基于时变钟差消除的室内载波相位定位算法

针对室内无线环境下传统定位算法定位精度不高以及系统时钟不同步影响定位精度等问题,提出一种基于三差分载波相位测量与到达时间差(TDoA)融合的三维定位算法。考虑到无线接入点之间存在的时变钟差会导致定位精度变低,所提算法结合参考终端测量来消除时变钟差的影响,基于三差分载波相位测量进行相对位置的精确估计,并将其与具有无偏性的差分TDoA定位结果进行融合粗估计。进一步通过泰勒展开方法对载波相位观测方程线性化,并通过解算整周模糊度实现更高精度的定位。仿真结果表明,所提算法可以克服时变钟差对定位性能的影响,并能在短时间内完成整周模糊度解算,最终可实现高精度定位。

面向能量受限工业物联网设备的联邦学习资源管理

针对工业物联网联邦学习网络中由设备电池能量有限导致的设备失效、训练中断等问题,并考虑到无线资源受限的影响,提出一种动态的多维资源联合管理算法。首先,以最大化固定训练时间学习精度为目标,将优化问题解耦为相互依赖的电池能量分配子问题、设备资源分配子问题和通信资源分配子问题。其次,基于粒子群优化算法求解能耗预算下设备传输和计算资源分配策略。再次,提出资源块迭代匹配算法求解出最佳通信资源分配策略。最后,提出在线能量分配算法动态调整设备能量分配策略。仿真结果表明,与基准算法相比,所提算法能够提高模型学习精度,在能源不足场景下性能优势更明显。

基于载波相位的高精度室内快速定位算法

为了提高室内无线环境下定位的精度以及位置解算的速度,提出了一种基于载波相位的高精度室内快速定位算法。该算法通过引入参考终端,利用待定位终端和参考终端载波相位测量值间的双重差分完全消除了设备间钟差对定位算法精度的影响。利用锁相环不失锁期间整周模糊度不变的特性,设计了一种基于多时间点测量数据的整周模糊度迭代解算算法,实现了整周模糊度的快速解算。在解算出整周模糊度后,利用精确的载波相位差分测量值可以实现待定位终端的高精度定位。仿真结果表明,所提定位算法可以完全克服钟差对定位性能的影响,并且能够在极少的采样时间点上实现厘米级的定位精度。

面向无人机雷达通信一体化系统的轨迹与资源联合优化

针对灵活高效的区域探测和数据回传任务,研究了时分复用模式下无人机雷达通信一体化系统(IRCS)的时间资源分配、功率资源分配和无人机轨迹的联合优化问题,以达到最大化系统雷达探测链路和通信传输链路的加权总容量的目的。为解决该非凸优化问题,采用了块坐标下降(BCD)算法及逐次凸逼近(SCP)技术,迭代优化时间资源分配、功率资源分配和无人机轨迹。仿真结果表明,所提方案可以得到收敛解,并且可以有效提升系统容量。

基于模糊神经网络的异构无线网络接入选择算法

针对现有异构无线网络基于模糊逻辑及神经网络的接入选择方法未能合理考虑网络负载状况的问题,提出一种基于RBF(径向基函数)模糊神经网络的接入选择方法。该方法以可接入网络的接入阻塞率相等为模糊神经网络参数强化学习的目标,对网络负载程度具有很好的动态适应性,实现了智能化的接入判决。仿真结果表明,该方法能有效均衡异构无线网络间的负载,保障实时与非实时业务的QoS,并且相对于负载均衡算法(MLB算法)降低了网络的接入阻塞率。

基于多目标决策的异构无线网络接入选择算法

针对异构无线网络基于负载均衡的接入选择算法判决因素不够全面的问题,提出了一种基于多目标决策(Multi-objective decision making,MODM)的接入选择算法。该算法在满足多因素判决、动态适用性的基础上,采用五级标度法和信息熵法确定接入判决指标的主、客观权重,并通过最小二乘法对主、客观权重进行折中选择,判决过程兼顾了网络状态和用户偏好,提高了判决准确性和实用性。仿真结果表明:该算法相对于负载均衡算法,降低了分组业务阻塞率和丢包率,提高了用户满意度。

工业互联网感知通信控制协同融合技术研究综述

感知通信控制的协同融合是工业互联网发展的必然趋势,梳理工业互联网感知通信控制协同融合技术的研究现状与挑战对推动工业互联网发展具有重要意义。首先,介绍了工业互联网中感知-通信-控制三要素间的复杂耦合关系。然后,综述了国内外关于工业互联网感知通信控制协同融合技术的研究现状和面临的问题。最后,围绕工业互联网中感知通信控制协同融合问题对未来的研究方向进行了总结和展望。

用于慢速动态信道分配的热点小区簇衍生算法

针对TD-SCDMA系统现有慢速动态信道分配算法的不足,提出了一种热点小区簇衍生算法。该算法通过热点小区不断衍生的方式形成多小区系统模型,解决了热点小区簇的判别和扩展问题,提高了系统容量。仿真结果表明:热点小区簇衍生算法适用于不同的业务分布模型,相对于热点小区算法,系统资源利用率提高了3.8%。

一种面向业务的移动数据业务带宽分配方法

针对移动数据业务未在核心网侧部署区分业务的带宽分配策略问题,提出了一种基于GGSN的面向业务的带宽分配方法。该方法利用分形布朗运动模型和G/D/1(n)排队模型分析不同业务的带宽需求,并结合GGSN设备功能及带宽资源情况,实现了面向业务的移动数据业务带宽分配。理论分析和仿真结果表明,该方法能有效地区分不同业务的服务质量并保障高价值业务的带宽需求。

基于用户偏好预测的无人机部署和缓存策略

针对蜂窝网络中的缓存问题,考虑用户内容请求的空间异构性及时间波动性,提出了一种基于单个用户内容偏好预测的蜂窝网中无人机位置部署及缓存内容部署方案。首先基于用户的历史上下文信息,利用文件相似性及用户相似性来预测每个用户的内容偏好特性,并使用一种基于线性回归的方法来预测用户未来发起内容请求时的位置和时间;然后根据预测的地理位置、请求时间和内容偏好,分别利用基于自组织映射神经网络(SOM)的聚类算法和基于凝聚嵌套(AGNES)的分簇算法设计无人机的部署位置,并根据相应的无人机位置设计内容部署方案。仿真结果表明,所提算法在缓存命中率和时延性能上均优于对比算法。对真实数据集的分析结果表明,不同的用户特征对内容偏好影响权重不等,因此需要对不同的用户特征赋予合理的权值。

面向5G NR的动态拓扑高精度载波相位定位方法

为了在动态拓扑环境下实现高精度的定位,提出了一种适用于第5代移动通信新空口技术(5G NR)的载波相位定位方法。在动态拓扑环境中,接入点与终端的相对移动难以保证合理的几何布局,因此提出了一种基于几何精度因子的节点优选方法。考虑到动态拓扑的情况,建立了载波相位时域差分方程,以高精度估计位置的变化,并与到达时间差算法相结合,得到初步的位置估计。将这个初步估计作为泰勒展开的起点,使多个时刻上的方程组线性化,最终得出整周模糊度的解。仿真结果表明,基于节点优选的载波相位定位方法可在动态拓扑环境中实现高精度的整周模糊度解算和厘米级的定位精度。

面向5G需求的移动边缘计算

移动边缘计算有助于实现第五代移动通信(5G)新业务超低时延、高能效、超高可靠和超高连接密度的需求,是未来5G通信的关键技术.从细粒度任务卸载算法、高可靠任务卸载与预测算法以及服务器联合资源管理策略3个方面,介绍了现有移动边缘计算技术在面向5G业务需求的工作进展,分析了未来移动边缘计算面临的挑战,并给出了未来的研究方向和研究热点.

基于PSO模糊神经元的异构无线网络接入选择

采用模糊逻辑和神经网络技术进行异构无线网络接入选择的方法未合理考虑网络负载状况,为此提出一种对网络负载具有很好动态适应性的基于粒子群优化(PSO)模糊神经元的接入选择方法.该方法将可接入网络的接入阻塞率相等作为模糊神经元参数学习的目标,并结合具有全局寻优能力的PSO算法设定参数初值,提高了参数学习精度.仿真结果表明,该方法能有效实现网络间负载均衡,相对于最大负载均衡算法可降低网络的接入阻塞率.