面向B5G高速移动通信系统的基于深度学习的信道预测方法研究

来源 :南京邮电大学 | 被引量 : 0次 | 上传用户:yipan1975
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着科学技术与经济条件的快速发展,高速铁路、高速公路也呈现出爆炸式增长的趋势,给人们的出行带来了极大的便利。人们在享受便利出行的同时,对低时延、高质量通信的需求也日益迫切,这促使着高速移动场景下的无线通信技术在全球引起了越来越多的关注。以后5G(Beyond 5th Generation,B5G)系统为例,当终端的移动速度达到500km/h以上时,因车辆高速移动引起的信道快速时变与多普勒频偏会严重影响用户的通信服务质量,而获取准确的信道状态信息(Channel State Information,CSI)是目前提升通信系统性能、保证用户通信质量的有效途径之一。目前,研究人员已经取得了诸多高移动性信道估计的研究成果,但由于信道估计处理和反馈等过程存在时延,使得信道估计方法获取的CSI出现过时的问题,这将导致该场景下的通信系统性能受到严重恶化。因此,为了保证B5G系统中高速移动场景的通信质量,信道预测技术备受关注,已被广泛应用于该场景下CSI的获取。为了进一步提升预测精度和预测模型的适用性,以及降低预测复杂度,本文基于现有的信道预测方法,研究更符合B5G高速移动通信系统的时变信道预测方法,主要内容和创新点如下:(1)针对高速移动多输入多输出正交频分多址接入(Multiple Input Multiple Output-Orthogonal Frequency Division Multiple Access,MIMO-OFDMA)系统,提出了一种新型的多项式基扩展模型(Polynomial-Basis Expansion Model,P-BEM)与反向传播(Back Propagation,BP)神经网络联合的时变信道预测方法。为了降低计算复杂度,该方法采用P-BEM对时变信道进行建模,并通过对信道基系数进行线下训练与线上预测来获取未来时刻的信道信息。在线下训练中,该方法首先基于历史接收的导频信号获取信道的基系数估计值,然后构造训练样本,并将其送入BP神经网络训练,以获取信道预测网络模型;线上预测时,该方法基于训练得到的网络模型与历史基系数估计值,从而获取未来时刻的时域信道。理论分析和仿真结果表明,相比于现有方法,该方法的计算复杂度较低,且预测精度较高,适用于未来高速移动环境下时变信道信息的高效获取。(2)针对传统BEM模型比较固定,在高速移动场景中对时变信道建模会产生较大误差的问题,提出了一种新型的改进基扩展模型下基于BP神经网络的信道预测方法。该方法充分考虑了高速移动环境中不同车辆在相同位置处的信道具有强相关性,首先利用历史时刻信道的相关矩阵来获取最优基函数,以对传统BEM进行改进,然后采用改进后的BEM进行信道建模,并利用有限参数的基系数估计值进行线下训练和线上预测。在训练与预测过程中,该方法的目标是未来时刻的基系数值,而非时域信道信息,最后根据基系数与信道之间的转换关系,获取未来时刻的信道信息。由于基系数维度远远小于信道信息的维度,因此该方法也进一步降低了网络训练和测试阶段的复杂度。(3)相比于BP神经网络,长短期记忆(Long Short-Term Memory,LSTM)神经网络可以充分考虑到序列的时间相关性,经常被用于预测时间序列。基于此,提出了一种新型的改进基扩展模型下基于LSTM神经网络的时变信道预测方法。该方法利用改进后的基扩展模型对信道进行建模,然后,通过LSTM神经网络对信道基系数估计值进行线下训练与线上预测来获取未来时刻信道信息。在实际通信系统中,由于理想的信道信息是未知的,因此该方法将网络训练阶段的逼近目标设置为高精度的信道估计值,以增强预测模型的实用性。理论分析和仿真结果表明,相比于现有方法,该方法具有较高的预测精度和较低的复杂度,不仅适用于现有的高速移动场景,还适用于未来高速移动通信场景。
其他文献
移动通信的高速发展使人们的生活越来越便捷,信息交流的需求也越来越宽泛,这也对通信系统的性能提出了更高的要求,特别是在传输速度和可靠性方面,为了满足这些需求,第五代移动通信系统也在不断完善和普及。而系统的性能好坏与其同步算法的性能有很大关系,信号在经过发送端进行调制到各个子载波上面,提高了信号发送效率和频带利用率,再经过复杂的信道环境进行传输,可能会造成信号叠加干扰因子,造成信号出现时偏和频偏,在接
学位
随着无线通信技术的高速发展,对时钟的要求也越来越高,时钟抖动和时钟相位的一致性对系统性能有很大的影响,多输入多输出(Multiple Input Multiple Output,MIMO)技术是提高系统传输可靠性和数据速率的最有效方式之一。由于小数锁相环可以提供灵活的时钟信号,在MIMO系统中常被用来生成本地振荡器信号。在大规模MIMO系统中需要多个小数锁相环,通过公共的参考时钟信号来生成相位信号
学位
随着移动端智能设备的数量呈现爆发式增长,如何实现海量用户的接入是移动通信发展所面临的问题,非正交多址(Non-Orthogonal Multiple Access,NOMA)技术通过时频域复用,极大提高了系统容量和频谱效率。但在无线通信技术的发展中,系统的能耗成本不断在上升,因此能量效率成为了衡量通信系统性能的重要指标,本文对NOMA下行链路系统实现绿色通信展开了研究。本文以最大化NOMA下行链路
学位
随着无线通信技术的快速发展,通信网中无线终端的接入规模急剧增加,未来需要能够实现全覆盖、无盲点、高速率的无线通信网络,以支撑海量的终端接入高可靠无线通信。多跳中继通信技术通过借助中继节点把长距离直连链路分割成多个短距离、低损耗的传输路径,具有降低系统发送功率、延伸网络覆盖和提高系统容量等优势,从而有效满足未来无线通信系统对大范围内高数据速率业务的覆盖需求,被认为是未来无线通信的关键技术之一。然而,
学位
目前,机器视觉技术广泛应用于智能制造、逆向工程、工业自动化等领域,而基于三维重建的测量技术已经成为机器视觉的重要研究方向。三维重建的技术手段较多,其中,基于线激光扫描的三维重建系统具有测量效率高、结构简单、易于维护且应用场景多等显著优点。3D相机是线激光三维重建系统的核心部件,本文对其关键技术开展研究,对完善3D相机功能、提升3D相机性能具有重要意义。本文在课题组现有3D相机原型基础上,研究了3D
学位
随着人工智能技术的快速发展和智能终端的普及化,语音逐渐成为日常生活中最重要的人机交互接口。语音增强从被噪声污染的语音中分离出尽可能纯净的语音成分,提高语音质量和可懂度,改善了语音交互系统的性能。在非平稳噪声环境下,过去的研究已经表明基于深度学习的语音增强方法增强效果好于传统的“谱减法”等方法,但是基于深度学习的语音增强方法也有一定的缺陷:频域的语音增强算法大多采用语音的幅度谱或者对数功率谱作为模型
学位
相变温控因为结构简单、性能可靠、经济节能等优点,广泛应用于各类设备温控,尤其是电子设备。本文针对电子芯片相变温控,提出了基于相变温度梯级布置的温控新想法,利用COMSOL软件数值模拟研究了温控效果,结果表明,梯度布置相变材料的相变温度具有优化控温的潜力,且梯度温差并非越大或越小越好,本文条件下梯度温差为6 K时控温优化效果最好,相对无梯度布置的最优工况可延长芯片正常工作时间188 s,时间相对延长
期刊
万物互联理念的兴起使得海量的物联网无线设备接入了互联网,但是无线设备通常因电池容量较小导致续航时间有限,如何提升无线设备的续航能力成为了亟需解决的关键问题。以无线能量传输为核心的无线供电通信网络(Wireless Powered Communication Networks,WPCN)可便捷、稳定地为无线设备传输能量并收集信息,有望解决以上问题,因此成为物联网领域的研究热点。然而,能量传输损耗问题
学位
本文根据多年的软件项目工程化指导和评审的经验,选择目前广泛遵循的GJB438B-2009《军用软件开发文档通用要求》为依据,基于结构化的设计方法,对软件设计说明文档中重要章节和常出现问题章节的编写进行研究,为编写软件设计说明文档提供指导。
期刊
随着第五代移动通信技术的商用,毫米波信道相关研究越来越受重视。毫米波通信使用多输入多输出MIMO(Multiple Input Multiple Output)技术,天线规模的扩大以及复杂的预编码技术给信道估计带来了挑战。传统信道估计方法训练序列开销大,并且信道估计算法复杂度较高。为了解决上述问题,本文针对毫米波MIMO信道估计进行相应的研究。针对毫米波频分双工系统下行信道估计训练序列开销大的问题
学位