【摘 要】
:
随着5G的快速发展,无线设备数量日益增加,射频频谱变得越来越拥挤。这给无线系统的设计带来了巨大的挑战,如频谱感知、频谱效率、低延迟传输、计算能力和高吞吐量。因此,这就要求智能无线通信网络具有自组织、自配置和自恢复功能等特点。认知无线电(Cognitive Radio,CR)、边缘计算(Edge Computing,EC)是5G中很有前途的技术。针对CR和EC我们分别要解决调制识别(Modulati
【基金项目】
:
2021年国家自然科学基金项目:OAM在新一代无线通信系统复用中的机理与关键技术研究(项目编号:No.62061039); 2020年宁夏大学研究生创新项目:基于软件无线电的无线信号监测干扰系统;
论文部分内容阅读
随着5G的快速发展,无线设备数量日益增加,射频频谱变得越来越拥挤。这给无线系统的设计带来了巨大的挑战,如频谱感知、频谱效率、低延迟传输、计算能力和高吞吐量。因此,这就要求智能无线通信网络具有自组织、自配置和自恢复功能等特点。认知无线电(Cognitive Radio,CR)、边缘计算(Edge Computing,EC)是5G中很有前途的技术。针对CR和EC我们分别要解决调制识别(Modulation Recognation,MR)、计算卸载的问题。在大多数非合作通信系统中,MR是一项基础而关键的技术,其目的是识别被噪声污染的接收信号的调制制式,在无线电的监测中起着重要作用。但面对日益复杂的无线电磁环境,一般信号检测方法和传统信号识别技术并不能为无线电监测带来优异准确性、抗干扰性和鲁棒性的频谱感知以及分析能力。针对这一问题,本文旨在利用深度学习(Deep Learning,DL)的方法去解决复杂无线电磁环境下的调制信号识别问题。传统的MR方法可分为基于似然比的算法和基于特征的模式识别算法。然而,这些方法具有很高的复杂度,或者需要额外的数据预处理。近年来,神经网络算法在MR方面显示出巨大的潜力。本文提出了一种基于注意力机制和残差结构的卷积神经网络(Convolutional Neural Network,CNN)的MR方法。首先,介绍了我们考虑的两种调制信号数据集中包含的无线信道模型,为本文仿真实验提供丰富的对比条件,接着详细介绍了两种数据集的相关参数以及生成方法,然后使用SENet网络从富含不同信道信息的IQ信号中学习调制制式的高维度表征,以此来验证网络的识别性能和鲁棒性。仿真结果表示:与基线方法相比基于SENet的方法具有优异的识别准确性、抗干扰性以及较强的鲁棒性。针对从IQ两路信号学习的统计特征对无线调制信号表征不够完备和表征差异化不足的问题,我们设计了一种基于高阶累积量与T2T的无线信号MR方法。首先,分析与介绍了传统特征高阶累积量及其数学模型和经典ViT的结构;然后,利用高阶累积量拓展数据集维度并构建T2T分类器;接着,对模型进行训练,利用得到的模型对无线调制信号进行分类。仿真结果表明:引入高阶累积量特征在分类时可以提高信号的抗干扰性并且具有较好的鲁棒性;选用的模型跟基线方法相比获得了让人满意的性能增益,在识别阶段的计算复杂度更低。通过对本文所提到的两种无线信号MR方法进行了比较分析,基于T2T的MR不仅在高SNR下保持优异的识别性能,而且相比较SENet和CNN2来说有更高的执行效率;但是它们都存在整体计算量、参数量大需要较高的计算资源以及大量的存储资源,并且将该任务上传到云时也会导致高带宽消耗和意外延迟等问题。针对以上问题,我们提出了基于深度Q网络(Deep Q Network,DQN)的面向MR服务的EC智能化计算卸载方法。首先,基于EC的特点,将终端设备的卸载比例、卸载决策和信道分配决策作为决策变量,将最小化系统处理时延作为目标,移动终端的需求为约束条件,我们设计了面向保障用户服务质量(Quality of Service,QoS)的计算卸载模型。在这些基础上,提出基于DRLO的EC计算卸载优化框架,该算法利用DQN算法进行迭代,寻找最佳计算卸载决策变量。最后进行了实验仿真和性能分析,通过结果表示,相比于现有的算法,所设计算法的计算卸载方法收敛速度更快,在同等条件下可以有效减少系统的处理总时延,能够得到最低的平均时延值,同时随着本地UE计算资源的变化,DRLO算法依旧可以使系统总时延保持在比较低的水平。
其他文献
本报告以英文原著The 5 Love Languages of Chidren中第一至第三章英译汉实践为例,根据胡庚申教授提出的生态翻译学理论,从语言、文化和交际三个维度进行英汉语言转换和适应性选择,并归纳总结了适用的翻译方法以应对说明类文本的翻译任务。原文本语言准确、简短,内容逻辑性强;作者强调父母要主动了解孩子表达爱的方式,也要正确地表达对孩子的关爱,从而加强父母与孩子的沟通。依据生态翻译学理
本文是一篇汉英翻译实践报告,以杨本芬《秋园》第一章和第五章的翻译为基础,结合具体案例,探讨了叙事文体学理论在翻译实践中的应用。《秋园》以中国近百年历史社会变迁为背景,讲述了一位普通中国女性一生的故事。本书自2020年6月出版以来,受到读者广泛关注和喜爱。叙事文体学是一种以叙事学为框架来分析文本的文体学研究,综合了叙事学与文体学的研究重点,能从“叙事”和“文体”两个层面更好的理解文学作品。本报告尝试
本文是一篇关于《百年风雨:她话人生》的英汉笔译实践报告。作者是米里亚姆·米季扬(Myriam Miedzian)和阿里萨·马利诺维奇(Alisa Malinovich),该书是她们基于对美国三代女性的采访而写成的报告文学。书中讲述了不同女性的生活、成长方式及工作,反应了她们在当时的社会地位。本文分析了翻译《百年风雨:她话人生》过程中如何在CEA(理解、表达、变通)框架的指导下,使译文忠实、通顺。在
滑坡作为危害最为严重的地质灾害之一,给人类的生命和财产造成巨大损失,因而针对滑坡隐患的可靠、及时识别具有重大的社会与经济意义。传统的滑坡识别方法主要是依赖高分辨率光学遥感图像,常用的人工目视解译方法精度高效率低,专家知识依赖性强,难以满足大数据量遥感图像判读,因而基于深度学习的遥感滑坡自动识别方法逐渐得到关注与应用,深度学习方法能够自动提取滑坡隐患相关特征,端到端的训练模式极大提高了滑坡识别效率与
针对原始鸽群优化的二维最大类间方差法(Otsu)图像分割算法收敛速度慢的缺点,提出了基于混合分数阶鸽群优化的Otsu图像分割算法。算法将分数阶与鸽群算法结合,利用分数阶微积分的记忆性,使鸽群依据更多历史记忆获取更精确最优值,并进行分数阶增强滤波预处理,提高分割精度,引入混沌搜索算法增强种群多样性,提高全局搜索能力。将Otsu算法的离散度矩阵作为改进算法的适应度值,从而快速搜索最佳阈值,进行图像分割
随着电子计算机的普及,计算机视觉已经广泛应用于生活的各种领域。小到停车场的车牌识别,大到车辆或者飞机的自动驾驶,这些和我们日常生活中息息相关的事物无疑都充斥着计算机视觉的身影。自从深度学习问世以来,极大的带动了目标检测领域发展的脚步。本文针对当前飞机遥感图像目标检测算法的检测精度与检测速度不能兼顾的问题,提出了基于SSD(Single Shot MultiBox Detector)的飞机遥感图像目
近年来,随着高分卫星技术和遥感技术的快速发展,获取到的光学遥感图像分辨率、图像质量也不断提高,数据来源也越来越丰富,为遥感图像目标的检测和识别提供了海量的数据支撑。但光学遥感图像的背景复杂,对其采用传统算法处理时,无法满足对目标快速检测的要求。目前深度学习在目标检测领域的快速发展,对遥感图像特定目标的检测和识别取得了一些的成果。然而,遥感图像受背景复杂、目标尺寸差异大、成像视角多变产生阴影等多种因
丰富的语义感知信息、高频细节信息以及特殊的成像视角,使得遥感数据和图像被广泛应用,其中的全色遥感图像虽然空间分辨率较高,却缺少光谱信息无法显示地物色彩不利于目标检测;而彩色遥感图像的目标检测逐渐成为研究热点,但存在问题是:遥感目标分布密集、所占尺寸较小并且背景复杂,直接使用自然图像目标检测算法会产生目标难检、误检与漏检;尽管高分辨率彩色遥感图像的目标检测更具优势,由于在获取过程中对硬件设备精度要求
传统的目标跟踪算法假设目标为点目标,即在每个时刻每个目标最多产生一个量测。随着传感器精度的不断提高,这个假设不再成立,一个目标在每个时刻可产生多个量测,量测的数量也随着时间发生改变,此时的目标跟踪问题称为扩展目标跟踪。由于量测数量增多,人们不仅关注目标的运动状态,同时希望获得目标的估计形状。很多学者对扩展目标跟踪问题展开了研究,但是仍存在很多问题亟待解决。本文针对形状估计较差,无较好的评价指标等问
随着“双减”政策的落地,学生学业负担和家长的精力负担有效减轻,给学生“减负”的同时,如何满足学生个体差异化教学、提高课堂效率将是教师不断研究的内容。以物理学科核心素养为导向,融合“互联网+”教育技术,基于元认知理论可以帮助学生提高自我监控和反思的能力,达到提高学习效率的目的。因此本研究在进行具体调查分析后,基于元认知理论抽象出物理学科学习的策略与方法,制定单元教学设计并应用到实际教学中,通过课堂反