【摘 要】
:
从1G(First Generation)演进到5G(Fifth Generation),整个移动通信网络的发展都是沿用蜂窝移动通信体制。为了提高系统容量,需要采用不断缩小小区面积和密集化部署基站等方法。然而,基站与基站之间缺乏协作能力,系统容量提高的同时,小区间干扰等问题也愈发严重。无线通信系统需要为指定区域的所有用户提供统一良好的服务。为此,去蜂窝大规模MIMO(Cell-Free Massi
论文部分内容阅读
从1G(First Generation)演进到5G(Fifth Generation),整个移动通信网络的发展都是沿用蜂窝移动通信体制。为了提高系统容量,需要采用不断缩小小区面积和密集化部署基站等方法。然而,基站与基站之间缺乏协作能力,系统容量提高的同时,小区间干扰等问题也愈发严重。无线通信系统需要为指定区域的所有用户提供统一良好的服务。为此,去蜂窝大规模MIMO(Cell-Free Massive Multiple-Input Multiple-Output))作为6G(Sixth Generation)候选技术引起了研究人员的高度重视。去蜂窝大规模MIMO彻底改变了蜂窝网络架构,能够有效解决移动通信所面临的频谱效率和能量效率瓶颈。与传统蜂窝系统一样,在去蜂窝大规模MIMO中,由于正交导频数量有限,且需要服务大量用户,用户别无选择,只能复用导频资源。因此,无法确保分配给每个用户的导频序列是完全正交的。在去蜂窝大规模MIMO中,导频污染现象仍然存在,现有的导频去污方法无法在系统性能和复杂度之间取得折中。本文旨在研究如何降低导频复用对去蜂窝大规模MIMO系统性能的影响,并提出两种导频分配方案,以减小用户在信道估计阶段受到的干扰,提升信道估计的精确度,从而提升去蜂窝大规模MIMO系统的频谱效率。主要研究内容及创新点如下:第一,为了有效减轻去蜂窝大规模MIMO系统由于导频复用引起的干扰,本文首先提出一种基于量子菌群优化算法的导频分配方案以最大化系统下行链路平均可达吞吐量。我们考虑一个上行链路采用匹配滤波检测、下行链路采用共轭波束赋形的去蜂窝大规模MIMO系统,在接入点和用户数量有限的情况下,推导出用户可达速率的闭式表达式。在这个方案中,我们首先利用自适应量子旋转门来模拟经典菌群算法中的趋化现象。然后引入细菌健康度,用来记录每个细菌的累积适应度总和。为了避免陷入局部最优解,我们考虑消去分散操作。最后,量子细菌种群通过测量坍塌为基态种群,以获得各个用户的导频分配解。实验结果表明,该方案能显著提升系统平均下行吞吐量,性能优于传统方案,几乎接近于穷举法所求得的最优导频分配解。在复杂度方面,该方案取得了性能和复杂度的折中,解决了传统方案复杂度高的问题,因此,在实际应用方面是可行的。第二,为了有效减轻去蜂窝大规模MIMO系统由于导频复用引起的干扰,针对上行链路采用匹配滤波检测、下行链路采用共轭波束赋形的去蜂窝大规模MIMO系统,提出一种基于K-means聚类的软导频复用方案以最大化系统上行链路和下行链路总容量。在该方案中,我们首先根据用户的位置坐标利用K-means聚类方法对用户进行分组,相似度大的用户分为同一个簇。然后根据簇内用户的位置坐标确定每个簇的阈值,计算用户到对应簇聚类中心的距离,根据该值与阈值的大小进一步将用户分为两组:中心用户和边缘用户。最后使用软导频复用方法给所有簇的用户分配导频序列。实验结果表明,所提方案能显著提高系统整体性能。与其他方案相比复杂度较低,因此,在实际应用方面是可行的。
其他文献
近年来,作为计算机视觉领域一个具有挑战性的研究课题——图像语义分割,在自动驾驶、医疗影像分析、无人机落点判定以及航天卫星遥感等现实场景中发挥了至关重要的作用。受益于深度学习中卷积神经网络在图像处理领域的巨大成功,目前的语义分割任务在性能方面取得了显著提升。然而,大多数语义分割方法只是通过不断增加模型复杂度来提高分割效果,却忽略了硬件资源内存、显存消耗和推理延迟等问题。针对以上问题,本文基于深度卷积
近年来,随着计算机视觉技术的迅速发展,人脸表情识别已成为该领域的研究热点之一。人脸表情识别是从视觉信息中提取人脸区域并进行情绪识别的技术,它赋予计算机理解人类情绪的能力。尽管传统的图像识别网络已经在人脸表情识别上取得了一定成果,但在实际应用中仍未达到令人满意的效果。实际场景下的人脸表情识别主要面临如下两个问题,分别为图像退化问题和特征优化问题。图像退化问题是由于人脸表情数据采集过程中存在各种干扰,
无线传感器网络(Wireless Sensor Networks,WSN)的寿命有限问题近年来已引起越来越多的关注。无线充电技术的发展为传统无线传感器网络演变为无线可充电传感器网络(Wireless Rechargeable Sensor Networks,WRSN)提供了技术支持。在合理的充电规划下,利用无线充电技术为网络中能量不足的节点补充能量,能有效地解决无线传感器网络寿命有限问题。在此背景
伴随着现代科学技术的不断升级与发展,控制理论与计算机科学、电子信息工程、人工智能、等学科不断交叉融合,在航天、化工、电力等各式应用场景中已经成为了炙手可热的研究方向。在这些应用场景中,对各种复杂系统的研究与分析也成为了现时研究学者们的重要任务。奇异系统和在其分类下的奇异摄动系统均为较典型的复杂系统,对于实际的应用场景相比较正则系统有着更广泛的适用度,且随着工业生产的智能化、整体化的程度不断提高,安
随着网络的快速发展,智慧城市和元宇宙等概念的提出,以及移动终端的种类和数量不断增加,未来预计会产生大量数据,导致传统云计算难以满足移动终端对低时延的要求,同时移动终端有限的算力难以处理海量的数据。移动边缘计算被认为是一项重要的技术用来解决这些问题。将计算任务从移动设备卸载到更靠近移动设备的边缘服务器可以有效减少网络延迟和任务处理时间。然而合理地部署边缘服务器是一个具有挑战的问题。在某区域内,可能有
随着电子信息产业的飞速发展,电子器件不断趋于集成化和智能化。然而,遵循着“摩尔定律”的传统硅基半导体的尺寸已接近其物理极限。若继续缩减尺寸,则会因为量子隧穿效应的出现以及高集成度导致的发热问题严重影响器件性能。当前急需找到可以代替传统半导体的新材料。2004年,石墨烯的发现将二维材料带入人们的视野当中。二维磁性材料作为二维材料中的一员,有着较弱的层间范德瓦尔斯作用力且在原子层厚度仍能维持自发磁化。
电介质电容器由于其超高的充放电速率和极高的功率密度,已成为脉冲电源设备中最重要的部件之一。在诸多介质电容器储能材料中,由于陶瓷电容器具有中等的击穿场强、低的介电损耗以及优良的温度稳定性等优点,在航空航天、石油钻井和电磁脉冲武器等领域有广阔的应用前景。因此,设计和制备综合性能优异的陶瓷电容器十分重要。铌酸钠(NaNbO3)由于其制备原材料成本较低,且烧结时不需要额外的保护气氛,所以是当下无铅电介质储
目前,人体状态识别在工业和学术上都有着广泛的运用。脑电信号(Electroencephalography,EEG)真实反映了个人的状态,由中枢神经产生,人体的生理状态与中枢神经也息息相关,因此通过脑电信号识别具有很强的客观性,并逐渐成为疲劳检测和情绪识别领域中可靠的生物信号之一。基于脑电信号识别人体状态对于驾驶和高空作业等领域具有极为重要的意义,所以脑电信号识别人体状态逐渐成为研究热点。脑电信号是
随着移动通信技术的快速发展,LTE组网已经十分成熟,5G组网逐步完成部署,无线移动网络能够提供高速率、低时延的数据流量服务,同时在某些特殊场景下也存在负荷过大、频谱资源不足、信号覆盖不均匀等问题。D2D通信作为5G的一项关键技术,在提高频谱利用率、增大系统容量、降低能耗以及优化常规的信号覆盖问题上能够起到关键作用。D2D通信的关键步骤包括资源分配和用户配对两大部分。资源分配又分为频谱资源分配和功率
近几年,现代智能系统发展迅猛,对于智能系统来说,了解其所在地点及周围环境非常重要。场景识别的目的就是帮助计算机理解周围环境,它可以描述图像所属的场景类别,而不只是列出场景中的对象。如今,场景识别广泛应用于人机交互、智能机器人、智能视频监控和自动驾驶等领域,已成为机器视觉领域的重要任务之一。目前,场景识别性能的提高主要得益于具有海量参数的复杂卷积神经网络的蓬勃发展和大规模数据集提供的必要训练样本。随