【摘 要】
：
随着下一代网络多媒体化发展,业务呈现出爆炸式增长特性,仅凭现有地面网络架构与物理层技术难以产生真正的通信技术变革以满足日益增加的网络业务承载,且地面网络弱覆盖以及系统高能耗等问题亟待解决。本文从6G网络实现泛在连接和高能效两大目标出发,构建了兼具穿透和反射的可重构智能表面（STAR-RIS）辅助的空天地一体化网络架构,其中STAR-RIS能进一步扩展空天地一体化网络服务范围,从而满足山地等复杂场景
论文部分内容阅读
随着下一代网络多媒体化发展,业务呈现出爆炸式增长特性,仅凭现有地面网络架构与物理层技术难以产生真正的通信技术变革以满足日益增加的网络业务承载,且地面网络弱覆盖以及系统高能耗等问题亟待解决。本文从6G网络实现泛在连接和高能效两大目标出发,构建了兼具穿透和反射的可重构智能表面（STAR-RIS）辅助的空天地一体化网络架构,其中STAR-RIS能进一步扩展空天地一体化网络服务范围,从而满足山地等复杂场景下用户的通信需求。本文以提升系统能效为优化目标,并从以下两个方面展开研究:基于空中中继的空天地网络能效研究。首先基于低轨卫星轨道模型分析了空中中继高度与卫星服务时间之间的关系,然后建立系统能效优化模型,通过将原始优化问题进行转化,得到使系统能效最优的空中中继部署高度,并分析了卫星服务时间与系统总传输功率之间的折衷关系。最后通过仿真验证了与空中中继随机高度算法相比,所提最优高度算法能够实现更优的系统能效性能。基于STAR-RIS的地面网络能效研究。结合多输入多输出（MIMO）以及非正交多址（NOMA）技术,建立了STAR-RIS辅助的MIMO-NOMA地面网络架构,从而进一步扩展了通信覆盖范围。接着,以提升系统能效为目标,联合优化波束赋形矢量、用户功率分配以及STAR-RIS元件相位。考虑求解该非凸优化问题的复杂性,本文将其划分成波束赋形优化子问题以及STAR-RIS元件相位优化子问题,然后设计联合优化算法通过迭代求解这两个子问题最终实现系统能效的最优化。最后通过仿真实验分析了系统参数对系统能效性能的影响,并对比随机STAR-RIS元件相位算法以及基于正交多址（OMA）的算法验证了所提联合优化算法对于提升系统能效的有效性。
其他文献
面部表情蕴含着丰富的情感和行为信息,可以直观地反映出人的情绪和心理活动。表情识别技术在安全驾驶、临床医学、智慧教学等领域有着广泛的应用,已成为计算机视觉研究中的热点。传统基于欧式空间的表情特征提取方法将图像作为标准的网格类型数据处理,虽然能有效地提取表情的时间和空间特征,但忽略了面部图像中的丰富的结构和关联特征,从而导致其特征表达能力有限,不利于于进一步提升对人脸表情的识别效果。论文结合与重庆某汽
我国海上安全形势日趋复杂,海上军事争端越演越烈,能否快速准确地检测船舰目标极大地关系到战争的成败;因此,确保海域安全是我国现在以及今后军事战略的重点。近年来,随着合成孔径雷达（Synthetic Aperture Radar,SAR）成像技术的发展,对船舰目标的精细化观测水平越来越高,使得利用深度学习相关技术挖掘船舰目标的深层特征和精细化信息,进一步提高SAR船舰目标检测性能已成为可能,引起了国内
传统建筑业安全风险防控主要采用基于人工巡检的“人防”手段,存在不可回溯、可靠性差、人力成本高等问题。基于视频监控的“物防”手段在一定程度上可提升风险防控能力,但无法实现实时的风险要素识别和预警。随着人工智能技术的快速发展,基于智能化目标识别技术的智慧工地“技防”手段成为大势所趋。论文结合建筑工地环境复杂多变的实际情况,研究部署便捷、支持风险要素目标实时识别的轻量级目标检测算法和实现智慧工地风险监测
情绪是一种能够表达人的思想、感觉等的综合状态,在人们的交流中有着举足轻重的作用。尤其在人-机交互的研究中,若能准确识别情绪,人-机交互的应用就会更加智能且自然。研究发现,情绪识别的研究综合了认知心理学、计算机视觉、人工智能和脑科学等领域,现已成为一项重要的交叉学科研究课题。如何准确和快速地识别出情绪,一直是该交叉学科领域研究的关键科学问题。目前较成熟的情绪识别算法中,ESRs算法能有效减少剩余泛化
压缩感知理论不再约束于奈奎斯特-香农采样定理对采样频率的要求,其将采样过程和压缩过程进行有机结合,为如何进行有效的信号采样、传输和存储提供了新的模式,将压缩感知应用于图像处理领域,能够减少采样数据量且避免高速采样。从极少量的测量值中有效且高概率高质量恢复出原始信号是压缩感知图像重建研究的核心问题,学者们相继提出了传统和基于深度学习的压缩感知图像重建算法,传统算法基于数学推导是可解释的,但其重建质量
行人重识别技术旨在通过对多摄像头拍下的行人目标进行身份一致性匹配,从而实现对跨摄像头下行人运动轨迹的准确追踪,目前被广泛应用于安全监控、道路交通、智慧校园等领域。面对大量的监控数据时,使用行人重识别技术进行智能识别,可以实现更快、更高效的信息处理和信息分享,提高生活智能化水平,对维护社会稳定安全都具有重要的意义。由于摄像机获取的行人数据集存在光照变化、复杂背景、姿势差异和遮挡等问题,目前的方法往往
随着车辆正在向智能化、网联化演进,行车安全预警作为车辆重要的智能应用之一,受到学术界的广泛关注,有效的行车安全预警能够极大程度提高交通安全,提升驾驶体验。行车安全预警策略一般基于实时道路交通流特性以及本车行驶特性进行建立,如果能够及时发现行车过程中的潜在行车风险,并以之为依据,生成行之有效的行车策略,则能够防患于未然;因此,行车潜在风险的评价方法已经成为学术界的关注重点。本文从VTTI100car
无人机（Unmanned Aerial Vehicle,UAV）作为一种新兴装备,具有灵活部署和易于控制等特点。将UAV应用于现代移动通信网络,从而扩大网络覆盖范围或构建UAV集群网络,已成为无线通信领域研究热点之一。与此同时,伴随着Alpha Go的成功,作为强化学习（Reinforcement Learning,RL）重要分支的多智能体强化学习（Multi-agent RL,MARL）,由于能
在高肥胖率和人口老龄化的趋势下,心血管疾病等慢性病发生率越来越高。对血氧饱和度和心率等关键生命指标进行持续可靠的监测,对于预防慢性病来说变得非常重要。基于光电容积脉搏波描记法（Photoplethysmography,PPG）的检测方法广泛用于无创、连续、实时的人体血氧饱和度、心率、血压等生命体征参数监测,为临床医疗检测和便携式医疗设备提供了重要的技术方案。本文研究和设计了一种用于脉搏波信号检测的
智能监控系统中的视频异常检测技术旨在自主检测出监控画面中的异常事件,有利于维护社会公共安全,具有较高的学术价值和工业价值,也是当前计算机视觉领域的研究热点之一。影响视频异常检测算法精度的主要因素包含事件的时空特征学习和异常评估两个部分,本文将从这两个方面着手研究,以实现事件的完备描述,增强异常事件的可分辨性,进而提高异常检测精度,主要内容包括:（1）针对基于深度学习的帧重构模型泛化能力过强而无法保