谭琪[1]（2021）在《基于迁移学习的卫星信号波达方向估计技术研究》文中研究指明波达方向（Direction of Arrival,DOA）估计在地面无线通信、卫星通信、雷达与声纳系统等很多领域中都得到了非常普遍的研究与应用。传统DOA估计算法一般可以分为两类。第一类是基于谱的方法,包括Bartlett、多重信号分类（Multiple Signal Classification,MUSIC）、Capon等。第二类是基于参数的方法,例如最大似然（Maximum Likelihood,ML）。这些传统的算法往往在性能或是计算复杂度上受到限制。卫星通信星上功率和处理能力受限,亟需一种估计精度高,同时复杂度合适的DOA估计算法。近年来,机器学习算法在通信信号处理领域得到了广泛的应用,在DOA估计方面也取得了一些喜人的成果,但该类算法需要严格保证训练样本和测试样本维持相同概率分布。卫星通信由于卫星运动以及工作环境复杂等因素,属于时变通信系统,信道环境动态变化,而迁移学习具有“灵活变通“的作用,这启示我们可以借助迁移学习进行卫星信号的DOA估计,本文正是基于这个思路展开研究。本文首先研究了卫星通信场景下半波长阵列间距的DOA估计问题。在分析了卫星信号DOA估计的特点之后,创造性地将迁移学习的思想引入这一问题,建立了卫星信号DOA估计的模型,并提出了基于测地线流形内核（Geodesic Flow Kernel,GFK）的DOA估计算法以及基于迁移联合匹配（Transfer Joint Matching,TJM）的DOA估计算法。数值仿真结果表明,在卫星通信信道条件下,所提算法均有很高的分辨率,并且可以自适应信噪比和快拍数的动态变化。接着探讨了源域样本信噪比的选择问题,目的在于使训练出的迁移学习模型能在卫星通信环境下取得更好的估计效果。由迁移学习算法建模的卫星信号DOA估计问题,其性能受到源域样本信噪比的影响。于是以源域信噪比值为优化参数,使用粒子群优化（Particle Swarm Optimization,PSO）模型来优化卫星信噪比条件下的DOA估计误差。仿真表明优化处理进一步提高了卫星信号的来波方向估计精度。最后本文进一步扩展研究如何优化阵列间距使得卫星信号DOA估计的精度更高。阵列间距会影响不同阵元接收信号的相对时延,进而影响辐射模式,这也会使得估计结果有所不同。通常让阵列间距等于半波长,然而这并不一定是最优结果。我们以阵列间距为优化参数,以最小化迁移学习模型在目标领域的平均估计误差为优化目标,将优化过程建模为磷虾群（Krill Herd,KH）优化。仿真表明,应用优化后的阵列间距将会得到更好的估计性能。
李依桐[2]（2021）在《光子毫米波/太赫兹波通信理论与关键技术研究》文中研究说明近年来移动通信行业的飞速发展,给人们的生活带来了巨大的便利。在当前我国“互联网+”、大数据蓬勃发展的时代,对移动通信的传输容量及传输速度的需求日益增长。毫米波（Millimeter-wave,mm-wave）及太赫兹（Tera Hertz,THz）频段拥有丰富的频谱资源,将在“5G+人工智能”全面落地应用及下一代高速移动通信进程中发挥至关重要的作用。然而,毫米波及太赫兹信号具有较高的频率,容易在无线传输过程中受到各种损伤的影响,会限制其传输的距离。光纤无线融合通信（Radio over Fiber,RoF）,结合了光纤通信和无线通信的优点,能够同时满足未来通信网络对通信带宽、传输距离及移动性的需求,已经成为当今社会的研究热点。本论文研究了光子毫米波/太赫兹波通信过程中的理论和关键技术,通过结构改进、算法优化、器件减省等方式完成对毫米波/太赫兹信号生成系统的优化,并采用数字信号处理算法对信号传输过程中的损伤进行了补偿,提高了系统的频谱效率及传输容量;之后探究了自适应的光子毫米波/太赫兹技术,在调制格式自适应、生成频率多样化、波束追踪自反馈三个方面对光子毫米波/太赫兹波通信系统中的技术进行了创新;整个系统无缝融合光纤通信与无线通信,在提高传输过程中可用频谱资源的同时克服了光纤传输中可能存在的断裂问题,实现了高速率、低成本的光纤-无线一体化方案。主要工作和创新点如下:1、提出并通过实验证明了一种生成光学频率梳源的新结构,可在光传输系统中用来进行多载波调制。该方案将一个电吸收调制激光器和一个相位调制器相连,并运用共同的正弦射频信号对两者进行驱动和同步。文章通过VPI软件进行仿真得到了功率波动小于3 dB的光谱平坦度的最佳工作范围,并据此实验生成了 10个平顶锁频的光学频率梳,每个载波的频率间隔为12.5 GHz。利用所生成的光频梳源,可以实现3.125 Gb/s和12.5 Gb/s的开关键控（OOK）强度调制的毫米波信号在20公里标准单模光纤（SSMF）上的传输。2、提出并实验验证了一种新颖而简单的方法来实现D波段毫米波单边带（SSB）倍频矢量信号的产生。利用该系统生成的毫米波最高可达210 GHz,已经进入太赫兹领域。该方案使用一个单驱动的马赫-曾德尔调制器（MZM）和一个推挽模式的MZM级联,第一个MZM由20GHz的射频驱动,生成具有六个平坦化载波的光频率梳;再使用一个由10 GHz SSB矢量信号驱动的推挽MZM,实现对光梳的单边带调制过程。在运用光电二极管拍频检测后,得到频率为130GHz和150GHz的D波段SSB毫米波矢量信号。基于此方案生成的4 Gbaud D波段QPSK和16 QAM毫米波信号,分别在10公里/25公里的单模光纤加1米无线链路上进行传输,计算的误码率（BER）可达到小于3.8 × 103的7%硬判决前向纠错（FEC）门限阈值。3、提出并验证了一种基于光载波抑制和单边带调制的D波段毫米波信号产生方案。该方案省去了发射端的预编码过程,且不需要任何滤波器,从而使整个系统得到简化。首先,采用50 GHz射频信号（fRF）驱动的强度调制器来产生两个频率间隔为2 × fRF的载波,实现了光载波抑制的过程。随后,使用另一个由30 GHz射频信号驱动的同相/正交（I/Q）调制器,通过独立边带调制从而产生单边带矢量信号。在使用D波段光电混频器进行检测后,最终生成了 130 GHz的矢量毫米波。通过基于该系统产生的D波段毫米波信号,携带4 Gbaud/8 Gbaud的QPSK信息,在22.5公里的SSMF和1米的光纤无线距离链路上进行了传输。最后对传输结果进行了分析,并分别给出了在两种不同信号传输速率下,硬/软判决前向纠错门限下的误码率性能。4、提出并实验验证了一种可用于光子毫米波/太赫兹波通信系统中的自适应的N2-QAM调制格式的矢量信号生成技术。采用两个MZM及并联的移相器、衰减器和单个光混频器,实现了两个N-ASK信号合成N2-QAMW波段毫米波矢量信号的过程。该方案在发射端省去了数模转换器（DAC）及额外的数字信号处理过程,可以在用户端获得双倍的比特率。本文用N=2的情况举例,最终利用两个2-ASK信号,生成了 80 GHz 4 QAM的W波段毫米波,并完成了其在1米无线链路上的高性能传输,测量的误码率达到了低于3.8×103的7%硬判决前向纠错门限。5、探究了太赫兹波的应用前景,设计并实验验证了一种具有470 GHz大带宽的全波段发射机,涵盖Q、V、W、D波段的毫米波以及最高510 GHz的太赫兹波信号。该方案将独立的毫米波信道和太赫兹波信道结合起来,极大提高了无线网络的灵活性,同时也将促进功率放大器的发展。该方案可以同时产生多种频段的毫米波与太赫兹波,并集成了宽带多天线的发射系统和具有高工作带宽和动态范围的光混频器,可以实现频带的自适应切换与动态的无线传输,对于5G及6G具有巨大的应用价值。6、提出了一种基于机器学习算法的用于毫米波/太赫兹波束追踪的定位技术,可以为无线基站提供精准的方位来满足自适应波束赋形的需要。由于毫米波/太赫兹波的载波频率较高,在大气中衰减较大。波束赋形可以减小毫米波/太赫兹波的波束宽度,故需要知道用户的准确位置来进行波束赋形。本文结合室内高频电波应用场景,创新性的设计了基于人工神经网络（ANN）进行室内定位从而服务于光束赋形的系统。通过实验得到误差小于1厘米的精确度,是目前室内定位系统可以达到的精确性最高的方案,将为5G及下一代无线波束追踪提供新型的解决方案,对实现光载无线通信系统的高效率、大容量传输有着重要意义。
刘娅汐[3]（2021）在《移动通信网络覆盖计算与优化方法研究》文中认为在移动通信技术发展进程中,网络覆盖质量始终是移动通信网络最重要的性能评估指标之一。覆盖计算与覆盖优化是移动通信网络覆盖技术相关研究中最重要的两项内容,前者可评估区域的量化覆盖率并构建可视化的覆盖图,后者则通过网络规划阶段的站址规划或网络运维阶段基站及安装在基站上的射频天线的工作参数的调优提升区域覆盖质量。随着移动通信的技术演进和网络部署,尤其在大规模接入用户数量、复杂地形地貌和高密度基站等场景中,覆盖计算与覆盖优化所涉及的技术计算量庞大,算法收敛速度较慢。因此,针对现有覆盖计算和覆盖优化的计算复杂度和算法效率等技术痛点问题,本文设计了一系列覆盖计算和覆盖优化相关的高效算法,主要研究内容及创新点如下:（1）在覆盖计算方面,本文提出了一种基于自适应剖分和区域插值的覆盖计算方法,可高效而准确地构建可视化覆盖图并计算服务区的覆盖率,且支持多指标覆盖质量评估。该方法首先使用自适应基站位置分布的三角形剖分方法将服务区划分为多个三角形区域。其次,在每个三角形区域,使用顶点位置的覆盖指标信息进行插值计算。最后,合并三角形并给出服务区内的覆盖区域闭式解。仿真结果表明,本文所提出的三角形剖分与插值算法在构建可视化覆盖图,计算量化区域覆盖率方面表现良好,且较现有的覆盖计算方法而言,在相同的计算复杂度下可得到更优的算法准确性。（2）在网络规划阶段,本文提出一种基于地理位置引导的遗传算法解决面向覆盖优化的站址规划问题。该方法首先将服务区划分为多个子区域,并定义子区域染色体。在变异操作中,定向地修饰覆盖率低的子区域对应的子区域染色体,从而提升子区域内并进而在整个服务区内的覆盖性能。在交叉操作中,以个体中的子区域染色体作为交换单位进行染色体交叉操作,保证了子区域内的站址部署地理分布状况可遗传给后代个体。仿真实验表明,本文提出的地理位置引导的遗传算法在基站站址规划问题上是有效的。与传统的遗传算法相比,本文所提出的算法收敛速度更快,所得到的近优解质量更高。（3）在网络运维阶段,本文提出了全量梯度下降算法和随机梯度下降算法通过调整基站天线的方向角和下倾角等工作参数高效优化服务区覆盖率。该方法首先提出了一种衡量网络覆盖的新型指标称为软覆盖率,它可以近似原始的以是否超过阈值为判定标准的硬覆盖率。软覆盖率改变了原有硬覆盖率的二值型衡量标准,使用由0到1间的连续值衡量某位置的覆盖情况。为使目标函数平滑进而执行基于梯度的方法,该方法进一步改变覆盖计算过程中的函数形式,以可导形式替代原有的不可导形式。进而,该方法基于目标函数的梯度调整基站天线下倾角、方向角以最大化服务区的软覆盖率。仿真结果表明,本文提出的梯度下降方法,特别是统计梯度下降算法,不仅在近优解的准确性方面表现良好,还在算法计算效率方面显着优于现有的元启发式算法。本文还证明了所提出的算法具有良好的可扩展性和实用价值。（4）在以网络覆盖为约束条件的运维优化中,针对绿色覆盖优化问题,本文提出了一种有覆盖约束下的梯度下降算法,在覆盖满足约束的条件下最小化移动通信网络的总功率损耗以实现绿色通信。该算法首先使用了罚函数将有覆盖约束的最小化总功率损耗的优化问题转化为仅有决策变量上下限约束的简单优化问题。进一步,该算法将离散取值的覆盖率转化为连续取值的可导覆盖函数,并使用反映了功率损耗与覆盖的目标函数的次梯度执行梯度下降算法。仿真结果表明,本文提出的算法在绿色覆盖优化问题方面表现良好。综合以上研究工作,本文对移动通信网络覆盖计算与覆盖优化展开了系统的研究,在服务区量化覆盖率评估与可视化覆盖图构建、面向覆盖优化的站址规划、无约束及约束条件下的基站工参优化等方面提出了系列化的算法。这些研究成果侧重于考虑低复杂度算法设计和适应实际移动通信网络场景,部分工作已经在中国移动设计院的系统中得到了验证和集成。本文的研究工作将为未来移动通信网络海量网元所涉及的覆盖优化及第6代移动通信中的“空-天-地-海”的全面覆盖技术提供技术支撑。
郑创明[4]（2020）在《超密集网络无线资源管理关键技术研究》文中指出为了满足第五代移动通信系统增加1000倍数据速率的要求,一种最有效的方法是在现有网络架构的基础上超密集部署低功率单小区站点来增加频谱复用次数、提高频谱效率、增加数据传输速率、扩展覆盖和提升用户服务质量。与以前移动通信技术不同的是,在第五代移动通信中更多的物-物连接设备接入网络,因此网络的设备密度将会大大增加。然而在一个无线网络中部署更多的低功率站点设备必然会带来严重的小区间干扰,从而限制了超密集网络频谱效率的提升。如何减少超密集网路中的小区间干扰,提高频谱效率和能量效率,保证用户的服务质量已经成为超密集网络中的关键问题。因此,能够适应于超密集网络的无线资源管理技术成为一个研究热点,本文主要研究超密集网络中的干扰管理技术和无线资源分配技术。具体包括博弈论在超密集网络无线资源管理中的应用,部分频率复用技术在超密集网络无线资源管理中的应用,宏微协作的无线资源管理在超密集网络中的应用研究,以及物联网中的反向散射通信技术在超密集网络中的应用及优化。博弈论既是现代数学的一个新分支,也是运筹学的一个重要学科。由于博弈论的一些基础性的假设与无线资源分配技术的预期目标非常匹配,所以博弈论在超密集网络的资源分配中具有重要的应用价值。理论上,运用博弈论能够获得性能最优的无线资源分配结果,不足之处在于它巨大的运算量,但随着云计算技术的发展,这些问题将会逐渐得以解决。本文主要研究博弈论在超密集网络中上行功率控制技术中的应用,将博弈论和异构网上行功率分配算法相结合,提出了一种博弈的异构网上行功率控制算法。该算法把价格支付函数运用到上行功率功率控制算法中,在异构网中任何用户的功率提升都要考虑对网络内的其它同频用户带来的干扰,并以此作为基于价格的支付函数,通过循环多次迭代使得用户功率提升对整个网络的干扰最小化。本文通过运用博弈论对现有功率控制算法进行优化,提升了网络的性能。部分频率复用技术是一种易于实现且可靠性高的小区间干扰抑制技术,在现有的移动通信网络中被广泛使用。本文对该技术进行深入研究,分析现有的部分频率复用技术在超密集网络中运用中存在的潜在不足,并结合超密集网络的特征对部分频率复用技术进行优化,提出一种用于优化LTE-A部分频率复用技术的准完美资源分配方案。它首先把小区的边缘区域和中心区域、边缘带宽和中心带宽、边缘用户和中心用户分成六份,并为每个区域内的用户定义一个不同的资源分配优先级,然后每个扇区通过用户的位置识别它所对应的位置区域,最后每个扇区的资源分配算法根据用户的位置信息按照预先定义的资源分配优先级,对用户进行资源分配。该算法通过对现有的部分频率复用技术进行优化,使得不同小区中分配相同频率资源的用户的位置更加均匀,因此能够更加有效减少小区间干扰。超密集网络中宏微协作是一种有效的无线资源管理方式,现有的宏微协作超密集网络的无线资源管理算法都是基于每个小区业务完全加载的场景进行优化,然而在现网中超密集网络的业务量随时间和站点变化。本文针对现有算法的缺陷,并结合超密集网络的这一特征,提出一种超密集网络中宏微协作的负载自适应的干扰管理算法。该算法综合运用三种技术进行干扰管理,首先,采用部分频率复用技术对宏宏间,微微间和宏微之间的干扰进行干扰协调;其次,采用负载自适应资源分配技术进一步降低小区间的干扰:该算法随着小区的负载变化而变化,当小区业务是部分加载时,通过降低高功率用户的调制编码方式,进而降低用户的功率和减少小区间的干扰。最后,采用干扰感知的资源映射技术把相邻小区的高功率用户所分配的资源映射到不同的频带上,从而实现更好的干扰协调效果。最后,本文对超密集网络中高密度存在的低功率反向散射通信系统的资源分配算法研究。与现有研究成果不同的是,本文主要研究一种典型的基于反向散射通信技术的两用户单解码转发中继网络模型,为降低网络的部署成本,其中一个用户与中继被集成一个节点。因为本文优化的目标为通过优化资源分配算法实现系统的吞吐量最大化,且该问题是一个多变量联合优化的非凸问题,直接采用多变量联合优化方法将产生非常复杂的运算量。所以本文提出一种多步骤迭代优化算法把两个节点非凸的联合优化问题转变为单个节点非凸的单独优化问题,然后通过松弛变化,把非凸问题转化为凸问题,并通过凸优化方法得到闭式解,最后通过循环迭代的方法得到原问题的最优解。本文提出的多步骤迭代优化算法为多个具有反向散射能力的节点组成的网络联合优化问题提供一种新的方法,把一个复杂的优化问题转化为多个简单的子优化问题。
马巧娣[5]（2020）在《GSM-R系统中智能天线DOA估计算法研究》文中进行了进一步梳理随着我国铁路运输业的飞速发展,列车的行驶速度不断提高。由于铁路通信系统信道的快速时变特性,而引发了信道中的干扰、多径衰落、容量损失和频谱效率降低等一系列问题,这对铁路专用移动通信系统GSM-R提出了更高的要求。近年来智能天线技术在移动通信系统中的成功应用为解决这些问题带来了新思路。智能天线早期应用于军事通信、雷达和声呐等领域,可实现空间滤波和识别定位。后因其可以显着降低移动通信系统中的干扰、减少信号衰落、提高系统容量以及实现移动台定位等优势而被发展应用于更多复杂的移动通信环境中。其中DOA（Direction of Arrival,波达方向）估计作为智能天线的核心技术,在很大程度上决定着智能天线的性能。经过长期的研究,现已出现了很多经典的DOA估计算法。本文对传统类和基于子空间类的DOA估计算法进行了详细的介绍并仿真比较。仿真结果显示,基于子空间的MUSIC、Root-MUSIC、ESPRIT和LS-ESPRIT算法都能够实现高分辨率的DOA估计。但这类算法仅适用于静态场景中,而铁路移动通信系统GSM-R的高速移动会引起信源位置时刻变化,因此需要对GSM-R系统中的信源DOA进行实时跟踪以提高DOA估计的可靠性。基于上述分析,本文在最后一章首先建立了采用智能天线技术的GSM-R系统结构的简单模型,并分析了GSM-R系统中高速移动状态下的智能天线阵列信号数学模型,进而展开对适用于GSM-R系统的DOA跟踪算法的研究。目前,比较具有代表性的子空间跟踪算法,PASTd（Projection Approximation Subspace Tracking with deflation,紧缩近似投影子空间跟踪）算法,因其实时性强、计算量小、收敛快而被广泛应用到DOA跟踪中。而由于现实中高速列车复杂的行驶环境,可能存在列车接收信号DOA比较靠近或变化轨迹出现交叉重合的情况,对此,PASTd跟踪算法不能做到准确地匹配跟踪。为解决这一问题,本文研究了一种将卡尔曼滤波器与PASTd算法相结合的算法并对此算法进行了简化。最后通过仿真实验验证,简化的结合算法不仅能够实现高速移动的GSMR系统中DOA的实时准确地跟踪估计,而且复杂度低。
王丽君[6]（2019）在《基于机器学习联合协作通信的车联网性能研究》文中研究指明随着智能交通系统（Intelligent Transport System,ITS）的发展,车联网（Vehicular Network,VNET）作为物联网在交通领域的典型应用,上到城市建设发展,下到人们的出行效率,都发挥着越来越重要的作用。而由于车辆的高速机动性,传统的移动计算面临着高效、快速的资源调度和功率分配等挑战。同时,实现车辆之间的接入网服务是在车辆附近提供通信服务的重要方法之一。因此,尽可能接近的通信部署,研究车联网新的体系结构,对未来智能交通系统的发展非常重要。而连通性作为车联网的一个基础而重要的指标,对于车联网的网络规划、拓扑控制以及用户体验都具有非常重要的意义。近年来,国内外专家学者们提出了很多关于车联网连通性的方法,且获得了不错的效果。但由于交通环境的复杂性,制约车联网技术发展的特性有复杂的无线传输环境、潜在的大规模特性、高动态特性、分区网络特性和网络安全隐私等挑战。因此,本文在跟踪国内外最新研究进展的基础上,围绕车联网的性能指标,着力于从协作通信和机器学习两个方面进行了深入的研究。首先提出了无蜂窝的基于移动接入点的协作通信车联网体系结构,然后提出基于机器学习预测的无蜂窝结构车联网中流量时空分布模型,最后给出机器学习的移动接入点空时协作的精准资源调度和动态路由机制。核心问题涉及到车辆终端如何接入移动网络,实现动态、开放、自组织、易于部署和低成本效益的车联网络。具体包括以下研究内容:本文首先提出采用无蜂窝的基于移动接入点的协作通信车联网体系结构。该无蜂窝协作通信车联网与传统车联网相比,基于移动接入点的协作通信,对车联网的不同接入方式进行横向融合。通过协调多点（Coordinated Multi-point,CoMP）传输和接收,与协作基站或移动接入点通信,实现满足不同需求的车联网最优接入方案,建立低时延、高可靠的基于软件定义网络（Software Defined Network,SDN）的车联网混合组网架构。利用SDN收集车辆运动状态信息,获得全局网络视图,采用先局部后全局的方式实现网络资源的灵活调度。无蜂窝车联网中车辆构成多重SDN云,实现分布式同集中式相结合的资源调度和投放机制。仿真结果表明,本文提出的融合无蜂窝通信网络,不仅在基站处和移动终端处都能够节约能源,且移动终端的能量效率随着协作基站数量的增加而增加,优化车联网性能。针对高速行驶车辆通信的频繁切换和中断问题,提出的基于移动接入点的5G无蜂窝车联网通信方案,将固定基站替换为车载移动接入点,以方便用户访问。移动接入点采用联合发送和联合接收的方式与车辆用户进行协作通信,增强车与车通信（Vehicle to Vehicle Communication,V2V）的连通性和可靠性。并给出了三种车辆选择方案作为协作移动接入点的策略原则,构建了5G无蜂窝移动接入网。数据仿真结果比较了各种移动接入点选择策略下的连接性能和延迟性能。采用移动接入点的5G无蜂窝车联网通信方案显着优于简单的移动中继或移动接入方案。兼顾负载均衡,增强了车联网通信的连通性和可靠性。本文的第二个创新点是基于机器学习预测的无蜂窝结构车联网中流量时空分布模型,对于车联网的流量业务进行建模分析。针对车联网中V2V的协作通信机制,提出了基于机器学习预测的无蜂窝结构车联网中流量时空分布模型。根据数据业务需求在空间和时间上的分布特征,基于随机几何理论方法对车联网业务的空间分布特征构建模型,采用排队论对业务的时间分布特征构建模型,运用机器学习方法对车联网时空流量进行分析和预测。为车联网中的协作资源调度和分布式路由选择提供依据。本文所提V2V协作通信算法融合了车联网终端侧的接入网络选择机制及网络侧的调节函数策略,能够依据用户的最优分布及实际分布,基于目标函数和约束条件的转换,动态自适应的来改变网络调节函数因子,从而引导车联网用户终端合理选择动态节点来接入网络。而基于系统用户体验（Quality of Experience,QoE）效用函数的网络资源分配函数,解决了车辆接入网络的不同接入方式会造成部分车载资源丢失和浪费的问题,实现协作通信下的最优功率分配和频谱资源共享。本文的第三个创新点是基于机器学习的移动接入点空时协作的精准资源调度和动态路由机制。从多层次多维度的资源调度策略基础上出发,针对无蜂窝结构车联网中车辆的业务需求,对时间分布和空间分布的车联网业务需求进行感知和预测,在城市密集交通场景的大尺度宏观车流模型和小尺度微观车流模型的不同层次上,以及空间和时间不同维度上,提出基于机器学习的移动接入点空时协作的精准资源调度和动态路由预测,对车联网中的无线通信资源进行调度和分配。将资源供给与业务需求进行快速匹配,保证车联网通信业务的低延时要求。结合空间、时间和频率多维度模型,分析车联网通信在精准资源调度策略下,对包括连通性在内的车联网性能指标进行优化。针对车联网时延和连通性等关键性能指标定义服务质量的效能函数,在存在随机干扰的情况下,采用离散随机逼近算法针对调度参数进行优化,实现精准的资源调度和负载均衡。最后,在实际应用的车联网场景中,按照本文给出的高连通性组网算法规则,有效选择中继节点进行消息转发的路由决策方案,确保车联网的高连通状态。对于用户业务需求、终端数据缓存状况、用户信道信息等数据,在保证服务质量（Quality of Service,QoS）需求、无线资源利用率及用户公平性的前提条件下,确定用户的优先级并进行频域或时域资源的分配。
刘胜杰[7]（2007）在《移动通信中智能天线波束形成算法的研究》文中提出在移动通信领域,智能天线技术已经成为最具有吸引力的技术之一。在无线基站使用一个天线阵和基于基带数字信号处理技术,对基站的接收和发射波束进行自适应赋形,可以大大降低系统内的干扰,提高系统容量,降低发射功率并提高接收灵敏度。在大大提高系统性能的同时,还可以降低设备的成本。论文首先介绍了智能天线的基本工作原理及其体系结构,给出了智能天线中常见的信道模型和收敛准则,详细说明了智能天线的几种收敛算法,如LMS算法,RLS算法,CMA算法等,并对这几种算法进行了比较和仿真,分析了各种算法的适用范围和优缺点。然后对第三代移动通信的三种主流标准进行比较。同时,根据TD-SCDMA物理层的帧结构,码结构等规定而搭建了仿真模型,并将智能天线应用到模型中进行仿真。仿真结果表明,加上智能天线后系统的效果有明显的改善。最后,介绍了数字信号处理器（DSP）的相关知识,并用处理速度为l00MIPS的TMS320C5416芯片实现智能天线算法,且结合DSP硬件开发平台开发出算法的实时代码,对算法的实时性进行了分析和研究。本文的工作具有很强的工程应用价值,并对今后的理论研究有一定的参考价值。
蒋泽[8]（2003）在《一种新型自适应天线及其在移动通信中的应用研究》文中提出近年来,随着数字信号处理（DSP）技术的迅速发展及数字信号处理器件性能价格比的不断提高,继在雷达、声纳及相关军事通信领域获得成功应用之后,自适应天线在蜂窝移动通信系统中的应用研究,引起了相关领域研究人员的高度重视。在这一应用场景下典型的处理方式是,基于对阵列输出的处理,从特定的性能准则出发实现对于用户信号的分离及其（空间）选择性收发。一般认为,这一应用可以从根本上解决移动通信自干扰系统的载干比问题,并因此实现用户容量和信道传输质量的根本性改善。然而在实际问题中,由于无线蜂窝移动通信电波传播环境的复杂性以及具体移动通信系统无线传输技术的不同,应用于移动通信环境下的自适应天线技术呈现出不同于其传统应用环境的显着特点。事实上,应当结合移动通信系统自身的特点,进一步从传播环境特性建模、高性能天线阵列设计、高效自适应算法研究及系统网络管理策略方面进行统一的权衡或折衷处理,可望实现自适应天线技术与移动通信系统的最佳融合。换言之,对上述相关问题进行从整体出发的分析,是研究自适应天线在移动通信中应用问题的研究方法。基于这一研究方法,本文具体地深入探讨了一类有可能适用于移动通信环境的重要的多波束自适应天线,即基于菲涅尔区相位修正结构聚焦的多波束自适应天线。为了更好地介绍这一天线的工作机理和性能特点,论文应用了两个部分来加以说明。首先,对菲涅尔区相位修正结构的工作机理、从特定要求出发对该类结构进行设计的系统设计方法等进行了深入探讨。这包括:①将平面上菲涅尔区的形成视为一平面以任意角度与收发两点间菲涅尔区椭球（壳）体相交的结果。基于这一认识,不仅可以将一般的正馈修正平面设计扩展为包括正馈情形在内的更为一般化的偏馈菲涅尔区相位修正平面设计,而且可以进行共形（conformal）修正曲面上的设计;②建立了一维菲涅尔区相位修正结构与二维修正结构类比关系。这为相关的理论分析及实验研究提供了方便,即通过研究一维问题来分析其特性;③用多种电磁场外域问题的典型分析方法和实验研究的方法对菲涅尔区相位修正结构的聚焦场及远区辐射场进行了大量研究。通过实验研究结果与理论结果的<WP=8>比较,不仅从实验研究的角度对菲涅尔区相位修正结构的工作特点进行了研究,而且说明了理论分析方法的适用性;④对其诸如频率特性、交叉极化特性等参数进行了进一步的探讨。上述对于菲涅尔相位修正聚焦结构工作机理的进一步探索,客观上为该类聚焦结构的实际应用提供了更为全面的背景。基于这些分析,我们能更为灵活地基于其特点实现一种新型多波束自适应天线,并因此而对这种自适应天线的工作机制形成深刻的认识。其次,基于菲涅尔区相位修正平面（Fresnel Zone phase correcting Plate, FZP）较好的偏轴扫描特性,我们研究小组提出了一类基于FZP聚焦结构的新型多波束自适应天线（Fresnel zone phase-correcting Multi-Beam Antenna, FMBA）。在本文中,进一步对相关问题进行了广泛深入的研究。这包括:①采用馈源阵列对FZP天线的输出进行自适应信号处理,实现了一种多波束自适应天线;②从多个角度分析了这类多波束自适应天线的工作性能。有关结果表明,这种天线兼有传统自适应天线阵元空间处理和波束空间处理的特点,一方面降低了自适应天线信号处理的复杂程度,另一方面可以有效地处理相干来波的情形;③基于无线传播信道的空间弥散特性,分析了FMBA实现空间信号来波方向（Direction-of-Arrival, DOA）的鲁棒性估计问题,从而为其基于DOA估计的实际应用提供有效的解决方案;④通过分析其阵列输出特性,我们对这种天线的工作机理进行了深入探讨,有关结果有助于进一步认识多波束自适应天线的工作机理,丰富了其设计方法。作为一个和陆地移动通信环境相结合的应用实例,具体以CDMA陆地蜂窝移动通信系统为原型,研究了基于FMBA模型的自适应波束赋形技术,通过与ULA模型的比较,分析了其对于BER性能的改善情况。同时,针对移动无线信道的时变特性,研究了基于FMBA模型的自适应波束跟踪技术,结合一典型的陆地蜂窝无线电波传播信道模型,分析了其自适应跟踪性能。对基于菲涅尔区相位修正结构的多波束自适应天线及其在移动通信系统中的应用而言,上述工作构成了一个相对完整的系统化的研究。这些工作一方面丰富了高频聚焦结构、多波束天线以及自适应天线等领域的研究内容,另一方面也对是移动通信环境下自适应天线技术研究的直接贡献。因此,兼有理论研究价值和实际工程应用前景。应当指出,上述工作虽然取得了一定的结果,但由于研究时间的限制,更多地表现出对一些新的物理机制和现象的揭示。例如基于FZP聚焦场分布实现来波信号的最佳复原与重构问题,以及应用解析变换法——即基于FZP谱变换算法,<WP=9>实现菲涅尔区相位修正聚焦结构的物理映射作用等问题,这些问题的充分研究和讨论,还将会进一步丰富相关领域的研究内容和研究方法。
熊兵[9]（2002）在《自适应天线在移动通信中的应用研究》文中研究表明随着移动通信的飞速发展，自适应天线作为一种有效提高频谱利用率的技术正受到广泛的研究。 本文首先对自适应天线的基本原理进行了简要介绍，建立了阵列接收的同步CDMA系统离散时间传播模型，并论述了空域滤波和时域FIR滤波器的类比性，用DMI和LS—DRMTCAM算法仿真了自适应天线空间滤波性能。然后用矩量法和等效网络方法分析了自适应阵列的互耦特性，建立了考虑互耦后的阵列信号接收模型，考察了计入互耦后MUSIC来波估计算法性能，并给出了一种基于MUSIC算法的互耦矩阵求解方法。最后在矢量信道模型分析基础上，深入地研究了TD—SCDMA系统中自适应天线与联合检测相结合技术，从系统矩阵和误码率仿真两方面考察了自适应天线对联合检测性能的改善，并分析了阵列互耦和射频通道校准误差对TD—SCDMA系统上行性能的影响，为系统设计提供了依据。
李建飞[10]（2019）在《基于60GHz无线通信的波束搜索算法研究》文中指出随着移动业务的需求和移动设备的数量不断增长,低频段无线通信难以担负重任。毫米波通信成为无线通信的研究热点。60 GHz频段频谱资源丰富、免许可,因而受到业界广泛的关注[1]。60 GHz频段具有高路径损耗的特性,使得波束成形技术（Beamforming,BF）成为其补偿路径损耗的必然措施[2,3]。然而波束成形的方向性使得波束之间轻微的未对准就有可能导致无线链路中断。因此,本文主要研究60GHz无线通信中的波束搜索和无线链路的中断恢复问题。针对波束搜索中存在的搜索次数过高的问题,研究了移动环境下波束搜索前后可用于恢复无线链路的可用波束的分布问题。研究发现无线链路中断后,可用波束很大概率上分布在无线链路中断前的波束附近。本文利用可用波束的分布概率,设置波束搜索的优先顺序,制定概率优先的波束搜索策略,通过该搜索策略可以快速地搜索到可用波束并恢复无线链路。此外,文章采用射线追踪的方法仿真建模,从码本设计方案、阵元数量和无线通信环境等多个角度仿真验证。仿真结果表明:在简单的室内环境中,该波束搜索策略具有较高的波束搜索效率,在复杂环境下,由于障碍物的遮挡该波束搜索策略的搜索效率逐渐衰退。所以,该波束搜索策略更适合空旷的室内环境。针对概率优先的波束搜索在复杂环境下搜索效率降低的问题,本文提出了动态自适应波束搜索策略进行优化改进。该波束搜索策略基于概率优先的波束搜索策略,结合了两阶波束搜索的分阶段搜索的思想。该波束搜索策略可以在保持概率的优先波束搜索效率的同时,优化波束搜索的上限,在理想条件下该波束搜索策略的复杂度趋近于?（N）,相比于概率优先的波束搜索具有极大的提升。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 背景 |
| 1.1.2 意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统算法研究现状 |
| 1.2.2 机器学习算法研究现状 |
| 1.2.3 迁移学习算法研究现状 |
| 1.3 主要研究内容及贡献 |
| 1.4 结构和章节安排 |
| 第二章 卫星信号DOA估计预备知识 |
| 2.1 引言 |
| 2.2 波的传播 |
| 2.3 卫星信道特性 |
| 2.3.1 自由空间传播损耗 |
| 2.3.2 链路附加损耗 |
| 2.4 天线阵列 |
| 2.4.1 阵列几何 |
| 2.4.2 均匀线性阵列 |
| 2.4.3 均匀圆形阵列 |
| 2.4.4 均匀矩形阵列 |
| 2.5 信号模型 |
| 2.6 本章小结 |
| 第三章 基于迁移学习的DOA估计可行性研究 |
| 3.1 引言 |
| 3.2 DOA估计场景描述 |
| 3.2.1 信道的动态变化 |
| 3.2.2 阵列接收信号模型与MUSIC算法 |
| 3.3 基于GFK的自适应DOA估计 |
| 3.3.1 迁移学习和GFK |
| 3.3.2 问题建模 |
| 3.3.3 基于GFK的估计算法 |
| 3.4 基于TJM的自适应DOA估计 |
| 3.4.1 迁移学习和TJM |
| 3.4.2 问题建模 |
| 3.4.3 基于TJM的估计算法 |
| 3.5 仿真验证与性能评估 |
| 3.5.1 仿真参数 |
| 3.5.2 性能指标 |
| 3.5.3 仿真结果与分析 |
| 3.6 本章小结 |
| 第四章 优化源域SNR的自适应DOA估计 |
| 4.1 引言 |
| 4.2 问题描述及建模 |
| 4.2.1 问题描述 |
| 4.2.2 粒子群模型 |
| 4.3 基于PSO的源域SNR优化机制 |
| 4.4 仿真验证与性能评估 |
| 4.4.1 仿真参数 |
| 4.4.2 性能指标 |
| 4.4.3 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 优化阵元间距设计的自适应DOA估计 |
| 5.1 引言 |
| 5.2 问题描述及建模 |
| 5.2.1 问题描述 |
| 5.2.2 磷虾群模型 |
| 5.3 基于KHA的阵元间距设计优化机制 |
| 5.4 仿真验证与性能评估 |
| 5.4.1 仿真参数 |
| 5.4.2 仿真结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间的科研项目和成果 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光子毫米波/太赫兹波生成与RoF传输 |
| 1.2.2 毫米波/太赫兹的波束追踪及定位 |
| 1.3 论文的课题来源和创新点 |
| 1.4 论文的主要研究内容和结构安排 |
| 第二章 光载无线系统的理论研究和关键技术介绍 |
| 2.1 光子毫米波/太赫兹波通信系统 |
| 2.1.1 毫米波/太赫兹波生成技术 |
| 2.1.2 毫米波/太赫兹波接收技术 |
| 2.2 信号调制方式 |
| 2.2.1 调制解调技术及相关器件 |
| 2.2.2 数字信号处理技术 |
| 2.3 毫米波/太赫兹信号的波束赋形与追踪定位 |
| 2.3.1 自适应高频天线波束赋形技术 |
| 2.3.2 基于机器学习的精密室内定位技术 |
| 2.4 本章小结 |
| 第三章 基于电吸收调制激光器的平坦化光频梳源毫米波系统 |
| 3.1 引言 |
| 3.2 基于EML和相位调制器级联生成光频梳的原理分析 |
| 3.2.1 平顶化脉冲串的产生原理 |
| 3.2.2 基于电吸收效应的强度调制器 |
| 3.2.3 基于EML和相位调制器级联的光频梳生成结构 |
| 3.3 基于EML和相位调制器生成最佳工作范围的仿真分析 |
| 3.4 平坦化光频梳源生成系统搭建和实验结果 |
| 3.4.1 实验装置 |
| 3.4.2 实验结果讨论 |
| 3.5 本章小结 |
| 第四章 D波段矢量毫米波生成技术及在RoF系统中的传输与探测 |
| 4.1 引言 |
| 4.2 基于强度调制器的D波段SSB矢量毫米波的生成系统 |
| 4.2.1 基于单驱动MZM产生光频梳原理 |
| 4.2.2 基于推挽MZM实现单边带调制技术 |
| 4.2.3 系统方案与实验装置 |
| 4.2.4 实验结果分析 |
| 4.3 基于I/Q调制器的D波段SSB矢量毫米波的生成系统 |
| 4.3.1 光载波抑制的原理分析与仿真 |
| 4.3.2 基于I/Q调制器实现单边带调制技术 |
| 4.3.3 系统方案与实验架构 |
| 4.3.4 实验结果分析与讨论 |
| 4.4 本章小结 |
| 第五章 基于强度调制器的自适应N~2-QAMW波段矢量毫米波生成技术 |
| 5.1 引言 |
| 5.2 基于单个强度调制器实现光子倍频信号产生方案 |
| 5.3 N~2-QAM调制格式生成原理 |
| 5.3.1 N~2-QAM格式的生成条件 |
| 5.3.2 N~2-QAM实现的公式推导 |
| 5.4 N~2-QAMW波段矢量倍频毫米波生成的实验装置 |
| 5.5 实验结果分析与讨论 |
| 5.6 本章小结 |
| 第六章 毫米波与太赫兹波的全波段发射与波束追踪定位 |
| 6.1 引言 |
| 6.2 基于光混频器的毫米波与太赫兹波全波段无线发射机 |
| 6.2.1 全波段无线电波波发射机实验装置 |
| 6.2.2 实验结果讨论 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 图目录 |
| 附录一 缩略语列表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 移动通信网络中的覆盖计算技术 |
| 1.2.2 移动通信网络规划阶段的覆盖优化技术 |
| 1.2.3 移动通信网络运维阶段的覆盖优化技术 |
| 1.3 论文主要研究内容及创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 主要创新点 |
| 2 基于自适应剖分及插值的移动通信网络覆盖计算技术 |
| 2.1 引言 |
| 2.2 系统模型与问题建模 |
| 2.3 基于自适应剖分与插值覆盖计算算法 |
| 2.3.1 覆盖点选取与自适应三角形剖分 |
| 2.3.2 单通信指标的覆盖区域计算 |
| 2.3.3 多通信指标的覆盖区域计算 |
| 2.4 仿真结果与讨论 |
| 2.4.1 仿真场景建模 |
| 2.4.2 19扇区理想蜂窝场景验证 |
| 2.4.3 真实大城市场景验证 |
| 2.5 本章小结 |
| 3 站址规划中基于地理位置引导的遗传算法覆盖优化 |
| 3.1 引言 |
| 3.2 系统模型与问题建模 |
| 3.3 地理位置引导的遗传算法 |
| 3.3.1 基因、子区域染色体、个体与种群 |
| 3.3.2 适应度函数 |
| 3.3.3 选择、地理位置引导交叉与地理位置引导变异 |
| 3.3.4 算法流程 |
| 3.4 理想圆盘覆盖模型场景实验及讨论 |
| 3.4.1 仿真场景建模 |
| 3.4.2 超参数设置 |
| 3.4.3 算法有效性与效率 |
| 3.5 基于路损模型的覆盖场景实验及讨论 |
| 3.5.1 仿真场景建模与基于路损模型的覆盖 |
| 3.5.2 算法有效性与效率 |
| 3.6 基于自适应剖分及插值的覆盖模型场景实验及讨论 |
| 3.6.1 仿真场景建模 |
| 3.6.2 超参数设置 |
| 3.6.3 算法有效性与效率 |
| 3.7 本章小结 |
| 4 基于统计梯度下降的移动通信网络覆盖优化技术 |
| 4.1 引言 |
| 4.2 系统模型与问题建模 |
| 4.3 基于梯度下降的覆盖优化算法 |
| 4.3.1 目标函数的平滑化 |
| 4.3.2 平滑目标函数的梯度计算 |
| 4.3.3 基于全量梯度下降的覆盖优化算法 |
| 4.3.4 基于随机梯度下降的覆盖优化算法 |
| 4.3.5 算法一般性讨论 |
| 4.4 仿真结果与讨论 |
| 4.4.1 平滑化覆盖问题下的算法有效性 |
| 4.4.2 平滑化前后覆盖问题对比 |
| 4.4.3 算法计算复杂度分析 |
| 4.4.4 学习率决策与批量大小选择 |
| 4.4.5 真实城市场景中可行性分析 |
| 4.5 本章小结 |
| 5 约束条件下的移动通信网络绿色覆盖优化 |
| 5.1 引言 |
| 5.2 系统模型与问题建模 |
| 5.3 约束优化中的梯度下降算法 |
| 5.4 理想蜂窝场景验证与讨论 |
| 5.5 真实城市场景验证与讨论 |
| 5.6 本章小结 |
| 6 论文总结与研究展望 |
| 6.1 论文工作总结 |
| 6.2 论文研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 第五代移动通信系统 |
| 1.1.1 移动通信的发展 |
| 1.1.2 第五代移动通信系统主要技术指标和网络结构 |
| 1.2 第五代移动通信系统中的超密集网络 |
| 1.3 第五代移动通信系统的资源分配 |
| 1.3.1 帧结构 |
| 1.3.2 下行资源分配 |
| 1.3.3 上行资源分配 |
| 1.4 超密集网络中无线资源管理技术 |
| 1.5 本文的主要研究内容和创新及章节安排 |
| 1.5.1 主要研究内容 |
| 1.5.2 创新点 |
| 1.5.3 论文章节安排 |
| 第二章 超密集网络中基于博弈论的上行功率分配优化 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 博弈的上行功率控制优化 |
| 2.3.1 mBS博弈的上行功率控制优化 |
| 2.3.2 MBS博弈的上行功率控制优化 |
| 2.3.3 博弈论的用户上行功率控制算法 |
| 2.4 性能仿真分析 |
| 2.4.1 仿真参数设置 |
| 2.4.2 LTE上行功率控制 |
| 2.4.3 算法的系统性能仿真与评估 |
| 2.5 本章小结 |
| 第三章 超密集网络中频率复用技术优化 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 小区间干扰特征分析 |
| 3.4 频率复用技术中准完美型的无线资源分配方法 |
| 3.4.1 完美型资源分配 |
| 3.4.2 准完美型资源分配算法 |
| 3.5 性能仿真分析 |
| 3.5.1 仿真参数设置 |
| 3.5.2 Q-PRAFFR算法的系统性能仿真与评估 |
| 3.6 本章小结 |
| 第四章 超密集网络中宏微协作的无线资源管理 |
| 4.1 引言 |
| 4.2 UDN中宏微协作的相关研究工作 |
| 4.3 系统模型 |
| 4.3.1 系统模型 |
| 4.3.2 问题形成 |
| 4.4 宏微协作负载自适应干扰管理 |
| 4.4.1 宏微协作的干扰信息交换 |
| 4.4.2 干扰感知的负载自适应无线资源分配 |
| 4.5 算法的性能分析和实现复杂度分析 |
| 4.5.1 负载自适应资源分配算法性能分析 |
| 4.5.2 干扰感知的资源分配算法性能分析 |
| 4.5.3 算法复杂度分析 |
| 4.6 性能仿真分析 |
| 4.7 本章小结 |
| 第五章 超密集网络中反向散射通信系统资源分配优化 |
| 5.1 引言 |
| 5.2 配置有中继设备的无线通信系统相关研究工作 |
| 5.3 系统模型 |
| 5.4 吞吐量最大化资源分配 |
| 5.4.1 问题形成 |
| 5.4.2 吞吐量最大化分析 |
| 5.4.3 吞吐量最大化资源分配算法 |
| 5.5 系统仿真与评估 |
| 5.5.1 仿真参数配置 |
| 5.5.2 性能评估 |
| 5.6 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能天线的研究现状 |
| 1.2.2 DOA估计算法的研究现状 |
| 1.2.3 DOA跟踪算法的研究现状 |
| 1.3 本论文研究内容与章节安排 |
| 第2章 智能天线理论基础 |
| 2.1 智能天线的基本结构 |
| 2.2 智能天线的分类 |
| 2.2.1 波束切换天线阵列 |
| 2.2.2 自适应天线阵列 |
| 2.3 智能天线工作原理 |
| 2.4 DOA估计的基础理论 |
| 2.4.1 阵列信号数学模型 |
| 2.4.2 数学模型统计特性 |
| 2.5 本章小结 |
| 第3章 DOA估计算法的仿真研究与分析 |
| 3.1 传统类DOA估计算法 |
| 3.1.1 延迟-相加法 |
| 3.1.2 Capon最小方差法 |
| 3.2 子空间类DOA估计算法 |
| 3.2.1 MUSIC算法 |
| 3.2.2 Root-MUSIC算法 |
| 3.2.3 ESPRIT算法 |
| 3.2.4 LS-ESPRIT算法 |
| 3.3 仿真实验与结果分析 |
| 3.3.1 传统的DOA估计算法仿真分析 |
| 3.3.2 子空间类的DOA估计算法仿真分析 |
| 3.4 本章小结 |
| 第4章 GSM-R系统中的DOA跟踪算法 |
| 4.1 GSM-R系统中的智能天线技术 |
| 4.1.1 采用智能天线技术的GSM-R系统结构 |
| 4.1.2 GSM-R系统中天线阵列接收信号模型 |
| 4.2 DOA跟踪算法研究 |
| 4.2.1 PAST与 PASTd算法 |
| 4.2.2 卡尔曼滤波器算法 |
| 4.2.3 基于卡尔曼滤波器的PASTd算法 |
| 4.2.4 简化的基于卡尔曼滤波器的PASTd算法 |
| 4.3 仿真实验与结果分析 |
| 4.3.1 DOA估计算法与DOA跟踪算法的仿真分析 |
| 4.3.2 DOA跟踪算法的仿真分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 本文不足之处和展望 |
| 致谢 |
| 参考文献 |
| 论文创新点 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 车联网中的研究现状 |
| 1.2.1 车联网中的协作通信 |
| 1.2.2 车联网中的机器学习 |
| 1.2.3 挑战与研究热点 |
| 1.3 主要研究内容及结构安排 |
| 2 融合无蜂窝网络的车联网协作通信性能研究 |
| 2.1 引言 |
| 2.2 车联网络模型 |
| 2.2.1 移动自组织网络 |
| 2.2.2 经典车联网络模型 |
| 2.2.3 融合无蜂窝通信网络模型 |
| 2.3 融合无蜂窝车联通信网络 |
| 2.3.1 5G融合无蜂窝网络的优势 |
| 2.3.2 无蜂窝通信网络架构 |
| 2.4 融合无蜂窝网络的协作性能分析 |
| 2.4.1 融合无蜂窝通信网络的基站分组方案 |
| 2.4.2 融合无蜂窝的网络连通性 |
| 2.4.3 融合无蜂窝的通信能效 |
| 2.5 仿真及分析 |
| 2.5.1 仿真环境设置及关键参数选取 |
| 2.5.2 融合无蜂窝的网络覆盖概率 |
| 2.5.3 融合无蜂窝的通信能效分析 |
| 2.6 本章总结 |
| 3 基于移动接入点的协作通信性能研究 |
| 3.1 引言 |
| 3.2 移动接入点的协作需求 |
| 3.2.1 5G车联网的关键性能需求 |
| 3.2.2 传统蜂窝网络的挑战 |
| 3.3 基于5G移动接入点的无蜂窝通信体系与建模 |
| 3.3.1 移动接入点车联网模型 |
| 3.3.2 车载移动接入点的部署 |
| 3.3.3 移动接入点的优势 |
| 3.3.4 基于5G移动接入点的无蜂窝体系结构 |
| 3.3.5 传输建模的对等通信 |
| 3.4 移动接入点的选取策略 |
| 3.4.1 预定义的选择方案 |
| 3.4.2 独立随机选择方案 |
| 3.4.3 协作选择方案 |
| 3.5 移动接入点的协作算法 |
| 3.5.1 移动接入点的覆盖范围 |
| 3.5.2 移动接入点的负载及影响 |
| 3.6 仿真及结果分析 |
| 3.6.1 仿真环境设置及关键参数选取 |
| 3.6.2 基于移动接入点的连通性测试 |
| 3.6.3 基于移动接入点的负载分布 |
| 3.6.4 不同选择策略的连通性概率比较 |
| 3.6.5 延迟性能分析 |
| 3.7 本章总结 |
| 4 基于V2V的车联网协作通信性能研究 |
| 4.1 引言 |
| 4.2 基于车联网流量业务的时空分布模型 |
| 4.2.1 随机交通模型 |
| 4.2.2 随机几何建立车流量空间分布特征模型 |
| 4.2.3 排队论建立车流量时间分布特征模型 |
| 4.3 机器学习预测 |
| 4.3.1 流量矩阵估计 |
| 4.3.2 矩阵训练算法 |
| 4.3.3 网络调节策略 |
| 4.4 V2V协作通信算法描述 |
| 4.4.1 算法框架 |
| 4.4.2 基于效用的网络资源分配函数 |
| 4.4.3 协作通信下的最优功率分配 |
| 4.4.4 基于效用函数的QoE |
| 4.4.5 上行链路的频谱资源共享 |
| 4.5 实验及分析 |
| 4.5.1 仿真环境设置 |
| 4.5.2 V2V的通信连通性 |
| 4.5.3 V2V的通信干扰分析 |
| 4.5.4 V2V通信时延估计 |
| 4.5.5 实际交通流数据预测及分析 |
| 4.6 本章总结 |
| 5 城市密集交通场景下的V2V性能优化 |
| 5.1 引言 |
| 5.2 系统模型与优化构建 |
| 5.2.1 典型车联网体系模型 |
| 5.2.2 V2V的信道模型 |
| 5.2.3 基于概率的城市道路组网 |
| 5.3 密集交通场景的组网算法 |
| 5.3.1 网络连通概率与车辆节点通信半径 |
| 5.3.2 网络连通概率与车辆节点数量 |
| 5.3.3 网络连通概率与能效算法实现 |
| 5.4 机器学习的优化构建 |
| 5.4.1 精准资源调度 |
| 5.4.2 离散随机逼近传输方案 |
| 5.4.3 动态路由预测 |
| 5.4.4 联合中继选择 |
| 5.4.5 协作传输的频谱共享 |
| 5.5 最优策略及迭代 |
| 5.5.1 强化学习的最优化值 |
| 5.5.2 求解最优策略 |
| 5.5.3 策略估计 |
| 5.5.4 策略改进 |
| 5.5.5 策略迭代 |
| 5.5.6 值迭代 |
| 5.6 算法仿真及结果分析 |
| 5.6.1 仿真环境设置 |
| 5.6.2 网络连通度指标 |
| 5.6.3 通信半径对连通性的仿真 |
| 5.6.4 结果与分析 |
| 5.7 本章总结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士期间发表的论文及科研项目情况 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 智能天线技术的发展背景 |
| 1.2 智能天线的国内外研究现状 |
| 1.3 智能天线技术的优点 |
| 1.4 本文的主要工作及安排 |
| 第二章 智能天线技术简介 |
| 2.1 智能天线的基本结构 |
| 2.2 智能天线的基本原理 |
| 2.3 智能天线的分类 |
| 2.4 智能天线系统的信号模型 |
| 第三章 智能天线自适应波束形成算法 |
| 3.1 波束形成的基本概念 |
| 3.2 自适应波束形成 |
| 3.2.1 自适应波束形成的几种准则 |
| 3.2.2 智能天线自适应波束形成的几种典型算法 |
| 3.2.2.1 基于DOA估计的算法 |
| 3.2.2.2 典型的自适应波束形成算法 |
| 3.3 智能天线自适应波束形成算法的仿真 |
| 3.3.1 LMS算法的仿真 |
| 3.3.2 RLS算法的仿真 |
| 3.3.3 CMA算法的仿真 |
| 3.3.4 几种算法的比较 |
| 第四章 智能天线技术在移动通信中的应用 |
| 4.1 TD-SCDMA技术的简单介绍 |
| 4.1.1 第三代移动通信系统概述 |
| 4.1.2 TD-SCDMA标准 |
| 4.2 TD-SCDMA系统无线接口层仿真模型的建立 |
| 4.2.1 总体系统流程 |
| 4.2.2 上下行链路发送信号的产生 |
| 4.2.2.1 用户发送数据的产生 |
| 4.2.2.2 扩频码的产生 |
| 4.2.2.3 扰码的产生 |
| 4.2.2.4 整个发送端的信号产生流程 |
| 4.2.3 调制与扩频 |
| 4.2.4 脉冲整形滤波 |
| 4.2.5 系统采用的无线信道模型 |
| 4.2.6 QPSK解调 |
| 4.2.7 信道预测和联合检测 |
| 4.3 智能天线技术在TD-SCDMA中的应用 |
| 4.3.1 仿真结果及分析 |
| 4.3.2 仿真结果及分析 |
| 4.4 本章小结 |
| 第五章 DSP芯片概述和算法的DSP实现 |
| 5.1 前言 |
| 5.2 DSP芯片的概述 |
| 5.2.1 DSP 芯片技术的发展 |
| 5.2.2 DSP芯片在第三代移动通信系统中的应用 |
| 5.2.3 DSP芯片的特点 |
| 5.2.3.1 功能特点 |
| 5.2.3.2 结构特点 |
| 5.3 TMS320VC5416 DSK 系统结构 |
| 5.4 智能天线算法的DSP实现 |
| 5.4.1 测试平台的原理 |
| 5.4.2 算法的软件实现 |
| 5.4.3 实验结果以及结果分析 |
| 5.5 本章小结 |
| 结束语 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 论文的背景 |
| 1.2 国内外相关工作研究动态 |
| 1.3 主要工作及其价值 |
| 1.4 本文内容安排 |
| 参考文献 |
| 第二章 菲涅尔区相位修正聚焦结构及其工作特性 |
| 2.1 菲涅尔区相位修正聚焦结构及其工作特点 |
| 2.1.1 菲涅尔区相位修正结构的聚焦原理 |
| 2.1.2 菲涅尔区相位修正结构的不同实现形式 |
| 2.1.3 菲涅尔区相位修正结构的特点 |
| 2.2 对菲涅尔区相位修正聚焦结构的进一步研究 |
| 2.2.1 菲涅尔区相位修正结构的频率特性 |
| 2.2.2 一维菲涅尔区相位修正结构远区辐射场的实验研究 |
| 2.2.3 一维菲涅尔区相位修正结构的变形 |
| 2.3 小结 |
| 参考文献 |
| 第三章 基于FZP聚焦结构的多波束自适应天线及其性能分析 |
| 3.1 基于菲涅尔区相位修正结构多波束天线及其信号处理模型 |
| 3.1.1 FZP多波束天线的结构 |
| 3.1.2 信号处理模型 |
| 3.2 用菲涅尔区相位修正多波束天线实现自适应信号处理 |
| 3.2.1 采用LMS算法的信号处理模型 |
| 3.2.2 利用MUSIC算法实现不相关来波的方向估计 |
| 3.3 菲涅尔区相位修正结构多波束天线阵列输出特性 |
| 3.3.1 天线阵列输出模型及分析方法 |
| 3.3.2 菲涅尔区相位修正多波束天线的阵列输出特性 |
| 3.4 菲涅尔区相位修正结构多波束天线空间谱估计性能分析 |
| 3.4.1 FZP聚焦结构对来波空间谱的变换 |
| 3.4.2 馈源阵列采样对FZP聚焦结构空间谱估计性能的影响 |
| 3.4.3 FZP聚焦结构空谱估计的分辨力概率 |
| 3.5 FMBA及其性能的进一步分析 |
| 3.5.1 菲涅尔区相位修正结构多波束天线与波束空间处理的比较分析 |
| 3.5.2 FMBA空间谱估计性能的进一步分析 |
| 3.6 小结 |
| 参考文献 |
| 第四章 FMBA在移动通信系统中的应用及性能分析 |
| 4.1 用FMBA实现来波方向的鲁棒性估计 |
| 4.1.1 空间分布式源的模型描述 |
| 4.1.2 应用修正MUSIC算法实现分布式源参数矢量的估计 |
| 4.1.3 应用极大似然估计算法实现分布式源参数矢量的估计 |
| 4.1.4 仿真结果 |
| 4.2 FMBA在移动通信中的应用研究初步 |
| 4.2.1 基于菲涅尔区相位修正结构多波束天线的自适应波束赋形技术 |
| 4.2.2 性能分析 |
| 4.2.3 时变信道环境中的自适应波束赋形技术 |
| 4.3 小结 |
| 参考文献 |
| 第五章 结束语 |
| 5.1 对本文主要工作的评价 |
| 5.2 若干可以进一步开展工作的方向 |
| 致谢 |
| 附录 |
| 第一章 绪论 |
| §1.1 研究背景及意义 |
| §1.2 自适应天线研究概况 |
| §1.3 本文的主要工作及内容安排 |
| 第二章 自适应天线的基本原理 |
| §2.1 阵列信号数据模型 |
| 2.1.1 简单平面波入射情况 |
| 2.1.2 多径的矢量信道模型 |
| 2.1.3 同步多址接入系统的链路模型 |
| §2.2 自适应波束形成算法 |
| 2.2.1 非盲自适应算法 |
| 2.2.2 基于信号特征恢复的盲算法 |
| §2.3 算法仿真及分析 |
| 2.3.1 DMI算法仿真 |
| 2.3.2 已知目的用户DOA的仿真 |
| 2.3.3 LS—DRMTCMA算法的仿真 |
| §2.4 小节 |
| 第三章 矢量信道模型 |
| §3.1 移动信道环境 |
| 3.1.1 自由空间传播损耗 |
| 3.1.2 信道环境描述 |
| 3.1.3 矢量信道模型的分类 |
| §3.2 基于几何建模的矢量信道模型 |
| 3.2.1 矢量信道的统计特性 |
| 3.2.2 基于几何建模的园模型（GBCM） |
| 3.2.3 基于几何建模的椭圆模型（GBEM） |
| §3.3 小结 |
| 第四章 阵列互耦分析及补偿 |
| §4.1 阵列互耦分析 |
| 4.1.1 互耦矩量法分析 |
| 4.1.2 互耦的等效网络分析 |
| 4.1.3 互耦对SINR的影响 |
| §4.2 考虑互耦下的MUSIC算法及校准 |
| 4.2.1 不计互耦的MUSIC算法 |
| 4.2.2 考虑互耦的MUSIC算法 |
| 4.2.3 阵列互耦补偿 |
| §4.3 小结 |
| 第五章 自适应天线对CDMA系统容量的改善 |
| §5.1 扇区天线的CDHA系统容量 |
| 5.1.1 单一小区的系统容量 |
| 5.1.2 多小区的上行容量 |
| §5.2 自适应天线对CDMA系统容量的改善 |
| §5.3 小结 |
| 第六章 自适应天线与联合检测 |
| §6.1 TD-SCDMA系统的物理信道结构 |
| §6.2 联合检测技术 |
| 6.2.1 白化匹配滤波器 |
| 6.2.2 迫零线性块均衡器法 |
| 6.2.3 最小均方误差线性块均衡器法（MMSE-BLE） |
| 6.2.4 判决反馈算法 |
| 6.2.5 信道估计算法 |
| 6.2.6 联合检测仿真 |
| §6.3 自适应天线与联合检测技术相结合 |
| 6.3.1 阵列接收的ZF-BLE算法 |
| 6.3.2 仿真结果及分析 |
| 6.3.3 下行数字基带赋形 |
| §6.4 接收机非理想性对系统性能的影响 |
| 6.4.1 互耦影响 |
| 6.4.2 射频通道校准误差的影响 |
| §6.5 小结 |
| 第七章 结束语 |
| 附录A |
| 致谢 |
| 参考文献 |
| 作者发表或已录用的论文 |
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 60GHz毫米波通信发展现状 |
| 1.2.2 60GHz波束搜索研究现状 |
| 1.3 论文结构安排 |
| 第2章 60GHz波束搜索与仿真实验的相关理论基础 |
| 2.1 60GHz特性分析 |
| 2.2 波束成形 |
| 2.2.1 阵列天线 |
| 2.2.2 码本设计 |
| 2.3 波束搜索 |
| 2.3.1 波束搜索模式 |
| 2.3.2 波束搜索流程 |
| 2.3.3 波束搜索训练帧 |
| 2.4 射线追踪 |
| 2.4.1 镜像法原理 |
| 2.4.2 虚拟镜像源树 |
| 2.4.3 无线信号的折射和反射 |
| 2.5 本章小结 |
| 第3章 概率优先的波束搜索研究 |
| 3.1 系统模型 |
| 3.1.1 天线系统模型 |
| 3.1.2 信道模型 |
| 3.1.3 仿真平台 |
| 3.2 移动场景下的波束搜索研究 |
| 3.2.1 实验设计 |
| 3.2.2 实验结果与分析 |
| 3.3 概率优先的波束搜索策略 |
| 3.4 实验仿真与结果分析 |
| 3.4.1 典型实验环境波束搜索分析 |
| 3.4.2 波束搜索主要影响因素 |
| 3.5 本章小结 |
| 第4章 动态自适应波束搜索研究 |
| 4.1 动态自适应波束搜索 |
| 4.1.1 动态自适应波束搜索过程 |
| 4.1.2 动态自适应波束搜索相关参数分析 |
| 4.2 实验仿真与结果分析 |
| 4.2.1 参数设置 |
| 4.2.2 典型实验环境波束搜索分析 |
| 4.2.3 复杂环境下的波束搜索 |
| 4.3 移动终端设备间的波束搜索研究 |
| 4.3.1 仿真流程设计 |
| 4.3.2 仿真与结果分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
