【摘 要】
:
随着通信技术的不断发展,网络中的设备数量井喷式增长,网络承载的数据量也不断增加,各种业务需求也推陈出新。涌现了大批新兴通信场景及业务,比如远程医疗、工业自动化、智慧交通、智慧城市等。随着新的应用场景不断产生,网络系统为了适应新场景和新业务超高数据吞吐量、海量终端连接、超高可靠低时延和超高速移动等一系列严苛的指标,需要对有限的频谱和设备资源进行有效合理分配来保证所有用户的良好体验。这些新兴的通信场景
论文部分内容阅读
随着通信技术的不断发展,网络中的设备数量井喷式增长,网络承载的数据量也不断增加,各种业务需求也推陈出新。涌现了大批新兴通信场景及业务,比如远程医疗、工业自动化、智慧交通、智慧城市等。随着新的应用场景不断产生,网络系统为了适应新场景和新业务超高数据吞吐量、海量终端连接、超高可靠低时延和超高速移动等一系列严苛的指标,需要对有限的频谱和设备资源进行有效合理分配来保证所有用户的良好体验。这些新兴的通信场景和业务需求对网络的承载能力提出了更高的挑战,需要在有限的频谱资源下需要实现更高的通信速率,同时还要保证设备具有优秀的能量效率。全双工传输在提高无线通信系统的总通信速率方面有很大的潜力得到了广泛的共识。通过全双工技术可以实现在发送和接收方同时同频的传输数据,可以有效的提升系统的通信速率,理论上来说可以使系统的频谱效率翻倍。然而,由于全双工同时发送和接收的特性,全双工发射器引入的自干扰给提高能量效率带来了巨大挑战。本文研究了在正交频分复用信道上的全双工双向通信(Full-duplex two-way,FDTW)系统的功率分配问题,力求系统整体通信速率和能量效率最大时寻求最佳功率分配策略。本文首先分析了在单载波FDTW系统中实现最大通信速率和能量效率的最佳功率分配策略。对于最大通信速率提出了最佳的功率选择方案,分析了系统信道增益,自干扰系数等参数对发送策略的影响,进一步利用分数规划来求解能量效率最佳下的最佳发送功率。然后,本论文将单载波情况下得到的结论应用于多载波FDTW通信系统。进一步研究了多载波FDTW系统中的通信速率和能源效率最佳时的功率分配问题。特别是,使用所提出的合作迭代算法,用连续迭代优化找到系统的次优解,以此逼近系统的理论最大值。针对多载波FDTW系统的能量优化问题,结合连续迭代方案和分数规划,进一步最大化了多子载波系统的能量效率,并得到系统最佳的发送功率。
其他文献
在新兴物联网应用的驱动下,越来越多的设备接入物联网,大量数据涌入数据融合中心等待处理,而数据的保真度和时效性就显得至关重要。作为物联网中典型的数据驱动应用,无线传感器网络由多个在空间上分布的传感器和数据融合中心组成。传感器负责采集数据,数据融合中心负责处理数据并将数据交付给使用者。在该网络中,同时追求新鲜度和保真度成为了一大挑战。事实上,无线传感器网络的部署方式发挥着不可小觑的作用,恰当的部署方式
危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点,并取得了较好的效果。但在资源有限的边缘端设备上,危险驾驶行为检测方法面临着光照环境适应性不强和准确率低等挑战。论文面向以上挑战,开展对于不同光照环境具有良好适应性的高效危险驾驶行
图像作为记录和呈现信息的重要载体,被广泛应用于人类日常生活。高质量图像呈现出的信息和纹理更加丰富。然而,受成像系统和拍摄环境等因素的限制,获取的图像的分辨率有时很难满足实际需求,从软件技术出发提升图像分辨率的超分辨率重建技术由此产生。随着硬件设施性能的提升和深度学习技术的发展,基于深度学习的图像超分辨率重建被各界学者广泛关注。本文针对目前基于深度学习的图像超分辨率重建方法存在的不足,结合注意力机制
随着物联网(Internet of Things,Io T)技术的快速发展和广泛应用,海量数据接入、并发设备连接以及对实时性等有更高要求的新兴应用给现有的移动通信网络带来了严峻挑战。移动边缘计算(Mobile Edge Computing,MEC)将资源下沉到网络边缘,靠近用户,可以增强终端处理能力,降低任务处理时延。然而,传统的MEC受限于固定部署,在一些特殊应用场景存在局限性,搭载边缘服务器的
工业互联网将工业控制,计算机应用,通信网络紧密融合,可实现工业业务的垂直化部署。三者融合需实现模型表达的准确性,功能描述的一致性以及参数的有效传递能力。例如在工业控制业务部署时,通过Apache对业务部署逻辑的一致性进行冲突检测。同样在5G中虚拟网络功能(Virtualized Network Function,VNF)的部署时,需对计算机进程之间的冲突进行检测以及解决VNF之间对共享资源的竞争问
行人重识别在视频监控、智慧侦察、公共安全等领域有广泛的实用价值与研究意义。由于现实场景中存在不平衡的光线、身体部位的遮挡、人的姿势变化等复杂因素,使行人重识别任务变得很具挑战性。主流方法往往单独利用卷积神经网络(Convolutional Neural Networks,CNN)或者Transformer提取行人的关键信息,如何将Transformer和CNN有机地结合来完成行人重识别任务是目前研
电子鼻是一种用于气味检测的仿生系统,主要由气体传感器阵列以及模式识别算法构成。在连续工作的在线场景中,由于环境因素的影响,混合气味干扰和传感器漂移成为损害电子鼻识别性能的两个主要原因。一方面,电子鼻工作时难免受到其他混合气味的干扰,无法准确地识别出目标气味。另一方面,漂移校正是电子鼻在线工作中不可或缺的环节,而基于机器学习的漂移校正手段越来越受欢迎。其中,主动学习漂移校正方法被看作是一种适合电子鼻
超分辨率重构旨在从遭受了模糊、噪声以及降采样的低质图像或视频中恢复出对应的高质量图像或视频,目前已大量应用在医学图像处理、视频监控及卫星遥感等领域。作为经典的不适定问题,针对图像重构时难以准确地恢复出纹理信息、视频重构中存在运动模糊和跳变现象的问题,已经提出了很多模型,重构性能得到了不同程度的改善。其中,相较于传统算法,基于深度学习的方法以其强大的非线性表达能力而有更好的表现,但纹理的重构效果仍有
近年来,随着国内高速公路网的快速发展以及高速铁路系统的大规模部署,高速移动场景下的无线通信受到了越来越多研究者的关注。作为长期演进(Long Term Evolution,LTE)标准的关键技术,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)以其高带宽效率和抗多径衰落特性,在目前的无线通信中被广泛采用。信道估计作为OFDM系统接收机中
变化检测技术关注于通过分析多个时间点对同一个观测场景获取的遥感影像去发现该场景中地物变化情况。合成孔径雷达(Synthetic Aperture Radar,SAR)影像主动成像的机制使得其可以全天时、全天候工作,并且不受日夜光照、云雾遮挡、气候变化的影响。因此,基于多时相SAR影像的变化检测技术受到了广泛的关注并且应用于经济社会发展和国防安全等多个领域。但在多应用场景中,SAR影像中的变化呈现面