基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法。基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计。仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效。

噪声功率不确定模型下基于CFAR准则的能量检测门限优化算法

针对频谱感知中能量检测器在噪声功率不确定模型下存在门限失配问题,提出一种基于CFAR准则的能量检测门限优化算法(TO-ED),证明存在唯一最优的修正因子可以优化稳健统计方案(RSA)的判决门限;基于RSA的平均虚警概率是关于修正因子的单调函数,利用牛顿二分法实现最优修正因子的快速迭代求解并修正RSA的判决门限。仿真表明:TO-ED算法满足CFAR意义下最优,其理论性能和仿真结果一致;实现鲁棒检测所需信噪比比RSA更低。

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于最小C-R(Minimum cross-relation,MCR)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中矩阵Fy的秩信息提出了一种快速阶数估计算法。仿真表明,该算法克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,降低了原有基于FFT的信道盲辨识算法的复杂度,同时提升其对阶数的鲁棒性。

博弈理论在认知小蜂窝网络无线资源配置优化中的应用

由于集中式优化方案大多依赖于实时全网信息交互,通常难以适用于网络环境动态快变和缺乏相互协作的超密集认知小蜂窝网络场景.博弈论为分析分布式条件下多决策主体间的复杂决策行为提供了理论框架,已经被广泛应用于无线通信领域.论文聚焦认知小蜂窝网络中的无线资源分配问题,围绕网络多层次、高动态和强异构3个显著特征,从博弈论的视角分别给出认知小蜂窝网络中的干扰管理、接入控制和频谱接入与共享3个研究领域中的应用,对现有理论研究中所采用的博弈模型进行梳理归纳,并对模型的相关特性如博弈类型、优化目标、均衡特性等进行分析总结;最后,从当前无线通信中的研究趋势出发,给出了未来研究方向.

基于子空间投影的信道阶数盲估计算法

根据联合阶数估计最小二乘平滑算法(J-LSS)中投影误差矩阵的特点,利用其零空间向量形成的特殊矩阵的秩与信道阶数的关系,分别构造2个阶数估计代价函数。将2个代价函数归一化后联合构建成新的代价函数,新的代价函数较使用单一代价函数提升了在低信噪比下的辨识率。仿真结果表明,与传统算法相比,该算法在较低的信噪比和小样本观测数据条件下,有很好的估计性能。

多无人机辅助NOMA网络的联合无线资源分配算法

为了满足高容量需求和通信质量,提出了一种多无人机(Unmanned Aerial Vehicle, UAV)辅助下行非正交多址(Non-Orthogonal Multiple Access, NOMA)网络的联合定位、用户调度、用户配对和功率分配优化算法。在基站位置固定的网络场景下,推导出通用最优用户配对和功率分配策略闭式解。针对多小区场景,将无人机的位置优化问题转化为一个局部合作博弈问题,并证明所提博弈是一个精确的潜在博弈,它至少有一个纯策略纳什均衡(Pure Strategy Nash Equilibrium, PNE),且最优的纳什均衡(Nash Equilibrium, NE)能够最大化网络和速率。设计了一种集中分布式学习算法寻找最优PNE。仿真结果表明,该算法优于现有方案,显著提高了网络效用。

采用FFT方法的抗阶数过估计信道盲辨识算法

针对二阶统计量信道盲辨识算法在小样本观测数据条件下性能恶化且对信道阶数误差敏感的问题,本文首先提出一种改进的基于FFT变换的信道盲辨识算法(FFT-MCR),该算法充分利用MCR算法只需最小冗余度信息求解信道向量的特性,有效地降低了原算法(BI-FFT)的计算复杂度且性能相当。研究表明FFT-MCR算法在信道阶数过估计情况下额外引入的公零点具有单位圆聚集性,同时提出一种具有较强阶数鲁棒性的盲辨识算法(R-FFT-MCR),算法通过聚类的思想搜索单位圆周围的公零点并将其移除,实现准确的信道估计。理论分析与仿真实验验证了所提算法的有效性。

面向分层异构网络的资源分配：一种稳健分层博弈学习方案

该文研究了信道状态不确定条件下分层异构微蜂窝网络中的无线资源分配优化问题。首先引入信道不确定模型描述无线信道的随机动态性,并将该问题建模为考虑信道不确定度的双层鲁棒斯坦伯格博弈;然后给出了该博弈的均衡点分析;最后提出了一种分布式改进型分层Q学习方案以实现宏基站和微基站的均衡策略搜索。理论分析和仿真表明,所提出的分层博弈模型可以有效抑制由于信道状态不确定引起的收益下降。所采用的学习方案较传统Q学习方案收敛速度明显加快,更加适用于短时快变的通信环境。

基于最小二乘平滑算法的时变信道盲辨识

针对基展开模型的时变信道盲辨识问题,提出了联合阶数估计的最小二乘平滑算法。该算法充分利用其投影误差矩阵包含的时变信道阶数和系数信息,在信道辨识前先进行阶数精确估计,克服了该子空间类盲辨识方法对信道阶数敏感的缺点,改善了辨识效果;与线性预测类方法相比,该方法不需要知道输入信号的统计特性。理论推导和仿真结果验证了该算法的有效性。

一种新颖的基于信道近零点分布的盲辨识算法

研究子空间算法在阶数过估计时的信道零点分布,发现在有噪情况下额外引入的"公共零点"呈单位圆聚集性,并给出相关的理论分析。基于此,提出一种简单新颖的基于信道近零点分布的盲辨识算法。结合同样基于子空间的NECOE改进算法所得到的过估计信息,从估计的信道零点中移除"公共零点",从而实现正确的信道估计。仿真验证了该算法在较低信噪比情况下性能良好,复杂度低。

一种无线信道密钥容量求解方法

为了准确求解合法通信双方利用无线信道生成共享密钥的容量,借助于瑞利衰落统计模型和互易性对无线信道进行建模,得到合法双方接收信号的统计分布;通过对统计分布进行雅克比变换分别推导出双方包络的联合分布和相位的联合分布,进而通过互信息公式求解出相应的两个密钥容量表达式。利用窄带信道的互易性,提出了一种发送信号为非相干载波的密钥生成协议,合法双方在相干时间内以时分双工(TDD)方式对无线信道进行多载波探测,双方分别利用接收信号包络、相位信息生成密钥,将两密钥去除相关性后拼接起来作为最终的密钥以用于安全通信。该协议能够同时利用接收信号的包络和相位信息,且密钥容量与非相干载波的个数成正比。仿真结果表明:分别基于信号包络、相位信息生成的密钥存在相关性;仅由包络和相位信息生成密钥并未充分利用信道特性信息,当信噪比为10dB时,利用接收信号包络、相位的密钥容量的数值求和比利用接收信号的密钥容量低0.3b/s。

基于信道相关性的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘(Modified least square,MLS)准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。

基于基展开模型的时变信道阶数和径数盲估计

针对基展开模型的时变信道阶数和径数盲估计问题,采用了一种子空间投影算法来进行估计。该算法充分利用输入子空间和输出子空间具有的同构关系,将当前的观测数据投影到由过去和将来的观测数据所张成的子空间,其投影误差矩阵包含了时变信道的阶数和径数信息,进而可通过求投影误差矩阵的秩和范数来估计信道阶数和径数。仿真表明,与MDL、AIC和Liavas准则相比,该算法可在较低的信噪比下实现时变信道的阶数估计。

一种改进的基于样本排序的信道阶数估计算法

信道阶数估计是多数信道盲辨识算法的前端步骤,文章对原有的基于一阶统计量的信道阶数估计算法进行了改进。改进算法仅仅通过对接收样本数据进行排序,建立连续的样本次序对二维空间,利用阶数欠估计时的特定图形结构对信道阶数进行有效的估计,提高了原算法的准确性,并将其扩展应用于SIMO模型中,与其它基于二阶统计量的同类算法相比大大降低了计算复杂度。仿真实验证明,改进算法在较低信噪比且有限样本数据的条件下,性能依然良好,简单实用。

基于用户体验的VLC／WiFi异构网络切换算法

针对可见光通信(VLC)与WiFi组成的异构网络中的网络选择问题,现有工作大多仅关注实际物理网络指标的优化,如信干噪比(SINR)和吞吐量等,而忽视了终端用户的异构需求和服务体验。基于此,该文提出了一种以用户体验质量(QoE)为优化目标的网络切换算法。该算法首先基于平均主观评分(MOS)机制建立离散化的QoE等级模型,然后根据不同网络对应的实际QoE水平给出了相应网络切换准则,当且仅当新网络使得用户QoE等级提升时才进行网络切换,从而在一定程度减小盲目追求容量优化引起的网络切换开销。仿真结果表明,该算法相比现有算法能够在保证QoE水平的前提下显著减小整体的网络切换次数,从而降低网络开销,提升网络性能。

大规模MIMO下最优预编码选择策略研究

大规模多入多出(Massive MIMO)系统中,随着天线数的增加,线性预编码算法的性能逐渐趋于最优,选择合适的线性预编码对系统性能具有重要的意义。针对发射端信道状态信息(Channel State Information at Transmitter,CSIT)不完美的Massive MIMO系统,推导出了迫零(Zero-Forcing,ZF)和最大比传输(Maximum Ratio Transmission,MRT)这两种常见预编码方案在向量归一化方式下的下行可达和速率下界,并给出了证明。随后对两种下界进行了分析,提出了一个关于系统用户数的阈值,当系统用户数和阈值的大小关系不同时,两种预编码性能的优劣关系也不相同。根据分析结果,文章进一步提出了一种以系统中用户数为参量的预编码选择策略,可以保证不论用户数如何变化,系统都能选择出更优的那一个预编码算法来对信号进行预处理。分析的有效性和方案的可靠性通过仿真得到了验证。

面向用户体验的多小区混合非正交多址接入网络资源分配方法

该文研究了多小区混合非正交多址接入(MC-hybrid NOMA)网络的资源分配。为满足异构用户的服务体验,以最大化全网综合平均意见评分(MOS)累加和为目标,考虑基站选择、信道接入和功率资源分配的联合优化问题,该文提出一种用户、基站和信道3方的2阶段转移匹配算法,并根据用户MOS进行子信道功率优化。仿真结果表明所提多小区混合NOMA网络资源分配方案能有效提升全网用户服务体验和公平性。

土木工程造价管理和工程概预算

土木工程造价管理和工程概预算需要根据时代背景做出相应的设计与优化策略。文章在介绍了投标大众化标准的前提下,探讨了如何进行合理有效的土木造价管理和工程概预算,并结合实际需求总结了投标实践流程,进一步证明了其与土木造价管理和工程概预算的相互作用机制。

面向异构无人机中继网络的负载均衡:一种分层博弈方法

研究了大规模无人机中继网络中的负载均衡问题。为了激励空闲无人机作为中继节点协助网络边缘无人机实现业务回传,提出一种基于价格激励机制的负载均衡方案,以提升系统容量,同时将该问题建模为斯坦伯格博弈,其中中继无人机为领导者,网络边缘无人机为跟随者。网络边缘无人机的效用函数中综合考虑了直接传输和中继传输获得的吞吐量和以及支付给中继节点的价格开销。中继无人机的效用函数为其所协助传输的无人机支付的总和。此外,理论证明了所提出的斯坦伯格博弈存在均衡解,并分析了中继无人机的定价策略,提出基于粒子群优化(PSO)的斯坦博格均衡搜索方案。最后,仿真验证了所提算法的有效性。所提方案能够显著提升网络容量,在给定参数设置下,全网吞吐量提升53%。

面向802.11b非对称无线网络容量优化的部分重叠信道分配方案

针对现有802.11b无线网络中部分重叠信道(POC)分配方案大多基于无向加权干扰图而忽略了实际网络中由于各链路传输功率和接收机灵敏度等因素导致的干扰不对称性问题,提出了一种有向加权图的非对称无线网络POC分配方案来优化802.11b非对称无线网络的全网容量。首先,构建有向加权干扰图,同时刻画信道距离、物理距离以及干扰不对称性;其次,将面向802.11b无线网络容量最优化的POC分配方案建模为局部互利博弈模型,网络中的每条链路是博弈的参与者,且效用函数设计为自身链路容量和潜在被干扰邻居链路的容量和;再次,证明所提博弈模型为势能博弈,存在至少一个纯策略纳什均衡点,同时最优纯策略纳什均衡为全网容量最优化的解;最后,设计了一个基于邻域合作的分布式多用户学习方案,实现了最优纳什均衡点的搜索。仿真表明,所提分布式学习方案可近似收敛到最优解,相比于现有其他算法可明显提高全网容量。