一、针对下一代手机的单天线干扰消除技术(论文文献综述)
侯天为[1](2021)在《基于非正交多址接入的无人机通信系统性能的研究》文中指出传统地面基站通信易受到障碍物的影响,路径衰落强,覆盖距离短。无人机通信是将基站搭载至无人机,为地面用户提供无线通信服务或为其它无人机基站提供中继服务的通信技术,具有灵活性和移动性的特点。无人机基站可灵活地利用直射路径,降低路径衰落,是目前提高通信质量的重要手段之一。本文针对无人机基站能量受限的问题,将非正交多址接入技术与无人机通信结合,深入研究无人机通信系统的通信模型、用户配对策略以及用户通信性能。为了提升无人机通信系统的频谱效率和能量效率,通过构建基于非正交多址接入的无人机通信系统模型,采用顺序统计学和随机几何学的理论,对不同通信场景、信道状态、天线数量以及用户数量的无人机通信模型的系统性能进行研究。论文的创新性工作如下:(1)针对无人机通信机载能量有限的问题,建立了基于非正交多址接入的空对地通信模型,提出了一种基于顺序统计学的无人机空对地通信系统的性能分析方法。根据统计学的用户配对策略,分析了空对地通信系统中地面用户中断概率、总速率中断概率以及系统中断概率等通信性能。理论分析和仿真结果表明,基于顺序统计学的用户分集增益与用户序数和信道衰落系数的乘积相关,总速率分集增益与强用户的用户序数和信道衰落系数的乘积相关,该方法可准确地分析无人机空对地通信系统的性能。为了解决基于顺序统计学的用户配对策略复杂度高的问题,提出了一种基于随机几何学的无人机空对地通信系统的性能分析方法。设计了一种利用迫零编码的预编码矩阵和检测向量,分析了空对地通信系统中地面用户的中断概率和遍历速率等通信性能。理论分析和仿真结果表明,在高信噪比的情况下,地面用户分集增益与信道衰落系数和天线数量无关,且全部为1;近用户和远用户的高信噪比斜率分别为1和0,该方法可近似地分析无人机空对地通信系统的性能。(2)针对传统蜂窝网用户关联方法不适用于无人机空对地蜂窝网用户关联方法的问题,建立了基于非正交多址接入的空对地蜂窝网通信模型,提出了基于随机几何学的空对地蜂窝网应急通信系统和负载迁移通信系统的性能分析方法。设计了一种基于随机几何学的用户关联策略,分析了在非理想连续干扰消除情况下,空对地蜂窝网通信系统地面用户的覆盖概率性能。仿真结果表明,负载迁移通信系统受非理想连续干扰消除的影响大,当非理想连续干扰消除系数为0.5时,地面用户的覆盖概率为0,不能正常工作,但在高信噪比的情况下,应急通信系统受非理想连续干扰消除的影响可忽略不计。(3)针对无人机空地一体化通信系统性能分析复杂度高的问题,建立了基于无人机的空地一体化通信模型,提出了一种基于无人机的空地一体化通信系统的性能分析方法。设计了一种基于三维随机几何学的用户配对策略,分析了基于无人机的空地一体化通信系统在不同衰落信道的用户中断概率和遍历速率等通信性能。仿真结果表明,概率直射信道可近似为信道衰落系数最低的信道,验证了传统衰落信道用户通信性能分析方法的正确性。(4)针对受限的频谱资源不能满足无人机用户和地面用户数量增加的问题,建立了基于地面基站的空地一体化通信模型,提出了一种基于地面基站的空地一体化通信系统的性能分析方法。设计了一种基于几何学的用户配对策略,使任意数量的非正交多址接入用户可同时共享相同的频谱资源,分析了基于地面基站的空地一体化通信系统地面用户和无人机用户的覆盖概率。理论分析和仿真结果表明,当采用连续干扰消除技术时,产生误差传递现象。本文围绕无人机空对地通信模型和无人机空地一体化通信模型,综合考虑了基于顺序统计学和随机几何学的非正交多址接入用户配对策略。从基础的单小区无人机空对地通信系统性能分析,深入研究蜂窝网空对地通信系统性能分析,同时关注了基于三维几何拓扑结构的无人机空地一体化通信系统性能分析,纵深研究了支持海量接入的无人机空地一体化上行链路通信系统性能分析,丰富了相关模型的通信系统性能分析理论。
刘思淼[2](2021)在《面向多天线无人机的位置部署与混合波束成形研究》文中指出近年来,无人机(Unmanned Aerial Vehicle,UAV)因其具备强机动性、高安全性、低成本的特点,在军事、农业、气象及水利等方面广泛应用。在5G的大时代背景下,随着无线网络中接入设备量的暴涨,无人机在无线通信领域的潜能被充分挖掘。它不仅可以为演唱会、电影院、体育馆等热点区域分担地面站网络负载压力,提高接入率,而且可以作为临时基站为无基站或基站受损区域提供通信服务。相比于传统基站,无人机建立的信道条件较好,且不易受地理环境因素影响,但无人机存在位置部署、续航等问题。除此之外,大量的研究集中于单天线无人机的应用,多天线无人机与波束成形技术相结合的研究尚少。在本文中,针对险峻区域或受灾区域内无基站服务的问题,部署多天线无人机为地面用户节点提供通信服务。由于无人机信道中主要以视距链路为主,因此无人机的位置对系统整体的性能影响是比较大的。考虑到波束成形设计与无人机的位置关系高度相关而直接求解困难,本文将解决无人机的有效部署及混合波束成形的优化设计问题作为研究重点。主要研究内容如下:其一,在无人机作为临时基站提供通信服务的场景中,面对多用户的通信覆盖问题,提出了基于混合波束成形以最小化功率为目的的无人机快速部署方法。首先,通过引入混合波束成形得出关于总发射功率的近似封闭表达式。然后,在满足不同用户的最小传输速率的前提下,基于萤火虫算法快速找出无人机的最佳部署位置。通过与其他部署方法进行对比仿真,表明该方法能够有效的减少功率损耗。其二,结合目前存在的混合波束成形技术中射频链路过多所造成的硬件及能量的损耗问题,在无人机基站天线阵列端采用了部分连接架构。由于无法直接求解位置与波束成形矩阵,提出了一种对无人机位置和混合波束成形分别优化的方法,首先引入先前提出的虚拟信道求解无人机的位置,然后通过人工鱼群算法找出模拟域最佳的波束成形矩阵。另外,考虑到分辨率有限的情况,进一步提出了离散人工鱼群算法。通过仿真分析可知,本文提出的混合波束成形方法要比其他方法的综合性能更好,且无人机部署的位置优于其他部署方法。
张伟[3](2020)在《大规模MIMO系统中非正交多址接入(NOMA)技术的研究》文中认为随着移动互联网技术的飞速发展,人们的生活更加舒适便捷。同时,也对下一代5G通信提出了挑战。为了解决带宽资源不足的问题,寻找提高频谱利用率的技术显得尤为重要。大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术和功率域非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术作为下一代无线通信的关键技术,分别通过对空域和功率域的复用,达到更高的频谱效率。在此基础上,将大规模MIMO技术与NOMA技术相结合,可以进一步提高频谱利用率,实现大规模多用户接入和大容量无线传输。本文介绍了大规模MIMO与NOMA的系统模型以及其中涉及的关键技术,考虑了二者结合之后所遇到的实际问题,主要从基于NOMA的大规模MIMO系统、大规模MIMO NOMA系统中联合功率分配的用户配对、分簇的大规模MIMO NOMA系统三个方面进行研究。首先,将NOMA技术引入大规模MIMO系统中,分析在大规模MIMO系统中使用NOMA的性能。使用导频传输来获取估计的信道状态信息(Channel State Information,CSI),为了节省导频资源,将用户分成NOMA组,同一组中的两个用户共享同一个导频,导频在上行链路上发送,以便于基站估计所有信道;采用时分双工(Time Division Duplex,TDD)操作,基于信道互易性,获得的下行链路信道可用于相干波束成形,同一组中的两个用户共享同一个波束,在这些条件下推导基于NOMA接入的严格容量界限。仿真验证了在大规模MIMO系统使用NOMA优于正交多址接入(Orthogonal Multiple Access,OMA)。然后,在大规模MIMO NOMA系统中,研究了用户配对问题。基站根据大尺度衰落系数来完成用户配对,由于用户配对与功率分配交织,此问题成为一个混合整数规划问题。为了解决这个非凸问题,利用交替优化的方法获得最优功率分配矩阵,计算出速率矩阵;基于匈牙利算法提出最佳用户匹配方案,且考虑到匈牙利算法用户之间的竞争问题,提出一种低复杂度的用户配对算法,并对该算法进行了仿真分析。最后,将大规模MIMO NOMA系统扩展为每簇包括两个以上的用户。假设每簇有多个用户,在信道估计阶段,同一簇中的用户被分配相同的导频,基站(Base Station,BS)估计来自该簇中所有用户信道的线性组合。BS将估计的CSI用于下行链路波束成形,同一簇中的用户共享同一波束。通过仿真比较了不同的用户簇模式对系统和速率的影响。
乔旭[4](2020)在《面向5G的预编码技术研究》文中进行了进一步梳理在过去的十年中,移动数据的指数级增长为无线服务提供商带来了前所未有的挑战。为此,提出了第五代(5th-Generation,5G)移动通信网络。为了实现5G所需的更高的总数据速率和更低的延迟,采用了包括大规模多输入多输出(Multiple Input Multiple Output,MIMO)和毫米波(millimeter wave,mm Wave)频段等关键技术。在毫米波大规模MIMO系统中,研究发射机和接收机端的信号处理是必不可少的,特别是发射机端的预编码处理技术,其不仅可以有效地消除多用户干扰,从而大大提高系统容量,而且可以简化接收机的设计,以解决用户端的功耗和体积问题。本文研究了大规模MIMO中的线性预编码技术以及mm Wave MIMO中的混合预编码技术。在大规模MIMO系统中,创新地提出了一种降低计算复杂度的线性预编码算法;并针对mm Wave环境,运用凸优化理论提出了两种降低硬件复杂度并最大化系统频谱效率的混合预编码算法。论文的具体贡献如下:1)比较了点到点MIMO、多用户MIMO和大规模MIMO的系统模型。分析了单用户MIMO和多数据流多用户MIMO下的典型线性预编码技术,包括:SVD(Singular Value De-composition)、MF(Matched Filter)、ZF(Zero Forcing)、BD(Block Diagonalization)和RZF(Reg-ularized Zero Forcing)预编码。此外,在仿真中比较了常用线性预编码算法的误比特率以及系统总和速率性能。2)为了避免ZF/RZF预编码中对Gram矩阵求逆而导致的高计算复杂度,分析了基于NSE(Neumann Series Expansion)和TPE(Truncated Polynomial Expansion)的预编码算法;同样,还分析了通过简单的迭代方式对传输的信号进行预处理的基于JM(Jacobi Method)、GS(Gauss Seidel)和SOR(Successive Over Relaxation)的预编码算法;最终提出了一种基于CG(Conjugate Gradient)的预编码算法。计算复杂度分析表明提出的CG预编码算法是低于除SOR的其他算法的,而误比特率以及总和速率性能也是优于NSE算法且接近RZF预编码的。3)分析了几种最近提出的mm Wave单用户和多用户MIMO下的混合预编码算法。为了进一步降低mm Wave MIMO系统的硬件复杂度,提出了子连接结构下混合预编码的交替优化算法以及具有低分辨率DAC(Digital to Analog Converter)的基于ED(Eigen Decomposition)的混合预编码算法;仿真显示提出的交替优化混合预编码算法的频谱效率性能是优于ICD(Iterative Coordinate Descent)算法的并且基于ED的混合预编码算法是优于OMP(Orthogonal Matching Pursuit)算法的,这表明它们可以很好地应用于mm Wave信道中。
徐佳康[5](2021)在《大规模天线阵列基础理论研究及其应用》文中提出大规模多入多出阵列天线(Massive MIMO)是未来无线通信的核心技术之一,该技术是一种利用基站侧大规模阵列天线构建可高效利用空间分集信息的方法,解决了传统无线通信系统信号在空间扩散的利用难题。利用大规模多入多出阵列天线技术,每个用户都可以获得终端和基站之间独立的空域信道,每个用户都可以使用该独立空域信道的所有时频资源,实现从多用户共享时频资源到多用户独立占用时频资源的演进,使得蜂窝通信网络结构发生了根本变化。由于时频资源在小区内得到了多重复用,小区内的频谱效率得到了成倍增长,无线网络小区容量得到极大提升。除此以外,由于大规模天线阵列的使用,会带来很高的阵列增益,使得接收信号的信噪比得到大幅提升;而波束变窄,无线传播环境中的多径衰落现象也可以得到有效抑制,两者结合进一步提升了单个链路的容量。因此,大规模阵列天线技术对未来移动通信系统的容量提升,潜力巨大。因此,过去几年人们对大规模天线阵列系统开展了大量研究并取得了重要成果,但是在信道建模、导频污染和阵列构型优化等方面还存在着若干基础问题有待进一步挖掘,深化研究对于大规模阵列天线技术的潜能利用,意义重大。本文围绕三维信道建模、导频污染控制和多径环境中的阵列优化等若干方面,开展了基础理论和方法研究,主要创新成果如下:创新点一:针对目前二维信道模型和三维信道到达角分布模型不能完整表达大规模天线阵列信道中垂直空间传播信号传播特征、传播能量和到达角相关性的问题,开展了三维空间能量和到达角联合分布的信号传播建模研究,提出并建立一种基于三维空间DOA和到达能量的融合信道模型,给出了联合分布函数。该信道模型使用随机分布散射体结构的电波传播预测方法,解决了现有三维信道模型需要使用特定散射体分布带来的使用局限性问题,并针对不同小区的散射体分布范围,给出了宏小区和微小区的到达能量和到达功率的联合分布函数。通过仿真,并与现有结果的对比表明,传统二维信道模型的多径信号数量随着到达能量的衰减而增加,而三维信道模型和实测结果的多径信号数量都随着到达能量的衰减而增加,因此本文提出的信道模型与建立在实测基础上的信道模型在功率时延分布和多径信号到达角分布方面具备更好的一致性,能够更有效的反映三维真实传播环境中的信道特征,提升大规模阵列天线无线通信系统设计的针对性和有效性。创新点二:针对多小区导频污染情况下小区间干扰制约大规模阵列天线无线通信系统性能提升的问题,开展了小区间干扰模型分析和干扰消除的研究,提出了一种基于小区间协作的导频污染消除方法。该方法利用大规模天线阵列空域滤波的特性,通过两次波束赋形的方式分别实现小区内干扰消除(第一次波束赋形)和小区间干扰消除(第二次波束赋形),解决了现有小区间频率多色复用方法频谱效率低、小区间导频异步传输方法残余干扰大的难题。通过仿真,并与现有结果的对比表明,本文方法能够有效地解决Massive MIMO系统的导频污染问题,为打破Massive MIMO系统的容量瓶颈提供了有效的途径。同时,通过小区间的协作,在天线数相同的情况下,该方法相对于无小区间协作的情况小区容量可提升3到5倍。创新点三:针对大规模阵列天线占用空间大,优化方式不灵活的问题,开展了稀布阵的优化研究,提出了一种多目标联合优化的方法。该方法通过对天线方向图的多个特征值进行统一化表征,设计了多级差分遗传算法,实现了主瓣波束集中、旁瓣干扰抑制和阵面体积降低。通过仿真,在32阵元天线阵列优化中,相对于等间距阵列,可以实现阵列尺寸降低40%,主瓣宽度降低约50%,旁瓣抑制-20dB。创新点四:针对多径环境下自动调制方式识别准确率低的问题,提出了一种大规模阵列天线的自动调制方式识别技术。该技术使用正交波束赋形的空域滤波方法,降低了多径干扰,并结合最大似然比信号合并算法和基于贝叶斯判决模型的决策融合算法对不同波束获取的信号进行处理,实现了多径环境中自动调制方式识别准确率的大幅提升。通过仿真验证,该技术相对于传统多天线合并决策方法,在-20dB信噪比条件下可以达到不小于90%判决准确率。本文围绕大规模阵列天线无线通信系统和信号检测基础理论和应用,丰富了大规模阵列天线系统在多径环境中的理论认识,可提升应用水平,为未来无线通信系统的空域信号处理理论研究和应用研究提供更好的支撑。
苏庆勇[6](2020)在《基于深度增强学习的异构网络资源调度技术研究》文中进行了进一步梳理随着移动用户的不断增加,下一代无线网络需要比现在的网络支持更高的用户密度。满足这一需求的一种方法是通过飞蜂窝小区(femtocells)更有效地共享网络资源。飞蜂窝小区是近些年来逐渐被越来越多地应用而且是长时演进的演进版本(Long Term Evolution-Advanced,LTE-A)中的关键组成部分,可以在更低的功率需求下提供更高的系统吞吐量和更高的频谱利用率。然而,有效部署这些网络的主要挑战是如何最有效地进行网络资源的调度。由于缺乏为用户提供公平合理的资源分配策略,包含宏蜂窝小区和飞蜂窝小区的异构网络(Heterogeneous networks,HetNets)中复杂的部署带来的更复杂的干扰环境会严重影响系统性能,尤其是处于小区边缘的用户的数据传输速率和整体系统性能。因此,为了减弱这些干扰带来的问题,需要有效的干扰协调和资源调度方案。功率是网络资源中十分重要的组成元素,基站对用户所使用的功率分配方式直接影响着用户的通信质量。传统的功率分配方式虽然能有效地提高用户的通信质量,但是飞蜂窝异构网络的随机部署方式需要一种适应性强的具有自组织性的功率分配算法来保证系统性能。为了组建自组织性强的密集型飞蜂窝异构网络,本文将增强学习(Reinforcement Learning,RL)应用于密集部署的飞蜂窝网络的功率分配中,提出了一种基于深度增强学习的异构网络中的功率分配算法,在为用户提供较高的服务质量(Quality of Service,QoS)和公平性的同时最大化网络的总容量。本文中异构网络的功率分配过程被建模为马尔可夫决策过程,密集的异构网络被建模为一个多智能体网络,将异构网络中的每一个基站均视为一个智能体,智能体与系统环境进行交互,将基站的发射功率建模为智能体的动作空间,并通过设计合理的收益函数对智能体的动作给予反馈;此外,采用深度Q网络(Deep Q network,DQN)利用神经网络为系统带来的强大的特征提取能力来解决Q表无法有效且快速地处理智能体状态空间接近无限大的问题,使得智能体执行动作选择时将系统容量和用户的公平性纳入考虑范围,使系统中基站的功率分配方案向系统总容量不断提高的方向进行。通过将RL方法和深度学习集成到无线通信中,构建自组织、自适应的密集飞蜂窝网络,有效地管理异构网络中的资源。仿真结果显示与以往的方法相比,该方法能有效地提高系统的容量。
赵大骞[7](2020)在《认知无线网络中的信息能量协同传输技术研究》文中进行了进一步梳理近年来,由于无线通信设备数量的爆炸式增长,人们对无线频谱资源的需求呈指数级上升,频谱短缺问题日益严重。另一方面,随着5G网络的大规模商业化应用,无线通信设备的能耗大幅增加,信息安全问题日益凸显。为了应对这些挑战,基于认知频谱共享的信息与能量协同传输已成为一种有前景的通信范例。然而,为了使这些无线通信技术切实可行,就必须对各种时频和能量资源进行联合优化。此外,仍需研究和探索无线通信网络中的信息安全问题,以实现安全可靠的信息与能量协同传输。本论文以无线通信理论、优化理论和矩阵理论为指导,对认知频谱共享网络中的协作中继通信、射频能量收集、物理层安全以及波束成形等问题进行研究和探讨。主要贡献和创新点如下:1.研究主系统与无线供电D2D通信系统之间的信息与能量协同传输问题。针对认知频谱共享D2D通信系统中的频谱效率和能量效率问题,提出一种联合时间分配和功率分配的三阶段信息与能量协同传输方案。制定一个新的优化问题以最大化认知D2D通信系统的数据速率,并提出一个两阶段求解方法:首先等效变换原优化问题以获得最优波束成形向量和发射功率;其次再使用fmincon内点算法来获得原问题的局部最优解。仿真结果表明,所提方案是最佳的,并且在不同的性能指标下,显着提升了认知D2D通信系统的平均速率。2.研究主系统与无线供电不可信次系统之间的安全无线信息与能量协同传输问题。针对具有不可信双中继认知频谱共享网络中的频谱效率、能量效率和安全性问题,提出一种人工噪声辅助的联合时间分配和功率分配的三阶段安全无线信息与能量协同传输方案,并研究完美和不完美的信道状态信息对网络性能的影响。制定一个新的优化问题以最大化不可信次系统的数据速率,并提出一个两阶段求解方法:首先等效变换原优化问题以获得最优波束成形向量和发射功率;其次再利用fmincon内点算法来获得原问题的局部最优解,并给出所提优化问题的计算复杂度。仿真结果表明,在不同的性能指标下,所提方案是最佳的,并且显着提升了不可信次系统的平均速率。3.研究主系统与无线供电次系统之间的安全无线信息与能量协同传输问题。针对具有全双工自能量回收认知频谱共享网络中的频谱效率、能量效率和安全性问题,提出一种人工噪声辅助的联合时间分配和功率分配的两阶段安全无线信息与能量协同传输方案,并提出一个两阶段时间切换全双工自能量回收收发机。制定一个新的优化问题以最大化次用户的数据速率,并提出一个两阶段求解算法:首先通过向量和矩阵重构将原问题重构成一个标准的凸半定规划问题以获得最优波束成形向量;然后再通过执行一个二维搜索来找到原问题的全局最优解。仿真结果表明,与半双工功率分裂方案相比,所提方案不仅显着提升了次用户的平均速率,而且还保证了主系统的安全性。4.研究主系统与无线供电认知D2D通信系统之间的安全无线信息与能量协同传输问题。针对具有MIMO全双工自能量回收认知频谱共享D2D通信系统中的频谱效率、能量效率和安全性问题,提出一种人工噪声辅助的联合时间分配和功率分配的两阶段安全无线信息与能量协同传输方案,并提出一个两阶段时间切换全双工自能量回收收发机。制定一个新的优化问题以最大化认知D2D接收机的数据速率,并提出一个三阶段求解算法:首先给出中继预编码矩阵的最优形式,并简化原优化问题;其次通过向量和矩阵重构将简化后的问题重构成一个标准的凸半定规划问题以获得最优波束成形向量;最后再通过执行一个二维搜索来找到原问题的全局最优解。仿真结果表明,与对比方案相比,所提方案进一步提升了认知D2D接收机的平均速率,并且保证了主系统的安全性。
陈光霁[8](2020)在《基于随机几何理论的多天线密集无线网络容量研究》文中认为随着物联网以及移动互联网的飞速发展,对无线数据流量的需求日益剧增。为了实现下一代无线通信系统超高容量、高数据率的愿景,增加接入站点的数量部署密集网络,缩短目标用户与接入点的距离,以提升对频谱资源的复用效率,是应对网络数据洪流的有效方法之一。另一方面,在接入站点部署多天线,是网络密集化的另一个途径,多天线技术开拓了空域自由度,通过多天线信号处理以获得分集与复用增益,从而进一步提升系统的频谱效率。因此,多天线密集网络是实现网络容量提升的重要使能技术。由于多天线密集网络呈现出新的特点,传统的网络容量性能分析与优化方法不再适用。一方面,随着接入站点数量以及类型的剧增,加剧了密集网络中站点位置的不确定性,传统的基于六边形的确定性网络拓扑模型无法表征站点的不确定性,此外,接入站点数目的庞大导致依赖于系统级仿真的性能评估方法复杂耗时。另一方面,密集网络场景下,随着用户以及接入站点数量的剧增,对于频分双工通信系统而言,依赖于信道估计、反馈的信道状态信息(CSI)获取机制的开销增大,导致接入站点难以获得理想CSI。而非理想发送端信道状态信息(CSIT),是影响多天线系统增益的重要因素。结合多天线密集网络所呈现出的新的特点,本文基于随机几何、概率论工具,建立多天线密集网络的理论分析框架,以评估不同场景下的网络容量性能,本文的工作将为密集网络的部署、优化以及演进提供重要理论指导,本论文的主要贡献以及研究成果总结如下:1)针对密集网络场景下,接入站点的实际部署通常导致站点之间呈现排斥特性,旨在探索更加实际的网络拓扑模型下,网络容量的理论分析方法,研究网络容量与天线数、基站密度等系统参数的理论关系。本文考虑一个双层多天线密集异构蜂窝网络,利用具有排斥特性的Ginibre点过程(GPP)去建模宏基站与小基站的空间位置分布,为了便于分析,在理想CSIT和迫零波束成型(ZFBF)的假设下,首先推导了平均用户速率的确切表达式。为了得到更加易于处理的结果,本文采用平均干扰信号比增益法,考虑到GPP网络与泊松点过程(PPP)建模的网络在信号干扰比分布方面存在某种相对近似关系,利用该近似关系分析速率,从而得到平均用户速率的近似表达式。基于可分析性较强的近似表达式,本文进一步讨论了基站分布的排斥程度对网络区域频谱效率的影响以及区域频谱效率与系统参数的关系。研究结果表明,随着基站之间排斥程度的增大,各层最优调度用户数增多,表明系统可获得更多的复用增益。此外,相比于PPP网络,GPP网络中部署更多小基站所带来的区域频谱效率的提升更加显着。2)针对多天线密集网络基站端难以获得理想CSIT以及干扰是限制多天线密集网络性能的主要瓶颈,旨在考虑非理想CSIT以及两种不同的发送端多天线信号处理方式,开展对多天线密集网络的容量研究。利用PPP对多天线密集网络的基站位置分布进行建模,并利用高斯马尔科夫一阶自回归模型建模理想CSIT与基站端非理想CSIT的关系。首先考虑基站端通过ZFBF同时服务多个用户的多天线信号处理方式,采用二阶矩匹配法推导经过波束成型处理后等效信道增益的概率分布,并利用随机几何工具推导获得平均用户速率与区域频谱效率的表达式,并据此推导获得了基站最优调度用户数。研究结果表明,当基站调度用户数设为最优时,区域频谱效率与基站天线数的增长关系呈线性率,CSIT精确度仅影响区域频谱效率与基站端天线数的增长斜率。此外,考虑到小区间干扰严重制约密集网络的性能,本文还考虑了基站端采用协作波束成型的多天线信号处理方式下的容量性能,提出以用户为中心的空域干扰消除策略。并在存在CSI反馈时延、回程链路交互时延的场景下,推导了平均用户速率的理论表达式。借助该理论表达式,可以数值求解使得用户速率最大化的最优协作范围,用以指导协作簇大小的设置。3)针对下一代无线通信系统将呈现多种无线通信使能技术与标准紧密融合的趋势,本文进一步考虑开拓功率域资源,将功率域非正交多址(PD-NOMA)引入到多天线密集网络中,旨在研究多天线密集网络与PD-NOMA的共存问题。本文建立密集网络场景中空分多址与PD-NOMA结合的混合多址系统的容量分析框架,基于有限反馈策略将用户分组,组间干扰通过ZFBF规避,而组内用户则以PD-NOMA实现复用,组内用户间干扰通过串行干扰消除处理。基站的位置分布则通过PPP建模。基于随机顺序理论推导得出组内各用户到基站距离分布后,本文推导了每组平均用户速率的理论表达式。基于理论表达式,本文分析了功率域系统参数(组内功率分配因子)以及空域系统参数(天线数、用户组数)对每组用户平均速率的影响。并进一步考虑了区域频谱效率的分析与优化,在保证组内用户速率公平性要求下,通过联合优化组内功率分配因子以及用户组数,最大化区域频谱效率。仿真结果表明,随着公平性要求变高,PD-NOMA相对于正交多址的性能增益逐渐减少。
王义成[9](2020)在《多波束卫星通信系统多用户检测和调度技术研究》文中指出卫星通信在应急通信、地面蜂窝覆盖以外区域的通信及空中和远海通信方面具有无可替代的地位。与此同时,5G网络的出现和星地一体化架构的引入将在不久的将来极大地改变卫星通信的角色。更高速率和更高系统吞吐量的持续需求推动了高通量卫星的发展。其关键技术之一是多波束传输技术。通过采用点波束,能够大幅度提高天线增益,以支持小型卫星用户终端。同时不同点波束之间可以进行频率重用,提高了频带的利用率,并提高系统容量。但同时,在相邻波束中使用相同频带也带来了严重的波束间干扰问题,也称为共信道干扰(Co-Channel Interference,CCI)。位于波束边缘的用户受到最严重的CCI的影响,导致可实现的传输性能大大降低。本文旨在研究全频率复用下多波束卫星系统的多用户检测和用户调度问题。本文首先研究了多波束卫星通信系统结构及其等效的MIMO系统的模型,接着对三种卫星MIMO传输方案的特点进行分析。进一步针对多波束MIMO的特点,分析了多波束卫星通信系统的链路模型,并给出了相关的信道模型。其次研究了多波束卫星反向链路多用户检测算法。首先对多波束卫星反向链路的系统模型做简要介绍,并对几种传统多用户检测算法进行分析和仿真。接着介绍因子图模型和置信度传播的概念,并根据多波束卫星反向链路的信道特点建立因子图模型。然后针对该模型探讨相应的标准置信度传播多用户检测算法,对算法中的消息设计和消息更新准则进行介绍。然后,针对标准置信度传递算法,分析了对因子图模型中的边进行筛选的思路,提出了低复杂度的基于单边、部分边和混合边消息传递的BP-MIMO检测算法。并在部分边中,进一步分为固定边数和由信道条件自适应调整边数两种方案。仿真结果表明,本文提出的基于边选择的BP检测算法能以低复杂度达到较高的检测性能,并在复杂度与性能之间折中。最后研究多波束卫星通信系统前向链路预编码和用户调度问题。首先对多波束卫星反向链路的系统模型做简要介绍。接着考虑采用ZF预编码消除前向链路中的多用户干扰问题,并从传输速率的公平性出发,在总功率以及单天线功率的约束下设计最优的预编码矩阵。在完成预编码设计的基础上,进一步研究用户分组调度方案,调度算法主要考虑两个因素,一个是满足各用户的业务需求,另一个是分组调度后的传输效率。算法中以计算量较低的信道相关度替代预编码后的SINR作为分组方案的度量,设计低复杂度分组方案。最后,对本文所提的分组调度方案的性能进行仿真,验证其可行性。
陈曦涵[10](2020)在《面向大规模阵列天线系统的多尺度在线随机优化算法设计》文中研究表明在过去十年中,智能移动设备数量、类型以及功能上的爆炸性增长推动了诸如智慧医疗、智慧家居以及智能制造等新兴服务的发展。为了在各种新兴服务中实现有效且可靠的数据传输,我们必须重新设计当前蜂窝系统的框架以改善系统整体的频谱效率和能量效率。针对上述问题,一种名为大规模阵列天线的技术应运而生。相比较于单天线无线通信系统,大规模阵列天线技术能以较低的硬件成本和实现复杂度来实现极大的空间复用增益和天线阵列增益,从而在不使用额外带宽和能量的情况下为系统内所有用户提供均匀且优质的通信服务。为了能进一步利用大规模阵列天线技术在频谱效率和能源效率上带来的性能增益,本文对系统中时域、频域和空域上资源的特性进行更深层次的分析与处理,进而为大规模阵列天线系统量身定制配套的资源分配方案,从而实现系统内时、频、功、空域资源的多粒度全方位利用。然而,传统多天线系统中基于确定性优化理论设计的优化算法大多需要根据瞬时信道状态信息对优化变量进行快时间尺度的更新,从而导致其所需的信令开销、计算复杂度以及实现成本都将随基站侧天线数的增加而指数型的增长,这也进一步制约其在未来大规模阵列天线系统中的应用。针对上述性能瓶颈,在本文中我们结合四种当前热点技术(即云接入网技术,信息与能量同传技术,共生无线电技术和非正交多址接入技术),突破现有方案直接利用瞬时信道状态信息进行设计的传统思路,充分地利用无线信道多尺度衰落、大规模阵列天技术信道硬化以及各个重要应用下问题结构的特性,提出基于信道状态统计信息的多尺度在线随机优化算法,从而在提高对抗信道估计误差(或时延)鲁棒性的同时有效地降低实现所需的信令开销和计算复杂度。首先,我们研究了大规模阵列天线协助云接入网多用户系统的上行链路中关于平均速率的广义效用函数最大化问题。针对大规模阵列天线协助云接入网多用户系统中上行链路实现复杂度过高和前向链路容量有限等关键性问题,本文提出一种全新的多时间尺度混合压缩方案来最大化系统吞吐量的增益。此外,我们将多时间尺度混合压缩方案所需要的多时间尺度联合优化构建成为一个广义效用函数最大化问题,并精心设计了一种在线BC-SSCA算法用于寻找该多时间尺度非凸随机优化问题的驻点解。最后,我们通过仿真展示了多时间尺度混合压缩方案相比较目前已有的基线方案而言具有巨大的性能增益。其次,我们研究了多小区大规模阵列天线系统的下行链路中关于平均速率的广义效用函数最大化问题。针对多小区大规模阵列天线系统中硬件成本过高和信令开销过高等关键性问题,本文提出了一种全新的随机多时间尺度混合预编码方案来有效地抑制小区内多用户和多小区之间的干扰,并精心设计了一种TOSO-RTHP算法用于寻找该多级非凸随机优化问题的驻点解。最后,我们通过仿真展示了随机多时间尺度混合预编码方案方案相比较目前已有的基线方案而言具有巨大的性能增益。再次,我们研究了物联网多设备系统的下行链路中信息与能量同传技术问题。针对物联网多设备系统中下行链路设备端硬件能力受限和信道状态信息不准确等关键性问题,本文提出一种全新的多时间尺度联合预编码和功率分裂方案,旨在对抗信道估计误差的同时实现系统平均遍历容量和设备平均采集能量间性能的有效权衡。针对该多时间尺度非凸随机优化问题,我们有效地结合了采样平均近似和分式规划算法,并在此基础上精心设计了一种MO-SSCA算法来寻找其所对应的驻点解。最后,我们通过仿真展示了多时间尺度联合预编码和功率分裂方案方案相比较目前已有的基线方案而言具有巨大的性能增益。然后,我们研究了多标签共生无线电系统的下行链路中关于平均信干噪比的广义效用函数最大化问题。针对多标签共生无线电系统中链路间干扰情况复杂和无源标签实时符号信息缺乏等关键性问题,本文提出了一种全新的随机收发机联合优化方案来有效地抑制直连链路干扰和无源标签间干扰,并精心设计了一种BSPD算法用于寻找该多比例分式非凸随机优化问题的驻点解。具体来讲,本文提出的BSPD算法将基于某些系统随机状态的小批量样本的在线观察来量身定制一种具有特殊结构的代理函数,然后再对该凸近似问题进行并行求解从而更新主发射机处的发射预编码器和主接收机处的接收预编码器。此外,我们还证明了本文提出的BSPD算法能够收敛到所构建问题的驻点解,并通过仿真展示了BSPD算法相比较目前已有的基线方案而言具有巨大的性能增益。最后,我们研究了异构大规模连接系统的上行链路中关于功率受限的平均信道估计误差最小化问题。针对异构大规模连接系统下设备调度开销过大和信道相关时间有限等关键性问题,本文根据不同信道模型(即空间白和空间相关信道模型)分别提出了两种非正交导频设计方案。通过采取一种非常巧妙的近似策略,我们将所构建的问题转换为一种更易于处理的形式,从而在一定程度上减少了算法设计的复杂度。在此基础上,我们通过利用空间白信道独立同分布的特殊结构设计出一种低复杂度的FP-ADMM分布式算法,以找到该种高维非凸优化问题的驻点解。另外,我们还利用一系列块矩阵运算方法来克服空间相关信道下克罗内克积项带来的困难,并在此基础上提出了一种BC-ADMM分布式算法来寻找所构建问题的驻点解。最后,我们通过仿真展示了本文提出的分布式导频设计相对于现有方案在空间白色信道和空间相关信道上均获得了显着的增益。
二、针对下一代手机的单天线干扰消除技术(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
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。
写法范例:
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。
(2)本文研究方法
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。
三、针对下一代手机的单天线干扰消除技术(论文提纲范文)
(1)基于非正交多址接入的无人机通信系统性能的研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
缩略语 |
1 绪论 |
1.1 研究背景和意义 |
1.2 无线通信系统性能分析的研究现状 |
1.2.1 基于加性噪声的通信性能分析 |
1.2.2 基于乘性小尺度衰落的通信性能分析 |
1.2.3 基于乘性大尺度衰落的通信性能分析 |
1.3 无人机通信系统通信性能分析的研究现状 |
1.3.1 无人机空对地通信系统性能分析的研究现状 |
1.3.2 无人机空地一体化通信系统性能分析的研究现状 |
1.3.3 存在问题 |
1.4 论文主要创新点及章节安排 |
1.4.1 论文主要创新点 |
1.4.2 论文的章节安排 |
2 无人机空对地通信系统性能分析 |
2.1 引言 |
2.2 通信模型 |
2.2.1 基于顺序统计学的空对地通信模型 |
2.2.2 基于随机几何学的空对地通信模型 |
2.3 性能分析 |
2.3.1 用户中断概率 |
2.3.2 用户遍历速率 |
2.4 仿真验证 |
2.4.1 基于顺序统计学的空对地通信性能 |
2.4.2 基于随机几何学的空对地通信性能 |
2.5 本章小结 |
3 无人机空对地蜂窝网通信系统性能分析 |
3.1 引言 |
3.2 通信模型 |
3.2.1 基于应急通信的蜂窝网模型 |
3.2.2 基于负载迁移通信的蜂窝网模型 |
3.3 性能分析 |
3.3.1 基于应急通信的用户覆盖概率 |
3.3.2 基于负载迁移通信的用户覆盖概率 |
3.4 仿真验证 |
3.4.1 基于应急通信的性能 |
3.4.2 基于负载迁移通信的性能 |
3.5 本章小结 |
4 基于无人机的空地一体化通信系统性能分析 |
4.1 引言 |
4.2 通信模型 |
4.3 性能分析 |
4.3.1 用户中断概率 |
4.3.2 用户遍历速率 |
4.4 仿真验证 |
4.5 本章小结 |
5 基于地面基站的空地一体化通信系统性能分析 |
5.1 引言 |
5.2 通信模型 |
5.3 性能分析 |
5.3.1 地面用户覆盖概率 |
5.3.2 无人机用户覆盖概率 |
5.4 仿真验证 |
5.4.1 地面用户的性能 |
5.4.2 无人机用户的性能 |
5.5 本章小结 |
6 结论 |
6.1 论文的研究总结 |
6.2 下一步研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(2)面向多天线无人机的位置部署与混合波束成形研究(论文提纲范文)
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 无人机辅助通信 |
1.2.2 波束成形技术 |
1.2.3 国内外研究现状 |
1.3 本文主要工作 |
1.4 本文的章节安排 |
1.5 本章小结 |
第二章 无人机辅助通信及波束成形理论基础 |
2.1 引言 |
2.2 波束成形相关介绍 |
2.2.1 波束成形概念 |
2.2.2 波束成形技术原理 |
2.2.3 天线阵列技术 |
2.3 多天线无人机辅助通信信道模型 |
2.3.1 莱斯信道模型 |
2.3.2 单天线无人机空对地信道模型 |
2.3.3 多天线无人机信道模型 |
2.4 混合波束成形技术 |
2.4.1 模拟波束成形 |
2.4.2 数字波束成形 |
2.4.3 混合波束成形 |
2.4.4 混合波束成形架构 |
2.5 本章小结 |
第三章 基于多天线无人机辅助通信的节能部署方法 |
3.1 引言 |
3.2 基于混合波束成形的无人机快速部署方法 |
3.2.1 系统模型 |
3.2.2 混合波束成形设计 |
3.3 基于萤火虫算法的无人机部署 |
3.3.1 优化问题 |
3.3.2 基于萤火虫算法的无人机位置部署方法 |
3.4 仿真分析 |
3.4.1 仿真环境及参数 |
3.4.2 仿真分析 |
3.5 本章小结 |
第四章 基于多天线无人机辅助通信的混合波束成形设计 |
4.1 引言 |
4.2 基于无人机位置部署的混合波束成形设计 |
4.2.1 系统模型 |
4.2.2 混合波束成形设计 |
4.3 无人机部署及混合波束成形设计方法 |
4.3.1 优化问题 |
4.3.2 无人机位置部署 |
4.3.3 模拟波束成形矩阵优化 |
4.3.4 移相器相位离散化的模拟波束成形矩阵优化 |
4.4 仿真分析 |
4.5 本章小结 |
第五章 总结和展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 A 攻读硕士学位期间研究成果 |
(3)大规模MIMO系统中非正交多址接入(NOMA)技术的研究(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
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 大规模MIMO研究现状 |
1.2.2 NOMA研究现状 |
1.2.3 NOMA与大规模MIMO相结合的研究现状 |
1.3 本文主要工作和结构安排 |
1.3.1 本文主要工作 |
1.3.2 本文结构安排 |
第二章 大规模MIMO NOMA系统基础知识 |
2.1 NOMA概述 |
2.1.1 NOMA系统模型 |
2.1.2 SIC信号检测 |
2.2 大规模MIMO概述 |
2.2.1 大规模MIMO系统模型 |
2.2.2 上行链路导频传输与信道估计 |
2.2.3 下行链路数据传输与预编码 |
2.3 大规模MIMO与 NOMA结合 |
2.3.1 功率分配 |
2.3.2 用户配对 |
2.3.3 基于簇的大规模MIMO-NOMA |
2.4 本章小结 |
第三章 基于NOMA的大规模MIMO系统 |
3.1 系统模型 |
3.1.1 信道模型 |
3.1.2 上行链路信道估计 |
3.2 性能分析 |
3.2.1 下行链路数据传输与波束成形 |
3.2.2 可达速率分析 |
3.3 仿真验证 |
3.4 本章小结 |
第四章 大规模MIMO NOMA系统中联合功率分配的用户配对 |
4.1 用户配对与功率分配 |
4.1.1 优化问题的公式化 |
4.1.2 功率分配 |
4.1.3 低复杂度的用户配对算法 |
4.2 仿真验证 |
4.3 本章小结 |
第五章 分簇的大规模MIMO NOMA系统 |
5.1 基于NOMA分簇的大规模MIMO系统模型 |
5.1.1 上行链路导频传输与信道估计 |
5.1.2 下行链路数据传输与波束成形 |
5.2 性能分析 |
5.3 仿真验证 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 下一步工作展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
致谢 |
(4)面向5G的预编码技术研究(论文提纲范文)
摘要 |
Abstract |
主要符号对照表 |
缩略语表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 大规模MIMO |
1.1.2 mm Wave频段 |
1.2 国内外研究现状及发展趋势 |
1.2.1 MIMO下的预编码技术 |
1.2.2 mm Wave MIMO下的混合预编码技术 |
1.3 论文主要内容和结构安排 |
第二章 MIMO系统及线性预编码技术 |
2.1 MIMO系统模型 |
2.1.1 P2P MIMO系统 |
2.1.2 MU-MIMO系统 |
2.1.3 大规模MIMO系统 |
2.2 P2P MIMO下的线性预编码 |
2.2.1 SVD预编码 |
2.2.2 MF预编码 |
2.2.3 ZF预编码 |
2.2.4 RZF预编码 |
2.3 多数据流MU-MIMO下的线性预编码 |
2.3.1 BD预编码 |
2.3.2 SLNR预编码 |
2.3.3 广义MMSE-CI预编码 |
2.4 MIMO下的线性预编码比较 |
2.5 本章小结 |
第三章 大规模MIMO下的低复杂度线性预编码算法 |
3.1 基于NSE,TPE的预编码算法 |
3.1.1 NSE预编码 |
3.1.2 TPE预编码 |
3.2 基于JM,GS,SOR的预编码算法 |
3.2.1 JM预编码 |
3.2.2 GS预编码 |
3.2.3 SOR预编码 |
3.3 基于CG的预编码算法 |
3.4 复杂度比较和仿真分析 |
3.5 本章小结 |
第四章 mm Wave MIMO下的混合预编码算法 |
4.1 mm Wave信道模型 |
4.2 P2P MIMO下的混合预编码算法 |
4.2.1 OMP预编码 |
4.2.2 ICD预编码 |
4.2.3 PE–Alt Min预编码 |
4.3 MU-MIMO下的混合预编码算法 |
4.3.1 HZF预编码 |
4.3.2 HBD预编码 |
4.3.3 HMMSE预编码 |
4.4 降低硬件复杂度的预编码算法 |
4.4.1 子连接结构下的混合预编码 |
4.4.2 具有低分辨率DACs的混合预编码 |
4.5 仿真分析 |
4.6 本章小结 |
第五章 总结与展望 |
参考文献 |
附录A 攻读硕士学位期间撰写的论文 |
附录B 攻读硕士学位期间参加的科研项目 |
致谢 |
(5)大规模天线阵列基础理论研究及其应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 大规模阵列天线通信系统的发展 |
1.1.1 阵列天线在无线通信系统中的意义 |
1.1.2 5G中的大规模阵列天线的发展 |
1.2 大规模阵列天线的研究现状和存在的问题 |
1.2.1 大规模阵列天线的信道模型研究 |
1.2.2 大规模阵列天线在蜂窝通信系统中的导频污染 |
1.2.3 大规模阵列天线的优化和其他应用 |
1.2.4 主要结论和存在的问题 |
1.3 论文的贡献和组织结构 |
第二章 大规模阵列天线系统的信道建模 |
2.1 研究背景 |
2.2 系统模型 |
2.3 基于随机散射体分布的三维信道模型 |
2.3.1 微小区场景下的联合分布 |
2.3.2 宏小区场景下的联合分布 |
2.4 随机散射体三维信道模型的仿真和验证 |
2.4.1 微小区的边缘概率分布函数和仿真验证 |
2.4.2 宏小区的边缘概率分布函数和仿真验证 |
2.5 基于实际传播环境的模型修正 |
2.5.1 基于天线高度的影响对模型的修正 |
2.5.2 基于地面吸收和建筑物高度的修正 |
2.6 小结 |
第三章 大规模阵列天线导频污染的抑制方法 |
3.1 研究背景 |
3.2 系统建模 |
3.3 基于小区间协作的Massive MIMO干扰消除技术 |
3.4 量化分析结果 |
3.5 小结 |
第四章 大规模阵列天线的优化和应用 |
4.1 大规模阵列天线稀布阵优化算法 |
4.1.1 研究背景 |
4.1.2 波束赋形建模 |
4.1.3 基于差分遗传算法的多目标稀布阵优化技术 |
4.1.4 仿真结果分析 |
4.2 基于大规模天线阵列的自动调制方式识别技术 |
4.2.1 研究背景 |
4.2.2 信号模型 |
4.2.3 天线数量趋于无穷情况下的AMC性能分析 |
4.2.4 天线有限情况下的AMC性能分析 |
4.2.5 仿真结果分析 |
4.3 小结 |
第五章 总结和展望 |
5.1 论文的主要工作 |
5.2 下一步研究计划 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(6)基于深度增强学习的异构网络资源调度技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1. 研究背景与意义 |
1.1.1. 论文选题背景 |
1.1.2. 研究意义 |
1.2. 国内外研究现状 |
1.3. 论文研究内容及创新点 |
1.4. 本文的组织结构 |
第二章 异构无线网络关键技术 |
2.1. 引言 |
2.2. 异构网络系统概述 |
2.2.1. 异构网络结构 |
2.2.2. 异构无线网络的分类 |
2.2.3. 用户接入准则 |
2.3. 无线资源分配介绍 |
2.3.1. 无线资源分配的分类 |
2.3.2. 无线资源分配的优化目标 |
2.3.3. 无线通信资源分配依据 |
2.4. 本章小结 |
第三章 异构网络中的资源分配算法及问题分析 |
3.1. 异构网络无线资源管理研究 |
3.1.1. 无线资源管理相关算法 |
3.1.2. Macro-Small Cell异构网络资源分配 |
3.1.3. 博弈论 |
3.2. 研究现状和问题分析 |
3.3. 强化学习 |
3.3.1. 强化学习的概念 |
3.3.2. 马尔可夫决策过程 |
3.3.3. Q-Learning |
3.3.4. 多智能体强化学习 |
3.4. 本章小结 |
第四章 异构网络中基于深度增强学习的功率分配算法 |
4.1. 系统模型及优化问题分析 |
4.1.1. 系统模型 |
4.1.2. 优化问题描述 |
4.2. 基于深度增强学习的功率分配算法 |
4.2.1. 算法整体架构 |
4.2.2. Q-Learning-飞基站 |
4.2.3. 深度Q网络——宏基站 |
4.3. 仿真结果及分析 |
4.3.1. 仿真场景及参数设置 |
4.3.2. 仿真结果分析 |
4.4. 本章小结 |
第五章 总结和展望 |
5.1. 总结 |
5.2. 展望 |
参考文献 |
致谢 |
攻读硕士学位期间学术成果目录 |
(一) 发表的学术论文目录 |
(二) 申请的国家发明专利目录 |
(三) 攻读硕士期间参加的项目 |
(7)认知无线网络中的信息能量协同传输技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
缩略词表 |
第一章 绪论 |
1.1 认知无线电网络 |
1.1.1 研究背景 |
1.1.2 关键技术 |
1.2 射频能量收集 |
1.2.1 研究背景 |
1.2.2 关键技术 |
1.3 物理层安全 |
1.3.1 研究背景 |
1.3.2 关键技术 |
1.4 论文研究动机 |
1.5 论文主要贡献及创新点 |
1.6 论文内容及结构安排 |
参考文献 |
第二章 认知频谱共享D2D通信中的信息与能量协同传输 |
2.1 引言 |
2.2 系统模型 |
2.3 优化问题的制定 |
2.3.1 第一阶段主用户信息传输和认知D2D用户信息接收及能量收集 |
2.3.2 第二阶段主用户信息传输和转发 |
2.3.3 第三阶段认知D2D用户信息传输 |
2.3.4 优化问题 |
2.4 优化问题的求解 |
2.5 仿真结果 |
2.6 总结 |
参考文献 |
第三章 不可信双中继认知频谱共享网络中的安全无线信息与能量协同传输 |
3.1 引言 |
3.2 系统模型 |
3.3 具有完美CSI的安全无线信息与能量协同传输 |
3.3.1 第一阶段主用户安全信息传输和次用户信息接收及能量收集 |
3.3.2 第二阶段主用户信息传输和转发 |
3.3.3 第三阶段次用户信息传输 |
3.3.4 优化问题 |
3.3.5 优化问题的求解 |
3.3.6 复杂度分析 |
3.4 具有不完美CSI的安全无线信息与能量协同传输 |
3.5 仿真结果 |
3.6 总结 |
参考文献 |
第四章 全双工自能量回收认知频谱共享网络中的安全无线信息与能量协同传输 |
4.1 引言 |
4.2 系统模型 |
4.3 优化问题的制定 |
4.3.1 第一阶段主用户信息传输和窃听 |
4.3.2 第二阶段主用户和次用户信息传输及次发射机能量收集 |
4.3.3 优化问题 |
4.4 优化问题的求解 |
4.5 仿真结果 |
4.6 总结 |
参考文献 |
第五章 MIMO全双工自能量回收认知频谱共享D2D通信中的安全无线信息与能量协同传输 |
5.1 引言 |
5.2 系统模型 |
5.3 优化问题的制定 |
5.3.1 第一阶段主用户信息传输 |
5.3.2 第二阶段主用户信息传输和认知D2D信息传输及能量收集 |
5.3.3 优化问题 |
5.4 优化问题的求解 |
5.4.1 A的最优结构 |
5.4.2 优化问题的重构及求解 |
5.5 仿真结果 |
5.6 总结 |
参考文献 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
攻读博士期间发表的学术论文 |
(8)基于随机几何理论的多天线密集无线网络容量研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
第1章 绪论 |
1.1 研究背景 |
1.1.1 引言 |
1.1.2 网络密集化概述 |
1.2 国内外研究现状 |
1.2.1 不同点过程模型网络性能分析研究 |
1.2.2 多天线密集网络性能分析研究 |
1.2.3 密集网络性能优化研究 |
1.2.4 密集网络与其它通信技术结合 |
1.3 研究动机与研究内容 |
1.3.1 研究动机 |
1.3.2 论文的组织结构和研究内容 |
第2章 随机几何理论介绍 |
2.1 空间点过程定义 |
2.1.1 泊松点过程 |
2.1.2 排斥特性点过程 |
2.1.3 簇过程 |
2.2 空间点过程数学性质 |
2.2.1 距离分布 |
2.2.2 矩测度 |
2.2.3 点过程的拉普拉斯函数 |
2.2.4 泰森多边形的面积分布 |
2.3 随机几何在无线网络分析应用中的基本方法 |
2.3.1 点过程的拉普拉斯函数法 |
2.3.2 平均干扰信号比(MISR)增益法 |
2.3.3 点过程拉普拉斯函数高阶导数分析法 |
第3章 排斥性点过程模型下多天线密集网络容量研究 |
3.1 引言 |
3.2 系统模型 |
3.3 平均用户速率分析 |
3.4 区域频谱效率分析 |
3.4.1 最优基站服务用户数 |
3.4.2 小基站密度对区域频谱效率的影响 |
3.5 小结 |
第4章 非理想CSIT下多天线密集无线网络容量研究 |
4.1 引言 |
4.2 非理想CSIT下SDMA网络容量研究 |
4.2.1 系统模型 |
4.2.2 区域频谱效率推导与分析 |
4.2.3 数值仿真结果 |
4.3 非理想CSIT条件下协作波束成型网络容量研究 |
4.3.1 系统模型 |
4.3.2 平均用户速率分析 |
4.4 小结 |
第5章 SDMA-NOMA混合多址架构下密集网络的容量研究 |
5.1 引言 |
5.2 系统模型 |
5.2.1 网络拓扑模型 |
5.2.2 SDMA-NOMA混合多址方式 |
5.2.3 容量性能指标 |
5.3 每组平均用户速率分析 |
5.4 区域频谱效率分析与优化 |
5.5 数值仿真结果 |
5.5.1 每组平均用户速率数值结果讨论 |
5.5.2 区域频谱效率数值结果讨论 |
5.6 总结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
攻读博士学位期间的研究成果和参加的项目 |
(9)多波束卫星通信系统多用户检测和调度技术研究(论文提纲范文)
摘要 |
Abstract |
数学符号说明 |
缩略语 |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 多波束卫星前向链路研究现状 |
1.2.2 多波束卫星反向链路研究现状 |
1.3 论文的结构安排 |
第2章 多波束卫星通信系统架构与模型 |
2.1 引言 |
2.2 卫星MIMO通信系统构建 |
2.2.1 多波束卫星MIMO传输方案 |
2.2.2 双极化卫星MIMO传输方案 |
2.2.3 多卫星MIMO传输方案 |
2.3 多波束卫星系统模型 |
2.3.1 多波束卫星前向链路模型 |
2.3.2 多波束卫星反向链路模型 |
2.4 信道模型 |
2.5 本章小结 |
第3章 多波束卫星系统反向链路多用户检测算法 |
3.1 引言 |
3.2 多波束卫星系统反向链路结构 |
3.3 多波束卫星反向链路多用户检测技术 |
3.3.1 经典多用户检测 |
3.3.2 串行干扰消除多用户检测 |
3.3.3 优化串行干扰消除SIC多用户检测 |
3.3.4 性能分析 |
3.4 基于因子图的置信度传播检测算法 |
3.4.1 图模型和置信度更新介绍 |
3.4.2 多波束卫星反向链路的置信度传播检测算法 |
3.4.3 算法性能仿真分析 |
3.5 低复杂度置信传播检测算法 |
3.5.1 基于单边的置信传播检测算法 |
3.5.2 固定边数的部分边的置信传播检测算法 |
3.5.3 混合边数置信传播检测算法 |
3.5.4 自适应部分边置信传播检测算法 |
3.6 算法性能的仿真分析 |
3.7 本章小结 |
第4章 多波束卫星系统前向链路用户调度算法 |
4.1 引言 |
4.2 多波束卫星前向链路结构 |
4.3 基于ZF的前向链路预编码方案 |
4.3.1 ZF预编码与广义逆的联系 |
4.3.2 总功率限制下的预编码设计 |
4.3.3 单天线功率限制下的预编码设计 |
4.4 分组调度方案 |
4.4.1 分组相关准则 |
4.4.2 分组调度算法 |
4.4.3 仿真分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 全文总结 |
5.2 进一步研究方向 |
致谢 |
参考文献 |
(10)面向大规模阵列天线系统的多尺度在线随机优化算法设计(论文提纲范文)
致谢 |
摘要 |
Abstract |
符号对照表 |
缩写词列表 |
第一章 绪论 |
1.1 大规模阵列天线系统的研究背景及现状 |
1.2 优化理论基础及进展 |
1.2.1 优化理论基础回顾 |
1.2.2 逐级凸近似算法 |
1.2.3 分式规划算法 |
1.2.4 分布式优化算法 |
1.2.5 随机优化算法 |
1.3 论文主要内容和结构安排 |
第二章 基于Massive MIMO Aided C-RAN系统中上行链路的前向压缩技术研究 |
2.1 研究动机与主要成果 |
2.2 系统模型 |
2.2.1 网络架构和信道模型 |
2.2.2 在RRH处部署的多时间尺度混合压缩方案 |
2.2.3 在BBU处部署的信号检测 |
2.2.4 多时间尺度混合压缩方案的时间帧结构及可达数据速率 |
2.3 基于多时间尺度混合压缩方案的优化问题描述 |
2.3.1 多时间尺度联合优化问题P的构建 |
2.3.2 问题P驻点解的定义 |
2.4 在线BC-SSCA算法 |
2.4.1 在线BC-SSCA算法整体流程 |
2.4.2 BC算法流程 |
2.4.3 算法收敛性分析 |
2.4.4 计算复杂度分析 |
2.4.5 实施考量 |
2.5 仿真结果与分析 |
2.5.1 在线BC-SSCA算法的收敛性能 |
2.5.2 不同方案随前向链路容量变化的速率性能比较 |
2.5.3 不同方案随RRH端天线数变化的速率性能比较 |
2.5.4 不同方案随CSI时延变化的速率性能比较 |
2.5.5 不同方案随反馈的总量化比特数变化的速率性能比较 |
2.6 本章小结 |
第三章 基于Massive MIMO多小区系统中下行链路的随机多时间尺度混合预编码技术研究 |
3.1 研究动机和主要成果 |
3.2 系统模型 |
3.2.1 网络架构和信道模型 |
3.2.2 在基站处部署随机多时间尺度混合预编码方案 |
3.2.3 可达数据速率 |
3.3 基于随机多时间尺度混合预编码方案的优化问题描述 |
3.3.1 多尺度联合优化问题P的构建 |
3.3.2 问题P的近似 |
3.3.3 问题PE驻点解的定义 |
3.4 TOSO-RTHP算法 |
3.4.1 TOSO-RTHP算法整体流程 |
3.4.2 WMMSE算法流程 |
3.4.3 算法收敛性分析 |
3.4.4 计算复杂度分析 |
3.4.5 实施考量 |
3.5 仿真结果与分析 |
3.5.1 不同方案随BS处天线数变化的PFS性能比较 |
3.5.2 RTHP方案在不同系统参数下随BS端模拟预编码器方案数变化的PFS性能比较 |
3.5.3 不同方案随CSI时延变化的速率性能比较 |
3.5.4 不同方案间在给定系统参数下吞吐量性能比较 |
3.6 本章小结 |
第四章 基于Massive MIMO Aided IoT系统中下行链路的多时间尺度信息能量同传技术研究 |
4.1 研究动机和主要成果 |
4.2 系统模型 |
4.2.1 网络架构和信道模型 |
4.2.2 多时间尺度联合预编码和功率分裂方案的时间帧结构及可达遍历速率. |
4.2.3 非线性能量采集模型 |
4.3 基于多时间尺度联合预编码和功率分裂方案的优化问题描述 |
4.3.1 多时间尺度联合优化问题P的构建 |
4.3.2 问题P驻点解的定义 |
4.4 MO-SSCA算法 |
4.4.1 MO-SSCA算法整体流程 |
4.4.2 FP-BCD算法流程 |
4.4.3 算法收敛性分析 |
4.5 仿真结果与分析 |
4.5.1 不同方案随IoT设备处接收信号信噪比变化的效用性能比较 |
4.5.2 不同方案随BS处发射天线数变化的效用性能比较 |
4.5.3 不同方案随系统内IoT设备数变化的效用性能比较 |
4.5.4 不同方案间在给定系统参数下平均遍历容量和平均采集能量性能比较. |
4.6 本章小结 |
第五章 基于多标签共生无线电系统中下行链路的随机收发机技术研究 |
5.1 研究动机和主要成果 |
5.2 系统模型 |
5.2.1 网络架构和信道模型 |
5.2.2 随机收发机的时间帧结构和实施考量 |
5.2.3 信干噪比的定义 |
5.2.4 基于随机收发机方案优化问题的构建 |
5.3 BSPD算法 |
5.3.1 问题P驻点解的定义 |
5.3.2 BSPD算法的整体流程 |
5.3.3 PO算法流程 |
5.3.4 算法收敛性和计算复杂度分析 |
5.4 仿真结果与分析 |
5.4.1 BSPD算法的收敛性能 |
5.4.2 不同方案随PT处发射天线数变化的平均SINR性能比较 |
5.4.3 不同方案随PR处接收天线数变化的平均SINR性能比较 |
5.4.4 不同方案随PT处发射功率预算变化的平均SINR性能比较 |
5.4.5 不同方案在给定系统参数下的DL传输速率和最差BL传输误比特率性能比较 |
5.5 本章小结 |
第六章 基于异构大规模连接系统中上行链路的非正交导频技术研究 |
6.1 研究动机和主要成果 |
6.2 系统模型 |
6.2.1 网络架构和信道模型 |
6.2.2 免授权非正交多址接入方案 |
6.3 基于非正交导频方案的优化问题描述 |
6.3.1 优化问题的构建 |
6.3.2 优化问题的近似 |
6.4 空间白信道模型下的分布式导频设计 |
6.4.1 基于矩阵分式规划算法的问题转换 |
6.4.2 FP-ADMM算法流程 |
6.4.3 收敛性分析 |
6.5 空间相关信道下的分布式导频设计 |
6.5.1 基于块矩阵运算方法的问题转换 |
6.5.2 BC-ADMM算法流程 |
6.5.3 收敛性分析 |
6.6 计算复杂度分析和实施考量 |
6.6.1 计算复杂度分析 |
6.6.2 实施考量 |
6.7 仿真结果与分析 |
6.7.1 空间白信道模型下算法性能分析 |
6.7.2 空间相关信道模型下算法性能分析 |
6.8 本章小结 |
第七章 总结与展望 |
参考文献 |
附录 |
A 在第二章中关于瞬时速率的雅可比矩阵 |
B 在第二章中关于引理2的证明 |
C 在第二章中关于定理6的证明 |
D 在第三章中关于引理3的证明 |
E 在第三章中关于瞬时速率的雅可比矩阵 |
F 在第三章中关于引理4的证明 |
G 在第三章中关于引理5的证明 |
H 在第三章中关于定理8的证明 |
I 在第四章中关于引理7的证明 |
J 在第四章中关于定理9的证明 |
K 在第五章中关于引理11的证明 |
L 在第五章中关于定理11的证明 |
M 在第六章中关于定理12的证明 |
N 在第六章中关于引理13的证明 |
攻读博士学位期间主要研究成果及参与的科研项目 |
四、针对下一代手机的单天线干扰消除技术(论文参考文献)
- [1]基于非正交多址接入的无人机通信系统性能的研究[D]. 侯天为. 北京交通大学, 2021
- [2]面向多天线无人机的位置部署与混合波束成形研究[D]. 刘思淼. 昆明理工大学, 2021(01)
- [3]大规模MIMO系统中非正交多址接入(NOMA)技术的研究[D]. 张伟. 南京邮电大学, 2020(03)
- [4]面向5G的预编码技术研究[D]. 乔旭. 南京邮电大学, 2020(02)
- [5]大规模天线阵列基础理论研究及其应用[D]. 徐佳康. 北京邮电大学, 2021(04)
- [6]基于深度增强学习的异构网络资源调度技术研究[D]. 苏庆勇. 北京邮电大学, 2020(05)
- [7]认知无线网络中的信息能量协同传输技术研究[D]. 赵大骞. 北京邮电大学, 2020(01)
- [8]基于随机几何理论的多天线密集无线网络容量研究[D]. 陈光霁. 中国科学技术大学, 2020(01)
- [9]多波束卫星通信系统多用户检测和调度技术研究[D]. 王义成. 东南大学, 2020(01)
- [10]面向大规模阵列天线系统的多尺度在线随机优化算法设计[D]. 陈曦涵. 浙江大学, 2020(01)