基于SINR的动态无线网络分布式链路调度

无线信号之间的干扰阻碍了信号的并发传输,降低了无线网络的吞吐量.链路调度是提高无线网络吞吐量、减少信号传输延迟的一种有效方法.因为SINR (signal to interference plus noise ratio)模型准确地描述了无线信号传播的固有特性,能够真实反映无线信号之间的干扰,提出一种在动态无线网络中基于SINR模型的常数近似因子的在线分布式链路调度算法(OLD_LS).在线的意思是指,在算法执行的过程中任意节点可以随时加入网络,也可以随时离开网络.节点任意加入网络或者从网络中离开体现了无线网络的动态变化的特性. OLD_LS算法把网络区域划分为多个正六边形,局部化SINR模型的全局干扰.设计动态网络下的领导者选举算法(LE),只要网络节点的动态变化速率小于1/ε, LE就可以在O(log n+log R)ε≤5(1-21-α/2)/6,α表示路径损耗指数, n是网络节点的规模, R是最长链路的长度.根据文献调研,所提算法是第1个用于动态无线网络的在线分布式链路调度算法.

基于上行质量(SINR)NR-LTE切换功能研究

SA商用后存在上行速率变差的问题,同时随着SA驻留比、SA分流比提升的工作进一步推进,5G到4G互操作门限下探3-5dB,上行边缘体验风险进一步加剧。文章对基于上行质量(SINR)的NR-LTE的切换功能的研究,当基站侧检测到UE上行SINR较差时,启动基于上行弱覆盖的NG-RAN至E-UTRAN系统间切换或重定向。该功能既能有效地保证5G用户的上行体验,同时也尽可能确保5G驻留比、5G分流比、5G MR覆盖率等指标不恶化,可以作为现网基于覆盖切换的一个补充机制。

异构无线网络中基于SINR和层次分析法的SAW垂直切换算法研究

B3G或者4G无线网络体系致力于集成各种异构无线接入网络,其中一个主要的设计课题是支持垂直切换的研究。该文将多属性QoS考虑在内,针对各业务特点,提出一种基于SINR(信干噪比)和层次分析法(AHP)的SAW(简单加权法)垂直切换算法(SASAW)。它综合考虑SINR的影响以及要获得同等数据速率情况下,目标网络需要的等效SINR数值、用户通信代价、网络可用带宽等来构造属性矩阵做切换判决。为了评估性能,考虑3GPP定义的4类业务,利用层次分析法中的特征向量法来决定各个QoS属性之间的权重关系,构造比较判决矩阵并检验其一致性;根据判决矩阵,利用特征根法获得权重向量;最后根据属性矩阵和权重向量,利用SAW垂直切换算法进行判决。通过对算法的通过率、丢话率、垂直切换次数、平均用户代价等的性能比较,结果表明该文提出的算法能够根据各业务特点综合考虑各属性间关系,获得优良的系统性能。

部分极化情况下SINR极化滤波器性能研究

针对最为一般性的部分极化情况，研究了ＳＩＮＲ滤波器的极化域性能，着重讨论了滤波器的通带特性，推导了滤波器通带及其面积公式，并利用通带特性分析给出了一种新的最优滤波器参数求解方法。

基于等效SINR的VLC与WiFi垂直切换算法

针对室内可见光异构通信网络中,现有切换算法无法感知不同网络服务质量、不能保证用户始终获得最优网络服务的问题,提出一种基于等效SINR的VLC(visible light communication,可见光通信)与Wi Fi垂直切换算法。算法将达到相同最大传输速率作为转换条件,将VLC SINR转换为等效的Wi Fi SINR,在此基础上实现切换触发和判决。根据目标网络和服务网络SINR差值与设定切换门限的对比结果进行切换触发,考虑到VLC易受遮挡干扰影响的特点,引入驻留定时器进行切换判决,保证判决准确性。仿真实验表明,该切换算法能保证用户接入到提供最大传输速率的网络中,并且对于不同VLC网络布设和室内光环境影响都具有较好的适应性,更加适合室内融合VLC异构通信网络。

GNSS空时最大SINR天线阵抗干扰算法机理分析

未来功率增强背景下,主波束指向有用信号并且将零陷指向干扰的空时联合处理将成为GNSS天线阵抗干扰的主要方式。采用最大信干噪比准则是实现这一目标的方法之一,但随着时域抽头数增加,信号方向的等效滤波器频率响应通带以信号载频为中心将逐渐变窄。传统观点认为这一现象是由BPSK信号频谱峰值位于中心频率处的特性决定的。本文深入分析了这一现象出现的机理,首次推导出等效滤波器响应的峰值位置及零点位置,指出上述现象的根本原因是空时导向矢量仅取中心频率值使得通带集中在这一频率附近。有用信号为M码BOC(10,5)调制信号,其频谱呈多峰特点,且载波频率处频谱值为零,但最大SINR空时处理等效滤波器响应的特性并不因此而改变,从而验证了本文结论。

不同培养条件对枯草芽胞杆菌BS168-ΔsinR生物膜形成及维生素K2产量的影响

枯草芽胞杆菌(Bacillus subtilis)是合成维生素K2的微生物之一,维生素K2的合成量又与细菌生物膜有重要关系。其中sinR是生物膜形成环节中的关键调节基因,我们用同源重组的方法构建枯草芽胞杆菌sinR缺失突变体(ΔsinR)菌株,再以BS168-ΔsinR菌株为出发菌株,采用微孔板法-结晶紫染色测定生物膜形成量,核酸定量仪测定胞外蛋白,苯酚硫酸法测定胞外多糖,HPLC测定维生素K2的生物合成量。比较分析了不同温度、pH、以及不同浓度的金属离子(Mn^(2+)、 Fe^(2+)、Ca^(2+))对枯草芽胞杆菌BS168及BS168-ΔsinR生物膜形成能力以及维生素K2合成量的影响。结果表明,重组菌BS168-ΔsinR生物膜形成能力和维生素K2合成能力均优于原始菌BS168,且重组菌在生物膜形成、维生素K2合成过程中对温度、酸碱性的适应能力也强于原始菌。一定浓度的金属离子可以促进生物膜的形成及维生素K2的合成。2株菌生物膜形成的最佳条件为温度37~40℃、pH 8.0、Mn^(2+)浓度0.01 mmol/L、 Fe^(2+)浓度1μmol/L、Ca^(2+)浓度0.01 mmol/L,维生素K2合成的最佳条件是温度40℃、pH 7.0~8.0、Mn^(2+)浓度0.1 mmol/L、 Fe^(2+)浓度50μmol/L、Ca^(2+)浓度1 mmol/L。该研究为深入探究sinR基因参与枯草芽胞杆菌生物膜形成的机制及提高维生素K2合成产量提供实验基础和理论支撑。

最大输出SINR准则STAP检测器及其性能分析

文中基于最大输出SINR准则构建了STAP检测器,通过对假设检验关系的合理设置,推导出了检验量的统计特性,并得出了虚警概率和检测概率与检测门限的关系,以及在给定虚警概率条件下的判决门限。仿真结果验证了理论分析的正确性,以及该检测器具有良好的检测性能。

基于分式二次规划的互模糊函数赋形方法

在开展认知雷达波形设计时,由于发射波形与接收滤波器的非匹配体制,互模糊函数赋形相比传统模糊函数赋形优化自由度更高。该文针对强杂波条件下微弱运动目标检测问题,以最大化信干噪比为优化准则,提出了一种联合发射相位编码序列与接收滤波器设计的互模糊函数赋形方法。在恒模约束下,优化问题被建模为二次分式规划形式;然后通过引入辅助变量,并利用共轭梯度法求解Stiefel流形空间上的最小化问题,非凸优化据此转化为恒模约束二次优化问题;通过交替循环和类幂迭代算法求得最优解。此外考虑到发射波形受硬件限制而难以实现严格恒模,该文构建了一种低峰均比约束二次优化问题模型,并利用最近邻向量法求得最优解。最后,不同参数下的仿真与实测数据实验表明,该文赋形方法相较于传统方法具有较高的信干噪比增益和收敛速度。

SINR极化滤波器通带性能研究

本文在非相干、完全极化、单信号 -干扰源情况下 ,研究了 SINR极化滤波器的通带特性 ,具体给出了极化轨道上局部化 SINR滤波器通带的计算公式、全极化域 SINR滤波器通带计算公式以及通带范围尺度的定量描述和相应的性能曲线。

3株紫花苜蓿根瘤菌sinR基因的克隆、序列测定及系统发育分析

为从与紫花苜蓿共生的3株不同根瘤菌（CCBAU 30085、USDA 1002和CCBAU QH180）中扩增参与根瘤菌群体感应调控的转录激活蛋白基因（sinR基因）并比较它们的不同，根据文献[1]，设计了一对引物，通过PCR扩增，将扩增产物克隆到pGEM-T-easy载体上，转化大肠杆菌DH5α，经蓝白斑和氨苄青霉素筛选得到阳性转化子，用通用引物测序后将序列与已报道的sinR基因（GenBank登录号为AL591788）进行了同源性比较和系统发育分析，本试验成功克隆到了sinR基因，经同源性及系统发育分析后，结果表明，CCBAU30085、USDA1002和CCBAUQH180这3株菌的sinR基因序列相似性高达99％；它们与已知的Sinorhizobium meliloti 1021中的sinR基因序列相似性到达99．7％-100％，与具有相同功能的豌豆根瘤菌及埃氏菜豆根瘤菌中的raiR基因之间的相似性低于45％，这说明与紫花苜蓿共生的根瘤菌虽然经历了长期的进化，但其sinR基因在长期的进化过程中，却是一个非常保守的基因。

自适应SINR门限的自动邻区关系生成算法

在长期演进(LTE)系统中,为保证终端通信的正常进行,每个小区需要维护一张邻区列表,该表决定终端切换的范围和方向.传统的相邻小区列表配置是网络工程师根据现场勘测情况进行配置,这样不仅会消耗大量的时间和人力,而且不具有全网统计性.笔者提出一种基于自适应SINR门限的自动邻区关系生成算法.该算法引入了自适应SINR门限以及"投票模型",充分考虑到了LTE网络中的小区类型,并能有效反映实际的网络环境,最终实现动态的相邻小区列表管理.通过仿真评估不同的SINR取值对相邻小区列表的冗余率和准确率的影响,获取了该算法的增益.

相继干扰消除的无线自组网基于SINR模型的调度

干扰是限制现代无线网络性能的关键因素。相继干扰消除(SIC)是一种简单而强大的多包接收技术,它可在物理层有效地处理干扰。本文研究了支持SIC的Ad Hoc网络中基于累积干扰模型的链路调度。干扰的累积效应与SIC的顺序解码特性相互作用,给干扰刻画与链路调度带来了重要的技术挑战。为刻画多条链路的干扰的累积,对任意链路,定义冲突集以表示一组能干扰它的解码。然后提出冲突集图(CSG)以刻画网络的干扰并定义干扰度以衡量链路的干扰。由于基于CSG的调度为NP-hard问题,设计了基于独立集的贪婪算法以有效地构造近似最优的可行调度。仿真实验表明,与简单的贪婪算法相比[1],本算法吞吐量平均提高30%且最高达60%。

极化轨道上SINR滤波器的通带性能研究

本文研究了非相干、完全极化,单信号-干扰源情况下局部化SINR极化滤波器的通带特性,具体导出了在大圆、小圆极化轨道上SINR滤波器通带的计算公式,分析了滤波器通带性能与电磁环境参数的关系。并给出了一组典型滤波器通带特性曲线。

无线传感网络中SINR模型下MIS算法的研究

在SINR模型上对MIS算法进行研究.首先通过理论分析得出MIS算法节点的度受SINR模型下路径损耗指数和信噪比值的约束,然后利用NetLogo和Matlab软件进行模拟和分析,最后通过实验得出当路径损耗指数和信噪比的值越小,MIS算法运行时间越短;当路径损耗指数和信噪比的值越大,MIS算法运行时间越长.

强干扰环境中SINR极化滤波器的性能分析

研究了最优极化滤波问题,针对已有工作对信号干扰噪声比(SINR)极化滤波器性能分析的不完备性,对强干扰环境中SINR极化滤波器的性能进行了全面分析。推导出强干扰环境中SINR极化滤波器最优解的解析表达式,构建电磁环境参数空间来综合考虑不同电磁环境参数对滤波性能的影响,详细讨论了滤波性能对信号极化度、干扰极化度及极化匹配系数等参数的复杂依赖关系,最后给出性能分析的相关结论。

受SINR约束的最小延时数据聚集调度算法

针对现有的基于物理干扰模型的数据聚集调度近似算法具有延时较高的问题,提出了一种改进的数据聚集调度近似算法。该算法首先构造一个连通支配集作为数据聚集树,使各节点根据数据聚集树分层进行数据调度;然后将整个网络划分为若干个边长相等的正方形区域,使每个区域中最多包含一个支配节点;最后对各个区域进行着色,并从颜色相同的每个正方形区域中任选一个普通节点,使它们能同时将数据汇聚到相应的支配节点。当数据从所有普通节点聚集到相应支配节点后,则将这些正方形区域构成一个大小相同的块,并采用四种颜色对这些块进行着色,使颜色相同的各个块中任选一条通信链路能够同时进行数据传输而不会发生通信冲突和干扰。理论分析表明,该算法的延时上界为K2Δ+8K2R-3R;仿真模拟的结果表明,该算法产生的数据聚集延时低于现有算法。

基于特殊场景的5G广播波束权值应用与研究

本文研究特殊场景5G网络天线波束权值优化方法,建立天线权值理论模型进行迭代计算、测试验证等,并总结隧道、高速公路、桥梁、滨江路、高层五大特殊场景的天线权值配置方案。通过将该天线权值配置模型应用于现存网络,5G网络信号电平和信干噪比等关键网络质量指标均达到相对最优。本文总结的5G广播波束权值优化方法,可供广大网优工程师参考。

酉阵和非酉阵预编码的输出SINR分析

在LTE(Long Term Evolution)的预编码技术中,预编码矩阵存在着使用酉阵和非酉阵的选择。本文分析了酉阵预编码的输出SINR的形式,提出了一种简化计算输出SINR计算的方法,计算4个矩阵(8个矢量)的输出SINR操作复杂度下降到原始方法的18%。同时分析了非酉阵预编码时的输出SINR相比于使用酉阵时的损失。仿真结果表明,非酉阵预编码相比于酉阵预编码在输出SINR上会有损失,这种损失从统计上可以用线性关系近似描述。

一种鲁棒的LTE-A系统中下行多用户MIMO技术及UE级的SINR补偿机制（英文）

针对多用户特征模式传输(MET)算法这种典型的多用户多入多出(MIMO)算法,现实系统中实现时有两个重要限制:其一要求发射端的和功率约束;其二假定噪声、邻区干扰功率项在基站侧已知且将其建模为加性高斯白噪声(AWGN)。在现实系统中,一方面最好遵循每天线发射最大功率的限制,另一方面需要考虑对噪声、邻区干扰功率项的建模,以期望在基站侧更好模拟用户设备(UE)端最终真实感受到的噪声与干扰功率。基于此,提出了一种鲁棒的针对LTE-A的下行多用户MIMO技术,即自适应的切换波束赋形权值归一化算法。同时,基于该归一化的波束赋形权值,提出一种UE级的信干噪比(SINR)补偿机制。使用该补偿的UE级的SINRs,一方面可基于如容量最大等准则,挑选获得给定调度资源上的最优多用户配对集;另一方面,针对该最终配对的多用户集,使用每UE的补偿SINRs做链路自适应,即MCS选择,从而期望获得系统整体和吞吐量的提升。最后,给定仿真参数,链路级仿真结果验证了所设计算法的有效性。