【摘 要】
：
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
论文部分内容阅读
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（channel state information,CSI）下IRS使能无线物理层多组多播主被动波束赋形鲁棒设计问题。本文主要内容概括如下:（1）针对IRS使能MIMO-OFDM无线物理层安全通信问题开展研究,分别考虑授权发射机与授权接收机（窃听节点）间不存在与存在直达链路两种情况。针对不存在直达链路的情形,围绕联合优化基站发射波束赋形和IRS反射系数以最大化系统和安全速率问题,提出基于交替优化的次优迭代算法,随后,进一步将所提算法推广到IRS反射系数离散模型。针对存在直达链路的情形,围绕联合优化发射预编码矩阵和IRS反射系数以最大化系统和安全速率问题,提出基于交替优化的块坐标下降（block coordinate descent,BCD）算法。最后,通过数值仿真分析,验证了针对MIMO-OFDM系统化部署IRS可以带来的性能增益以及所提算法的有效性。（2）针对IRS使能无线物理层多组多播系统鲁棒设计开展研究,具体考虑两种CSI误差模型,即有界CSI误差模型与统计CSI误差模型,并分别讨论公平性问题与Qo S问题两个优化设计问题。对于有界CSI误差模型,采用S-procedure将最坏情况信干噪比约束转换为线性矩阵不等式;对于统计CSI误差模型,采用Bernstein类型不等式将中断概率约束转换为二阶锥约束与线性不等式。在此基础上,针对形成的公平性问题与Qo S问题,设计了基于交替优化的高效算法。最后对算法性能进行数值仿真与验证,分析CSI误差大小对系统性能的影响,反映和验证了IRS使能无线通信系统性能依赖于高精度信道估计。
其他文献
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
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