基于信道状态智能预测的星地自适应调制编码技术研究

在手机直连低轨卫星场景中,针对自适应调制编码技术依赖的信道质量指示信息非实时反馈的问题,提出一种基于深层回声状态网络的信道状态预测模型,并根据该预测模型提出一种调制编码方式智能选择机制,即发送端基于信道预测结果选择适应当前信道的调制编码方式。仿真验证表明,基于信道预测的自适应调制编码可以在一定程度上提升链路的误码性能。

结合动态自适应调制和结构关系学习的细粒度图像分类

由于细粒度图像类间差异小,类内差异大的特点,因此细粒度图像分类任务关键在于寻找类别间细微差异.最近,基于Vision Transformer的网络大多侧重挖掘图像最显著判别区域特征.这存在两个问题:首先,网络忽略从其他判别区域挖掘分类线索,容易混淆相似类别;其次,忽略了图像的结构关系,导致提取的类别特征不准确.为解决上述问题,本文提出动态自适应调制和结构关系学习两个模块,通过动态自适应调制模块迫使网络寻找多个判别区域,再利用结构关系学习模块构建判别区域间结构关系;最后利用图卷积网络融合语义信息和结构信息得出预测分类结果.所提出的方法在CUB-200-2011数据集和NA-Birds数据集上测试准确率分别达到92.9%和93.0%,优于现有最先进网络.

用户移动性下的毫米波自适应调制策略研究

当用户移动时,信号的传输距离随之变化。基于此,利用毫米波通信对传输距离的敏感性提出了距离自适应调制策略。当用户接收误码率(Bit Error Rate,BER)超过门限时,用户通过反馈信道请求基站调整信号调制阶数和发送功率来保证BER在门限以下。基站根据用户反馈的BER门限、传输距离以及天线增益等确定调制阶数,通过最大化频谱效率(Spectrum Efficiency,SE)得到最优发送功率。通过仿真得出,当传输距离小于300 m时,采用256阶数的正交幅度调制(256-order Quadrature Amplitude Modulation,256QAM);距离在300~500 m时,采用64QAM调制;距离在500~800 m时,采用16QAM调制;距离大于800 m时,采用4QAM调制。比较已有的毫米波广义空间调制(Generalized Space Modulation-QAM,GSM-QAM)、脉冲位置调制(Pulse Position Modulation,PPM)和固定QAM调制策略,所提出的改进的自适应调制策略在保证BER的前提下,数据率最高。

LTE-M车地无线通信系统中的自适应调制编码技术

城市轨道交通车地综合通信(LTEM)系统在通信环境、业务需求等方面与公共无线通信系统有较大的差异。传统的调制编码技术已无法满足系统性能要求。文章针对LTE-M应用场景的特殊性,提出了一种AMC技术的优化方案。经过测试证明,该方案解决了由于信号质量变化太快以及信号频繁抖动所带来的调制编码等级不准确问题,保证了在切换过程中的丢包率以及时延,大大提高了切换过程中的性能指标。

一种基于元学习的自适应调制编码策略

针对现有基于深度学习的自适应调制编码算法在信道环境改变时出现的模型泛化能力下降的问题,提出了一种基于元学习的自适应调制编码策略。该方法利用元学习算法快速适应新任务的优势,使得模型仅需通过新环境下的少量样本微调就能获得良好的性能。仿真结果和讨论都表明,本文所提算法比基线算法在性能上表现更为优越。

高速大容量光通信系统自适应调制技术分析

通过采用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术,实现了高速数据流的高效并行传输。通过自适应调制技术的动态调整能力,以响应信道状态信息(Channel State Information,CSI)的变化,从而在光纤传输中对抗色散和非线性效应等影响,优化系统性能。本研究提出基于深度神经网络(Deep Neural Networks,DNN)的自适应调制方案,通过实时监测子载波的有效信噪比(Signal to Interference plus Noise Ratio,SNR),动态调整比特分配和调制格式,以适应变化的信道条件。仿真结果表明,与固定调制格式相比,所提出的自适应调制方案在相同系统速率下显著降低了误码率,同时在不同误码率目标下均实现光信噪比的增益。

基于人工智能的光通信系统自适应调制技术研究

光通信系统因高速度、大容量的传输优势而成为数据交换的关键技术。自适应调制技术作为提高光通信系统效率和可靠性的重要手段,根据信道条件动态调整调制方式,以优化传输性能。近年来,人工智能,特别是深度学习的快速发展,为自适应调制技术提供了新的研究视角和方法,使得调制策略更加智能化和高效。文中综合介绍了光通信系统的基本组成和工作原理,阐述了人工智能特别是深度学习的基础理论,并探讨了如何将人工智能技术应用于光通信系统的自适应调制技术中,包括利用神经网络模型和学习算法优化调制策略,最后通过技术测试验证了所提方法的有效性和优越性。

自适应调制扩频技术

文中提出了在OFDM系统中结合自适应调制和自适应扩频,构成自适应调制扩频算法,该算法可适应大范围的信道变化。仿真结果表明:在OFDM系统中采用自适应调制扩频算法,信噪比在-8DB-20DB之间变化时,系统的误码率均可保持在10-3以下。

自适应调制系统在衰落信道中的性能分析

分析了一种自适应调制系统在Nakagami衰落信道中的性能.这种自适应调制系统采用了4种调制方式,调制方式转换的准则是在时变信道中维持一定的目标误比特率,这一点是很多无线业务所期望的.在这一前提下,本文采用数值分析的方法分析了自适应调制系统的吞吐量和传输中断率等性能.仿真结果表明,自适应调制系统可以获得较高的数据吞吐量,而其传输中断率在一定条件下可以保持较低的水平.

一种新的时变衰落信道下MIMO系统的功率分配与自适应调制算法

本文提出一种在时变衰落信道下 ,MIMO系统的功率分配和自适应调制方法 .该方法采用空域注水定理 ,在发送端天线的平均功率受限的条件下 ,按照信道传输矩阵的奇异值对发端的多天线进行最优功率分配和自适应MQAM调制 .本文从频谱效率方面对其性能进行分析 .给出了信道估计的误差和反馈时延对该方法的影响 .理论分析和仿真结果表明 ,该方法实现简单 ,且与传统的总功率受限的自适应调制方法相比 ,具有更高的频谱效率 .

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。

采用黄金分割法的自适应调制无线网络跨层设计

提出一种通过最优化网络的目标误包率来降低丢包率的方法.物理层采用自适应调制编码方式,数据链路层采用有限长数据缓冲区,并改变了原有网络中固定的目标误包率值.在不同的网络参数,如网络的信噪比、功率、带宽、包到达率等条件下,考察网络的丢包率随目标误包率的变化,总结其变化规律,并根据黄金分割法寻找最佳的目标误包率,使得丢包率达到最小,即网络吞吐量达到最大.

自适应调制编码系统门限调整算法研究

从保证自适应编码调制系统目标误帧率的角度出发,提出了一种保证实时误帧率的优化门限值算法(ITA).此算法根据移动台反馈的信道估计值和上一帧数据的对错,实时调整每种调制编码方式的下门限.数值和链路仿真表明,ITA比第3代合作伙伴计划(3GPP)提案中的门限调整方法能更稳定地保证系统误帧率;当反馈时延超过10 ms时,ITA算法采用自回归(AR)模型进行信道预测比采用瞬时值预测,有更高的系统吞吐量和更稳定的误帧率性能.

结合自适应调制和ARQ的跨层最优联合设计

考虑了一个结合自适应调制和自动重传请求的蜂窝下行系统,基站通过接收端的反馈获得其信道信息,然后在物理层通过自适应地选择调制和编码方式来最大化系统频谱效率,同时还在数据链路层采用自动重传技术来提高传输的鲁棒性.研究了在业务的平均延时约束下,通过最优选取自适应调制参数来最大化系统的频谱效率的方法.首先通过合理的假设对上述系统数学建模,然后将研究的问题建模为一个凸优化问题,并最终通过经典的拉格朗日乘数法给出了最优解.数值仿真表明本算法是最优的.

自适应调制与编码系统及其在WCDMA中的应用

本文主要讨论自适应调制与编码系统 (AdaptiveModulationandCodingsystem)的原理 ,介绍AMCS实现的几个关键技术 ,包括RCPT(速率适配凿孔turbo)码、高阶调制、H -ARQ和MIMO(多输入多输出 )系统。介绍了在WCDMA的高速下行分组接入业务 (HSDPA)中使用的自适应调制编码机制 。

LTE-Advanced系统中的自适应调制技术

自适应调制技术是LTE-Advanced系统自适应调制编码(AMC)技术的一项重要研究内容。根据均方误差函数的下凸性,在不同信道模型下,通过迭代算法校正得到新型MCS等级(包含256QAM高阶调制)的通用β值,并与传统MCS等级进行性能对比。仿真结果显示,新型MCS等级在高信噪比时提供的系统吞吐量更高,且优化后的β值使CQI估计更准确。

基于信道分类和自适应调制编码的认知无线电决策引擎

在多径信道条件下,针对单载波频域均衡(SC-FDE)认知系统不能通过多目标优化策略进行决策的问题,该文提出一种基于信道分类和自适应调制编码(AMC)的认知无线电决策引擎。该决策引擎首先对当前信道进行分类,确定当前信道状态;然后根据当前信道状态下的策略切换表选取最优传输策略(MCS),并计算该策略的使用时长(MCSD)。一旦当前策略的持续时间超过了其使用时长,认知决策引擎就会对最优策略进行更新。仿真结果表明,该决策引擎能够提供最优的传输策略以提高频谱效率,使SC-FDE认知系统更好地适应无线信道复杂的电磁环境。

非精确信道状态信息下OFDM系统中的自适应调制技术

研究了正交频分复用(OFDM)系统在精确已知信道状态信息和不精确的信道状态信息环境下的自适应调制,并对它们的性能进行了计算机仿真分析.结果表明,信道估计不精确和延迟均对自适应调制OFDM系统的性能有很大影响,尤其是延时的影响.为了减小其影响,提出了利用多个以前的信道估计值来确定每个子信道所传输的比特数.仿真结果表明,该方法能有效地提高自适应调制OFDM系统的性能.

快时变信道下非数据辅助误差矢量幅度的自适应调制算法

针对快时变信道下无线通信频谱利用率降低的问题,提出一种基于非数据辅助的误差矢量幅度的自适应调制(NDA-EVM-AM,nondata-aided error vector magnitude based adaptive modulation)算法,选取NDA-EVM作为反映快时变信道变化的特征参量并给出不同调制阶数的统一计算模型,建立不同调制阶数NDA-EVM与误码率(BER)之间的关系并据此设计MQAM(multilevel quadrature amplitude modulation)调制阶数的快速调整机制。以高铁通信的快时变信道场景为例,数值仿真表明,相比DA-EVM(data-aided error vector magnitude)和信噪比估计,NDA-EVM估计具有最小均方根误差;NDA-EVM-AM算法可提高信道质量评估与调制阶数选择的准确性,相较于DA-EVM-AM(data-aided error vector magnitude based adaptive modulation)算法,调制阶数选择的正确率可提升7.9%,频谱利用率可提高0.53 bit·s^(-1)·Hz^(-1);相较于SNR-AM(signal to noise ratio based adaptive modulation)算法,调制阶数选择的正确率可提升15.7%,频谱利用率可提高0.82 bit·s^(-1)·Hz^(-1)。

Nakagami-m衰落信道下D2D通信自适应调制算法研究

针对Nakagami-m衰落信道中,D2D(device to device)通信频谱利用率低的问题,设计一种基于非数据辅助误差矢量幅度(NDA-EVM, nondata-aided error vector magnitude)的自适应调制算法。以NDA-EVM作为信道质量评估参量,根据最大似然准则建立NDA-EVM与误码率(SER, symbol error ratio)的定量关系,据此设计SER约束下的MQAM调制方式切换机制;结合有限状态马尔可夫信道模型以及数据缓存处理,分析系统的分组丢失性能和频谱利用率。理论分析和仿真实验表明,基于NDA-EVM的自适应调制算法在不同调制方式的阈值下的准确性,明确系统QoS与分组丢失率的关系;在保持低算法复杂度的同时,提高了系统频谱利用率,对比传统算法,频谱利用率提升了0.752 bit·(s·Hz)-1。