【摘 要】
：
卫星通信可以在全球范围内实现信息网络的无缝覆盖,是天基信息传输系统中的重要构成部分,也是构建天地一体化网络的战略重点。伴随地面移动通信技术的不断更迭,卫星网络和地面5G网络的相互融合技术也在快速发展。地面用户终端在与网络建立连接之前,需要通过随机接入过程确保自身的上行传输时间和基站保持同步,使得网络的上行帧时序与用户终端发送帧时序对齐。高效率低延时的上行接入是保障终端与网络进行正常通信的前提,因此
【基金项目】
：
通信网信息传输与分发技术重点实验室基金课题（HHX21641X002）；
论文部分内容阅读
卫星通信可以在全球范围内实现信息网络的无缝覆盖,是天基信息传输系统中的重要构成部分,也是构建天地一体化网络的战略重点。伴随地面移动通信技术的不断更迭,卫星网络和地面5G网络的相互融合技术也在快速发展。地面用户终端在与网络建立连接之前,需要通过随机接入过程确保自身的上行传输时间和基站保持同步,使得网络的上行帧时序与用户终端发送帧时序对齐。高效率低延时的上行接入是保障终端与网络进行正常通信的前提,因此在卫星与5G融合系统中,随机接入技术的研究尤为重要。本文着眼于GEO卫星与地面5G网络融合系统,以GEO卫星广域覆盖导致传播时延较长的系统特性为切入点,融合地面5G协议设计思路,以研究适用于卫星5G融合系统的快速随机接入技术为目标,从快速随机接入信道设计、多用户msgA数据载荷检测算法研究以及快速随机接入信号传输方案设计与仿真验证三方面展开,论文主要工作为:（1）针对目前在星地融合系统中采用的传统随机接入方案因多次信息交换导致接入效率较低、接入过程耗时较长的问题,分析3GPP基于地面场景提出的快速随机接入方案的处理流程和时序模型,研究将该方案应用于GEO卫星场景实现高效率低延时接入的可行性。（2）针对快速随机接入信号（msgA）包含前导和数据两部分的特点,导致传统随机接入信道无法适用于快速随机接入技术的问题,结合卫星大波束覆盖范围和单天线端口系统特性,提出了一种快速随机接入信道设计方案。该方案通过将前导与数据载荷合并发送,降低接入次数,节省物理资源开销,并保证较优的接入性能。（3）针对多用户发起接入时,msgA数据信号采用传统MMSE-SIC检测算法时存在的误差传播问题,提出了一种多判决排序串行干扰消除（MD-OSIC）算法。该算法首先通过MUSA系统的等效信道系数以及MMSE加权矩阵计算所有待检测用户的SINR并排序优化用户的选择策略,然后对MMSE线性检测后位于不可靠区域内的符号进行多次判决,有效提升了 msgA数据载荷检测的可靠性。（4）设计适用于本系统的msgA信号传输与检测方案,并基于MATLAB搭建链路级仿真平台,对快速随机接入性能进行仿真验证。通过对msgA前导信号的漏检和虚警概率以及msgA数据信号的误码率性能进行评估,验证本文所提出的快速随机接入信道设计方案在卫星场景下应用的可行性;通过对MMSE-SIC和MD-OSIC算法检测性能的仿真对比,验证MD-OSIC算法能有效降低误差传播对msgA数据信号误码率性能的影响。
其他文献
3D物体检测是计算机视觉的一个重要研究方向,在自动驾驶等领域有着广泛的应用.现有的前沿工作采用端到端的深度学习方法,虽然达到了很好的检测效果但存在着算法复杂度高、计算量大、实时性不够等问题.经过分析发现3D物体检测中的“部分任务”并不适合使用深度学习的方法进行解决,为此提出了一种基于异构方法的3D物体检测方法,该方法在检测过程中同时使用深度学习和传统算法,将检测过程划分为多任务阶段:1)利用深度学习方法从被检测图片中获取被检测物体的mask、物体类别等信息;2)基于mask,利用快速聚类方法从雷达点云空间
语义分割是计算机视觉中的一个重要课题,被广泛应用于自动驾驶和医学图像分析等不同领域。它为图像中的每个像素点都标记一个语义标签,实现像素级的分类。本文提出了两种改进的语义分割网络,分别应用于二维场景图像和三维脑部MRI图像,即场景解析与MRI分割。论文的主要内容如下:（1）语义分割网络中多阶段的卷积和池化会减小图像尺寸,从而损失位置信息。此外,当图像中的类别数量较多时,语义分割的准确性会降低。针对以
随着系统规模与集成度的快速增加,可靠性与可用性问题成为构建E级计算机系统所面临的重大挑战.针对神威太湖之光超级计算机可靠性与可用性设计与实现开展全面的分析.首先概要描述神威太湖之光超级计算机系统结构.其次,系统提出神威太湖之光超级计算机可靠性增强技术以及故障预测、主动迁移、任务局部降级等主被动容错技术,建立神威太湖之光超级计算机多层次主被动协同的容错系统.再次,根据系统故障统计信息,分析失效分布及主要失效来源,结合指数、对数正态与韦布尔3种典型寿命周期分布,对神威太湖之光系统故障间隔时间分布进行数据拟合分
在如今的数据中心中,各种分布式任务往往会对各种不同的资源进行竞争,特别是网络资源.如果没有有效的网络调度,那么这种竞争就会降低整个数据中心的运行效率.以往的网络资源调度研究由于忽视了任务里计算与网络需求之间的具体关系,对于任务性能的提升十分有限.因此,旨在探索如何通过网络调度来缩短数据中任务的完成时间(job completion time,JCT),从而提升数据中心的整体效率.通过对基于有向无环图(directed acyclic graph,DAG)的分布式任务的深度分析,发现可以在降低它们的网络占用
量子算法的发展和应用对密码算法的设计和分析产生了深远的影响,其中Grover量子算法和Simon量子算法在密码安全性评估中应用较多,但作为生日碰撞攻击量子化的BHT(Brassard,Hφyer,Tapp)量子算法,还没有得到具体应用,研究BHT量子算法对密码算法的分析具有重要意义.通过对多轮EM(Even,Mansour)结构进行分析,研究了经典条件和量子条件下的碰撞搜索算法与差分密钥恢复攻击的结合,对多轮EM结构进行了差分碰撞密钥恢复攻击,并从BHT量子算法的角度进行量子化.结果 表明,经典条件下,当
图像去雨算法通过对有雨图像进行分析和处理从而去除雨水条纹,恢复干净的背景场景,有助于提升计算机视觉任务识别精度,因此成为当下的研究热点.为系统地了解该领域的研究现状和发展趋势,首先介绍了典型的雨水合成模型,其次从基于模型驱动和基于数据驱动两个方面重点分析了典型图像去雨算法模型和方法;之后比较了去雨图像质量评价指标及雨水数据集;最后,对单幅图像去雨算法未来发展趋势进行了展望.
实体对齐任务目标是在知识图谱间发现更多的等价实体对.目前一些实体对齐方法聚焦实体结构和属性信息,却没有很好地处理两者交互学习的问题.为此,提出一种基于双重注意力和关系语义建模的实体对齐方法,采用双重注意力在属性分类嵌入的基础上学习实体属性和结构的交互特征,采用关系语义建模对实体结构嵌入进行局部语义优化,最后对实体多方面语义特征下的相似度矩阵进行融合.在三个真实数据集上的对齐准确率分别可达到81.00％、83.90％和92.73％,与基准模型相比平均提升了2.62％,实验结果表明提出的方法可以有效地识别出对
如何实现数据的安全共享,促进多源数据的碰撞、融合是当前学术界和产业界共同面临的重要技术挑战之一,近年来,联邦学习作为应对这一挑战的新技术受到了广泛的关注,已在智慧医疗、智慧城市建设等领域得到应用,但是在充满潜力的轨迹数据挖掘领域却鲜有研究.为了解决这个问题,提出一种安全的、分布式的基于联邦学习的谱聚类算法框架FSC(federated spectral clustering),并应用于船舶AIS(automatic identification system)轨迹数据谱聚类.该算法通过加密样本对齐技术和同
弹性光网络具有精细的频谱分配粒度,而且可以根据业务的带宽需求自适应地实现频谱资源分配,因此被视为应对骨干网流量不断增长的有效解决方案。另一方面,由于单光纤的传输容量已接近现有单模光纤的非线性shannon极限,光纤的信道容量增长缓慢。多芯光纤或多模光纤等支持的空分复用技术作为一种新型传输技术被引入弹性光网络的研究,用以应对云服务等宽带应用的爆发式增长。空分复用弹性光网络将网络的资源分配问题扩展至空
针对BIT*存在小样本下路径规划成功率低、冗余大样本下路径规划效率有待提高的问题,提出基于样本增量生成和概率随机几何图的BIT*-SP算法,设计了生成样本和选择样本的启发式函数.实验结果表明,BIT*-SP算法在小样本下路径规划成功率大幅度提高,且能更快找到初始解;在大样本下能用更短的时间找到一条优秀的路径,规划速度显著提升.该算法鲁棒性高,在简单及复杂环境中都能适用,性能高效.