【摘 要】
:
无线中继具有接收信噪比高、覆盖范围广、吞吐量高和传输功耗低等优势,被广泛应用于各种无线通信网络。然而,无线基础设施和用户终端的快速增长引起了能源消耗的激增,进一步为网络运营商带来巨额的电费和维护费用,也带来许多环境问题。为了缓解这些问题,绿色无线通信引起了学术界和工业界的重视。此外,当无线通信网络频谱效率提高时,需要传输更多的数据进而消耗更多的能量引起能量效率的降低,因此能量效率和频谱效率之间的权
论文部分内容阅读
无线中继具有接收信噪比高、覆盖范围广、吞吐量高和传输功耗低等优势,被广泛应用于各种无线通信网络。然而,无线基础设施和用户终端的快速增长引起了能源消耗的激增,进一步为网络运营商带来巨额的电费和维护费用,也带来许多环境问题。为了缓解这些问题,绿色无线通信引起了学术界和工业界的重视。此外,当无线通信网络频谱效率提高时,需要传输更多的数据进而消耗更多的能量引起能量效率的降低,因此能量效率和频谱效率之间的权衡对于未来的无线通信具有至关重要的意义。基于此,本论文针对无线多中继网络,研究能量效率和频谱效率的均衡优化,分别提出在解码转发半双工多中继网络、解码转发全双工多中继网络以及非完美信道状态信息下的解码转发全双工多中继网络中的能量效率和频谱效率均衡优化方案,以进一步实现绿色无线通信。本论文主要研究内容和贡献如下:1、提出一种应用于解码转发半双工多中继网络的能量效率和频谱效率均衡优化方法。首先考虑多中继的情况,为了改善能量效率,将能量效率最优中继节点作为最佳中继节点参与数据传输;然后,基于最优化频谱效率给各节点分配最优发送功率,在能量效率分析表达式中寻找最优节点总功率以得出相应的能量效率最优解,并分析能量效率和频谱效率受中继节点相对位置的影响。仿真结果显示,相比于最优功率分配等方法,所提出优化方法的能效和谱效更高。此外,在中继节点处于基站节点和用户节点的中间向两端靠近的过程中,能量效率和频谱效率先增大后减小。2、提出一种应用于解码转发全双工多中继网络能效谱效均衡的迭代优化方法,该方法将各节点发送功率调整和参与数据传输中继节点选择相结合。对比采用不同中继节点的场景,选择能够使解码转发全双工多中继网络获得最优能量效率的中继节点作为最佳中继节点,进而推导出最佳中继节点下能量效率和频谱效率的分析表达式;在最小频谱效率约束和各节点最大发送功率约束下最优化能量效率,并分析残余自干扰对解码转发全双工多中继网络能效和谱效的影响。仿真结果显示,相比于现有的最优发送功率方法,该迭代优化方法下的解码转发全双工多中继网络能量效率和频谱效率更高。3、针对非完美信道状态信息下的解码转发全双工多中继网络,为优化能量效率和频谱效率,节点发送功率与中继选择的迭代优化是通过卡罗需-库恩-塔克条件实现的。考虑非完美信道状态信息,对比采用不同中继节点的场景,选择能够使解码转发全双工多中继网络获得最优能量效率的中继节点作为最佳中继节点,推导出最佳中继节点下能量效率和频谱效率的分析表达式。通过卡罗需-库恩-塔克条件求解节点发送功率进而求出能效和谱效的最优值,并分析残余自干扰和信道估计误差对解码转发全双工多中继网络性能的影响。
其他文献
目标跟踪是雷达领域中的一个热点问题。当前战场环境愈发复杂,新式装备和策略层出不穷,目标特性主要表现为高机动、数量多等方面。这就使得目标跟踪极为困难,因此,解决目标跟踪中目标的高机动性、运动模式复杂和数目多且时变等问题具有重要的意义。本文针对复杂环境下目标的特性,重点研究了机动目标跟踪和多目标跟踪算法。首先,研究了机动目标跟踪中的交互式多模型算法。针对交互式多模型算法中存在的Markov转移矩阵自适
当前,深度学习相关技术的研究取得了杰出的成就,基于卷积神经网络的行人检测算法也在不断被提出并应用于实际场景中。行人检测的目的是从各种场景下的图像中检测出行人目标并进行准确地标注,而行人检测的场景往往多样且复杂,且行人姿态、在图像中的尺寸以及光线等因素各异,这对检测算法提出了更高的要求。目前存在的目标检测算法各有其优势和不足,针对指定的目标检测任务需要对其进行改进以达到更好的检测性能。本文对YOLO
随着人们生活质量的提高以及科技的快速发展,汽车数量在增长的同时也带来了许多交通问题。车载自组织网络作为智能交通的重要组成部分,能够有效地减少事故发生以及交通拥堵等问题。而一个高效且可靠的路由协议对于提高车载自组织网络性能发挥着重要作用。然而,由于复杂的路况、车辆的高速移动带来的通信链路连接不稳定以及网络拓扑结构的不断变化,如何在城市环境中设计一种高效可靠的路由协议来将数据包传输到目的地仍然是一个具
随着部队信息化建设不断深入,建设一支打赢信息化条件下的局部战争的部队成为我军的建设目标。相比起机械化条件的战争,信息化条件下,信息成为制胜的关键。随着大量信息化兵器投入战场,传统的以微波通信为骨干网,借鉴蜂窝网络而构建的战术互联网已经逐渐不能满足作战的需求,因此,需要能满足更高要求的战场接入网络。本文考虑基于以云无线接入网为基础的三种接入网架构构建野战综合军事网络。并讨论了以资源块为规划基础的情况
目标检测和跟踪方法是计算机视觉领域的核心问题,也是运动分析、场景理解、行为识别等关键支撑技术,有着广泛的理论研究意义和实践应用价值。课题针对光学视频数据(图像序列数据)空中时敏目标(如:飞机、无人机或其他小型飞行器)的精确检测与跟踪需求,研究结合聚类方法的稳健检测与跟踪方法。以地对空观测成像的典型应用场景为分析依据,凝练了红外成像的无人机目标检测跟踪任务中的典型难点问题,借鉴极限学习机和非监督聚类
随着恶意代码造成的危害日益严重、威胁的领域愈加广泛,恶意代码的检测和分类问题显得更为急迫重要。其中,恶意代码的家族分类对于快速了解恶意代码感染策略、威胁级别,并对其及时开展防范具有重要意义。基于静态特征的恶意代码家族分类具有特征提取时间短、资源消耗少、可扩展性强等特点,在处理分析当前数量呈指数级增长的大规模恶意代码时具有较大优势,一直是当前恶意代码分析的研究热点之一。本文结合深度学习方法,对恶意代
乳腺癌作为在女性中发病率最高的一种癌症,严重影响着女性的健康。但是,如果能使用医学手段及早发现,治愈率还是很高的。所以早期的筛查和治疗是提高乳腺癌患者生存率的重要手段。乳腺X光造影技术的价格相对来说比较便宜,对于病人的身体损伤小,并且医生操作方便,非常适合于乳腺癌的早期检查。因此,以乳腺X光图像作为数据集的医学图像成为临床研究和学术研究的重要图像数据。卷积神经网络在图像分类领域的处理手段得到的效果
<正>总部位于奥地利蒂罗尔州的Egger集团,在美国北卡罗来纳州列克星敦市建了一个新厂,该厂是其第20家工厂,于2020年9月开始投产。早在2017年,Egger集团就宣布要在列克星敦市新建一条刨花板生产线和两条短周期贴面生产线。Egger集团工厂经理Ritterbach说:"该生产线的投资为公司的发展提供了机会,扩大了市场占比,可缩短交货期,旨在为市场提供新的创意、产品和服务。"
随着科学技术和人工智能的迅速发展,智能移动设备的数量急速增加,它们生成的数据呈指数式暴涨,且需要及时处理并分析以提取其最大价值。然而,由于移动设备的处理能力、存储容量等限制,它对应用程序的计算需求反应缓慢,远远满足不了那些新兴移动应用的发展需求,并不能给用户很好的使用体验。且远程云数据中心与移动设备之间的传输距离过长,这将带来过大的传输时延,加重网络负载。移动边缘计算(Mobile Edge Co