可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面(RIS)辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波(KR-HBKF)算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5 dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。

铁路应急场景下无人机通信感知一体化无线网络资源智能分配算法

面向恶劣自然环境下地面基础设施受损的铁路场景,该文提出一种无人机(UAV)通信感知一体化无线接入网络架构,实现对列车运行环境的实时感知及应急信息回传。考虑到无人机的续航能力有限,通过建立列车制动距离模型与无人机能耗模型,在满足信息回传通信性能与列车环境感知需求的情况下,联合调整无人机飞行速度和通信发射功率以优化无人机整体能耗。通过分析发现,该优化问题符合马尔可夫决策过程(MDP),基于此,提出一种基于深度双Q网络(DDQN)的无人机通信感知一体化无线资源智能分配算法解决上述问题。最后,该文对所提算法的收敛性能、无人机环境感知距离和无人机能耗进行了仿真实验。仿真结果显示,所提算法具有良好的收敛性能,在满足铁路应急场景环境感知及信息回传需求的同时,能够最大化无人机通信作业时长。

低导频开销RIS辅助毫米波MIMO系统参数化信道估计方案

为了解决可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息及时获取问题,提出了一种基于张量分解的信道估计方案。首先,通过使用少量无源反射单元和构建相移矩阵,设计了一种低导频开销的信道训练机制。然后,通过利用范德蒙德结构约束的张量典范平行因子分解,推导出一种非迭代的信道估计算法。理论分析表明,该方案的最小导频开销仅取决于反射链路子信道路径数乘积,且具有较低的计算复杂度。仿真结果进一步验证了所提方案相较于其他方法的优越性。

智能反射面辅助的OFDM系统稀疏信道估计研究

针对智能反射面(IRS)辅助的宽带正交频分复用(OFDM)系统的信道估计,当前大多数研究都是基于单符号全导频设置,且级联信道系数过多会导致导频开销较大。为此,提出了一种基于时域-角域块稀疏的两阶段信道估计方案。首先,通过分析信道在时域和角域上存在的共同稀疏特性,将级联信道矩阵转换为时域-角域上的块稀疏表示,并将信道估计问题转换为块稀疏矩阵恢复问题。其次,考虑传输导频限制和时域-角域块稀疏特性,提出了一种两阶段稀疏信道估计方案对级联信道进行稀疏恢复。仿真结果表明,相比另外三种基准方案,该方案可以使用较少的导频获得更优的信道估计性能,有效减少了导频开销,且估计准确度更高。

ADS-B信号在对流层大气波导中的传播性能

对流层大气环境存在特殊大气结构“大气波导”,可形成电波超视距传播或产生雷达盲区等。目前,通过雷达、GNSS信号等可以对大气波导进行一定程度的反演探测,但均存在一定的不足。ADS-B信号具有应用范围广、信号密度大、实时性高等特点,为此提出利用ADS-B信号受到不同大气环境影响后能量损耗不同的特点对ADS-B信号与对流层大气环境关联性进行分析研究。以武汉地区ADS-B信号数据为例,基于抛物方程传播理论对路径损耗进行仿真分析,并进行了实验验证。结果表明:ADS-B接收信号与仿真结果存在线性相关性并给出线性表述,为后续利用ADS-B信号反演大气波导提供参考依据。

基于毫米波雷达的生命体征信号检测实验教学设计

为了提高学生嵌入式系统的软硬件设计能力,设计基于毫米波雷达的非接触式生命体征信号测量实验。一方面,基于调频连续波(FMCW)雷达机制,采用MATLAB进行生命体征信号建模及呼吸率与心率时频信号提取的仿真实验;另一方面,采用60 GHz毫米波雷达模块,基于STM32单片机进行系统电路设计、PCB设计与实物制作,完成参试者呼吸率及心率的数据采集与OLED显示。上位机采用Qt Creator进行软件界面与功能设计,通过蓝牙模块与单片机进行无线数据通信,以30 s为周期执行呼吸率和心率数据的读取与显示。最后,搭建测试环境,对系统功能进行验证及其设计指标的测试与评估。该实验项目与生活实际紧密相关,注重理论与实践相结合,在系统整体设计与跨平台设计中培养学生的综合实践能力与协作能力。

太赫兹近场通信信道特性研究综述

为满足不断提高的数据传输需求,未来的通信技术会向更高的载波频率发展,基于太赫兹频段的通信可实现高稳定性和高数据速率通信。本文综述了太赫兹近场信道特性及信道建模的研究进展,介绍了太赫兹频段下对近场信道分析的必要性,对比了远近场信道的区别;针对太赫兹近场通信信道,介绍了球面波前建模与基于电磁波理论的模型;结合信道建模技术与近场信道特点,介绍了可用于近场信道建模的方法论;最后对太赫兹近场信道特性研究进行了总结并对未来发展方向进行了展望。

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。

串行干扰消除接收机下模式分割随机接入设计与分析

利用模式域导频进行信道估计的PDRA框架可有效减轻机器类通信MTC背景下RA的导频碰撞问题。为进一步探索PDRA框架的潜能,将串行干扰消除SIC接收机与PDRA结合,利用SIC算法消除解码成功用户的模式域导频信号来降低干扰,从而缓解导频碰撞问题。仿真结果表明,与MF接收机下的PDRA方案相比,SIC接收机能进一步利用PDRA框架带来的潜在增益,呈现出更高的接入成功概率。

BIOS辅助的无人机通信系统的联合优化

智能全表面作为可重构智能反射面的重要成员,因其能够同时服务于超表面两侧的用户设备而受到了越来越多的关注。为了解决城市场景中无人机与地面用户设备受到障碍物阻挡的问题,研究了一种基于双层智能全表面(BIOS)辅助的无人机通信系统的联合优化,目标是通过联合BIOS的两个相移设计和无人机飞行轨迹设计最大化所有用户的和速率。虽然由于其非凸性而难以求解最优解,但为了解决该问题,提出了有效的算法来获得高质量的次优解。仿真表明,BIOS相对于传统的智能反射面辅助无人机通信,用户设备的和速率显著提高。

全电子的300 GHz太赫兹无线通信

太赫兹波作为一种新的高频段资源,有着更高的载波频率,可以承受更大的带宽和传输速率,成为新一代宽带通信中的研究热点。本文基于纯电子学器件成功搭建300 GHz的太赫兹无线通信系统,其发射机结构简单,复杂度相比光子辅助系统更低。进行了无线距离50 m和100 m的信号传输实验,对系统的传输性能进行了实验探究,验证了传输性能和传输速率、发送电压之间的关系。目前,在不使用功率放大器(PA)的情况下,100 m是全电子太赫兹无线传输系统能达到的最远距离。

基于测量的典型工业物联网场景毫米波信道特性分析

为更好地补充和扩展典型工业物联网(Industrial Internet of Things,IIoT)场景中毫米波频段电波传播特性的研究,并满足IIoT在连接性、可靠性、安全性、智能化和覆盖性等方面的更高需求,在26 GHz频段下,对典型IIoT场景进行了信道测量与特性分析。研究涉及的典型工业场景包括不同设备布置密度的工业密集场景和工业稀疏场景。基于实测数据,对上述两种工业环境下的信道特征参数进行了萃取,并在此基础上分析和比较了两种典型工业场景的毫米波信道特性。研究发现,由于工业密集场景存在大量金属设备会对信号产生强反射,导致其路径损耗指数小于工业稀疏场景,且莱斯K因子更小、时延扩展更大。当接收端使用相控阵天线时,通过波束跟踪可以实时调整波束方向,从而提高信号的传输效果,减小信号传播时延。对IIoT场景信道特性的准确分析将有助于理解信号在工业环境中的传播规律,预测和评估通信系统的传输可靠性,进而优化系统设计和网络规划,确保IIoT应用的高效稳定运行。

基于流形优化的RIS辅助通感一体化系统传输方案设计

针对可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助通感一体化(Integrated Sensing and Communication,ISAC)系统中的有源和无源波束成形联合设计问题,提出基于流形优化的用户和速率最大化联合设计方案。该方案以最大化用户通信和速率为目标,考虑RIS反射系数恒模约束、基站最大发射功率约束以及发射波束感知性能约束,建立流形约束下的有源和无源波束成形联合优化问题模型。针对建立的非凸优化问题,利用流形优化求解非凸约束问题的优势,提出一种基于流形优化的交替算法(Manifold Optimization-based Alternating Algorithm,MO-AA)对问题进行求解。仿真结果表明,在ISAC系统中部署RIS可提高通信服务质量,且所提算法较现有算法具有更高的通信和速率。

基于深度学习的智能表面毫米波MIMO信道估计

研究了一个基于深度学习的大型智能表面(Large Intelligent Surface, LIS)毫米波多输入多输出(Multiple-Input Multiple-Output, MIMO)系统。为了克服波长和阵列间距相差较大的信号传输问题,传统的均匀线性阵列(Uniform Linear Array, ULA)被替代为均匀平面阵列(Uniform Planar Array, UPA)。提出了一种基于改进的双卷积神经网络——ChannelNet的信道估计方法。采用最小二乘(Least Squares, LS)算法获取初始化的信道信息,使用ChannelNet获得更高精度的信道信息,并重点探究了在UPA结构下的表现。通过与LS算法和多层感知器算法进行比较。结果表明,该算法在信道估计精度和效率方面均优于以上2种算法,且使用UPA结构的ChannelNet算法相对于使用ULA结构的表现更好。该方法在毫米波MIMO信道估计方面具有更好的性能。

毫米波大规模MIMO系统中高效分层波束搜索算法

波束成形技术是克服毫米波与太赫兹频段的高路径传播损耗的关键技术之一。为实现波束成形,3GPP提出一系列波束管理程序,用于确定和维护一组收发波束。其中,降低收发波束确定算法的错误概率和搜索时间对于提高系统性能至关重要。为此,联合使用天线子阵列和天线失活技术,设计一种适用于任何天线数的灵活结构分层码本,并基于该码本提出了两阶段搜索算法。仿真结果证实了所提出的分层搜索方案在搜索时间和搜索准确性上的优越性。

新型非正交多址接入技术:理论、应用与未来方向

第六代移动通信系统面临着前所未有的技术挑战,NOMA作为解决6G关键问题的重要手段,近年来得到了广泛的研究讨论。与传统正交多址接入方案相比,NOMA的主要特点是通过非正交资源分配服务更多数量的用户,并通过干扰消除技术抵消用户间干扰的影响。首先介绍了NOMA的基本理论,然后讨论了6G场景下NOMA关键技术的理论研究及工程实现情况,最后对NOMA的应用场景和未来研究方向进行了描述与展望。

一种深度学习的波束空间信道估计算法

在时分双工(TDD)毫米波大规模多输入多输出(MIMO)系统中,因为波束空间信道具有稀疏性,导致将低维测量数据重建为原始高维信道时会带来较高的复杂度。针对上行链路,在不考虑稀疏度的情况下,将传统优化算法和基于数据驱动的深度学习方法相结合,提出一种改进的基于深度学习的波束空间信道估计算法。从重建过程入手,通过交替建立梯度下降模块(GDM)和近端映射模块(PMM)来构建网络。首先根据SalehValenzuela信道模型进行理论公式推导并生成信道数据;其次构建一个由传统迭代收缩阈值算法(ISTA)的更新步骤所展开的多层网络,并将数据传输到该网络,每层对应于一次类似ISTA的迭代;最后对训练好的模型进行在线测试,恢复出待估计的信道。构建Py Torch环境,将该算法与正交匹配追踪(OMP)算法、近似消息传递(AMP)算法、可学习的近似消息传递(LAMP)算法、高斯混合LAMP(GM-LAMP)算法进行对比,结果表明:在估计精度方面,所提算法相对表现较好的深度学习算法LAMP、GM-LAMP分别提升约3.07和2.61 d B,较传统算法OMP、AMP分别提升约11.12和9.57 d B;在参数量方面,所提算法较LAMP、GM-LAMP分别减少约39%和69%。

IRS辅助下利用AN对抗窃听的双向通信安全传输方案

本文研究了IRS辅助的双向通信系统中利用人工噪声对抗窃听的安全传输方案。针对存在主动式窃听和用户间直接连接的一种通用系统模型,从双向通信的可达安全速率域出发,致力于提升该域中的最坏和保密率(SSR)。由于人工噪声对最坏SSR有影响,本文在合法用户处采用了人工噪声,通过对人工噪声的功率分配系数以及IRS相移的优化,实现最坏SSR的提高。采用交替优化方法求解相应的优化问题,其中优化功率分配系数的子问题以封闭形式给出最优解,而优化相移的子问题则通过半正定松弛和一种新颖的高斯随机化方法解决。仿真结果证实,该方案比传统方案具有更高的SSR,说明了在双向安全通信系统中采用AN的必要性。

基于TSV技术的Ka频段硅基天线设计

TSV(Through-Silicon Via硅通孔)技术是现代集成电路设计的新型工艺。基于此工艺,针对射频通信系统小型化、高集成度的要求分别设计了工作于Ka频段的硅基多端口天线和单端口集成天线。整体结构采用CPW(Co-Planar Waveguide共面波导)和TSV结合的方式实现了对天线的馈电。在此基础上,分别设计了中心频率为35GHz的2X2四端口天线阵和中心频率为35.5GHz的单端口集成天线。仿真结果表明,天线阵列的相对带宽分别为2.88%和6.56%,增益约为4.57dBi和4.06dBi。

深度强化学习下连续和离散相位RIS毫米波通信

在分布式智能反射面(RIS)辅助多用户毫米波(mmWave)系统中,利用深度强化学习(DRL)理论学习并调整基站发射波束赋形矩阵和RIS相位偏转矩阵,联合优化发射波束赋形和相位偏转,实现加权和速率最大化。即在离散动作空间中,设计了功率码本与相位码本,提出了用深度Q网络(DQN)算法进行优化发射波束赋形与RIS相位偏转矩阵;在连续动作空间中,采用双延迟策略梯度(TD3)算法进行优化发射波束赋形与RIS相位偏转矩阵。仿真分析比较了在不同码本比特数下离散动作空间和连续动作空间下系统的加权和速率。与传统的凸优化算法以及迫零波束赋形随机相位偏转算法进行了对比,强化学习算法的和速率性能有明显提升,连续的TD3算法的和速率超过凸优化算法23.89%,在码本比特数目为4时,离散的DQN算法性能也优于传统的凸优化算法。