的实用性。  在经典的有限元方法中,计算效率会受到多种因素的制约,例如网格的采样密度、单元的质量和本构方程的函数形式等。从数值指标上看,这些因素分别影响着系统的规模、频谱条件和非线性程度,而这些方面则直
学位
随着信息技术的快速发展,人们对信息的获取和处理逐渐从单一模态转换成多种模态。近年来,人工智能在传统的计算机视觉和自然语言处理等单模态任务上取得了很多激动人心的进展,但是目前的机器智能离通用人工智能仍有很长的路要走。为了理解多模态相互交融的真实环境,人工智能需要同时处理声音、文字和图像等多模态数据,实现多种模态信息的融合和互补。然而,数据的多模态性使得数据表征、信息检索、知识发现和语义推理等应用面临
学位
图是计算机解决问题时采用的一种重要数据结构,它广泛应用于各种场景,在真实世界、社会关系和网络空间中随处可见。一方面,随着互联网的普及以及传感器和通信技术的进步,越来越多的数据以图的形式呈现出来;另一方面,人们越来越关注由对象与对象之间的关联性产生的复杂结构,而图正是研究和利用这些结构信息的重要工具。在这样的背景下,作为图中结构和语义信息的载体,图节点属性可扮演标签或特征的角色,赋能面向图的机器学习
知识图谱是一种简单有效的存储知识的方式,近年来许多开放域和垂直域的大型知识图谱被构建起来并得到了广泛的应用。知识表示和推理是人工智能研究中的重要课题,随着大数据时代的到来和计算能力的提升,原本符号化的知识表示和推理在逐渐向向量空间迁移,可以通过将知识元素映射到低维的向量空间中并基于向量空间的计算完成推理,这种基于向量空间计算的推理称为可微的推理,本文围绕可微的知识图谱推理及其应用展开研究。  可微
学位
行为识别的目的在于确定序列行为数据中任意时刻的行为模式,在智能感知、医疗健康、生物神经解码和人机交互等领域具有广泛应用价值。随着传感器及物联网等技术的发展、普及,行为数据体量越来越大、类别逐渐丰富、分布特性日益复杂,在有限成本内获得的人工标注数据相对于数据整体而言则越来越稀少、单一,因而基于经典监督学习的行为识别模型越来越容易过拟合。同时,随着传感技术的快速迭代更新和行为个体及应用需求的不断改变,
学位
使用有限元分析进行产品优化设计常常是一个多次迭代的过程,而且每一次迭代一般都需要重新进行十分耗时的有限元网格划分,以支持再分析,从而大大降低了产品再分析和优化设计的效率。为了显著提高产品优化设计和变动设计过程中再分析的效率,一种有效的解决方案是通过局部网格编辑而不是进行网格重生成,实现所需要的网格变动。然而,由于现有的少量六面体网格编辑方法仅能对六面体网格进行简单编辑,实现小幅变动,并且难以保证编
随着移动互联网通讯带宽增加和智能手机移动处理能力的增强,视频的创作与传播变得越来越方便,越来越多的视频被用户创作产生。为了有效利用海量视频资源,对其蕴含的丰富语义进行理解且检索是一个很有意义的研究内容。  传统的视频理解模型往往从预先定义的类别标签出发,基于属于该类别标签视频中的内容要素训练模板,进而完成语义识别任务。这种方式存在一定程度的局限性。对于预先定义类别标签中没有覆盖到的内容要素,该方法
建筑物外立面的语法解析与语义重建是计算机视觉中重要的问题之一。在地图重建、计算机辅助设计、电影与游戏的大规模城市生成中,这项技术有着重要的应用。高效而准确的建筑物解析系统可以节省大量的手工劳动力,实现高效的城市解析,进而通过语义重建系统,可以快速灵活地重建、生成大规模的三维城市模型。建筑物外立面的解析仍然是一个具有挑战性的难题,这是由建筑物外立面较为复杂的纹理结构、光照变化和遮挡等其他因素造成的。
随着硬件设备的发展,网络服务的普及以及社交媒体的兴起,每天都有海量视频数据被源源不断地生产出来,如何从这些视频中提取有价值的信息成为一个亟待解决的问题。作为一种新兴技术手段,视频问答能够基于问题针对性地提供视频中包含的各类物体和动作等诸多相关信息,其不仅可以提升信息提取的效率,而且拥有广泛的应用场景。视频问答主要涉及到文本信息理解,视频信息理解以及两者之间的交互,其中文本信息理解的算法发展较为成熟
学位
作为计算机视觉的基础核心研究问题之一,目标跟踪算法旨在对连续视频序列中的给定物体目标进行自动化跟踪并标注其对应的位置状态。在无人车驾驶、视频监控、视频编辑、机器人视觉等领域中,目标跟踪算法都扮演着至关重要的角色。一直以来,研究者们从不同角度出发提出了各种算法用以解决一系列问题,其中包括环境复杂问题、光照变化问题、遮挡问题以及物体变形问题等等。近年来,通过协滤波器、深度学习特征提取和孪生网络等技术的