基于时间反演的无线网络传输技术研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:liqianben
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
毫米波无线通信具有速率高的优势,但是在技术实现上却面临电路实现复杂、成本高、路径损耗大、功率消耗高等问题。因而,研究低功耗和低成本的高速率无线传输,这成为通信业界关注的焦点和无线传输技术的新挑战。针对这些挑战,本文重点研究三个方面的内容:(1)无线用户接入是实现传输的前提,为此本文研究基于时间反演的频率正交无线接入模型;(2)毫米波通信系统通常采用混合射频域模拟预编码和基带数字预编码结构,这造成现有的全数字和全模拟波束赋形算法无法直接使用,需要研究新型算法来设计预编码器;(3)为了解决毫米波通信功耗高和干扰大的问题,在确保系统支持多速率传输的同时,需要减少系统能耗与成本,优化全局系统干扰。论文的主要创新工作具体包括:(1)建立了时间反演无线宽带接入模型。为了满足高速率的无线传输需求,采用极高频通信和超密集组网模式,但是,这也会造成信号干扰噪声比(Signal-to-Interference-plus-Noise Ratio,SINR)降低。针对无线超密集组网模式,研究建立了频率正交时间反演无线接入模型,通过为不同用户分配正交子载波来区分用户信道,再利用时间反演的方式让各用户信号能量在目的用户聚焦,降低信道相关度和干扰,从而提升SINR。研究对系统传输速率和覆盖范围表达式进行了推导并论证,仿真验证表明,在不增加功率和天线情况下,所提方法提升了系统可达传输速率等性能。(2)设计了毫米波无线系统的混合预编码器。毫米波无线通信因其具有大量的可用频带被业界认为是一种实现第5代(5th Generation,5G)及未来通信传输的有效手段。但是,相对于6GHz以下频带,毫米波通信需要更高的路径损耗、功率消耗和设备成本。为了减低系统成本和功耗,又支持多数据流传输,本文提出了一种利用迭代训练来设计混合预编码器的方案。首先,根据毫米波信道稀疏特性,利用有限的自由度,采用波束分裂的方式进行信道探测与估计;其次,提取信道中的主要来波方向信息,设计模拟预编码器;然后,基站和用户分别进行多次时间反演迭代训练,促使预编码权收敛,设计数字预编码器。仿真与实验结果表明,所提预编码设计方法获取主要来波径方向与功率信息准确、时间开销较少且实现简单。特别是在用户间信道相似度较高的情况下,与经典的混合预编码设计方案相比,所提方法具有更高的系统频谱效率。(3)研究了无线毫米波系统的干扰协调与优化方案。为了对无线毫米波多用户系统进行干扰优化,针对混合波束赋形结构,提出了一种干扰联合优化模型。以最大化系统总可达传输速率为研究目标,在确保单用户可达速率满足设定门限的基础上,以功率分配和波束分配联合优化的方式来最大化目标函数,从而逼近最优的传输。对于毫米波混合预编码结构而言,等效信道具有不确定性,研究通过波束搜索与迭代的方式分两步求解目标函数。首先,进行波束分配建立等效信道,将优化问题转化成一个凸优化的问题;其次,进行功率分配,计算数字基带预编码权与目标函数值,从而实现干扰管理和优化。实验验证了该方案的有效性和可行性,优化后的频谱效率、能量效率和误码率(Bit Erro Ratio,BER)均优于传统无线毫米波混合波束赋形传输方案。
其他文献
"互联网+"一词是指在创新的2.0时代通过互联网发展的新形态,"互联网+"学生和"互联网+"老师的出现对现在的教育教学改革起到重要作用。特殊时期,许多学校都开始采取线上教育的方式,让学生在家就可以进行学习。而在今后高等教育的教学模式的改革中,线上教育和线下教育的教学比例安排也是教育教学改革的重中之重,我们也应该顺应时代的发展,对高等教育现有的教学模式进行改革,因为在教学过程中加入信息化教学可以提升
随着信息技术不断发展,"互联网+教育"逐渐成为教育领域中一种新的教育形式,自媒体时代的到来,很多教育机构开展线上教学,各种APP和教学平台相继出现,这为专业教学提供了机会,详细阐述了基于互联网背景的机械电子工程专业教学改革的具体路径,并提出相应的应对策略,以提升机械电子工程专业人才培养质量。
学位
本文主要介绍了山东电力行业能耗限额常用标准的适用范围及计算方法,结合山东电力行业节能监察工作,分析工作中遇到的问题并寻找解决思路。
DNA测序方法加速了生物学和医学研究与发展的进度,是实施精准医疗和基因药物开发的重要途径。DNA测序的目的在于发现测序序列中的变异,探索基因变异与疾病之间的关联性。例如,建立DNA测序数据中变异与癌症之间的相关性,已经成为检测与预测癌症的重要技术手段,并能够有效地指导临床治疗。因此,DNA序列变异检测具有重要的科学意义和应用价值,为科学地分析疾病和发现新的治疗方案提供了新的选择。相关研究尚处于发展
车联网(VANETs)的出现有利于进一步提高道路安全和交通效率。信任是协作的前提,在车辆能够相互协作并对交通状态产生这些积极的影响之前,必须解决信任管理的问题。在车联网这样的开放系统中,大多数车辆都是陌生的,因此需要一种能够在它们之间建立信任的方法。实现车联网信任管理是一个复杂的课题,需要解决以下问题:首先,如何根据选择的信任因素来定义信任测度。既然车辆自动编队行驶是车联网的典型应用,那么建立有助
生成对抗网络将多个深度神经网络嵌入到最小化-最大化框架中,通过构建初始分布和真实数据分布之间的非线性映射,达到拟合真实数据分布的目的,进而生成各类数据。对比前期生成模型,它的优势在于消除了马尔科夫约束条件,生成网络的参数更新依赖于判别网络提供的梯度信息而非直接依赖于输入,同时具备更强的兼容性。本文重点围绕面向图像认知的多深度神经网络生成对抗机制展开研究,针对多生成对抗网络在图像认知领域的研究热点,
随着移动用户数量和无线数据业务的急剧增长,有限的频谱资源和人们日益增长的数据业务需求的矛盾已经成为移动通信中的主要矛盾。为了满足未来用户、业务、网络的新需求,诸多关键技术在5G中被提出以提高系统频谱效率,增加链路传输带宽,增强基站的覆盖范围和提升用户的业务体验。作为5G关键技术之一的D2D通信技术,是一种允许用户终端间直接通信的新型通信技术。该技术在一定程度上缓解了蜂窝网络接入和传输的压力,并且能
随着网络应用的繁荣、智能设备的普及以及数据采集技术的发展,网络空间中的数据量爆发式地增长,从而形成了海量的网络数据。网络数据作为大数据的主要表现形式之一,广泛存在于社交网络、智慧城市、医疗健康、金融等各个领域,且呈现出高维度、非线性、无标度、小世界等特征。网络数据为科学研究和商业应用提供了充分的数据资源,通过网络数据挖掘发现背后蕴藏的知识和规律能够为社会和经济发展发挥重要作用。然而,网络数据挖掘在
物联网、无线传感器网络的快速发展,要求无线通信传输设计在考虑更广覆盖、更高速率的通信服务的同时,解决影响网络生存时间的能源消耗问题。基于射频信息的无线能量收集技术是解决能量问题的一项关键技术,该技术能与无线信息传输结合,构建信息和能量同时传输的通信机制。中继传输能扩大传输距离、提高传输可靠性,是满足万物互联需求的一项核心技术,随着用户数量的剧增以及物联网多形态传输的发展,用户之间的协作会成为常态,