相继干扰消除的无线网络中的调度算法

相继干扰消除(successive interference cancellation,简称SIC)是一种多包接收技术,它从冲突信号中解码报文.SIC可有效减轻无线网络中的干扰.SIC的顺序解码特性给链路调度带来了新的挑战.提出并发图以刻画SIC导致的链路相关性.基于并发图,定义链路的干扰数并据此设计有效的调度机制.证明了基于并发图的链路调度是NP-hard的,而最大干扰数提供了极大贪婪算法的性能下界.在讨论了一类基于独立集的贪婪算法之后,结合干扰数对链路排序,给出了一种理论上性能更好的算法.仿真结果表明,仅需略高于现有模型的开销,与IEEE 802.11相比,新调度算法的性能提高可达110%.

相继干扰消除的无线网络中的调度性能分析

研究了支持相继干扰消除(successive interference cancellation,简称SIC)的无线网络中链路调度算法的设计与分析.首先,为刻画SIC的顺序检测特性,提出M-level非累积干扰模型与有序累积干扰模型.然后,由于两种模型下的调度均为NP-hard问题,研究了近似调度的性能:(1)给出了一种工作于有序累积干扰模型的调度机制,其近似比为O(g),其中,g为网络的链路多样性指数;(2)给出了一种工作于M-level非累积干扰模型的调度机制,其近似比为常数.最后,通过仿真实验考察了SIC对调度性能的影响.

无人机自组织网络多包接收智能信号检测算法

在无人机自组织网络(UAV Ad Hoc Network, UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能。针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号检测算法。该算法保留了迭代并行干扰消除算法的整体结构,采用最合适的深度神经网络来代替传统的基于信道模型的复杂计算,使得分簇UANET的簇头节点不仅可以对任意无记忆固定信道进行处理,而且也不需要去获取准确的信道状态信息便可以同时正确接收来自多个发送节点并发传输过来的数据包。仿真结果表明,该算法可以在不同场景下有效降低系统误码率(Symbol Error Rate, SER),从而有效增加UANET的通信并发度。在线性信道多节点通信场景下,所提出的算法相比于最优MAP(Maximum A Posteriori,最大后验概率)检测算法,系统误码率可以降低约25%。

矿井机车无人驾驶系统基站接入控制策略

将多包接收技术应用到井下无线宽带网络中,研究如何调整每辆机车车载终端的发射功率,使每个基站在满足干扰约束的前提下同时接入的机车数量最大。首先,建立基于相继干扰消除算法的单基站多矿井机车的调度模型;其次,通过模型的干扰约束条件对模型进行了简化;最后,结合实际应用场景需求提出了一种启发式的矿井无人驾驶系统基站接入控制策略。仿真测试和实验结果表明:该基站接入策略能够有效提高基站所链接的矿井机车数量。