基于GRU和LSTM组合模型的车联网信道分配方法

针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure,V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。

机舱环境5G信道传播模型及信号覆盖研究

针对机舱无线通信覆盖不全面、速度慢、不稳定等问题,该文基于射线跟踪方法构建了机舱环境第5代移动通信技术(5th generation mobile communication technology,5G)信道模型,并分析了信号覆盖能力及信道参数特性。首先,利用三角面元对真实的机舱环境进行三维几何重构,以降低射线跟踪方法获取信道参数的复杂度;然后,结合分簇算法构建5G信道传播模型,进而分析了机舱环境下5G信号覆盖和通信性能。仿真分析结果表明,簇功率偏移和簇时延偏移服从高斯分布,簇到达方位角和簇到达俯仰角偏移服从拉普拉斯分布,同时发现,机舱环境中的密集散射体是影响5G信号覆盖范围的关键因素。上述结论可用于机舱环境5G基站的无线通信信号覆盖预测和多径参数评估等领域。

层流信道中基于模型驱动的信道建模方法

针对已有的层流信道模型不能直接应用于存在目标的复杂层流信道的问题,提出一种基于模型驱动的信道建模方法.研究了存在目标的层流扩散信道的系统模型,在无目标平流模型的基础上加入参数,考虑层流和目标对接收分子的影响.结合仿真结果,将有目标的复杂层流信道近似为两个稳定的层流信道,建立有目标的点源-接收机层流扩散信道模型.结合神经网络使用Levenberg-Marquardt算法对信道模型参数进行学习和预测,同时提出基于数据和模型驱动结合(combination of data and model driven, CDMD)的检测方法对目标进行检测.结果表明:通过公式数据与仿真数据对比验证了其信道模型的准确性,所有数据的相关系数为0.999 15,该神经网络模型具有可行性;使用神经网络二分类算法验证提出的目标检测方法,检测准确率达到98.8%时,提出的CDMD检测方法所需数据量约为基于数据检测方法的1/6.

子载波信道模型盲均衡非合作水声正交频分复用类内调制识别

针对水声多径信道下传统正交频分复用(OFDM)类内调制识别特征稳健性不足导致识别方法失效的问题,提出了基于子载波信道模型盲均衡的水声OFDM类内调制识别方法,可识别类内调制方式包括BPSK、QPSK、8PSK及16QAM。首先,提出一种针对OFDM子载波映射符号的分块策略提高盲均衡的性能。然后,利用期望最大化(EM)算法,在该分块策略下对每个分块内的子载波映射符号进行处理,估计出信道衰落系数和噪声功率;进一步利用K均值聚类(K-means)算法得到该分块映射符号对应的信道衰落系数,并将该信道衰落系数作为EM算法的初始值,使EM算法能够快速收敛。最后,利用最大似然(ML)分类器实现OFDM类内调制识别。仿真和实验结果表明,提出的EM-Block-ML方法实现了水声多径信道下高可靠的OFDM类内调制识别,验证了所提识别方法的有效性。

基于ROMS模型的水声信道建模仿真

复杂多变的海洋环境是影响声呐性能的主要因素,水下声场的计算对声呐布放、航路规划等反潜工作具有指导意义。本文基于ROMS模型对海洋数据进行模拟,并使用并行化技术改进后的BELLHOP模型对其进行仿真,实现对水下声场的快速预报。文章通过实验验证了该方法的可行性以及结果的准确性,利用并行化技术改进后的计算速度也有显著提升。仿真实验表明,此方法可以快速准确地预报水下声场,对声呐设备的工作具有评估和指导作用,为后续反潜作战方案制定提供了数据参考。

基于ITS模型的短波宽带移动信道建模与仿真

短波宽带移动信道模型是远程机动平台移动通信系统性能分析评估的基础,现有短波宽带信道模型不能有效表征机动平台移动信道快时变多普勒效应,难以适应机动平台短波移动通信需要。鉴于此,在分析机动平台行为模式与信道时变多普勒效应的映射关系基础上,推导出了机动平台移动信道冲激响应表达式,基于ITS(international telecommunication society)模型提出了一种适用于固定与机动不同场景、不同传播模式、宽窄带融合的短波通信信道模型。利用信道冲激响应与信道散射函数从时域色散、频域色散两个维度对本文信道模型的有效性进行了验证。结果表明,该信道模型能够基于机动平台运动轨迹实现时变多普勒效应传播复现与信道模拟;也能在运动轨迹未知情况下,基于飞行器种类、机动频率等先验信息,实现具有各态历经性的机动平台短波宽带信道仿真,对机动平台短波移动通信系统效能评估有重要意义。

光通信系统的最优信道选择模型构建研究

构建光通信系统的最优信道选择模型,提升光通信系统的数据传输速率,降低传输时延。首先光通信系统中发送端和接收端之间的感知时间和传输时间,以传输速率最大化为目标函数,构建最优信道选择模型,采用改进离散蝙蝠算法求解模型目标函数,获取最小适应度值对应的结果为当前最优解,输出最优信道选择结果。测试结果显示:该方法具有较好的应用效果,最优信道选择比率结果均在0.944以上,可极大程度地保证最优信道的选择效果;数据传输最大时延结果为1.08 s,满足应用标准;信道选择后光通信系统的传输速率均在10 Mbps左右,其中最大值达到10.57 Mbps。

几类适用于G.fast频段数字用户线路信道模型

数字用户线路信道模型是用户通信线路质量,可开通接入速率评估和系统设计的重要基础,其信道模型在标准化工作中也具有重要的理论意义。该文总结了几类适用于G.fast频段数字双绞线信道模型,分别为利用传输线一次参数RLCG建立的BT模型,利用特征阻抗和传播系数建立的KM模型,以及利用传输线二次参数串联阻抗和并联导纳的KPN模型,对每个信道模型进行分析并给出详细的数学推导过程。

大气湍流模型与大气信道模型的研究与展望

为了克服大气湍流效应对无线光通信系统性能的影响,必须建立能准确描述大气折射率起伏的湍流模型。总结了国内外学者在大气湍流模型方面的研究进展,对不同大气湍流模型的理论建立进行深入分析并对比了其适用范围,同时介绍了在实际大气湍流中实验测量所建立的大气信道模型,最后对大气湍流模型的发展趋势进行了展望。

面向电力应用场景的5G信道测量与路损模型修正

传统公网5G信道模型一般针对城市、街区等场景进行建模,在变电站等电力工业场景中适应性不足。为支撑5G在电网的规模化应用,需要开展对特定电力场景的信道测量与建模以指导电力5G无线网络规划和系统级仿真。本文在500 kV变电站开展5G频段的实地信道测量,分析了时延功率谱、路径损耗等信道特性,并在此基础上提出了一种引入天线高度矫正因子的路损模型修正方法,以便更准确地对天线高度与路损之间的关系进行建模,同时对比分析与5G标准路损模型之间的差异。结果表明,该模型能更好地适应电力应用场景,可为通信性能评估提供参考与指导,并为电力通信设备的覆盖范围预测提供理论依据。

耦合浅海声信道目标回波建模与检测性能分析

为提高浅海扩展目标回波检测性能,基于浅海声信道模型和多亮点模型,建立了耦合浅海声信道扩展目标回波模型,并基于副本相关积分(RCI)检测理论对浅海多亮点目标回波RCI检测进行了理论推导。采用带宽分别为50 Hz,100 Hz,500 Hz,1000 Hz的线性调频信号,仿真分析了不同浅海环境下的RCI检测性能。结果表明,海深、声呐深度、目标位置和波形带宽都会影响浅海目标回波扩展特性和RCI检测性能,合适的声呐深度和波形带宽有利于提高浅海扩展目标检测性能。

基于随机几何的输电场景中无人机信道建模

为了准确描述输电环境中巡检无人机与地面基站之间无线信道,采用随机几何建模法,提出一种基于随机几何的三维信道模型。在该模型中考虑输电线路环境中塔杆,输电线的影响,采用水平圆柱体描述输电设备和周围环境的散射体分布情况,为了防止输电线路产生的电磁场影响无人机巡检作业安全,在模型中设置安全飞行区域,保证巡检安全。针对提出的信道模型,推导并分析了了空-时相关函数,多普勒功率谱密度,电平交叉率和平均衰落时间等信道统计特性。研究了散射体分布情况,无人机运动状态对信道统计特性的影响。仿真结果表明,无人机运动速度大小、飞行方向,散射体分布情况对信道影响显著。理论结果和仿真结果吻合良好,验证了所提模型的正确性和有效性,可以为输电线路场景下巡检无人机与地面基站之间的无线通信系统设计提供理论参考。

基于排队论的一种高吞吐量信道分配协议设计

针对复杂多变的认知无线电系统中难以为次用户高效分配信道的问题,提出了一种高吞吐量信道分配协议——TKMA协议。该协议根据主用户(PU)活动、次用户(SU)实时业务需求、信道条件等信息构建用户信道的效用矩阵,在保障PU通信质量的前提下以SU系统总效用值最大化为目标进行信道分配,并利用改进Kuhn-Munkras算法结合轮询调度进行求解。为了评估该协议性能,建立了通用的多用户多信道认知无线电系统模型,利用排队理论描述数据包传输过程,并通过马尔可夫稳态求解推导出SU的性能指标。实验结果表明,与以往提出的化简方法和传统的公平随机分配协议相比,使用TKMA协议在SU系统总的吞吐量、平均时延、平均队长、拒绝率等指标上都取得了更优的结果,证明了所提协议和系统模型的有效性。

蜂窝车联网侧行链路信道测量与分析

蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工作,并依据测量结果从信道特征对PC5接口信道进行了分析。分析了通信收包时延随距离和信噪比变化的特征,将实测参考信号接收功率值与自由空间和双射线两种路径损耗经验模型及对数距离和双斜率两种路径损耗拟合模型的预测值进行了对比,并引入了四种相关性分析算法,从数值偏移量、线性相关程度和几何形态相似度等角度分析了模型预测值与实测数据的关联性,最终验证了双斜率路径损耗模型最适合表征PC5接口通信信道在城市环境下的衰落特征,基于该模型测算得到的路径损耗指数和阴影衰落方差也进一步说明此模型能够更好地结合实验环境表征信道特性。

基于QuaDRiGa的无人机非平稳信道模型

为了解决无人机信道模型非平稳参数空时不连续的问题,提出了一种支持三维运动及姿态旋转的无人机非平稳几何随机模型,用于描述和模拟无人机对地多输入多输出通信信道的真实特性。该模型借鉴QuaDRiGa中的“准确定性”思想,基于收发端拓扑关系更新时变信道参数,考虑路径生灭概率改进信道功率计算方法,引入姿态相位矩阵描述无人机姿态旋转,以实现无人机非平稳信道参数的平滑演进。数值仿真结果表明,本文提出模型能够保证功率和角度等参数的平滑演进,输出信道的自相关函数具有非平稳性且受无人机姿态影响显著,可用于无人机通信系统设计和算法优化等领域。

基于自监督学习的IRS辅助矿井通信系统信道估计方法

针对矿井复杂环境导致的多径衰落、非视距通信及真实标签获取困难的问题,提出一种基于自监督学习(SSL)的智能反射面(IRS)辅助矿井通信系统信道估计方法。根据井下Nakagami-g衰落信道模型和IRS信号传输模型搭建井下通信系统模型,通过IRS技术解决多径衰落和非视距通信问题。通过最小二乘(LS)算法进行初步信道估计,再采用SSL框架下的八度卷积(OCT)神经网络优化信道估计结果。OCT直接对高频分量和低频分量进行处理,能同时捕捉信道的粗糙特征和细微差别,提供全面的信道信息,从而更准确地估计信道状态;SSL算法使用接收信号及其带噪版本作为训练数据,通过未标注数据的内在结构提升IRS辅助信道估计的精度和效率,从而降低对人工标签的依赖。仿真结果表明:①引入IRS技术能有效降低信道估计误差。②OCT神经网络的损失值明显低于CNN,数据拟合效果更好;OCT神经网络计算效率高,可提高通信系统信道估计的整体性能;在计算资源有限的环境下,OCT神经网络可保持较低参数量和内存使用量。③SSL算法在所有信噪比条件下均能保持较低的归一化均方误差,验证了其在信道估计中的高效性和鲁棒性。④基于SSL的IRS辅助矿井通信系统信道估计方法在大规模网络中具有较好的扩展性和鲁棒性。

无人机通信场景中非平稳双圆柱信道统计特性分析

为了在城市、山体、森林等高空存在散射体的地区实现无线通信覆盖,帮助实现救援以及灾后公共基础设施的抢救与恢复,针对无人机空间域和时间域非平稳特性,提出一种无人机多输入多输出三维几何双圆柱随机模型;考虑到地面站的复杂情况,利用同心圆柱模拟散射体的分布,将接收到的信号进一步分为视线分量、无人机端的单反弹分量,以及地面站的单反弹射线与双反弹分量之和;引入时变的角度和时变的速度,模拟无人机对地信道的非平稳性,从而使所提出模型适用于各种无人机通信场景;利用所提出模型对比无人机的飞行方向和天线阵列方向等相关参数对信道统计特性的影响,推导并仿真所提出模型的空间互相关函数、时间自相关函数等重要的统计特性。结果表明:无人机的天线方向、飞行方向等参数对信道统计特性和非平稳性有重要影响,所提出模型可用于无人机多输入多输出通信系统的设计;与现有其他模型对比,时间自相关函数仿真值与实际测量值的拟合程度验证了所提出模型的实用性。

工业物联网场景下复杂信道路径损耗模型研究

工业物联网(industrial internet of things,IIoT)场景利用大量通信及工业设备的交互协同实现各类工业自动化应用,其下的信道具有多频段、强反射、密集散射、移动遮挡等特点.准确建立可表征上述特点的路径损耗模型存在巨大挑战,它是构建该场景下可靠无线通信链路的关键.本文基于射线追踪结果,利用统计方法对IIoT场景下复杂信道的路径损耗模型进行建模与研究.首先,提出适用于多频段的路径损耗模型并构建与频率线性相关的隔断衰减因子;其次,引入距离、频率以及传播条件相关的金属机器路径损耗修正项,用于描述大型金属机器遮挡或密集金属散射体带来的额外路径损耗;最后,探索工业机器人运动对路径损耗的影响.本文所提出模型形式简洁,与射线追踪结果吻合度高,能够很好地描述IIoT场景下信道的多种特点对信道路径损耗的影响.本文研究结果可为IIoT场景下的链路预算和热点布设提供重要信息.

面向大规模MIMO信道信息反馈的模型驱动轻量化神经网络

信道状态信息对于大规模多输入多输出(Multi-Input Multi-Output,MIMO)系统获得高信道容量和能量效率是十分重要的。频分双工系统因为上下行信道缺少互易性,所以需要用户将下行信道反馈至基站来进行预编码等处理。因为反馈的信息量和天线数成正比,所以大规模MIMO系统的反馈量是十分巨大的。很多数据驱动的深度学习神经网络使用编码器压缩信道信息,使用解码器恢复信道信息,但是由于数据驱动神经网络的黑盒子特性,不仅需要很高的复杂度来恢复信道信息,而且性能难以得到进一步提升,尤其增加用户设备处模型的复杂度和计算资源来提升性能是不切实际的。本文提出了一种展开迭代阈值收缩算法(Iterative Shrinkage-Thresholding Algorithm,ISTA)的可解释的模型驱动网络。针对信道信息不严格满足压缩感知稀疏性要求而导致恢复性能下降的问题,引入残差网络,设计了一种非线性稀疏变换来提升性能;为了平衡性能和复杂度,在用户处提出了一个可学习的压缩矩阵来保留更多信道信息;进一步地,本文在不改变已有网络框架的基础上将适用范围从单天线用户扩大到多天线用户,提高了神经网络的兼容性。仿真结果表明,本文提出的方法相比于其他方法具有更好的信道恢复性能以及在用户处具有更低的复杂度。

浅析基于AI的信道信息预测在6G中的应用

深入探讨了基于AI的信道信息预测在6G通信系统中的应用,并从信道信息预测的信道模型、信道信息预测方案、数据收集方法、模型监控技术、仿真验证结果,以及基于AI的信道信息预测所面临的机会与挑战这6个维度展开分析。在信道信息预测方案的分析中,广泛探索了多种信道信息预测策略;在数据收集方面,详细分析了不同参考信号传输类型及数据收集范围的影响;在模型监控方面,讨论了3种可能的监控方式。此外,通过仿真验证,充分展示了基于AI的信道信息预测技术的有效性和优越性。