【摘 要】
：
伴随虚拟现实和增强现实等新兴应用的发展,无线通信系统对平均和峰值传输数据速率提出极高的要求。全双工技术作为一种从根本上提升频谱效率的候选技术,为提高数据速率提供了潜在解决方案。面向海量机器类通信,全双工中继系统在扩展传输网络覆盖范围方面展示出巨大潜力。超可靠低时延通信（Ultra-Reliable and Low-Latency Communication,URLLC）作为B5G中一个很有前景的应
论文部分内容阅读
伴随虚拟现实和增强现实等新兴应用的发展,无线通信系统对平均和峰值传输数据速率提出极高的要求。全双工技术作为一种从根本上提升频谱效率的候选技术,为提高数据速率提供了潜在解决方案。面向海量机器类通信,全双工中继系统在扩展传输网络覆盖范围方面展示出巨大潜力。超可靠低时延通信（Ultra-Reliable and Low-Latency Communication,URLLC）作为B5G中一个很有前景的应用场景,对传输时延的要求十分严苛,需要短数据包传输信息,节点处的解码差错率不可忽略。本文重点关注全双工中继系统的传输策略设计以及URLLC下全双工中继系统的性能优化,主要内容如下。首先,对于借助全双工中继站点传输信息的通信系统,提出一种新型混合双工传输方案。通过建立该方案的通信信号模型,分别推导出直连链路共存与非共存的两跳中继系统传输速率表达式。构建最大化传输速率的优化问题,进而设计两步优化方法,将多变量问题转换为单变量问题,得到最佳资源分配,并提供所提方案优于已有方案的理论证明。对于直连链路非共存的两跳中继系统,给出系统选择双工工作模式的信源功率阈值,并通过近似处理得到最佳全双工占空比的表达式。仿真结果表明,相比于已有方案,本文设计的传输策略能显著提升系统的传输速率,比如PR/ND=10d B,PS/NR（28）5PS/ND介于12到20之间时,所提方案相比经典混合双工传输方案能达到3.75%到4.34%的速率提升;在不同残余自干扰模型及衰落信道下,该传输策略依然能保证传输速率的提升。其次,将全双工中继系统应用于URLLC场景,建立中继系统下有限码长非正交多址传输模型。推导出两个节点解码差错率的表达式,并证明两个节点差错率关于功率分配的单调性和凹凸性。分别针对独立节点,构建最小化差错率的优化问题。进一步设计算法求解最佳资源分配,并给出最优功率分配表达式。仿真结果表明,URLLC场景下,性能优化后的全双工中继系统能提升传输的可靠性。综上,本文设计的新型混合双工传输策略及全双工中继系统的性能优化方案在提高系统传输数据速率及可靠性方面具有显著优势,能指导实际全双工中继系统中传输策略设计及资源配置。
其他文献
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
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
近年来,一种称为智能反射表面（Intelligent Reflecting Surface,IRS）的无线使能技术被提出,其能够在不显著增加系统部署成本前提下提高无线通信频谱和能量效率以及安全性。本文围绕IRS使能无线通信技术开展研究,以IRS使能无线物理层安全通信和无线物理层多组多播为切入点,分别讨论IRS使能MIMO-OFDM无线物理层安全通信主被动波束赋形问题和不完美信道状态信息（chann