时间反转直扩通信系统及性能分析

时间反转传输技术的空时聚焦特性能够有效地提升通信系统的性能.本文设计了一种将时间反转技术应用于直扩通信系统的方案,并对多径衰落信道下单用户和多用户系统的接收信干噪比、系统容量、误比特率等性能进行了理论分析与仿真验证.理论与仿真结果表明,通过时间反转预处理,直扩通信系统的性能得到了改善,且优于复杂度较高的多通道Rake接收的系统,且多径数目越多,优势越明显.

基于NOMA的室内可见光通信最优功率分配方案

在基于非正交多址接入技术的多用户下行室内可见光通信(Visible light communication system based on non⁃orthogonal multiple access technology,VLC⁃NOMA)系统中,针对和速率与用户公平性冲突的问题,提出一种基于加权和速率最大化的迭代功率分配方案。该方案以最大化加权和速率为目标,可通过改变权重因子来调节用户公平性。由于目标问题属于非凸优化问题,通过辅助变量法和凸优化理论将该非凸问题转化为凹问题,再通过拉格朗日对偶法进行求解,并根据问题的解设计了一种迭代功率分配算法。对所提算法的收敛性、系统和速率以及用户公平性进行了仿真。结果表明,所提迭代功率分配算法具有良好的收敛性,相较于VLC⁃OMA系统,VLC⁃NOMA系统能够获得更好的和速率性能。通过调整权重因子,在牺牲较小系统和速率的情况下能够获得比现有功率分配方案更好的系统和速率与用户公平性。

移动通信系统中的MIMO技术分析

随着无线移动通信系统的飞速发展,需要更好的服务质量和更高的数据传输速率,所以使得对系统容量的需求日益增长。新型无线宽带移动通信系统中的关键技术-多输入多输出(Multiple Input Multiple Output,MIMO)技术可以极大地提高系统容量,同时还可以提供阵列、分集、复用等增益[1]。文章从技术的发展,原理,系统结构,主要技术,应用以及标准化进展几方面详细探讨MIMO无线通信技术,为以后深入认识和研究MIMO技术奠定基础。

卫星移动通信系统的定时同步技术

针对卫星移动通信系统中本地时钟的不稳定,以及终端与卫星之间的相对运动导致无线链路定时漂移的问题,详细阐述了地面终端各种工作模式下所采用的定时同步技术,同时还讨论了特殊的机载终端所采用的定时同步技术。实验结果表明,该方法能够有效的实现定时同步,从而保证解调性能满足系统要求。

卫星移动通信短报文广播服务的设计与实现

基于3G的卫星移动通信系统短报文广播服务系统,通过通用性的短消息(如气象、交通等信息)按页有规律地向网络覆盖区域单向、有选择地广播发送,是实现公共信息一点对多点发送的有效手段。文章详细的分析了基于3G的卫星移动通信短报文广播服务系统的协议架构、信道设计和网元间CBS消息的传输机制,并给出了具体的实现过程。

一种快速低开销的移动节点分布式寻路RPL路由协议

针对低功耗有损网络(Low Power and Lossy Network,LLN)中移动节点作为中继节点时,存在无线链路易断开、数据传输成功率较低和控制开销较高的问题,提出了一种快速低开销的移动节点分布式寻路RPL路由协议(Mobile Node Distributed Pathfinding RPL Routing Protocol,MNA-RPL)。首先,提出一种邻居表自适应更新机制,依据邻居表快速切换父节点;其次,提出一种父子节点双断开机制,能够有效减少数据包丢失;最后,提出一种基于速度动态管理的Trickle计时器,根据自身速度动态调整DIO广播周期。理论分析和仿真结果表明,与主流路由协议相比,该协议在数据传输和控制开销等方面的性能均有一定的提升。

能量收集通信系统中发送功率与传输速率的在线控制算法

该文针对发送端由能量收集(EH)设备供电的无线通信系统,研究在能量收集和信道状态先验信息未知的条件下,以最大化实际可达传输速率为目标的发送功率、调制方式和信道编码码率的联合优化问题。基于Lyapunov优化框架,将能量使用的长期约束转换为能量虚队列的稳定性要求,将能量使用约束下的长期时间平均实际可达传输速率最大化问题转化为单时隙的、仅依赖于当前信道状态和电池状态的“漂移加惩罚”项上界的最小化问题。优化问题通过一个高效的数值方法求解。另外还给出了基于滑动窗口的K-means聚类方法的“漂移加惩罚”中权重和电池电量虚队列偏移量两个参数的自适应调整算法。在不同能量到达随机模型下与对比算法进行了性能的仿真对比,结果表明,该文所提算法在各种能量到达模型下都能获得更高的长期平均实际可达传输速率。另外,通过与参数固定为最优情况下算法性能的对比,证明参数自适应调整算法正确、有效。

基于Transformer的多尺度遥感语义分割网络

为了提升遥感图像语义分割效果,本文针对分割目标类间方差小、类内方差大的特点,从全局上下文信息和多尺度语义特征2个关键点提出一种基于Transformer的多尺度遥感语义分割网络(muliti-scale Transformer network,MSTNet)。其由编码器和解码器2个部分组成,编码器包含基于Transformer改进的视觉注意网络(visual attention network,VAN)主干和基于空洞空间金字塔池化(atrous spatial pyramid pooling, ASPP)结构改进的多尺度语义特征提取模块(multi-scale semantic feature extraction module, MSFEM)。解码器采用轻量级多层感知器(multi-layer perception,MLP)配合编码器设计,充分分析所提取的包含全局上下文信息和多尺度表示的语义特征。MSTNet在2个高分辨率遥感语义分割数据集ISPRS Potsdam和LoveDA上进行验证,平均交并比(mIoU)分别达到79.50%和54.12%,平均F1-score(m F1)分别达到87.46%和69.34%,实验结果验证了本文所提方法有效提升了遥感图像语义分割的效果。

时间反转OFDM系统中增强安全性能的功率分配与人工噪声设计

时间反转技术特有的时空聚焦特性使其具有抗窃听能力.本文对提高时间反转正交频分复用系统安全性能的优化方案进行研究.首先,通过应用时间反转预滤波的时空聚焦特性来提高合法接收端相对于窃听端的信号强度;然后,以最大化保密速率为目标对子载波的功率分配进行优化.为进一步提升系统保密传输能力,利用循环前缀提供的自由度实现零空间人工噪声,在对窃听端形成有效干扰的同时,不对合法接收端造成影响.通过对子载波功率分配和人工噪声协方差阵进行联合优化,最大化系统的保密传输速率.仿真结果表明,所提优化方案能显著提高系统的保密速率.

智能反射表面辅助的非正交多址接入系统用户分组、波束赋形与相移的优化

该文研究智能反射表面(IRS)辅助的多天线非正交多址接入(NOMA)网络中用户分组、发送波束赋形、相移等的联合优化问题。系统中1个分组分配1个波束并在组内进行连续干扰消除检测。该文提出一种不依赖于发送波束赋形和IRS相移的用户分组配对策略,将用户分组与其他优化分离,显著降低了优化问题求解的难度和计算复杂度。进一步,联合优化基站发送波束赋形、功率分配和IRS相移矩阵,最小化基站的总发送功率。原始优化问题是一个多变量相互耦合的非凸优化问题,利用松弛变量、连续凸逼近、半定松弛、交替迭代优化等方法将原问题转化为凸问题并求解。仿真结果显示,相较于1个用户1个波束的方案,所提方案在基站天线数较少时性能更优,而在天线数较多时也与该对比方案非常接近,但所提方案的优化计算复杂度更低。而对比采用不同分组算法、随机IRS相移方案、最大比发射方案,以及无IRS的方案,所提方案的性能始终更优。

基于自发数据传输的高效双LAN太赫兹无线局域网MAC协议

针对现有的双局域网(LAN)太赫兹无线局域网(Dual-LAN THz WLAN)相关介质访问控制(MAC)协议中存在的某些节点会在多个超帧内重复发送相同的信道时隙请求帧以申请时隙资源以及网络运行的一些时段存在空闲时隙等问题,提出一种基于自发数据传输的高效MAC协议——SDTE-MAC(high-Efficiency MAC protocol based on Spontaneous Data Transmission)。SDTE-MAC通过让各节点都维护一张或多张时间单元链表,使各节点与其余节点在网络运行时间上达到同步,从而获悉各节点应该在信道空闲时隙的什么位置开始发送数据帧,优化了传统的信道时隙分配和信道剩余时隙再分配的流程,提高了网络吞吐量和信道时隙利用率,降低了数据时延,能够进一步提升双LAN太赫兹无线局域网的性能。仿真结果表明,网络饱和时,相较于AHT-MAC(Adaptive High Throughout multi-pan MAC protocol)中的N-CTAP(Normal Channel Time Allocation Period)时段时隙资源分配新机制以及自适应缩短超帧时段机制,SDTE-MAC的MAC层吞吐量提升了9.2%,信道时隙利用率提升了10.9%,数据时延降低了22.2%。

融合时序门控图神经网络的兴趣点推荐方法

现有的大多数兴趣点(point of interest,POI)推荐系统由于忽略了用户签到序列中的顺序行为模式,以及用户的个性化偏好对于POI推荐的影响,导致POI推荐系统性能较低,推荐结果不可靠,进而影响用户体验。为了解决上述问题,提出一种融合时序门控图神经网络的兴趣点推荐方法。运用时序门控图神经网络(temporal gated graph neural network,TGGNN)学习POI embedding;采用注意力机制捕获用户的长期偏好;通过注意力机制融合用户的最新偏好和实时偏好,进而捕获用户的短期偏好。通过自适应的方式结合用户的长期和短期偏好,计算候选POI的推荐得分,并根据得分为用户进行POI推荐。实验结果表明,与现有方法相比,该方法在召回率和平均倒数排名这两项指标上均有较为明显的提升,因此可以取得很好的推荐效果,具有良好的应用前景。

融合深度神经网络和方面感知的可解释推荐方法

为提升推荐结果的准确性和可解释性,提出一种融合深度神经网络和方面感知的可解释推荐方法。针对评分数据的稀疏性问题,综合考虑显式和隐式评分数据,通过深度神经网络的矩阵分解模型学习用户和物品的潜在特征;通过无监督的方面提取模块来学习用户和物品的方面特征;将潜在特征和方面特征统一到预测层进行评分预测;针对生成解释质量低且缺乏个性化的问题,在评分预测的基础上,采用提取的主题词和预定义的神经模板相结合生成推荐理由,提高解释的生成质量。实验表明,提出的方法不仅能准确预测用户对物品的评分,还能够生成具有解释性的推荐理由,且生成的解释质量优于对比方法。

融合时间感知和多兴趣提取网络的序列推荐

针对序列推荐任务中的时间动态性和多重兴趣建模问题,提出一种时间感知的项目嵌入方法,用于学习项目之间的时间关联性。在此基础上,提出一种融合时间感知和多兴趣提取网络的序列推荐(time-aware multi-interest sequence recommendation,TMISA)方法。TMISA采用自注意力序列推荐模型作为局部特征学习模块,以捕捉用户行为序列中的动态偏好;通过多兴趣提取网络对用户的全局偏好进行建模;引入门控聚合模块将局部和全局特征表示动态融合,生成最终的用户偏好表示。实验证明,在5个真实推荐数据集上,TMISA模型表现出卓越性能,超越了多个先进的基线模型。

多用户协作NOMA系统中的最优中继选择策略

在多用户协作非正交多址接入(NOMA)系统中,针对传统中继转发方式单一,中断性能较差的问题,提出了一种基于混合译码/放大转发(HDAF)协议的改进式最优中继选择策略.该策略以中继能否成功解码信号为依据,将多个中继划分为DF候选中继子集与AF候选中继子集,并选出其中接收信噪比最高的中继参与协作.为了进一步提升系统的通信性能,本文还引入自动重传(ARQ)技术,提出了一种基于增量混合译码/放大转发(IHDAF)协议的中继选择策略.分别推导了两种策略下系统中断概率的闭式表达,并通过蒙特卡罗实验对不同策略的中断概率进行了仿真.结果表明,本文所提的两种策略相比于传统策略能够获得更低的中断概率,特别是IHDAF中继选择策略始终可以实现更佳的中断性能.

智能反射面辅助的毫米波系统混合波束赋形设计

将智能反射面(IRS)技术引入毫米波大规模多输入多输出(MIMO)系统,在保留各自优势的同时可以提高系统频谱效率.但现有研究主要是基于全数字波束赋形,每根天线需要连接一根专属的射频链,随着天线数增多会带来极大的硬件成本和功耗.针对这一问题,在IRS辅助的毫米波混合波束赋形MIMO系统,考虑功率约束和恒模约束,以频谱效率最大化为目标,提出了一种联合收发端和IRS波束赋形设计的低复杂度算法.首先通过数学变换得到系统频谱效率的近似表达式;然后,提出了一种迭代优化的方法对IRS相移矩阵进行设计;最后利用奇异值分解和流形优化技术优化混合预编码/合并矩阵.仿真了系统频谱效率随功率、IRS反射单元数及发射天线数变化的关系,结果表明,与交替方向乘子法方案和随机相位方案相比,本文方案在降低成本和功耗的同时,具有更高的频谱效率.

一种基于SIC-CDM的低复杂度混合波束赋形方案

为了平衡毫米波大规模多输入多输出系统的性能和硬件开销,降低系统功耗,以频谱效率为优化目标,在部分连接结构下提出了一种收发端联合设计的低复杂度混合波束赋形方案。首先,基于连续干扰消除将原始优化问题转化为多个子阵的速率优化问题;然后,利用坐标下降法完成模拟波束赋形矩阵设计;最后,引入等效信道矩阵大幅降低矩阵维度,再对其进行奇异值分解获得数字波束赋形矩阵。仿真结果表明,与其他算法相比,所提算法在系统功耗降低的同时保持了较优的性能,且性能逼近部分连接结构的最优方案。

有源RIS辅助速率分割多址系统的资源分配方案

针对无源智能反射面(Passive Reconfigurable Intelligent Surface,PRIS)所带来的“双衰落”效应及传统多址接入方案在干扰管理上的缺陷,提出了一种有源智能反射面(Active Reconfigurable Intelligent Surface,ARIS)辅助速率分割多址(Rate Splitting Multiple Access,RSMA)的系统方案。该方案中,构建了一个以最大化用户最小速率为目标的优化问题。该问题是一个多变量耦合的非凸问题,为此提出了一种具有公平性的资源分配算法,在ARIS硬件约束、公共信息速率约束等条件下,将原优化问题拆分为基站波束赋形矢量和速率分割因子的联合优化、ARIS的预编码矩阵优化两个子问题,随后使用逐次凸逼近、半正定松弛和凸差函数对非凸约束进行转换,并利用交替优化方法迭代求解。理论分析和仿真结果表明,在系统总功率为30 dBm的情况下,所提方案的用户最小速率相比传统PRIS辅助RSMA方案提升了18.6%。

智能反射表面的主被动联合波束成形分组模型优化算法

针对智能反射面(IntelligentReflectingSurface,IRS)联合主动和被动波束成形优化中计算复杂度过高的问题,该文基于经典的半正定松弛算法和交替优化算法提出了一种对本地IRS进行分组的新模型,通过降低每个IRS信道矩阵的秩来降低优化算法的复杂度。具体的,首先通过已知的IRS相位得出BS(Base Station)的次优发送波束,其次通过BS的发送波束计算得出分组后各IRS面的次优相位,经过不断交替迭代上述两步优化得出最优发送波束的结果。仿真结果表明,合适的IRS分组数量、分组方式与交替优化迭代次数可以在几乎不影响原算法性能的情况下,大大减少交替优化算法的复杂度。

融合卷积收缩门控的生成式文本摘要方法

在深度学习技术的推动下,基于编码器-解码器架构并结合注意力机制的序列到序列模型成为文本摘要研究中应用最广泛的模型之一,尤其在生成式文本摘要任务中取得显著效果。然而,现有的采用循环神经网络的模型存在并行能力不足和时效低下的局限性,无法充分概括有用信息,忽视单词与句子间的联系,易产生冗余重复或语义不相关的摘要。为此,提出一种基于Transformer和卷积收缩门控的文本摘要方法。利用BERT作为编码器,提取不同层次的文本表征得到上下文编码,采用卷积收缩门控单元调整编码权重,强化全局相关性,去除无用信息的干扰,过滤后得到最终的编码输出,并通过设计基础Transformer解码模块、共享编码器的解码模块和采用生成式预训练Transformer(GPT)的解码模块3种不同的解码器,加强编码器与解码器的关联,以此探索能生成高质量摘要的模型结构。在LCSTS和CNNDM数据集上的实验结果表明,相比主流基准模型,设计的TCSG、ES-TCSG和GPT-TCSG模型的评价分数增量均不低于1.0,验证了该方法的有效性和可行性。