基于自适应果蝇优化算法的加权分簇算法

针对无人机编队网络管理问题,提出了一种基于自适应果蝇优化算法的加权分簇算法,利用分簇结构进行网络优化。该算法使用了基于离差标准化的数据归一化方法对各性能指标进行处理,并根据整体能耗改变权值分配规则,共同提高了簇头选举的客观性;分析了未定节点调整准则,提出了应用自适应果蝇优化算法进行簇的规模优化,消除了孤立节点和小规模簇;引入了剩余能量阈值和安全距离阈值约束维护条件,并分析了阈值的最优取值,减少了簇的维护次数。仿真结果表明,所提算法能够有效提高无人机编队各方面的性能,与现有算法相比,能够获得更好的网络管理效果。

非协作通信中基于子阵方向图综合的信号分离方法

随着通信系统的不断发展完善,非协作通信需求在民用和军事领域内不断增加,大规模阵列因具有独特优势而得到广泛应用。庞大的天线数量导致系统复杂度和工程实现难度急剧升高,降低信号处理的实现难度具有重要意义。有鉴于此,提出了一种非协作通信场景下基于子阵方向图综合的信号分离方法,利用子空间算法完成盲信道参数的估计,通过迫零计算求解出符合要求的系数矩阵完成方向图的综合,实现信号的分离和干扰的抑制,同时可以完成幅相误差的校正。仿真结果证明了非协作通信过程中该方法实现信号分离的可行性和有效性。

基于贝叶斯自动相关性确定的稀疏重构正交频分复用信号时延估计算法

针对复杂环境下,单测量矢量(SMV)条件下的正交频分复用(OFDM)时延估计问题,该文提出了一种基于贝叶斯自动相关性确定(BARD)的稀疏重构时延估计算法。该算法运用贝叶斯框架,从进一步挖掘有用信息的角度入手,引入不对称的自动相关性确定(ARD)先验,融入参数估计过程中,有效提升了低信噪比(SNR)和SMV条件下的时延估计精度。该算法首先基于OFDM信号物理层协议数据单元估计出的信道频域响应构造稀疏化实数域表示模型,然后对模型中的噪声和稀疏系数矢量进行概率假设,同时引入自动相关性确定先验;最后根据贝叶斯框架,通过期望最大化(EM)算法求解超参数,实现对时延的估计。仿真实验表明,该算法具有更好的估计性能,在信噪比较高时更加贴近克拉美罗界(CRB)。同时基于通用软件无线电外设(USRP),利用实际信号对所提算法进行了有效性地验证。

基于循环匹配追踪的稀疏重构时延估计算法

在单样本(SMV)、低信噪比条件下,稀疏重构方法可提升时延估计精度,但现有的重构算法在支撑集元素的选择中存在错选和漏选的情况,从而导致估计精度受限。针对上述问题,该文提出一种基于循环匹配追踪(LMP)的稀疏重构时延估计算法。该方法引入了"循环删除,匹配添加"的思想,有效提升了直达径的估计精度。算法首先建立信道冲激响应稀疏表示模型;然后在获得初始支撑集的前提下,先循环删除支撑集内的元素,再从支撑集补集中依据与当前残差内积值最大来匹配添加新元素,直至残差内积基本不变;最后利用时延值与稀疏支撑集的关系得到了时延的估计值。仿真结果表明,所提算法相比于传统稀疏重构时延估计算法具有更高的估计精度。同时基于USRP平台,利用实际信号对所提算法进行了有效性验证。

基于细化频谱的频率迭代插值估计算法

在加性高斯白噪声环境的单频复指数信号频率估计中,针对现有频率估计算法估计误差分布不均且估计精度较低的问题,该文提出一种细化频谱迭代插值估计算法。该算法首先根据半长信号的快速傅里叶变换峰值位置计算细化频谱,再利用细化频谱幅值进行频率的无偏插值估计,最后利用估计结果和全长信号更新细化频谱并进行迭代插值重估。仿真结果表明,与现有算法相比,所提算法估计误差分布均匀,且在高信噪比的所有频率范围和低信噪比的大部分频率范围内估计精度更高。同时仿真表明,所提算法在加性均匀噪声环境中也有较好的估计性能。

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。

混合网络研究

自组织网和蜂窝网是移动通信系统的重要组成部分,融合两者的混合网络将可能成为未来移动通信系统的重要组成形式之一。文章介绍了混合网络的研究现状,分析了各网络模型的特性,并对混合网络中的关键技术问题,如框架结构、通信模式选择、信道分配、路由、计费、负载均衡,进行了探讨。文章认为混合网络通过其灵活的网络组建能力,不仅提高了对传统业务的支持,同时也为引入新服务创造了条件。自组织网络和蜂窝网络的融合将为构造下一代移动通信系统奠定基础。

多跳蜂窝网络代理选取问题研究

无线自组织网与未来蜂窝移动通信系统的融合代表未来无线网络的发展趋势。引入自组织方式的必要性划分为形成局域子网、虚拟小区分裂和虚拟小区扩展三个方面。对现有的国内外研究机构提出的系统模型进行了类型划分,针对代理选取问题提出了基于跳数的分布式代理选取算法,并对基于该算法的单小区环境中各个系统参数对代理选取概率的影响进行了仿真分析。仿真结果表明,提高小区的覆盖半径和节点的通信半径是增加代理选取概率的有效方法,而增大搜索的跳数范围却只能在跳数范围较小时有效地提高代理选取概率。

一种基于业务分类的大规模用户高速流量监控策略

随着互联网承载业务的多样化,对互联网的可管、可控提出了更高的要求,本文对基于下一代大规模用户接入环境的流量监控问题展开研究,提出了一种基于用户业务分类的大规模用户高速流量监控策略,该策略可以满足10Gbit/s速率下960个用户的并发流量监控需求。

宽带卫星通信系统编址方案研究

基于星上路由交换技术的宽带卫星通信系统一直是未来移动通信系统的重要组成部分。其中星上路由交换技术成为移动通信领域研究的热点之一。本文在深入分析宽带卫星通信网络的框架结构的基础上,提出了一套用于星上高速数据交换的编址方案,并以此为基础设计了星上交换系统依据数据流的地址域所进行的数据处理流程。

OFDM-WLAN系统互相关超分辨TOA估计

在正交频分复用无线局域网系统的室内场景下,针对单快拍多重信号分类的超分辨到达时间估计由于多径数估计不准确导致的到达时间估计误差偏大的问题,提出了一种未知多径数的互相关超分辨到达时间估计算法。该算法根据正交频分复用无线局域网系统的物理层协议数据单元的特点,考虑到前导码中相邻两个长正交频分复用符号的信道不变性和噪声的不相关性,首先利用两个长正交频分复用符号估计两组信道频域响应,然后,采用前后向频域平滑的方法,求两组信道频域响应的互相关矩阵,进而用所求互相关矩阵逆的高次幂近似噪声特征矩阵的乘积,最后构造伪谱函数并进行谱峰搜索,从而实现到达时间的估计。仿真结果表明,该算法估计精度高,且对噪声不敏感,具有较好的鲁棒性。

新一代的总线结构——RapidIO

本文介绍了用于RapidIO互连技术的提出、一般原理、基本特征,并给出了该技术的典型应用。

混合无线网络中的代理搜索问题分析

自组织网和蜂窝网的融合代表未来无线网络的发展趋势,无线混合网络的代理搜索问题研究对网络规划和设计具有重要的指导意义。本文提出了一种用于分析代理搜索问题的模型,并通过引入代理搜索成功概率目标函数,首次推导出了一跳搜索环境下的成功概率解析表达式。仿真结果表明该解析表达式能够准确描述无线混合网络中的代理搜索问题。

分布式MIMO系统发送天线选择与预编码联合设计

为了抑制多用户分布式多入多出(MIMO)系统中的同道干扰(CCI),使系统同时服务于更多用户,提出一种发送天线选择与预编码的联合设计方法。该方法立足于分布式MIMO系统基站端天线较多的特点,将下行发送天线选择与信漏噪比(SLNR)预编码相结合,通过为用户选择不同天线,从根本上减少CCI;在为每个用户选择天线时,先以信道子矩阵的迹为依据进行端口选择,再采用逐减的方法选择使SLNR损失值最小的天线,以保证每个用户对其他用户的干扰尽量小,从而达到进一步抑制CCI的目的。复杂度分析和仿真结果表明,该方法在具有较低复杂度同时,其容量性能仍可逼近最优算法;较之单纯的SLNR预编码,在相同的容量性能约束下,其能够有效增加系统同时服务的用户数。

一种自动匹配的分布式非圆信号二维DOA快速估计方法

在相干分布式非圆信号2维波达方向(DOA)估计中,针对利用非圆特性后维数扩展带来的较大复杂度问题,且现有的低复杂度算法均需要额外的参数匹配,该文提出一种基于互相关传播算子的自动匹配2维DOA快速估计算法。该算法考虑L型阵列,在建立相干分布式非圆信号扩展阵列模型的基础上,首先证明了L阵中两个子阵的广义方向矢量(GSV)均具有近似旋转不变特性,然后通过阵列输出信号的互相关运算消除了额外噪声,最终利用子阵GSV的近似旋转不变关系通过传播算子方法得到中心方位角与俯仰角估计。理论分析和仿真实验表明,所提算法无须谱峰搜索和协方差矩阵特征分解运算,具有较低的计算复杂度,并且能够实现2维DOA估计的自动匹配;同时,相比于现有的相干分布式非圆信号传播算子算法,所提算法以较小的复杂度代价获得了性能的较大提升。

一种重路由策略在低轨QoS卫星网络中的应用

提出在低轨(LEO)服务质量(QoS)卫星网络中使用重路由策略容纳尽可能多的QoS业务.重路由是为接受新的传输请求,选择一个已经被网络接受的数据流并用其他的路径替代该数据流的路径,且不这样做,就无法接受这个新请求.计算机仿真验证了重路由策略应用在LEOQoS卫星网络中的可行性.结果表明,重路由策略能够有效地提高网络资源利用率,但同时也增大了数据流的连接切换频率.为了解决这个问题,结合LEO星座的网络拓扑特点提出了一种新方法选择数据流进行重路由,仿真结果表明,该选取方法改善了数据流的连接切换频率性能.

多用户MIMO-OFDM系统基于QoE效用函数的跨层资源分配

对多用户MIMO-OFDM系统下行链路的资源分配问题进行了研究。依据实时(RT,real-time)和非实时(NRT,non real-time)业务的不同特点分别设计了QoE效用函数,并提出一种基于RT&NRT QoE效用函数的跨层资源分配算法。该算法利用所设计的效用函数计算用户分得资源所贡献的QoE增量,并根据由QoE增量确定的用户优先级完成时频资源块的分配,进而通过"拟注水"方式对功率分配进行优化。仿真结果表明,该算法相比已有算法在用户平均QoE、实时业务平均分组时延、非实时业务平均分组丢失率以及系统和吞吐量方面的性能均得到了明显改善。

基于QCI优先级的分组调度算法

长期演进(LTE)系统对用户同时获得的多种业务配置了服务质量(QoS)等级标识(QCI)优先级参数,从而优化了移动通信系统QoS评价体系。为此,结合M-LWDF算法,提出一种基于QCI优先级的分组调度算法。将QCI参数引入资源分配和分组调度判决机制,在用户与申请的多项业务间建立优先级关联性,实现多用户之间、单用户的多类型业务之间的联合优化调度。仿真结果表明,该算法能有效提高系统平均吞吐量,降低平均时延。

马尔可夫蒙特卡罗的室内定位算法

针对无线局域网室内定位中接收功率受干扰影响导致位置估计精度偏低的问题,构建基于传播损耗模型的似然函数模型,采用马尔可夫蒙特卡罗抽样方法进行位置估计.该方法将干扰因素构建到模型中,运用随机抽样的方法解决估计问题,具有收敛速度快、估计精度高的优势.理论推导了该模型下坐标估计的克拉美罗界,并在仿真实验中,给出克拉美罗界在定位空间的分布.仿真实验表明,马尔可夫蒙特卡罗抽样方法可精确估计出目标位置,在相同仿真条件下,与共轭梯度法相比,马尔可夫蒙特卡罗抽样方法估计精度高、复杂度低.

基于神经网络的鲁棒NLOS误差抑制算法

提出一种基于Kalman滤波器和神经网络(NN)的非视距(NLOS)误差抑制算法。根据到达时间(TOA)测量值的特点和NLOS误差的统计特性,推导出Kalman滤波器输出无偏估计所需满足的条件,利用NN估计该条件中的环境参数,实现NLOS误差抑制。仿真结果表明,该算法在估计精度和算法鲁棒性方面均具有较好的性能。