带内全双工水声通信残余自干扰实时抵消技术研究

带内全双工水声通信(In-Band Full Duplex Underwater Acoustic Communication,IBFD-UWAC)因其频谱利用率可达传统半双工模式的两倍,已成为水声通信领域的研究热点之一。由于本地发射强功率自干扰信号会导致通信系统误码率性能无法达到正常需求,因此自干扰抵消(Self-interference Cancellation,SIC)技术成为IBFD-UWAC中的核心问题。针对经过模拟SIC或空间自干扰抑制后的残余干扰信号问题,文章利用硬件在环(Hardware In-Loop,HIL)仿真,基于Simulink^(■)Desktop Real-time平台,实现了实时SIC,并利用瞬时状态误差判断期望信号到达情况,提出一种基于期望信号到达阈值的改进Sigmoid函数可变步长最小均方(Improved Sigmoid function based Variable Step Size,LMS,ISVS-LMS)算法,该算法大大降低了期望信号对SIC过程带来的影响。分析、仿真及实验表明:该方法可实现实时带内全双工水声通信的自干扰抵消,且算法的收敛速度以及稳态效果均有显著提升。

基于有界成分分析的带内全双工数字自干扰抵消

凭借能够提升频谱利用率的优势,带内全双工(In-Band Full Duplex,IBFD)技术有望成为现代无线通信系统的潜在方案。然而,在应用过程中却面临自干扰抵消(Self-Interference Cancellation,SIC)的巨大挑战。SIC可以从空域、模拟域和数字域3个方面来单独或组合实现。该文重点研究了IBFD数字SIC。针对传统数字SIC性能受到收发链路器件非理想因素限制的问题,该文建立了一种射频辅助链路的IBFD系统,利用有用信号和自干扰信号的有界性,设计了一种基于有界成分分析的数字SIC方法。在视距(Line Of Sight,LOS)和非视距(Non-Line Of Sight,NLOS)两种信道场景下,利用仿真和实测数据进行了验证分析。结果表明,相比较于最小二乘方法和独立成分分析方法,所提有界成分分析方法改善了SIC效果,并提高了系统误码率性能。

无线带内全双工信道的多用户最优分配问题模型

无线带内全双工(IBFD)具有频谱效率倍增潜力,应用到多用户接入时,共享信道的优化分配将决定系统容量的实际增益。该文分析多用户争用冲突的干扰特性及链路分配的约束条件,以容量最大为优化目标,针对双向全双工(BFD)、全双工中继(FDR)以及两者混合的传输模式,建立信道资源分配的问题模型。通过典型站点分布的最优解计算,分析IBFD系统相对半双工(HD)的容量增益。结果表明,BFD有理想的100%增益,而FDR有较大变化范围(最低增益25%)。此外,计算发现,站点间传输链路呈现1维链型结构的容量增益明显优于2维平面分布的链路结构。

异构网络下带内回程基站部署方案

针对异构密集蜂窝网络中小基站双工模式不同导致的网络干扰,设计一种带内全双工(IBFD)基站部署方案。建立IBFD基站部署的最优化模型,利用基于贪心算法的混合带内/外全双工模式选择算法近似求解该模型,并通过部署适当比例的带内回程基站以最大化系统容量。仿真结果表明,该方案能有效协调小基站对宏基站的跨层干扰与小区间干扰,提高系统频谱效率。

基于卷积长短时记忆深度神经网络的带内全双工非线性数字自干扰消除

带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率,近年来引起了广泛关注。然而,同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项式模型方法存在模型失配导致自干扰效果恶化的风险,而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理。该文基于卷积长短时记忆深度神经网络(CLDNN),通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构,分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN),充分利用卷积神经网络局部感知和权值共享的优势,在高维特征中学习到更抽象的低维特征,从而提高自干扰消除的效果。实际场景中获得数据的评估结果显示,当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时,通过总共60次训练轮数,该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26%的改进,训练轮数也有明显减少。