交织Reed-Solomon码在 Gilbert-Elliott信道上的性能评价(英文)

Gilbert-Elliott( GE)信道是一种两状态的 Markov信道 ,它用于对有记忆信道进行建模 .当使用仅纠错译码方法时 ,本文分别采用二阶方法和一阶方法 ,以误字率评价交织 Reed-Solomon( RS)码在简化 GE信道上的性能 .数值结果表明增加交织深度和纠错能力能降低 RS码在

面向6G通信感知一体化的40~50 GHz毫米波信道反射和透射特性研究

为解决毫米波信道反射和透射特性测量数据不足、多层材料传播系数计算不准确和传播特性表征不明的问题,该文开展面向6G通信感知一体化(ISAC)的40~50 GHz毫米波信道反射和透射特性研究。首先,基于菲涅尔理论和射线弹跳追踪原理,提出一种室内多层建筑材料传播系数计算方法;然后,利用基于矢量网络分析仪的毫米波信道测量平台,开展40~50 GHz频率范围内多层木板和多层玻璃的反射和透射系数测量活动。结果表明,该方法与测量值间高度吻合,传播系数误差低于0.1,能够准确地刻画毫米波信道反射和透射特性变化规律。此外,研究还发现反射系数谐振特性和有效布儒斯特角特性依赖于电波极化、入射角和材料厚度。

LoRa扩频信道干扰与扩展性分析

为了提高LoRa通信系统节点的接入量,对LoRa通信系统的干扰及扩展性进行了详细分析。首先分析了LoRa相同扩频信道间和不同扩频信道间的干扰,得出相同扩频信道干扰严重的原因,以及不同扩频信道存在一定的干扰的情况,进而发现扩频信道间的码片间距越近干扰越严重;其次提出了一种LoRa不同扩频信道间的干扰消除算法,通过仿真验证了该算法能有效消除低扩频信道干扰的可行性;最后从理论上对LoRa原有调制解调算法进行了扩展性分析,结合LoRa技术的特点及干扰仿真结果得到LoRa技术新增扩频信道与相邻扩频信道的码片数之差大于等于128,并仿真验证了4条典型新增扩频信道的抗噪声性能、可行性,系统节点的可接入量能增加36.94%。

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。

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%。

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。

室内场景亚太赫兹信道测量与混合信道建模

针对当前准确定性信道模型不能准确地描述室内场景亚太赫兹信道特性的问题,提出一种基于准确定性的亚太赫兹混合信道建模模型。首先,基于亚太赫兹信道多径稀疏簇特性,利用镜像法追踪视距径和低阶反射径建模确定性部分。其次,结合220 GHz室内大厅及132 GHz走廊场景测量数据,利用扩展的SV模型分别统计确定簇和随机簇内的散射径,对数正态分布描述簇内多径数分布,完成随机性部分建模。确定性信道冲激响应hD和随机性信道冲激响应hS相加获得混合信道冲激响应h。最后,通过科尔莫戈罗夫-斯米尔诺夫检验混合模型准确性,以及与扩展的SV模型小尺度参数的均方根误差和结构相似性比较验证混合模型的有效性,结果表明,所提出的模型能够准确有效地描述亚太赫兹信道特性。

通用信道编译码算法物理性能快速仿真系统

为实现信道编译码硬件算法物理性能的快速、准确验证,提出一种软硬件协同的通用化信道编译码算法物理性能快速仿真与性能评估系统。PC上位机软件主要实现模拟信源/噪声数据生成、仿真数据后分析、数据/控制指令传输以及与FPGA下位机交互等功能;FPGA下位机通过设计数据调度与系统控制、信道编译码算法架构、加噪信道以及数据统计等单元,构建通用编译码算法验证系统硬件系统架构,支持不同信道编译码算法物理性能的高效、准确验证。以系统当前支持的BCH码、LDPC码、删余卷积码、RS码及其串行级联码的性能仿真为例开展性能测试,性能恶化最大值低于0.4 dB,在10-7误码率统计量级下,仿真时间低于12 s,验证仿真评估系统的准确性、可靠性与有效性。系统采用的通用级联架构还可支持其他信道编译码算法的快速移植与部署,可为信道编译码算法物理性能快速验证提供一种有效的解决方案。

基于皮肤-脂肪模型的太赫兹体内多输入多输出信道特性分析与建模

为探究太赫兹(THz)频段体内多输入多输出(MIMO)通信系统的传输特性,该文在0.8~1.2 THz下构建了精确的皮肤-脂肪模型,对皮肤-脂肪模型中垂直方向和水平方向的链路进行全波电磁仿真,分析太赫兹体内信道特性,建立路径损耗模型。首先,结合太赫兹频段人体组织的介电特性和人体皮肤的解剖学结构构建皮肤-脂肪模型。其次,对比分析了3条链路的路径损耗和阴影衰落,提出带有等效吸收因子的太赫兹体内路径损耗模型。最后,对3条链路的莱斯K因子、均方根时延扩展、MIMO容量进行分析。仿真分析表明,带有等效吸收因子的太赫兹体内路径损耗模型可以更准确地描述加长距离垂直链路2的路径损耗,发射端在体表可以增强MIMO容量。该文的工作可以为太赫兹体内通信系统的设计和优化提供参考。

基于AAT模型的毫米波大规模MIMO系统信道估计

针对毫米波大规模多输入多输出信道具有时间相关性、系统易受噪声因素影响导致信道估计精度低的问题,提出了一种基于改进的时序卷积神经网络信道估计方法。该方法将仿真获得的信道矩阵以二维图像数据方式输入系统;利用时间相关性进行特征融合,构建集中注意力机制网络,增强系统模型对信道深层特征的提取能力;将AAN嵌入时序卷积神经网络中进行训练;系统输出去噪后的二维图像,即信道估计矩阵。仿真结果表明,所提信道估计方法在性能和复杂度方面优于传统的信道估计方法,并且当测试场景发生改变时依旧具有鲁棒性。

IRS辅助的车联网相移设计和信道对齐策略

针对车联网中车辆的动态移动以及信号的随机散射所导致的信道快速变化问题,研究了智能反射面(intelligent reflecting surface,IRS)辅助的车联网通信并提出了联合相移设计和信道对齐策略,以削减车联网中多普勒频移的影响并提升通信性能。提出的策略由两个阶段构成。在第一阶段设计IRS的相移以改善级联信道的衰落状态,在策略的第二阶段进行修正函数的设计,实现了直接信道和级联信道的信道对齐,从而减少直接信道快衰落状态对通信性能的影响。通过联合相移设计和信道对齐策略中设计的反射相移以及修正函数,实现了通信性能的提升。仿真结果表明,所提策略相比于相移优化策略可以提升8.8%的频谱效率。

毫米波通信系统中可重构智能表面辅助多用户信道估计方案

为了解决可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助的多用户毫米波通信系统中级联信道的信道估计问题,提出了一种新的基于压缩感知(Compressive Sensing,CS)的两阶段级联信道估计方案,该方案在传统的压缩感知信道估计上引入级联信道双时间尺度性质和行列稀疏邻近结构,同时利用信道特性和双结构正交匹配追踪算法(Double-Structured Orthogonal Matching Pursuit,DS-OMP)在节约导频开销的同时也提高了信道估计的精度和性能。通过仿真分析各变量对所提方案归一化均方误差(Normalized Mean Square Error,NMSE)的影响,相较于传统基于压缩感知的信道估计算法,所提方案具有较好性能,同时有较小的导频开销。

无线紫外光MIMO通信系统信道容量估算方法

无线紫外光通信系统易受大气散射等因素的影响,导致通信信道容量估算准确率较低。为此,提出一种无线紫外光多入多出(Multiple-Input Multiple-Output, MIMO)通信系统信道容量估算方法。根据信道特征,构建无线紫外光MIMO通信系统的信道容量估计模型,获取无线紫外光的单次散射传输特性,利用符号补码式的方法改进空时编码,设定高级检测器中符号的接收能耗,使每个符号保持在标准功率数值范围内,完成通信系统信道检测式编码。根据不同发射角和接收角计算无线紫外光通信的路径损耗比,通过泊松随机分布获得最终通信系统信道容量的估算结果。实验结果表明,所提方法的传输速率可高达8 Mbps,误码率始终低于10-3bit/s,估算准确率在90%以上,估计时间低于4 ms,估算效果好,可为通信行业发展提供理论依据。

语义编码与经典信道编码融合研究

目前的语义通信研究尚未阐明语义编码与经典信道编码之间的关系、语义编码在现有通信框架中的可行性,以及影响语义编码的关键因素等。对基于联合信源信道编码的语义通信系统进行了理论分析,设计了语义编码与经典信道编码的融合实验,展示了语义编码的潜在优势,探索了语义编码与经典信道编码之间的关系,研究了后续将语义通信应用于经典通信框架的基础方法。

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。

一种6信道声光调制器

介绍了一种6信道声光调制器。通过在换能器上制备电极阵列,设计独立的阻抗匹配电路和电输入端口,将6个声光互作用单元集成在一起,实现了对6束激光的并行、独立调制。经测试,该6信道声光调制器工作波长为355 nm,工作频率为220 MHz,单信道衍射效率>75%,全局串扰<0.5%。

面向6G的信道状态信息压缩技术

提出基于人工智能的信道状态信息压缩技术方案,并全面思考了模型训练、模型管理中的标准制定、实际应用等相关问题,分析了不同问题的潜在解决方案。仿真结果表明,所提出的方案可有效提升信道状态信息反馈精度,网络容量平均提升10%左右。

基于NBVTH算法的军用窄带信道视频传输研究

随着信息技术快速发展,音视频传输广泛应用在军民用领域。针对军用环境通信传输带宽窄、电磁干扰强、网络稳定性低等特点,迫切需要对军用窄带信道下音视传输频编码进行优化。介绍了适应军用窄带信道传输的视频编码框架和最新技术,提出了基于HEVC标准优化的窄带视频传输(NBVTH)算法,并在压缩比、压缩图像质量、编码时延等关键技术指标方面,将NBVTH算法与常用的H.264/AVC编码进行了性能对比分析。试验结果表明,NBVTH算法明显提升了编码性能,更加适用于军用窄带信道的视频传输。

基于注意力机制引导深度残差网络的RIS辅助通信信道估计

用可重构智能表面(Reconfigurable Intelligent Surface, RIS)增强无线覆盖和信道容量是未来通信网络的候选方案之一。为估计RIS辅助的多用户(Multi User, MU)通信系统上行链路的信道状态信息,提出一种基于注意力机制的深度残差网络,构建了包含稀疏块、特征增强块、注意力引导块和重构块的网络结构,隐式地学习残差噪声,利用注意力机制加强对特定信道噪声特征的提取。仿真结果表明,该方法的估计精度略低于线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)估计,在高信噪比时比常规深度残差去噪网络的估计精度更高。

基于多源数据聚合的神经网络侧信道攻击

基于深度学习的侧信道攻击需要针对密码算法的每一个密钥字节建模并训练,数据采集和模型训练开销大.针对该问题,提出一种基于多源数据聚合的神经网络侧信道攻击方法.为筛选具有良好泛化效果的密钥字节泄露数据进行数据聚合,以AES-128算法为例,先基于16个密钥字节的泄露数据训练16个单密钥字节模型,分别实现对16个密钥字节的恢复;其次,设计一种打分机制评估各单密钥字节模型的泛化效果,通过得分排序筛选出对各密钥字节恢复效果最好的单密钥字节模型;最后,以筛选模型所对应的各密钥字节泄露数据集构建多源数据聚合模型进行训练,实现密钥恢复.实验测试结果表明,多源数据聚合模型具有良好的泛化效果,有效提高了密钥恢复的准确率和效率,降低了恢复密钥所需的能量迹数量,其在采集能量迹较少的情况下依然具有较好的攻击效果.