可重构智能表面辅助的V2I通信系统联合波束赋形算法

为解决基于信道先验知识的联合波束赋形方法受限于多变的车辆与交通基础设施(V2I)通信场景且信道估计开销过大等问题,该文结合环境态势感知,提出一种基于无线传播链路预测的联合波束赋形方法。该方法首先利用射线追踪模拟器构建了可重构智能表面(RIS)辅助的V2I毫米波通信系统模型,通过改变环境态势以获取多样的无线传播链路数据来构建数据集。其次,使用该数据集训练基于机器学习的无线传播链路预测模型。最后,在最大发射功率约束条件下,构建了联合波束赋形问题模型,并基于预测结果采用交替迭代优化方法(AIOA)优化基站波束赋形矩阵和RIS相移矩阵,以实现同步通信车辆用户最小信干噪比(SINR)的最大化。仿真结果验证了该方法的有效性,通过引入非信道先验知识驱动,降低了信道探测开销,提高了该方法在V2I场景中的可行性。

基于生成对抗网络的天线三维方向图室外测量方法

天线方向图测量是天线测量的重要内容。针对天线方向图室外测量困难的问题,提出了一种基于生成对抗网络的天线三维方向图室外测量方案。该方案利用无人机对天线方向图数据进行采集,对采集的数据进行修正,获得待测天线和接收天线极化匹配时的直射径数据,最后利用训练好的生成对抗网络重构出天线的三维方向图。仿真结果表明,本方案可以高效、高精度地完成天线三维方向图的测量,具有一定的实用价值。

机舱环境5G信道传播模型及信号覆盖研究

针对机舱无线通信覆盖不全面、速度慢、不稳定等问题,该文基于射线跟踪方法构建了机舱环境第5代移动通信技术(5th generation mobile communication technology,5G)信道模型,并分析了信号覆盖能力及信道参数特性。首先,利用三角面元对真实的机舱环境进行三维几何重构,以降低射线跟踪方法获取信道参数的复杂度;然后,结合分簇算法构建5G信道传播模型,进而分析了机舱环境下5G信号覆盖和通信性能。仿真分析结果表明,簇功率偏移和簇时延偏移服从高斯分布,簇到达方位角和簇到达俯仰角偏移服从拉普拉斯分布,同时发现,机舱环境中的密集散射体是影响5G信号覆盖范围的关键因素。上述结论可用于机舱环境5G基站的无线通信信号覆盖预测和多径参数评估等领域。

基于FPGA的无人机非平稳信道动态模拟研究

针对无人机高速移动导致的信道状态快速时变以及多普勒频率起伏大的特点,本文基于现场可编程门阵列平台设计了无人机非平稳信道模拟方案。该方案采用调频谐波叠加方法产生非平稳信道衰落,并提出了一种信道参数实时产生算法,提高了信道模拟的实时性,保证了信道状态的实时更新。同时,针对多普勒频率起伏大导致的功率随机波动问题,本文设计了一种自适应功率均衡模块,使得输出功率最大波动仅为1.13%,保证了衰落功率的稳定性。最后,硬件消耗资源结果表明,相较于复播方案以及预存式方案,本文方案对存储资源的消耗分别降低了52.44%和9.31%,更适合长时间无人机非平稳信道衰落的模拟。同时,实测分析结果表明,相较于未均衡的模拟方案,本文硬件模拟方案输出的信道特性如路径损耗和多普勒功率谱密度与理论结果更加吻合,可用于无人机通信系统的设计、优化等领域。

基于迁移学习的室内波束选择优化方法

使用基于深度学习的室内波束选择方法可以显著提高波束匹配概率和搜索效率,但该方法需要大型数据集来调整其大量可训练参数,导致了额外的系统开销。针对这一不足,结合一种迁移学习技术,使得目标场景神经网络以小数据集方式获得与大数据集相近的匹配精度,从而减小基于深度学习的波束选择方法中数据集大小对匹配结果产生的影响。首先使用大型数据集在一个源场景中对源神经网络进行充分训练,使得网络参数能够充分包含信道状态信息以及环境信息;而后利用源神经网络参数对目标场景中的神经网络进行不同程度初始化,使该神经网络在经过小数据集训练后依然可以获得较好的波束匹配性能。仿真结果表明,针对室内波束选择场景,在数据集有限的情况下,使用迁移学习方法进行波束选择,同样可以获得较高的匹配精度。

智能反射面辅助的MU-MISO车联网毫米波通信联合波束赋形

近年来,车联网通信系统提出了大规模数据传输,通信连接稳定等需求。高频段通信凭借超高传输速率,低时延的特点被引入了该系统,但是,高频段通信仍面临着阻塞问题的挑战。因此,智能反射面作为一种可解决高频段通信阻塞问题的技术,成为车联网高频通信的热点议题。智能反射面由超材料构成,其表面的多个无源反射单元均匀排布形成阵列,所有反射单元的反射系数均可通过智能控制器实时调节,控制反射波束的方向和形状,来实现对无线传输环境的智能调控,提供增强视距通信、扩展通信覆盖范围等服务。针对MU-MISO车联网毫米波通信场景下,基站与车辆用户视线通信链路因遮蔽,车辆高速移动等因素,面临随机中断的问题,将智能反射面引入该系统,并结合该系统提出了基于半定松弛问题的交替迭代优化算法,以提高通信稳定性。该方法将系统中基站波束赋形矩阵优化和智能反射面相移矩阵优化分解为两个子问题,通过定义半定矩阵变量并适当放松特定的约束条件将两个子问题近似成为半定松弛问题,随后,使用交替优化技术对其进行迭代求解以实现联合优化,通过最大化同时刻通信车辆中的最小信干噪比来确保通信稳定性。仿真结果表明,该方法显著提高了车辆用户的信干噪比和基站的总频带利用率,确保了动态场景中车辆与基站的通信稳定性。

基于深度强化学习的可重构智能超表面辅助无人机通信联合波束成形与轨迹优化

针对可重构智能超表面(reconfigurable intelligent surface,RIS)辅助无人机(unmanned aerial vehicle,UAV)通信中的相移矩阵和UAV轨迹设计高度耦合所带来的运算复杂度较高的问题,本文面向RIS辅助UAV通信服务多用户场景,提出采用一种基于双深度确定性策略梯度框架的优化方法。该方法利用两个深度确定性策略梯度框架分别解耦UAV轨迹和波束成形两个子问题,并通过在奖励函数中添加与UAV能耗相关的惩罚项,实现系统频谱效率和能源效率的联合优化。数值仿真结果证明,联合优化UAV轨迹和波束成形向量能够有效提升系统性能,恰当的奖励函数设计能够有效指导智能体在动态无线环境中学习到正确的UAV轨迹与波束成形策略。该联合优化方法和基础方法相比实现了至少12%的频谱效率提升和24%的能源效率提升。

面向无人机通信网络的信道全域特性空间聚类和识别

为提高无人机通信网络的稳定性和可靠性,提出了一种基于信道全域特性的信道子空间聚类与识别方法。首先,利用距离域、时延域、空间域和多普勒域特性对信道进行完备表征,并提出了一种信道子空间聚类方法,将全域特性相似的信道组成信道子空间,作为无人机通信场景分类的依据。然后,提出了一种基于反向传播神经网络的信道子空间识别方法,判断新的信道数据是否属于原有信道子空间的结构,并利用信道全域特性作为特征张量以提高识别精度。同时,通过计算信道与信道子空间中心的距离,消除训练数据异常值的影响,从而提高识别的鲁棒性。最后,通过入射及反弹射线法/镜像法对176个典型数字城市场景进行仿真,获得176000个信道的全域特性和对应信道状态信息,用于验证本文提出的聚类和识别方法的准确性。仿真结果表明,本文提出的场景识别方法可以将传统场景分类方法的176个识别目标减少至20个,且信道子空间中信道状态特性的吻合度达到99%,识别方法的准确度也达到98.7%。因此,本文提出的方法可以精确识别无人机通信工作中所处的信道子空间,为无人机通信性能优化提供依据。

融合卫星姿态的星地信道建模及硬件模拟

针对传统星地信道模型及其硬件模拟方法没有考虑卫星姿态对信道特性影响的问题,本文基于几何地理随机模型(Geometry-based Stochastic Model,GBSM)框架,提出了一种融合卫星姿态的星地信道模型。该模型通过构建四个独立的坐标系并引入姿态修正矩阵,来描述卫星姿态变化对星地信道特性造成的影响。在此基础上,本文基于现场可编程门阵列(Field Programmable Gate Array,FPGA),设计并研制了一种星地信道硬件模拟器。硬件模拟器采用差分迭代的算法来生成信道衰落因子,可以极大提高硬件模拟的实时性,确保生成的衰落数据与实际场景相匹配。同时,还采用了并行处理架构,可以支持最大640 MHz带宽的星地信道模拟。为了将衰落数据与并行架构相匹配,引入了并行内插算法,可以将串行的衰落数据内插成同速率的多路并行衰落数据。此外,为了能够精准控制硬件装置输出信号的功率,设计了基于预训练的功率校正方法。通过内部校正源信号预先训练出整个模拟过程给信号带来的增益再进行功率补偿,从而保证输出信号的功率可以被精准控制。最后,在典型场景下开展仿真模拟,导出硬件模拟器的输出结果并分析其统计特性,结果表明实测输出的概率密度函数(Probability Density Function,PDF)和多普勒功率谱密度(Doppler Power Spectral Density,DPSD)与理论值吻合,证明本文设计的硬件模拟器可以准确地复现实际场景下卫星姿态发生变化的星地信道。本文提出的融合卫星姿态的星地信道模型以及研制的硬件模拟器很好地解决了传统模型以及硬件模拟方法的局限性,在卫星通信系统的优化、评估和验证环节具有极大的潜在价值。

基于深度强化学习的无人机路径规划与无线电测绘

针对传统无人机轨迹优化设计方法在构建通信模型上具有局限性的问题,本文面向蜂窝连接无人机通信方式,引入一种基于深度强化学习的无人机路径规划与无线电测绘方法。该方法利用扩展后的双深Q网络模型,结合无线电预测网络,生成无人机轨迹并预测由于动作选择而累计的奖励值。此外,基于Dyna框架将实际飞行和模拟飞行相结合,进一步训练双深Q网络模型,从而大大提高学习效率。仿真结果表明,与Direct-RL算法相比,该方法能更有效地利用学习到的覆盖区域概率图,使无人机避开弱覆盖区域,减小飞行时间和预期中断时间的加权和。

面向5G无人机通信场景的传播路径概率预测模型

面向5G无人机空地场景中快速变化的飞行高度和散射环境导致传播路径呈现动态生灭,路径概率预测对于描述动态生灭进而构建准确的空地信道模型至关重要.本文假设城市场景的建筑物位置服从泊松分布,综合考虑物理环境的随机几何信息以及菲涅尔传播区域等因素,建立了无人机对地视距(line-of-sight, LoS)路径概率的预测模型,该模型适用于不同飞行高度和通信频率.在此基础上,利用反射路径镜像的原理,推导获得了地面反射(ground specular, GS)路径概率的预测模型.仿真和分析结果表明,本文提出的LoS和GS路径概率模型在不同高度和频点与基于海量射线追踪仿真方法的平均预测结果表现出良好的一致性.此外,LoS路径概率模型在低空场景下的预测结果与现有标准化模型结果也吻合.

面向车联网场景的无线信道教学仿真实验设计

车联网场景中的车-车通信已成为第5代移动通信技术的关键应用之一。针对车联网场景下车-车信道知识理论性强且描述抽象的问题,设计了基于MATLAB软件平台及FPGA硬件开发板的无线信道教学仿真实验,帮助学生直观理解车-车信道的基本原理。提出的实验采用QuaDRiGa信道模型框架及改进后的信道参数计算方法,能够复现出更真实的多普勒相位,从而获得连续的车-车信道输出。通过将收发端轨迹、散射簇分布及信道统计特性可视化呈现,仿真实验可清晰展示不同运动模式及通信场景下的信道差异。教学实践表明,学生能够从多普勒域及时延域分别观察车-车信道统计特性的输出,为学习车联网场景无线通信系统奠定坚实基础。

基于无人机的空地信道特性测量系统

随着各种飞行器和通信一体化的发展,对空地信道特性的研究变得愈发重要且迫切。针对空地通信场景,本文研制了一套由无人机发射单元和地面接收单元组成的无人机空地信道测量系统。该系统选取具有平坦功率谱特性和大动态范围的ZC序列作为测量序列,利用硬件实现实时提取信道冲激响应(Channel Impulse Response,CIR),并通过采样偏差恢复、系统响应校正等方式,提高信道测量系统的准确性。实测验证结果表明,本文研制的信道测量系统与信道模拟器模拟结果和射线跟踪(Ray Tracing,RT)仿真结果基本一致。最后,开展了校园场景空地实测活动,分析了该场景路径损耗(Path Loss,PL)、莱斯K因子、均方根时延扩展(Root Mean Square-Delay Spread,RMS-DS)等信道特性。

基于QuaDRiGa的无人机非平稳信道模型

为了解决无人机信道模型非平稳参数空时不连续的问题,提出了一种支持三维运动及姿态旋转的无人机非平稳几何随机模型,用于描述和模拟无人机对地多输入多输出通信信道的真实特性。该模型借鉴QuaDRiGa中的“准确定性”思想,基于收发端拓扑关系更新时变信道参数,考虑路径生灭概率改进信道功率计算方法,引入姿态相位矩阵描述无人机姿态旋转,以实现无人机非平稳信道参数的平滑演进。数值仿真结果表明,本文提出模型能够保证功率和角度等参数的平滑演进,输出信道的自相关函数具有非平稳性且受无人机姿态影响显著,可用于无人机通信系统设计和算法优化等领域。

基于IUPF算法的三维无人机毫米波波束跟踪

由于无人机毫米波通信技术具有高速数据传输和广域网络覆盖能力,因此在军用和民用领域中拥有广阔的应用前景。针对无人机毫米波通信需要进行精确的波束跟踪这一问题,提出一种基于改进无迹卡尔曼粒子滤波算法的三维波束跟踪方法。该方法首先利用无迹卡尔曼滤波建立建议密度函数并更新采样粒子;然后计算每一个采样粒子的权值,并在归一化后再次对粒子进行重采样;最后计算粒子均值,得到波束跟踪角度。仿真结果表明,该方法相较于以往毫米波波束跟踪方法大大降低了估计误差,显著提高了波束的跟踪精度。

结直肠癌患者癌症复发恐惧发展轨迹及预测因素分析

目的探讨结直肠癌患者癌症复发恐惧发展轨迹及其预测因素。方法于2020年10月-2022年5月便利选取黑龙江省某三级甲等医院收治的198例结直肠癌术后患者作为研究对象,在术后出院前(T1)采用一般资料调查表、大五人格问卷-神经质分量表、简易版疾病感知问卷和癌症复发恐惧量表-单项测量版对患者进行调查,并在术后6个月(T2)、术后1年(T3)对患者的癌症复发恐惧进行调查。采用潜类别增长模型及多元logistic回归分析进行数据处理。结果T1、T2、T3患者癌症复发恐惧评分分别为(4.86±0.15)分、(4.39±0.16)分和(3.81±0.15)分;共识别出3个不同的癌症复发恐惧发展轨迹,分别为持续组(17.2%)、改善组(29.8%)、较低组(53.0%);多元logistic回归分析结果显示:年龄、造口类型、神经质和疾病感知均是癌症复发恐惧的预测因素(P<0.05)。结论结直肠癌患者术后癌症复发恐惧发展轨迹具有异质性,提示临床制定干预策略应考虑发展轨迹及其预测因素,尽早筛查和实施干预以使患者早期获益。

基于位置姿态预测的无人机波束跟踪

针对无人机动态环境下,无人机位置姿态的变化导致无人机毫米波窄波束无法实时精确跟踪这一问题,结合空间坐标系,采用一种基于无人机位置和姿态预测的波束跟踪方法。该方法首先基于历史位置-姿态数据,采用高斯过程学习算法,对无人机未来的位置姿态进行预测;而后,对预测数据进行坐标变换获得空间角度,并由此推导出模拟波束成形矢量,实现波束对齐。仿真结果表明,该方法能够通过高精度的位置姿态预测,实现准确的波束跟踪。

复合衰落信道建模及模拟方法研究

针对传统信道模拟器仅考虑多径衰落的问题,建立了包含路径损耗、阴影衰落和多径衰落的复合衰落信道模型,提出了一种基于高斯变量分解和谐波叠加原理的硬件模拟方法,推导了该方法输出衰落幅值理论分布与仿真参数的内在联系,并详细分析了可编程逻辑器件定点化模型输出周期性及位宽选择等问题。针对原型化模拟器的实测结果表明,该模拟方法输出信道衰落的统计特性与理论值吻合,可用于实验室中无线通信系统的性能测试和验证。

无人机毫米波信道建模进展和挑战

无人机毫米波通信技术结合无人机和毫米波的优势,提供高速数据传输和广域网络覆盖能力,在军用通信系统中拥有广阔的应用前景。精确的信道模型是无人机毫米波系统设计和性能评估的重要理论基础。不同于传统移动通信场景,无人机通信信道具有明显的三维传播特征,构建模型需要考虑包括三维散射空间、三维飞行轨迹及姿态、三维阵列天线和三维窄波束等多种因素。本文首先总结了无人机毫米波信道建模的新需求和挑战,并详细阐述了无线信道建模方法以及现有信道模型的研究进展,最后给出了信道建模的发展方向及关键技术,旨在为无人机毫米波信道模型的科学构建和标准化等研究提供参考。

基于Nakagami衰落的分集合并系统性能分析

分集技术可有效提高无线通信系统抗衰落性能,通过将Nakagami衰落下的分集系统等效为单输入单输出系统,推导获得了选择合并(Selection combining,SC)、等增益合并(Equal gain combining,EGC)和最大比合并(Maximal ratio combining,MRC)3种方式下系统的输出信噪比和中断概率等性能表达式,并提出一种基于改进的Nakagami分集信道舍弃法模型用于数值仿真与验证。仿真结果表明,理论表达式结果与仿真值非常吻合,可用于辅助瑞利、莱斯和Nakagami等多种信道衰落下分集系统的参数选择、算法设计和性能评估。