检索结果-内蒙古大学图书馆

电子与信息学报 2020年第12期42卷 2882-2890页

作者：席博洪涛张更新南京邮电大学通信与信息工程学院南京210003

针对卫星物联网(IoT)场景下信号长距离传输衰减大以及单个终端节点传输性能受限的问题,该文提出一种基于节点选择的协作波束成形算法,增强终端节点的传输能力。在实际终端位置信息存在误差的条件下,推导出了协作波束成形平均方向图函数... 详细信息

针对卫星物联网(IoT)场景下信号长距离传输衰减大以及单个终端节点传输性能受限的问题,该文提出一种基于节点选择的协作波束成形算法,增强终端节点的传输能力。在实际终端位置信息存在误差的条件下,推导出了协作波束成形平均方向图函数,分析了不同系统参数对于协作波束成形平均方向图和瞬时方向图差异的影响。在此基础上,根据卫星物联网链路传输性能需求,提出一种区域分组优化的协作节点选择算法。仿真结果表明,相比于传统的分布式协作波束成形节点选择算法,该文提出的算法在实际的误差模型中旁瓣抑制和零陷生成方面具有更好的性能。

关键词：卫星物联网协作波束成形节点选择随机天线阵

来源：评论

学校读者我要写书评

暂无评论

协作波束成形UAV网络中多目标节能通信优化方法的研究

协作波束成形UAV网络中多目标节能通信优化方法的研究

引用

作者：陈秋妍吉林大学

学位级别：硕士

无人机通信和网络是即将到来的第六代无线通信中备受关注的技术。然而,由于无人机的体积小电池容量有限,因此需要更加高效的利用能量,无人机的发射功率也存在一定的限制,在无人机通信过程中可能存在一些窃听者窃取信道中的信息,因此在... 详细信息

无人机通信和网络是即将到来的第六代无线通信中备受关注的技术。然而,由于无人机的体积小电池容量有限,因此需要更加高效的利用能量,无人机的发射功率也存在一定的限制,在无人机通信过程中可能存在一些窃听者窃取信道中的信息,因此在通信时满足缩减无人机移动能耗需求的同时提高安全性能和发射功率是一个重要挑战。论文讨论了一种支持由无人机组件组成的虚拟天线阵列的场景,并使用协作波束成形来实现无人机与基站之间的高效通信。为了获得更好的安全性能和传输性能,无人机部件可以飞到具有阵元激励电流权重的最佳位置来执行协作波束成形传输。因为这将产生更多的运动能量消耗。所以设计了两个无人机的多目标优化问题,具体工作如下: (1)考虑无人机网络中典型的安全通信场景,在无人机的飞行过程中,存在已知的窃听者。为了增强无人机网络的安全性并减少无人机飞行时的能源消耗,同时对无人机的三维位置信息和激励电流进行优化,建立了最小化窃听者方位的零陷值和最小化无人机的移动能耗的多目标优化问题。由于多目标花朵授粉算法具有较高的搜索效率和收敛速度,算法参数较少,易于调节和实现,适用于最小化窃听者方位的零陷值和最小化无人机的移动能耗的多目标优化问题。提出了改进的多目标花朵授粉算法,该算法针对传统算法中随机生成的初始种群可能会导致种群在搜索空间中分布不均匀,从而影响了算法的全局搜索能力的情况,利用Tent映射生成混沌序列,根据问题的维度和种群数量生成对应的混沌序列,将生成的混沌序列映射到问题的初始解空间中,保证了无人机激励电流数值和位置参数的随机性,从而提高算法解空间的随机性和搜索效率;为了改变传统多目标花朵授粉算法容易陷入局部最优解的问题,动态改变配子相对受扰动程度和继承程度,并接受更优的结果作为下次迭代基础,选择最优的一组无人机群,提升了算法的迭代质量,解决了算法易陷入局部最优的问题。实验仿真结果表明,改进的多目标花朵授粉算法在最小化窃听者方位的零陷值和最小化无人机的移动能耗的多目标优化问题中展现出了更优异的性能。 (2)在无人机飞行高度较高,而信道为视距链路场景下,为使无人机更好地与地面基站进行通信,同时对无人机的三维位置信息和激励电流进行优化,建立无人机最大化通信传输速率和最小化移动能耗的多目标优化问题。多目标萤火虫算法由于萤火虫在搜索过程中的启发式移动和交互行为,有助于加速算法的收敛速度,提高了求解效率,更适用于该问题。提出了一种改进的多目标萤火虫算法,为了避免传统算法中随机生成的初始种群,可能会降低种群多样性,进而导致算法容易出现局部优化的情况,利用Gauss/mouse映射的遍历性生成均匀分布的初始种群,并基于对立学习的方法,对于可行的解,同时计算和评估其逆解,以选择更好的解作为下一代个体,并使得种群初始化在可能解空间中均匀分布,保证了无人机激励电流数值和位置参数的随机性,有效提高寻找最优解的效率;通过随迭代次数变化的动态吸引力调整函数,实现当两只萤火虫之间的距离变大时,可以提高两只萤火虫间的引力,使得无人机趋于更优位置移动从而提高了算法的收敛速度。仿真结果表明,改进的多目标萤火虫算法对比于其它优化算法解决无人机最大化通信传输速率和最小化移动能耗的多目标优化问题的效果最优。

关键词：无人机无人机通信虚拟阵列天线协作波束成形多目标优化

来源：评论

学校读者我要写书评

暂无评论

干扰温度约束下的最优源功率控制与协作波束成形

引用

南京邮电大学学报（自然科学版） 2013年第3期33卷 61-69页

作者：魏飞杨震南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003

文中研究在主用户干扰温度约束下,如何优化认知源节点发送功率以及认知中继波束成形权值来最大化认知目的节点的信噪比。信噪比最大化问题被转化为广义Rayleigh商问题,最优中继波束成形权值等于相关信道系数与源节点发送功率构成的矩阵... 详细信息

文中研究在主用户干扰温度约束下,如何优化认知源节点发送功率以及认知中继波束成形权值来最大化认知目的节点的信噪比。信噪比最大化问题被转化为广义Rayleigh商问题,最优中继波束成形权值等于相关信道系数与源节点发送功率构成的矩阵的最大特征值所对应的特征向量。文中考虑了严格与宽松两种干扰温度约束,对于严格约束,给出了最优源节点发送功率与中继波束成形权值的解析解;对于宽松约束,推导了包含最优源发送功率的一个紧缩区间,并在该区间内使用基于最速下降的梯度方法有效计算最优解。

关键词：认知无线电协作波束成形干扰温度放大前传广义Rayleigh商

来源：评论

学校读者我要写书评

暂无评论

面向无人机网络协作波束成形的多目标群体智能优化方法研究

面向无人机网络协作波束成形的多目标群体智能优化方法研究

引用

作者：李家辉吉林大学

学位级别：博士

随着用户接入量的指数级增长和地面无线网络环境的愈发复杂,基于智能网联无人机的空中网络成为第六代移动通信(Six-Generation,6G)的重要组成部分用以提升传统地面网络的系统容量和通信性能。无人机通信可以获得较高的视距(Line-of-Sigh... 详细信息

随着用户接入量的指数级增长和地面无线网络环境的愈发复杂,基于智能网联无人机的空中网络成为第六代移动通信(Six-Generation,6G)的重要组成部分用以提升传统地面网络的系统容量和通信性能。无人机通信可以获得较高的视距(Line-of-Sight,Lo S)链路概率,因此其可作为飞行基站、空中中继和应急网络载体用以辅助地面网络。然而,无人机通信能力较弱且电池容量有限,同时空地信道的开放性导致无人机网络存在较高的被窃听风险。因此,如何有效提升无人机通信性能、能量效率和安全性能已经成为无人机网络领域的前沿科学问题。协作波束成形可以有效提升分布式通信系统的传输性能和能量效率,是实现远距离、低成本和安全无人机无线通信的有效方法。然而,无人机位置的随机分布和服务需求的复杂多变弱化了协作波束成形的通信增益并增加了控制无人机的飞行能耗,使得无人机协作波束成形通信成本与安全性和无人机能耗间存在冲突对立关系。因此,本文基于协作波束成形方法分别开展能量有效的低成本远程无人机协作通信和物理层安全通信等方面的研究工作,利用多目标优化理论表征不同场景下无人机网络协作波束成形中关键通信性能指标和能量效率间的权衡关系,进而提出增强的群体智能算法用以优化无人机网络协作波束成形系统的关键决策变量,主要研究内容及创新如下: 1.基于协作波束成形的低成本远程无人机协作通信方法基于协作波束成形的低成本远程无人机协作通信方法旨在利用协作波束成形为无人机集群提供的高传输增益实现传输范围拓展与通信速率提升,从而减少无人机网络建立通信链路时频繁飞行导致的额外能耗,可在无人机空对地传输以及无人机辅助物联网场景实现通信成本缩减与效率提升。本文针对无人机空对地传输和无人机辅助物联网的场景特点,提出了场景匹配的优化目标与相应的优化策略,主要创新点分别为: (1)时间与能量有效的无人机协作波束成形通信方法:首先,面向无人机集群与地面基站的远程通信场景,构建了一个时间与能量最小化多目标优化问题用以同时优化总传输时间、无人机集群组阵时间和总能耗;其次,推导了无人机集群组阵时间、无人机速度和能量消耗间的最优关系表达式;进一步,提出了一种改进的多目标群体智能优化算法对该问题进行求解;最后,仿真实验结果表明所提远程传输方法可以有效减少无人机集群协作通信时的时延与能耗,并且所提算法优于各类对比算法和策略。 (2)物联网中空地联合协作波束成形的数据采集与传输方法:首先,将协作波束成形技术同时引入空中无人机网络与地面物联网,从而在不改变原有通信节点属性的情况下增强无人机网络与物联网的数据协同传输能力;其次,采用多目标优化理论构建了一个联合考虑时效、能效和安全的多目标优化问题,并证明了该问题具有NP难、大规模和混合变量等特性;进一步,提出了一种增强的多目标群体智能优化算法用以求解该问题;最后,仿真结果表明所提出算法优于各类基准算法与组网策略,且其具有一定的鲁棒性。 2.基于协作波束成形的高能效物理层安全通信方法在上述无人机协作通信方法的基础上,进一步提出了高能效物理层安全通信方法用以屏蔽已知和未知窃听者,从而实现能量有效的无人机网络协作安全通信。本文基于无人机空对地通信场景、无人机中继场景和窃听者合谋下空中双向通信场景,分别提出场景匹配的安全目标与相应的优化策略,其创新点分别为: (1)能量有效的无人机协作波束成形安全通信方法:首先,面向存在已知窃听者和多个未知窃听者的场景,构建了联合确保物理层安全通信与高能量效率的多目标优化问题;其次,提出了一种改进的多目标群体智能优化算法用以对该问题进行求解;进一步,设计了并行分布式算法运行框架,用以提升算法在时间敏感性较强场景中的适用性;最后,仿真结果表明了所提算法的综合性能最佳且优于各种其他传统组网策略。 (2)无人机网络协作波束成形安全中继通信方法:首先,针对存在多个已知和未知窃听者的无人机网络中继通信场景,构建了一个安全节能的多目标优化问题用以实现中继通信系统保密性能与能量效率最大化;其次,提出了一种多目标群体智能优化算法对该问题进行求解,该算法所包含的改进算子可使其更适合求解所构建的多目标优化问题;最后,仿真结果表明所提算法在不同的网络规模下均可实现较高的保密性能和能量效率。 (3)窃听者合谋下无人机集群双向空中安全通信方法:首先,面向已知和未知窃听者基于信号检测合谋的最坏窃听场景,利用协作波束成形设计信号处理方法用以规避窃听者合谋;其次,构建了一个窃听者合谋下无人机集群空对空双向安全通信多目标优化问题,并证明该问题的NP难特性;接着,提出了一种适配问题特性的多目标群体智能优化算法;最后,仿真结果表明所提方法优于其他策略和优化方法,并具有一定的鲁棒性。

关键词：无人机网络协作波束成形多目标优化群体智能算法物理层安全能量效率

来源：评论

学校读者我要写书评

暂无评论

认知无线电多用户系统中协作波束成形技术研究

认知无线电多用户系统中协作波束成形技术研究

引用

作者：李元锋北京邮电大学

学位级别：硕士

随着无线通信新技术的不断发展,无线业务对频谱资源的需求也快速增长,频谱资源的匮乏成为限制无线通信发展的瓶颈之一。然而,现有的无线通信系统大多采用固定频谱分配的频谱授权机制,频谱利用率十分低下。近年来提出的认知无线电技术能... 详细信息

随着无线通信新技术的不断发展,无线业务对频谱资源的需求也快速增长,频谱资源的匮乏成为限制无线通信发展的瓶颈之一。然而,现有的无线通信系统大多采用固定频谱分配的频谱授权机制,频谱利用率十分低下。近年来提出的认知无线电技术能够感知并利用空间未被使用的空闲频谱,实现了对频谱资源的动态管理,有效地提高了频谱利用率。波束成形技术是MIMO系统中一种提高覆盖和容量的多天线传输技术,它通过对发送信号进行加权处理,使信号集中目标用户所在的方向,从而有效提高了接收信噪比。同时,将波束成形技术应用在协作通信系统中,利用多用户节点资源形成虚拟多天线,进而进行波束成形的设计,使得多用户传输信号互相正交,消除用户间干扰,有效地提升了系统的性能。本文主要研究协作波束成形技术在认知多用户系统中的应用。首先,本文研究了协作波束成形技术在认知中继网络中的应用。综合考虑了空间频谱动态性和协作链路不同的衰落特性,针对QoS中的带宽、时延、误码率三个指标,提出了一种认知中继网络中基于QoS的传输方法。包括三个步骤：首先为动态的频谱分配过程；其次为基于平均信道增益的中继选择过程；最后,对选出的中继节点设计波束成形矢量。仿真表明该算法满足了用户业务的带宽需求,最小化了用户时延,降低了系统的误码率,在整体上保证了用户的QoS需求,同时增大了系统吞吐量,提高了频谱效率。其次,本文研究了协作波束成形技术在认知蜂窝异构网络中的应用,分析了包含宏小区和微小区的两层网络中存在的不同类型的干扰问题,充分利用了小区分簇机制的优点,以最大化系统总速率为目标,提出了一个基于分簇的分层协作传输和资源分配机制。在簇内进行多小区的协作波束成形,消除簇内干扰；在簇间进行公共子信道的分配,消除簇间干扰。既保证了认知用户对主用户的干扰小于门限值,又消除了次用户间的共信道干扰,同时使系统总速率最大化。仿真表明该算法优于无于扰协调的系统性能。

关键词：认知无线电协作波束成形 QoS 中继选择分簇

来源：评论

学校读者我要写书评

暂无评论

卫星物联网场景下基于协作波束成形技术的随机接入方法研究

卫星物联网场景下基于协作波束成形技术的随机接入方法研究

引用

作者：席博南京邮电大学

学位级别：硕士

物联网(Internet of Things,Io T)是5G无线网络应用中的主要方向之一,海量布置造价低廉的物联网终端需要建设大量的地面基站构成通信网络。但是在地面建设基站受到地理环境的限制,如海洋、沙漠等极端环境地区无法建设基站、人烟稀少的... 详细信息

物联网(Internet of Things,Io T)是5G无线网络应用中的主要方向之一,海量布置造价低廉的物联网终端需要建设大量的地面基站构成通信网络。但是在地面建设基站受到地理环境的限制,如海洋、沙漠等极端环境地区无法建设基站、人烟稀少的偏远地区建设维护基站的成本昂贵、发生自然灾害时地面网络易遭到破坏等。故传统物联网在上述的应用场景中表现出业务能力严重不足的问题。卫星通信系统由于其不受地理环境影响的全球覆盖能力成为物联网研究方向的热点之一。资源受限的低轨卫星覆盖范围内海量终端在有限时频资源下并发接入问题,需要借鉴5G地面物联网中先进的大规模天线技术,提升同一时频资源下并发接入终端的数量。然而区别于地面富反射环境信道,卫星信道是直射分量占主体的欠散射信道,地面5G网络中基于多天线收发的空时编码技术并不能取得理想的分集增益。基于大规模天线阵的波分多址技术(Beam Division Multiple Access,BDMA)在低轨卫星物联网中具有一定的应用潜力,但受限于相控阵的空间分辨能力和低轨卫星高度,相同口径的相控阵在低轨卫星上并不能取得良好的物联网终端空间分簇效果。此外,相比于数十公里量级覆盖范围的地面物联网,卫星物联网终端的信号传播距离达到上千公里量级,卫星通信链路由于长距离传输导致电磁波信号具有衰减大的特点,并且物联网终端低功率要求以及受限的发射天线增益,导致节点的传输性能受到极大的限制。针对上述的单星相控阵空间分辨率受限问题,本文将多星协作波束成形技术应用于低轨卫星物联网,在多星覆盖共视区内充分挖掘多星覆盖的空间域资源,提出了一种基于多星协作波束成形的容碰撞随机接入方案,信关站通过对多星转发信号协作波束成形的方式,提升碰撞数据包信干噪比,将多星覆盖区内多址干扰转化为系统可利用的空间域资源,从而提升同一时频资源下并发接入的终端数量。仿真结果表明,本文所提出的基于多星协作波束成形的容碰撞随机接入方案具有良好的吞吐量和丢包率性能,在系统高负载下能够缓解传统随机接入方法中存在的“死锁”问题。此外,为了解决物联网终端射频能力弱和卫星通信长距离传输之间的矛盾,本文针对物联网应用场景中一类相互之间具有通信能力的终端,提出了一种基于节点选择协作波束成形的上行接入方式,在考虑终端位置信息存在误差的条件下,推导了节点传输的平均功率方向图函数,并设计了一种区域分组的节点选择算法,通过卫星链路预算分析和区域选择缩小了优质节点的选择范围。仿真结果表明,相比于传统的分布式协作波束成形节点选择算法,本文提出的算法在终端位置误差模型中旁瓣抑制和零陷生成方面具有更好的性能。

关键词：卫星物联网协作波束成形波分多址随机接入节点选择

来源：评论

学校读者我要写书评

暂无评论

无人机网络中基于协作波束成形的干扰抑制方法研究

无人机网络中基于协作波束成形的干扰抑制方法研究

引用

作者：李洪娟吉林大学

学位级别：硕士

无人机作为提供空中无线网络与通信的平台受到国内外学者的广泛关注。然而,视距(Line of Sight,Lo S)占据主导的空地通信会对地面网络产生严重的干扰,导致地面设备之间的通信性能下降。传统的干扰抑制方法依赖于功率分配和轨迹规划,可... 详细信息

无人机作为提供空中无线网络与通信的平台受到国内外学者的广泛关注。然而,视距(Line of Sight,Lo S)占据主导的空地通信会对地面网络产生严重的干扰,导致地面设备之间的通信性能下降。传统的干扰抑制方法依赖于功率分配和轨迹规划,可能会造成无人机传输速率的下降和能耗的增加。因此,本文旨在研究一种无人机数据采集网络中基于协作波束成形(Collaborative Beamforming,CB)的干扰抑制方法,并针对单基站Lo S信道和多基站概率Lo S信道两种场景中的干扰问题提出相应的解决方案。一方面,通过对目标基站的选取以及无人机的悬停位置和激励电流权重进行联合优化,本文将Lo S信道模型下的单基站无人机数据采集场景中的干扰抑制问题建模为一个简单的干扰抑制多目标优化问题(Simple Interference Mitigation Multi-objective Optimization Problem,SIMMOP),以同时提高数据传输效率、减轻干扰影响和增加无人机网络寿命。相应地,提出一种基于混沌的多目标多元宇宙优化算法(Chaotic Multi-objective Multi-verse Optimizer,CMOMVO)。针对传统MOMVO算法只能求解连续优化问题特性,CMOMVO提出一种基于Sine混沌映射的解更新算子,以实现离散解维度的更新。此外,CMOMVO引入混沌初始化策略和基于混沌的参数更新策略,以增强初始解的多样性并平衡算法的探索能力与开发能力,从而提高算法的求解性能。仿真结果显示,CMOMVO可以有效地解决SIMMOP,并且在所有比较方法中优化性能最佳。另一方面,通过对多个目标基站的数据传输顺序以及无人机的悬停位置和激励电流权重进行联合优化,本文将概率Lo S信道模型下的多基站无人机数据采集场景中的干扰抑制问题建模为一个复杂的干扰抑制多目标优化问题(Complex Interference Mitigation Multi-objective Optimization Problem,CIMMOP),并证明该问题为NP难问题。针对CIMMOP问题特性以及其解空间的复杂性,提出一种基于混沌的非支配排序遗传算法(Chaotic Non-dominated Sorting Genetic Algorithm-II,CNSGA-II)。通过引入混沌初始化算子、基于混沌的混合解交叉策略和基于混沌的混合解变异策略,以提高传统NSGA-II算法的初始解性能以及全局和局部搜索性能。此外,CNSGA-II提出一种基于淘汰机制的改进策略,以删除生成的无意义解,从而增强算法的收敛精度。仿真结果表明,CNSGA-II可以有效降低无人机对地面网络的干扰。

关键词：无人机网络协作波束成形干扰抑制多目标优化问题群智能优化算法

来源：评论

学校读者我要写书评

暂无评论

5G大规模MIMO下深度学习辅助的多点协作波束成形方法

5G大规模MIMO下深度学习辅助的多点协作波束成形方法

引用

作者：徐佩钦东南大学

学位级别：硕士

毫米波(mm Wave)无线通信系统可以支持高移动性以实现各种重要应用,例如车辆通信和无线虚拟现实、增强现实等。但是,在实践中实现起来需要克服几个挑战。首先,窄波束的使用和mm Wave信号对阻塞的敏感度极大地影响了高移动性链路的覆盖... 详细信息

毫米波(mm Wave)无线通信系统可以支持高移动性以实现各种重要应用,例如车辆通信和无线虚拟现实、增强现实等。但是,在实践中实现起来需要克服几个挑战。首先,窄波束的使用和mm Wave信号对阻塞的敏感度极大地影响了高移动性链路的覆盖范围和可靠性。其次,密集mm Wave部署中的高移动性用户需要在基站(BS)之间频繁切换,这导致了波束训练开销并会带来延迟问题。此外,在大型天线阵列毫米波系统中识别最佳波束成形向量需要大量的训练开销,这极大地影响了移动用户的效率。本文将以机器学习协作波束成形的方案来解决这一问题,并对机器学习模型进行优化。主要的工作和创新如下:1.针对密集mm Wave部署中的高移动性用户需要在基站(BS)之间频繁切换,而导致的大量资源浪费和等待时间开销的问题,本文协调多个基站以多点协作的方式同时为同一用户提供服务。在该方法中,许多采用RF射频链路的基站连接到有基带处理的中央云处理器共同服务于一个用户,上行信号首先在中央处理器上进行预编码处理,降低数据流之间的干扰,而后在基站处使用模拟域的模拟波束成形。本文详述了中央处理器和基站RF波束成形矢量的训练和设计,目标是在最小的开销下找到最佳波束成形矢量,最大化有效可达速率。从而在波束成形训练开销与利用设计的波束成形矢量获得的可达速率之间达到平衡。2.针对于在高速移动mm Wave系统中识别最佳波束成形向量会导致大量训练开销的问题,本文提出了一种新型的机器学习协作波束方法来代替传统方法估计下行信道,通过训练学习上行链路获取下行链路的波束成形向量信息。用户仅需要发送一个使用全向或准全向波束方向图,多个协作工作的分布式基站共同接收上行链路导频序列。这些接收到的信号不仅为用户位置绘制了关于位置信息的标志,而且还为与周围环境的交互绘制了标志。模型学习如何使用这些签名标志来预测基站处的波束成形矢量。机器学习模型采用基于全连接的深度神经网络,在仿真阶段该深度学习协作波束成形方法与遍历搜索的基本协作波束成形方法作对比,基本协作波束成形方法在设计中央处理器和基站RF波束成形矢量时依赖于上行链路的训练,基站首先从预定义的码本中选择其RF波束成形矢量。然后,中央处理器设计其基带波束成形以确保用户的相干组合。提出的机器学习协作波束成形方法可以极大地减少训练开销,并实现高速移动的mm Wave应用。3.在深度学习协作波束成形的方法上,本文还对模型进行了进一步的优化,提出了卷积神经网络协作波束成形算法和基于Dense Net的卷积神经网络协作波束成形算法。这两种网络架构在预测基站的RF波束成形矢量的同时可以达到更低的训练开销,同时提高了数据效率、拥有更好的特征提取能力,从而达到了更好的效果。此外,还能够以更低的协作开销达到宽覆盖范围和低延迟的协作波束成形增益,实现高移动性毫米波应用。仿真阶段基于准确的射线追踪实验,表明了基于这两种学习模型的协作波束成形方法可在更低训练开销的情况下,找到基站最佳RF波束成形向量,其性能接近于最优的genie-Aided(不考虑训练开销)解决方案的可达速率。本文的上述方法均可以达到优于基本协作波束成形方法的性能,最后分析了上述方法中的不足以及下一步的改进方向。

关键词：毫米波多点协作机器学习协作波束成形可达速率

来源：评论

学校读者我要写书评

暂无评论

无人机辅助的节点可移动无线传感器网络协作波束成形多目标优化研究

无人机辅助的节点可移动无线传感器网络协作波束成形多目标优化研...

引用

作者：王羽欣吉林大学

学位级别：硕士

可移动无线传感器网络(MWSNs)中由于传感器节点的发射功率和节点上硬件装备的成本是有限的,因此常常受到传输能量和通信距离两方面的约束。无人机作为空中基站具有自主采集数据的特性,因此无人机辅助的MWSNs在提高网络性能方面越来越受... 详细信息

可移动无线传感器网络(MWSNs)中由于传感器节点的发射功率和节点上硬件装备的成本是有限的,因此常常受到传输能量和通信距离两方面的约束。无人机作为空中基站具有自主采集数据的特性,因此无人机辅助的MWSNs在提高网络性能方面越来越受到重视。本文选择多个无人机作为空中基站部署的场景下,构建由可移动传感器节点组成的虚拟阵列天线,并采用分布式协作波束形成技术(DCB)实现与不同基站之间的远程高效上行数据传输。由于天线的能量是有限的,方向图的主瓣和旁瓣相互影响并相互制约,因此方向图的旁瓣电平是能量损耗的关键因素,而阵列天线中每一个阵元的激励电流是影响方向图旁瓣电平最直接的因素。因此,为了降低最大旁瓣电平,在每次与不同的基站进行通信时,传感器节点可以移动到具有最优励磁电流权值的位置上来形成高方向性的波束,进而保证得到最大的数据传输速率,副作用是导致了运动能耗的产生。因为不同的通信顺序是影响运动能耗的另一个决定因素,所以本文提出以最大化传输速率、最小化最大旁瓣电平和最小化运动能耗为三个目标构建基于DCB的无人机辅助的MWSNs的高数据传输速率的多目标优化问题来提升网络的能量效率,具体如下:(1)针对多个空中无人机基站静态部署的场景下,通过联合优化传感器节点的位置、激励电流的权重和通信顺序,建立了一个基于静态空中无人机基站的高数据传输速率多目标优化问题。进一步验证了所提出的问题是NP难的,并且问题的解同时包含连续和离散两种性质。由于传统的多目标优化算法都是针对连续的解空间而提出的,不能直接用来更新离散空间的解,本文提出了一种改进的非支配排序遗传算法-Ⅲ(INSGA-Ⅲ),使用次序交叉算子和倒置变异算子的混合解更新策略来使传统的算法适用于求解问题。INSGA-Ⅲ算法还通过引入混沌初始化和平均等级机制的思想提高了全局的搜索性能和种群的多样性。分别在不同阵元规模的条件下验证了算法的有效性,仿真结果表明改进的INSGA-Ⅲ算法对优化问题具有最好的性能。(2)针对多个空中无人机基站动态部署的场景下,考虑无人机因机动性强的特性,在每次通信中同样可以为了得到高指向性的方向图而移动到的最优位置上。因此通过联合优化传感器节点的位置、激励电流的权重、无人机的位置和通信顺序,构建了一个基于动态空中无人机基站的高数据传输速率多目标优化问题,其中的运动能耗由传感器节点和无人机两部分产生的。针对所提出的问题具有包含连续和离散两种性质的混合解空间,本文提出了一种改进的多目标蜻蜓算法(IMODA),通过引入部分匹配交叉算子和交换变异算子的混合解更新策略使算法适用于求解问题。该算法还引入了Sinusoidal混沌算子来对解空间进行初始化,提高了初始解的性能。通过仿真结果表明,IMODA算法在不同阵元规模下都能够有效地解决所构建的多目标优化问题,并且比其他优化算法具有更好的表现。

关键词：可移动无线传感器网络无人机协作波束成形非支配排序遗传算法-Ⅲ 多目标蜻蜓算法多目标优化问题

来源：评论

学校读者我要写书评

暂无评论

毫米波MU-MISO通信系统多小区协作波束成形研究

毫米波MU-MISO通信系统多小区协作波束成形研究

引用

作者：高伟中南民族大学

学位级别：硕士

大数据和人工智能的发展及应用对无线通信数据的传输速度和覆盖范围要求日渐提升。为满足需求,密集的毫米波蜂窝网络部署成为无线通信网络发展的趋势。然而,密集的网络部署会产生严重的小区间干扰从而降低无线传输性能。多小区蜂窝网络... 详细信息

大数据和人工智能的发展及应用对无线通信数据的传输速度和覆盖范围要求日渐提升。为满足需求,密集的毫米波蜂窝网络部署成为无线通信网络发展的趋势。然而,密集的网络部署会产生严重的小区间干扰从而降低无线传输性能。多小区蜂窝网络系统中协作波束成形技术通过基站间的数据共享协作设计波束,能够有效的消除小区间干扰。传统协作波束成形算法性能依赖于完整信道状态信息(channel state information,CSI),但是由于实际通信环境下的完整CSI难以获取,导致算法的性能下降。近年来,深度强化学习(deep reinforcement learning,DRL)已被证明能够在复杂的动态环境中选择最优策略。因此本文采用深度强化学习对毫米波多用户-多输入单输出(multiuser-multiple input single output,MU-MISO)通信系统的多小区协作波束成形优化问题进行研究。论文的主要研究工作分为以下三个方面:1、针对传统波束成形算法性能大程度依赖信道状态信息质量而不适用于快速变化实际系统的问题,提出了一种基于DRL的双模型联合波束成形和功率控制算法(joint power control and beamforming,JPCBF)。该算法采用信息交互协议用于基站了解环境信息,设计集中式训练分布式执行的双模型结构对联合优化问题进行求解。首先各基站收集本地样本上传至云端,云端接收基站上传的本地样本后采用深度Q网络(deep Q network,DQN)对波束成形进行设计;其次,采用深度确定性策略梯度算法(deep deterministic policy gradient,DDPG)取代DQN求解功率控制问题,解决DQN不适用于连续变量的问题。云端模型训练完成后广播给所有基站进行分布式执行获取本地样本。仿真结果表明,该算法的频谱效率优于传统波束成形算法和基于DQN的联合波束成形和功率控制算法。2、针对集中式训练方案需要基站向云端服务器发送本地环境信息导致传输开销较大,而分布式训练方案虽然传输开销小,但存在收敛速度慢甚至不收敛的问题,研究了一种联邦多智能体方案。该方案中每个基站作为一个独立的智能体,各基站采用本地数据独立地训练其本地模型;其次,各基站将经过一定训练次数的本地模型发送到云端服务器进行联邦聚合;最后,云端将聚合得到的全局模型广播给所有基站,进行新一轮本地训练。文中在损失函数为凸函数和非凸函数的情况下,分别对该方案的收敛性进行了分析。仿真结果表明,联邦多智能体方案能够在提升系统性能的同时加快收敛速度。3、基于联邦多智能体方案,提出一种联邦-深度确定性策略梯度(federated learningdeep deterministic policy gradient,FL-DDPG)混合波束成形算法。该算法中,各基站首先采用有限信息交互协议了解环境信息,并基于获取的环境信息采用DDPG算法设计满足约束条件的模拟预编码以消除小区间干扰;其次,采用迫零算法设计数字预编码以消除小区内干扰;最后对各基站的本地模型进行联邦聚合,提升模型精度并加速收敛。训练阶段,采用基于正交匹配追踪(orthogonal matching pursuit,OMP)波束成形算法在完整CSI情况下生成一定数量的样本,以加速初始阶段的收敛速度,并且模型在经验池中只存储满足功率和恒模约束的混合波束成形样本。文中对所提算法的计算复杂度和传输开销进行了分析。仿真结果表明,相比多种基线算法,该算法在减少了传输开销的情况下,提升了频谱效率和收敛速度。

关键词：毫米波大规模MIMO 协作波束成形深度强化学习联邦学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：