基于分组的D2D通信功率控制算法

为解决现有蜂窝网络中设备对设备(Device to Device,D2D)通信的功率控制算法中路径损耗补偿系数固定导致基站与D2D用户之间产生同频干扰的问题,文章提出了一种基于分组的功率控制算法。所提算法在传统闭环功率控制算法的基础上,利用D2D用户到基站的距离和D2D用户到蜂窝用户的距离,计算出路径损耗补偿系数增补量,并设定3组干扰区域对路径损耗补偿系数的增补量大小进行区分,最后采用联合闭环功率对系统进行干扰抑制。通过仿真实验可得知,该算法比使用传统闭环功率控制算法的系统的信干噪比(Signal to Interference Plus Noise Ratio,SINR)和吞吐量得到了提高,可以显著提高蜂窝网络中D2D通信的功率控制性能,达到干扰抑制的作用。

矿井巷道ZigBee无线传输特性研究

在地下平直巷道内模拟井下环境,对矿井ZigBee无线传输特性进行了实验研究。首先选用路径损耗系数模型作为矿井巷道无线传输模型,然后采用两个GAINZ节点分别测试了不同距离下接收信号强度指示的波动性及其受障碍物的影响特性、节点间距不同时的收包率、节点间距不同时的接收信号强度指示值。由测试结果分析得,在平直巷道内,所选取的路径损耗系数模型是可行、准确的,即可用接收信号强度指示来进行测距及定位;平直巷道内的节点间距为30~40 m时,通信是可靠的;路径损耗系数模型在实际矿井巷道内应用时需重新设置参数。

神经网络和RFID相融合的室内定位算法

在基于RFID的室内定位算法中,路径损耗系数固定,不能反映室内环境复杂多变特性,导致室内定位误差大,为了降低室内定位的误差,提出一种神经网络和RFID相融合的室内定位算法。首先计算室室内的接收信号强度,然后将接收信号强度作为神经网络的输入向量,路径损耗系数作为神经网络的目标输出,通过神经网络的训练建立室内场强信号传播模型,并采用遗传算法优化神经网络的参数;最后采用具体实例对室内定位性能进行测试与分析。结果表明,相对于RFID的室内定位算法,本文算法可以动态、准确估计信号的路径损耗系数,实时反映室内环境的信号变化,提高了室内定位精度,可以有效地满足室内的无线定位要求。

基于自适应分类的井下移动节点无线定位算法

针对井下移动节点无线定位算法,在能量计算定位算法的基础上,设计了一种自适应分类选择的3点定位算法。算法将任意单点位置采集的N个点中能量距离信息通过排序的方法分类,将相似类中具有特征性强的保留并自适应选择3个特征强的位置点,再通过3个信标点定位算法获取目标点的准确位置。仿真计算了最小响应功率与路径损耗系数这2个重要参数对能量计算的影响。对不同环境下3个未知目标节点进行定位测试,测距结果显示随着距离的增大,测距精度降低,但在100 m范围内测距误差均低于4%。经3点定位算法分析计算后,被测目标的坐标与真实目标位置误差小于1.0 m。