面向6G高铁移动场景的R10编码传输方案

6G时代越来越多的智能应用将在高铁中部署,需要高铁移动网络提供可靠和高效的传输服务。然而,受高速移动影响,车-地通信链路呈现快时变特性,采用传统的信道估计、反馈机制难以有效跟踪链路的快速时变,因此高铁移动网络亟需高效的前向纠错无反馈传输方案。由于R10编码兼顾了喷泉码和系统码的优点,将其引入高铁移动场景,提出了一种基于R10编码的高速移动车-地编码传输方案。采用该方案,发送端编码过程加入结构化冗余信息结合特定编码规则生成并发送任意数量编码符号,而接收端只需要收集一定数量编码符号结合结构化冗余信息即可更精准地恢复原数据,因此可实现更低的误码率。仿真实验表明,所提方案与传统无需反馈编码传输方案相比误比特率大大降低。以Turbo码为例,误比特率降低了约13%。

一种行人遮挡下的UWB非视距传播识别方法

超宽带(UWB,ultrawideband)技术带宽大、抗干扰能力强、多径分辨率高,是室内定位的热点技术。然而由于室内环境复杂,UWB信号传播不可避免会受到遮挡,产生非视距(NLOS,non-line-of-sight)传播,极大降低了UWB定位的精度。因此,准确识别出NLOS数据,将其进行剔除或矫正,对缓解定位精度下降问题有重要的作用。现有NLOS识别工作多数聚焦于墙体等建筑结构遮挡的场景,行人遮挡的场景需要进一步讨论。由于人体遮挡对信号的影响复杂且不可忽略,针对行人遮挡下的UWB非视距传播识别问题进行研究。综合比较多种机器学习方法和信号特征组合,提出了一种基于第一路径信号功率、总接收信号功率和测量距离三维特征的随机森林方法,使用较少维度的特征达到了良好的NLOS识别效果。基于不同实测数据的实验结果表明,采用所提三维特征的随机森林方法在3组不同数据集上的NLOS识别准确率分别达到了99.05%、99.32%和98.81%。