检索结果-内蒙古大学图书馆

中国科学技术大学学报 2019年第10期49卷 797-804,819页

作者：戴维佳李乐天周武旸中国科学技术大学电子工程与信息科学系安徽合肥230026

5G无线通信网络中,大规模机器类通信(massive machine type communication,mMTC)是一个新兴的研究课题.对于mMTC,已经提出非正交多址接入(non-orthogonal multiple access,NOMA)来支持其大规模接入.由于mMTC实时接入的稀疏性,基于压缩... 详细信息

5G无线通信网络中,大规模机器类通信(massive machine type communication,mMTC)是一个新兴的研究课题.对于mMTC,已经提出非正交多址接入(non-orthogonal multiple access,NOMA)来支持其大规模接入.由于mMTC实时接入的稀疏性,基于压缩感知的算法可用于识别活跃用户并恢复稀疏信道状态信息(channel state information,CSI)向量.于是提出一种基于期望传播(expectation propagation,EP)的贝叶斯消息传递算法,用于NOMA中的联合活跃用户检测(active user detection,AUD)和信道估计(channel estimation,CE).该算法使用高斯分布对复杂的目标分布函数近似表达,实现线性计算复杂度,通过引入阻尼因子可以确保算法的收敛性.分析与仿真结果表明,基于EP的消息传递算法在联合活跃用户检测和信道估计中比现有算法具有更高的检测准确率和更低的漏检率及均方误差.

关键词：大规模机器类通信非正交多址接入压缩感知期望传播活跃用户检测信道估计

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的大规模机器类通信活跃用户检测方法研究

基于神经网络的大规模机器类通信活跃用户检测方法研究

引用

作者：姚梦成东南大学

学位级别：硕士

大规模机器类通信(massive Machine Type Communication,m MTC)作为第五代(the Fifth-Generation,5G)移动通信系统的三大关键场景之一,广泛应用于智慧交通、城市大脑、健康监测等领域,为人类的生产和生活提供了极大的便利。与此同时,巨... 详细信息

大规模机器类通信(massive Machine Type Communication,m MTC)作为第五代(the Fifth-Generation,5G)移动通信系统的三大关键场景之一,广泛应用于智慧交通、城市大脑、健康监测等领域,为人类的生产和生活提供了极大的便利。与此同时,巨大的用户数、庞大的数据量以及复杂的业务场景,也对通信领域技术的革新提出了严峻的挑战,其中就包括对无线网络接入的控制。免授权(grant-free)的非正交导频接入模式,利用压缩感知(Compressed Sensing,CS)框架进行用户检测和信道估计,能够应对m MTC场景中用户数巨大、用户呈现零星活跃状态而导致的资源冗余等问题。本论文基于这种场景,提出了一种应用于m MTC活跃用户检测的新型神经网络(Neural Network,NN)。首先,本论文简要介绍了通信技术的发展历史和下一代移动通信技术的主要应用场景,并着重介绍了m MTC场景的一些实际应用。同时,本论文介绍了稀疏信号重构算法和深度展开网络(Deep Unfolding Net,DUN)的研究现状,为之后的研究工作做铺垫。然后,基于m MTC的实际通信场景建立了数学模型,旨在将上行通信中的活跃用户检测抽象为对稀疏信号的求解,再利用CS和NN的相关理论优化求解过程,从而降低错误率。在用户设备为单天线的前提下,当基站(Base Station,BS)为多天线时,对该模型的求解可以看作一个列稀疏模式相似的高维稀疏矩阵重构问题;当BS为单天线时,则该问题降维成一个经典的稀疏向量求逆问题。同时,本论文着重介绍并重新推导了两种经典求逆算法:迭代收缩阈值算法(Iterative Shrinkage Thresholding Algorithm,ISTA)和近似消息传递(Approximate Message Passing,AMP)算法。这两种算法可以在DUN网络中进行展开和优化。其次,本论文介绍了基于数据驱动(data-driven)和模型驱动(model-driven)的两类NN,并说明了将模型驱动型网络应用在通信问题上的优越性。作为一种新型可解释的NN,它的内部结构是建立在经过严谨数学证明的算法之上的,并且由于网络结构固定,其可训练参数的个数少,训练复杂度低,更适合应用于对延迟要求严格的通信系统。之后,本文提出了一种新型网络——基于Stein无偏风险估计的AMP网络(the Stein’s Unbiased Risk Estimate–AMP Net,SURE-AMPNet),简称SANet。这是一种以AMP算法为基础、以散度趋零(divergence-free)自适应降噪器为核心,借助DUN网络为框架的新型网络。本论文首先从一维观测向量(Single Measurement Vector,SMV)入手,推导了自适应去噪器系数的计算方法,并给出了SANet-SMV网络的整体结构。通过实验仿真,说明了SANet-SMV网络相较于其他算法在收敛速度、收敛结果、畸变对抗等方面性能的优越性。并且通过仿真,说明了SANet-SMV无需先验信息的特性以及它的低训练复杂度。最后,本论文将SMV网络扩展为高维观测向量(Multiple Measurement Vector,MMV)网络。该网络综合考虑了实际情况中的传输能量、尺度衰落等,将复数信号通过分块转化为实数计算,并详细阐述了SANet-MMV网络的线下训练和线上使用策略。通过实验仿真,说明了相较于主流方法向量近似消息传递(Vector Approximate Message Passing,VAMP),SANet-MMV在误判率性能方面的优越性。并且,当天线数增多时,SANet-MMV能够在保持自身训练复杂度不变的同时提高误判率性能。本论文也研究了SANet-MMV这种新型网络在实际通信场景下的可行性,给出了网络层数设置的方案,并通过实验说明了该网络能够在未知用户接入概率的前提下完成检测任务。同时,本论文给出了训练完毕后的SANet-MMV网络实现一次计算所需要的时长,说明了网络的计算速度符合相干时间的要求。相比于其他算法,SANet这一新型网络在性能上有所提升,并且能够对抗多种畸变情况,具有很强的鲁棒性。同时,它能够很好地应用在高维问题中,解决多天线问题。作为NN的一种改进,SANet的低训练复杂度、高效计算能力以及无需先验信息的特性,都为它在实际场景中的应用提供了很好的支撑。

关键词：大规模机器类通信活跃用户检测近似消息传递机器学习误差估计

来源：评论

学校读者我要写书评

暂无评论

卫星物联网上行免授权传输活跃用户检测研究

卫星物联网上行免授权传输活跃用户检测研究

引用

作者：江诗禹南京邮电大学

学位级别：硕士

随着卫星通信技术的发展,卫星物联网系统以其具备的抗毁性能强、覆盖范围广等优势,成为放置在偏远地区的物联网终端接入网络服务的可靠选择,可实现真正的“万物互联”。由于卫星覆盖范围广,且随着终端数激增,网络将面临随遇稳健接入的... 详细信息

随着卫星通信技术的发展,卫星物联网系统以其具备的抗毁性能强、覆盖范围广等优势,成为放置在偏远地区的物联网终端接入网络服务的可靠选择,可实现真正的“万物互联”。由于卫星覆盖范围广,且随着终端数激增,网络将面临随遇稳健接入的挑战。在物联网等大连接、轻控制的应用场景中,系统的无线资源十分有限,终端上行接入时会竞争资源,便会发生用户间数据包碰撞。同时,为了减少信令开销,降低接入时延、提高通信系统效率,作为支持卫星物联网大尺度传输的解决方案,免授权随机接入技术成为了研究热点。免授权传输技术不经过连接建立过程,满足了卫星物联网低功耗、轻控制的要求,然而,这会导致用户的数据传输行为在卫星接收端往往是不可完全预知的,系统无法确知哪些用户是活跃的,这给后续的多用户检测带来困难,因此需要首先进行活跃用户检测。目前,活跃用户的检测通常在码域进行。但物联网终端密度远超移动通信用户,仅依靠码域辨识会导致地址码维度激增,降低帧效率,并且较多采集类与监测类物联网终端自身能力弱,无法实现自身位置的上报,导致这一维接入辅助信息的缺失,不利于活跃用户检测的性能提升。本文面向未来星载相控阵发展趋势,引入空域辨识思想,采用多域联合方法进行活跃用户检测,具体内容如下:(1)基于未来星上相控阵天线处理优势及物联网终端分布式部署的特点,提出码域与空域级联的活跃用户检测方法。卫星接收端首先对接收信号在码域进行用户辨识,在算法迭代过程中,若有使用相同码字的用户,则进行波达方向估计,利用用户的空域信息,进一步区分不同用户,通过码域与空域级联的方法得到最终的活跃用户估计集。仿真结果表明,相较于传统码域检测方案,所提方法能够在码字冲突时,达到用户辨识的目的,提升活跃用户检测性能。(2)针对码域与空域级联方法复杂度高、在低信噪比条件下性能不佳的问题,提出了多维联合活跃用户检测方案。根据信号的码字序列和方位信息,创建码字角度联合码本,结合用户码字序列和方位信息,直接利用稀疏重构方法进行活跃用户的估计,达到联合检测的效果。仿真结果表明,在码字不冲突情况下,所提方法较前面级联方案在信噪比较低时,能够提升活跃用户检测成功率,且当用户存在码字冲突情况下,该算法仍具有一定有效性。(3)针对压缩感知算法在活跃用户数较多时序列相关性过高,进行活跃用户检测时辨识性能受限的问题,分析了基于机器学习进行活跃用户检测的算法,根据用户稀疏性特征,创建一个码域和空域联合的数据集来学习用户活跃特征,构建深度神经网络模型,学习接收的碰撞信号和发送信号中活跃用户之间的复杂映射,使用训练的深度神经网络模型进行多用户活跃用户检测。仿真结果表明,学习了信号的码字与方位特征后,所提方法能够在序列相关性过高时,达到活跃用户辨识的目的,并且相较于基于压缩感知技术的检测方案,检测成功率有一定提升。

关键词：卫星物联网免授权传输随机接入星载相控阵活跃用户检测

来源：评论

学校读者我要写书评

暂无评论

大规模MIMO随机型接入活跃用户检测和信道估计方法研究

大规模MIMO随机型接入活跃用户检测和信道估计方法研究

引用

作者：邱晓东南大学

学位级别：硕士

面向未来物联网(The Internet of Things,Io T)通信的大规模机器类型通信(massive Machine Type Communication,m MTC)场景,其上行通信链路的主要特征为:巨连接,即终端数目巨大;终端传输的数据包较短;终端数据传输具有稀疏性。传统的授... 详细信息

面向未来物联网(The Internet of Things,Io T)通信的大规模机器类型通信(massive Machine Type Communication,m MTC)场景,其上行通信链路的主要特征为:巨连接,即终端数目巨大;终端传输的数据包较短;终端数据传输具有稀疏性。传统的授权接入方式应用于大规模机器类型通信场景中会带来沉重的接入信令开销,降低系统的传输效率;并且当海量终端在同一时刻请求建立连接时会引起前导序列碰撞,从而造成网络拥塞大大增加系统传输时延,因此相关研究提出将共享冲突域的随机型接入方式应用于该场景。当基站(Base Station,BS)配置大规模天线阵列时,m MTC场景中随机型接入将面临以下挑战:首先,多个用户在共享的无线资源块上传输数据时,用户间的数据叠加使得基站无法分辨哪些用户正在传输数据,需要进行活跃用户检测;其次,若为海量用户分配正交导频将会带来巨大的导频开销,需要研究非正交导频的设计,以及研究具有可实现复杂度的高效信道估计方法。本文围绕基站侧配置大规模天线的大规模MIMO随机型接入场景,对其中的活跃用户检测与信道估计问题、非正交导频设计与调度问题展开研究。具体内容包括:首先,回顾压缩感知理论中用于稀疏矢量重建的近似消息传递(Approximate Message Passing,AMP)类算法。在大维约束下利用中心极限定理和泰勒二阶展开近似对置信度传递(Belief Propagation,BP)算法的消息传递规则作近似简化,可以得到TAP-AMP算法。在TAP-AMP算法的基础上,进一步假设度量矩阵的元素服从高斯分布CN(0,1/m)可以推导出BAMP(Bayesian optimal AMP)算法,其中m是度量矩阵的行数。将BAMP算法的降噪函数用软阈值函数替换得到BPDN-AMP算法,并且在噪声为零的特殊情况下可将BPDN-AMP算法转换为BP-AMP算法。此外针对AMP算法只能求解压缩感知中单矢量测量(Single Measurement Vector,SMV)问题的局限性,vector AMP算法在待估稀疏信号先验统计特性已知且噪声为加性高斯白噪声的条件下将AMP算法推广到多矢量测量(Multiple Measurement Vectors,MMV)问题中;针对AMP算法仅能求解压缩感知中线性SMV问题的局限性,GAMP算法可以解决具有任意输入、输出分布的广义线性压缩感知模型中的SMV问题,可以提供对待估矢量作MMSE和MAP两种估计的近似,分别称为Sum-Product GAMP算法和Max-Sum GAMP算法,并且当噪声为加性高斯白噪声时Sum-Product GAMP算法将退化为TAP-AMP算法。之后回顾了Bethe自由能理论框架,在该框架下通过对辅助置信度设计不同的约束条件可以推导出不同的消息传递算法变体,例如:BP算法、AMP算法、期望传递(Expectation Propagation,EP)算法等。其次,围绕大规模MIMO随机型接入场景下的活跃用户检测和信道估计问题,对场景普适(适用于多种信道统计模型,适用于用户先验活跃统计特性已知或未知,适用于信道统计模型的先验参数已知或未知)的随机型接入问题进行统一建模。在此基础上,从变分贝叶斯推断的角度出发,将随机型接入场景中的活跃用户检测和信道估计问题转化为约束集下的变分自由能最小化问题,之后利用Bethe近似方法并且对辅助置信度重新设计均值方差一致性约束、边缘一致性约束和因子化约束条件,将其转化为混合约束集下的Bethe自由能最小化问题,从而推导出随机型接入系统中用于联合活跃用户检测和信道估计的混合消息传递(Hybrid Message Passing,HMP)算法的一般形式。进而将HMP算法框架应用于独立同分布(i.i.d.)的复高斯衰落信道下、大规模MIMO空间相关信道下、以及用户先验活跃统计特性已知或未知的场景中进行活跃用户检测和信道估计。仿真结果表明:所提出的方法不仅具有场景普适特点,并且在各种场景中均能够获得优于现有方法的性能。最后,围绕大规模MIMO随机型接入系统中的非正交导频设计与调度问题,从压缩感知和Welch界等式(Welch Bound Equality,WBE)序列两个角度进行序列设计研究。从压缩感知的角度分析,导频矩阵应满足有限等距性质以保证在测量过程中不丢失待估稀疏矢量的信息,这一性能可以通过导频矩阵的相关性来衡量,且相关性越小导频矩阵性能越好。由此提出了确定性非正交导频矩阵设计方法,并基于ZC(Zadoff-Chu)序列设计了ZC导频矩阵。从LS和LMMSE信道估计均方误差最小化的角度分析,最优的非正交导频序列应该为满足Welch界等式的WBE序列,由此提出了一种基于WBE序列的非正交导

关键词：大规模MIMO 随机型接入压缩感知活跃用户检测信道估计非正交导频设计

来源：评论

学校读者我要写书评

暂无评论

mMTC非正交多址接入中的活跃用户检测和信道估计

mMTC非正交多址接入中的活跃用户检测和信道估计

引用

作者：戴维佳中国科学技术大学

学位级别：硕士

大规模机器类通信(massive Machine Type Communications,mMTC)作为第五代移动通信技术(The 5th Generation Mobile Communication Technology,5G)的重要应用场景之一,具有大规模接入、低时延、高频谱效率等技术要求。非正交多址接入(Non-orthogonal Multiple Access,NOMA)是一种可以通过单一无线资源为多个用户提供服务的多址接入技术,可以作为mMTC的重要解决方案。NOMA能够利用有限的资源向大规模用户提供服务,并且用户上行传输无需资源申请过程,避免了信令造成的传输延迟。但这也导致了基站侧无法得知数据由哪些用户发送,所以需要对活跃用户进行检测,同时,为了对接收数据进行恢复,信道估计问题也需要得到解决。本文主要研究如何利用系统先验统计信息解决系统活跃用户检测(active user detection,AUD)和信道估计(channel estimation,CE)问题,以及部分先验统计信息缺失即用户先验活跃概率未知时的问题求解,主要工作包括以下两点:(1)针对已知先验统计信息即用户先验活跃概率时的活跃用户检测和信道估计问题,本文基于压缩感知(Compressive Sensing,CS)理论将其建模为稀疏重构问题,并提出了基于期望传播(Expectation Propagation,EP)的变分近似消息传递(Variational Approximate Message Passing,VAMP)算法,将复杂的目标概率分布使用高斯分布近似表达,对于因子图中节点之间传递的消息可以转化为使用高斯分布的参数进行传递更新,由此可以将计算复杂度降低到线性复杂度,极大地提高了计算效率。同时,为了保证变分近似消息传递算法的收敛性,引入了阻尼因子,用以平滑迭代过程中的参数更新。(2)对于用户先验活跃概率未知的活跃用户检测和信道估计问题,在阻尼变分近似消息传递算法的基础上,提出了基于期望最大化(Expectation Maximun,EM)算法的变分近似消息传递算法(Damping-EM-VAMP),建立内外双层迭代,将先验活跃概率作为隐变量,通过EM算法的E步对其做最大似然估计(Maximum Likelihood Estimation,MLE),将估计值作为Damping-VAMP算法的先验信息输入,利用由此估计的用户信道信息概率分布对用户先验活跃概率做下一步最大似然估计,如此反复直至收敛。通过上述研究,对于mMTC应用场景非正交多址接入中的活跃用户检测和信道估计问题,本文提出的变分近似消息传递算法可以在降低计算复杂度提高计算效率的同时,比其他算法具有更高的活跃检测准确率和更低的漏检率以及信道估计均方误差,以此解决了NOMA免授权上行传输机制中数据源用户的检测,和为了恢复数据而需进行的信道估计问题,使NOMA能有效应用于mMTC场景中。

关键词：大规模机器类通信非正交多址接入活跃用户检测信道估计压缩感知期望传播期望最大化

来源：评论

学校读者我要写书评

暂无评论

C-RAN上行链路活跃用户检测和信道估计算法研究

C-RAN上行链路活跃用户检测和信道估计算法研究

引用

作者：董珍君南京大学

学位级别：硕士

近年来随着无线通信新技术的飞速发展,连接到通信网络的设备数量快速增长。为了保证海量设备连接以及较高的数据传输效率和超低传输时延,中国移动研究院提出了一种很有前景的云无线接入网（Cloud Radio Access Network,C-RAN）架构,能... 详细信息

近年来随着无线通信新技术的飞速发展,连接到通信网络的设备数量快速增长。为了保证海量设备连接以及较高的数据传输效率和超低传输时延,中国移动研究院提出了一种很有前景的云无线接入网（Cloud Radio Access Network,C-RAN）架构,能够满足爆炸性的实时数据业务需求。根据C-RAN系统的大规模用户连接特性,为了解决传统的基于授权的无线接入方式引起的大量信令开销以及系统传输效率差等问题,本文采用了最新研究的5G无授权接入技术,不需要预先向基站申请无线传输资源。但是在无授权接入技术中,基站不知道哪些用户处于活跃状态正在传输数据,也不知道信道的状态信息,从而无法恢复活跃用户传输的数据,所以系统首先需要进行活跃用户检测（Active User Detection,AUD）和信道估计（Channel Estimation,CE）。本文主要研究的是基于无授权接入的C-RAN上行链路系统中的活跃用户检测和信道估计联合检测算法设计。根据以往研究可知C-RAN场景中活跃用户的分布是稀疏的,启发了应用压缩感知（Compressed Sensing,CS）理论将活跃用户检测和信道估计联合检测问题表达成压缩感知信号恢复问题。本文基于高效并行的交替方向乘子法（Alternating Direction Multiplier Method,ADMM）,在单天线系统提出了高效的Double-ADMM（D-ADMM）联合检测算法,在MIMO（Multiple Input Multiple Output）系统提出了Block-ADMM（B-ADMM）联合检测算法。本文分别对单天线系统和MIMO系统进行研究,主要内容如下:1、面向单天线系统的D-ADMM联合检测算法:单天线系统的联合检测问题是一个标准的压缩感知块稀疏问题,通过将原问题分解并引入ADMM,提出了高效的联合检测算法D-ADMM算法。算法设计过程中首先将原问题分解成几个子问题进行并行求解,每个子问题是标准的压缩感知问题,为了解决每个子问题的非凸约束7)0范数问题,将7)0范数释放到7)1范数;然后引入正则项,将子问题转化成凸优化无约束问题,从而无需获取稀疏度先验知识;最后引入ADMM,将无约束子问题分解成多个简单的局部子问题,并通过迭代交替的方式求解,从而实现信号恢复。D-ADMM算法不需要稀疏度先验知识,得到的活跃用户检测和信道估计性能可以达到凸优化类重构算法标准内点法得到的性能,但是计算时间可以降低2个数量级,有效地实现了活跃用户检测和信道估计。2、面向MIMO系统的B-ADMM联合检测算法:MIMO系统中信号恢复问题是一个标准的压缩感知块稀疏问题,将块稀疏问题转化成凸优化问题并引入ADMM,提出了一种高效的解决压缩感知块稀疏问题的方法B-ADMM算法。算法设计过程中首先将7)2,0范数释放到7)2,1范数,解决7)2,0范数非凸约束问题,将原问题转换成凸优化问题;然后引入正则化参数,将凸问题转化成无约束问题,解决了稀疏度先验知识获取的问题;最后引入ADMM,进行并行交替求解,从而得到原始信号。B-ADMM算法不需要稀疏度先验知识,信号恢复性能可以达到标准内点法得到的性能,计算时间可以减少1个数量级,且不随导频长度的增长而线性增长。

关键词： C-RAN 活跃用户检测信道估计压缩感知交替方向乘子法

来源：评论

学校读者我要写书评

暂无评论

大规模异步免授权接入活跃用户检测及信号恢复算法

大规模异步免授权接入活跃用户检测及信号恢复算法

引用

作者：张仁祥南京邮电大学

学位级别：硕士

大规模免授权随机接入是海量物联网需要解决的瓶颈问题之一,技术上需要进行活跃用户检测以及相应的信号解调。大规模机器类通信具有稀疏接入和海量连接的特点,因此目前许多基于压缩感知的方法已应用于活跃用户检测、信道估计及信号恢复... 详细信息

大规模免授权随机接入是海量物联网需要解决的瓶颈问题之一,技术上需要进行活跃用户检测以及相应的信号解调。大规模机器类通信具有稀疏接入和海量连接的特点,因此目前许多基于压缩感知的方法已应用于活跃用户检测、信道估计及信号恢复中。利用压缩感知理论在信号处理方面的优势,寻找稳定可靠且实用的活跃用户检测方法,提升活跃用户检测性能,是大规模机器类通信系统中重要研究方向之一。此外,近年来机器学习的火热也吸引了许多学者的兴趣,越来越多基于深度学习的算法被提出以解决传统通信领域的热点问题。目前,大部分随机接入方案都假设接入用户是时隙同步的,而实际场景中用户与基站的同步是个很棘手的问题。由于缺乏严格的上行(Uplink,UL)定时控制过程,基站接收到的不同活跃用户的信号是异步的,但时间偏差根据应用场景不同的范围不同。本文主要立足于解决准同步、异步免授权接入情形下的活跃用户检测及信号恢复问题,主要工作如下:首先,针对准同步免授权随机接入场景下的活跃用户检测及信号恢复问题,提出了一种低复杂度的贪婪算法。该算法先对活跃用户中最强的用户及其延时进行估计,然后利用BCD(Block Coordinate Decent)算法进行信道估计和信号解调,在此基础上,在接收信号中消除当前已估计出的最强活跃用户的信号成分,从而算法转入下一个活跃用户的检测和信号解调。实验结果表明,所提出的准同步贪婪算法性能表现与同步场景下的一些算法接近。其次,针对异步免授权随机接入场景下的活跃用户检测及信号恢复问题,引入时延对系统的影响,建立了异步系统的数学模型在此基础上给出了了联合时延估计、活跃用户检测、信道估计以及信号恢复的数学化问题求解模型。基于贪婪原理提出了一种异步活跃用户检测以及信号恢复算法,该算法先对最强活跃用户及其接入延时进行估计,然后进行信道估计和信号解调,在此基础上在原始信号中消除当前已估计出的最强活跃用户的信号贡献,算法转入下一个活跃用户的检测和信号解调。仿真对比了所提出算法与同步情况下的OMP(Orthogonal Matching Pursuit)算法以及活跃用户检测算法的性能差异,仿真结果表明,所提出的异步算法性能在高信噪比时逼近完全同步场景下的算法性能。最后,针对同步免授权随机接入场景下的活跃用户检测问题,,分析对比了现有的几种利用深度神经网络进行活跃用户检测的方案的性能及实现复杂度。仿真结果表明:各种深度学习的方法性能相差不大且性能优于传统压缩感知的方法,而传统压缩感知算法则不需要提前训练参数,可即时使用。

关键词：大规模随机接入压缩感知活跃用户检测非正交多址深度学习

来源：评论

学校读者我要写书评

暂无评论

基于免调度传输上行非正交多址方案的活跃用户检测和信道估计算法研究

基于免调度传输上行非正交多址方案的活跃用户检测和信道估计算法...

引用

作者：王小雪西安电子科技大学

学位级别：硕士

大规模机器类通信(Massive Machine Type Communication,m MTC)是第五代移动通信网络(5th Generation Mobile Networks,5G)的主要应用场景之一。MTC设备以上行零星通信为主,且通常以低速率传输较短的数据包。与此同时,为了满足m MTC通... 详细信息

大规模机器类通信(Massive Machine Type Communication,m MTC)是第五代移动通信网络(5th Generation Mobile Networks,5G)的主要应用场景之一。MTC设备以上行零星通信为主,且通常以低速率传输较短的数据包。与此同时,为了满足m MTC通信场景海量连接、低功耗和低延时的需求,本文采用基于免调度(Grant-Free)的上行非正交多址接入(Non-Orthogonal Multiple Access,NOMA)方案。由于该方案省略了基站与用户之间信令的动态交互过程,使得基站端无法识别出当前时隙用户的状态信息。因此,基站端在恢复数据之前,必须首先进行活跃用户检测和信道估计。此外,多输入多输出(Multiple Input Multiple Output,MIMO)技术能够进一步提高系统容量和时频资源利用率。综上,本文在基于免调度传输上行NOMA方案的通信场景下,对活跃用户检测和信道估计问题展开深入研究。首先,本文考虑m MTC-MIMO系统中用户通信行为的稀疏性,将活跃用户检测和信道估计问题建模为稀疏向量的重构问题。然后通过期望传播(Expectation Propagation,EP)算法将稀疏向量的重构问题转换为利用复高斯分布逼近系统后验概率分布的问题。针对将经典EP算法应用于MIMO系统计算复杂度较高的问题,本文为了平衡系统计算复杂度以及活跃用户检测和信道估计准确度,在EP算法的基础上采用优化的融合判决门限准则,提出了基于EP的最佳投票判决(EP-Optimal Fusion,EP-OF)算法。该算法能够根据系统预先设定的错误检测上限,使用合适的天线数协作进行活跃用户检测,同时在基站端应用最佳投票判决门限,对多根天线的检测结果进行有效地融合。仿真结果表明,该算法活跃用户检测的错误概率均在预先设定的目标错误检测上限之内。即使在过载率较高的情况下,该算法仍能保证系统的检测性能。其次,针对m MTC-MIMO系统中更加实际的通信场景,即用户能够在任意时隙内自由地访问或者退出网络,而且部分活跃用户将在连续时隙内均进行数据传输。本文提出了修正的先验信息辅助的期望传播(Modified-Prior Information Aided-EP,MPIA-EP)算法。该算法结合经典EP算法和子空间追踪(Subspace Pursuit,SP)算法,将前一时隙的活跃用户支撑作为先验信息,自适应地利用相邻时隙活跃用户支撑集的相关性进行活跃用户检测和信道估计。M-PIA-EP算法以回溯的方式重构接收信号,并判定使重构信号与基站端接收信号最匹配时的用户集合为当前时隙的活跃用户支撑集。该活跃用户支撑集由两部分用户集合构成,分别是在前一时隙和当前时隙均保持活跃状态的用户集合,以及仅在当前时隙为活跃状态的增加的用户集合。仿真结果表明,活跃用户检测和信道估计的准确度随着相邻时隙重叠用户数的增加而提升。

关键词：免调度传输非正交多址接入 MIMO 活跃用户检测信道估计期望传播算法硬融合

来源：评论

学校读者我要写书评

暂无评论

非协调多址接入活跃用户检测与信道估计方法研究

非协调多址接入活跃用户检测与信道估计方法研究

引用

作者：王智超东南大学

学位级别：硕士

随着物联网([oT,internet of things)技术的快速发展,现有的长期规划演进(LTE,long-term evolution)通信标准难以满足机器与机器通信(M2M,machine-to-machine)的需求,主要原因在于M2M有其不同于LTE传输的显著特征。为了满足下一代移动... 详细信息

随着物联网([oT,internet of things)技术的快速发展,现有的长期规划演进(LTE,long-term evolution)通信标准难以满足机器与机器通信(M2M,machine-to-machine)的需求,主要原因在于M2M有其不同于LTE传输的显著特征。为了满足下一代移动通信系统中对机器类通信(MTC,machine-type communication)低延迟、高可靠性的需求,本文利用了压缩感知的相关理论研究了如何在非协调多址接入场景中实现导频辅助的活跃用户检测和信道估计。首先,研究了如何利用基于多矢量测量的正交匹配追踪(OMP-MMV,orthogonal matching pursuit for multiple measurement vectors)及其衍生算法解决非协调多址接入场景中的活跃用户检测和信道估计问题。一方面,在归一化多矢量测量的正交匹配追踪算法(N-OMP-MMV,normalized OMP-MMV)的基础上,为了提高非协调多址接入系统的传输效率、增加可扩展性,考虑了活跃用户个数服从泊松分布的场景。在此场景下,现有文献中的算法都没有考虑到充分利用用户活跃的先验信息,为此提出了在泊松分布场景下的改进型归一化多矢量测量的正交匹配追踪算法(N-IOMP-MMV,normalized improved OMP-MMV),该算法可以充分利用用户活跃度的先验信息,对活跃用户做贝叶斯检测。另一方面,基于已有的块状稀疏信号恢复理论,给出了 N-OMP-MMV以及N-IOMP-MMV算法在功率控制大规模多输入多输出(MIMO,multiple-input-multiple-output)系统中正确检测活跃用户的渐进性能以及信道估计均方误差下界。仿真结果显示提出的基于OMP-MMV的活跃用户检测和信道估计算法可以很大程度上减少导频长度,同时提高活跃用户检测和信道估计质量。随后,研究了基于广义近似消息传递(GAMP,generalized approximate message passing)的活跃用户检测和信道估计算法。首先设计了多矢量测量的广义近似消息传递算法(GAMP-MMV,GAMP for MMV),其可以充分利用待估信号的联合稀疏特性有效提高活跃用户检测和信道估计的性能。同时该算法可扩展性非常强,在非协调多址接入场景中可以利用在线用户不同的活跃概率提高检测性能。随后,将期望最大算法(EM,expectation maximization)引入GAMP-MMV的过程中得到基于期望最大的多矢量测量广义近似消息传递算法(EM-GAMP-MMV,EM based GAMP-MMV),其可以在预先不知道用户活跃概率的情况下提供高可靠性的活跃用户检测性能。仿真结果显示提出的基于GAMP的活跃用户检测和信道估计方法在非协调多址接入场景中有较强的适用性和鲁棒性。最后,研究了压缩感知领域中最新的研究成果,即用Khatri-Rao积恢复待估信号支集,并且给出了整个算法的推导过程。从推导过程中可以看出,基于Khatri-Rao积的支集恢复算法在MMV问题中可以很好的利用多重测量的优势计算接收信号的自相关阵,从而可以相对于其他的信号恢复算法恢复出稀疏度更高的待估信号的支集。随后,针对大规模非协调多址接入场景,提出了基于Khatri-Rao积的活跃用户检测算法。仿真结果显示在大规模接入场景中基于Khatri-Rao积的支集恢复算法可以保证更多活跃用户的可靠检测,为接下来的信道估计和信号检测提供可靠保证。

关键词：非协调多址接入活跃用户检测信道估计导频辅助

来源：评论

学校读者我要写书评

暂无评论

大规模免调度传输活跃用户检测与信道估计方法研究

大规模免调度传输活跃用户检测与信道估计方法研究

引用

作者：马骁驰东南大学

学位级别：硕士

终端设备的普及促进了移动互联网和物联网的飞速发展,未来移动通信网络不但需要满足人与人之间的通信,同时也要满足物与物之间的通信。第五代移动通信系统(5G)中的重要应用场景之一就是物联网场景(M2M,Machine to Machine)。M2M场景能... 详细信息

终端设备的普及促进了移动互联网和物联网的飞速发展,未来移动通信网络不但需要满足人与人之间的通信,同时也要满足物与物之间的通信。第五代移动通信系统(5G)中的重要应用场景之一就是物联网场景(M2M,Machine to Machine)。M2M场景能够为海量的终端设备提供通信服务,这些设备具有低复杂度、低功耗的特点,其传输的数据具有低速率、小数据包的特点,目前的长期演进(LTE,Long Term Evolution)系统无法满足M2M场景的需求。面对海量终端用户的连接需求,现有基于授权接入的多址接入方式将会为通信系统带来沉重的接入信令开销。针对该问题,免调度传输技术能够避免接入信令开销,降低传输时延和终端功耗。此外,大规模MIMO(Multiple-Input Multiple-Output)技术能够增加系统吞吐量,提高传输可靠性,提升系统的频谱效率和能量效率,被业界认为是未来移动通信系统中的核心技术之一。因此,本文围绕M2M应用场景,在大规模免调度传输场景下对活跃用户检测和信道估计方法展开深入研究。首先,本文比较了授权接入与免调度传输两种接入方式。当前LTE上行传输需要经过授权接入实现动态资源分配,这个过程会产生信令开销,而免调度传输省去了用户与基站间的动态资源分配过程,一旦用户完成网络注册,即被分配导频序列和时频资源块。当用户需要传输数据时,直接发送数据给基站,不需要重新建立连接。因为缺少动态资源分配过程,基站接收到信号后无法区分哪些用户发送了数据,即不知道哪些用户是活跃的。为了恢复传输的数据,必须首先进行活跃用户检测和信道估计。本文将免调度传输中的活跃用户检测与信道估计问题转化为压缩感知理论中的单向量测量(SMV,Single Measurement Vector)与多向量测量(MMV,Multiple Measurement Vectors)问题,并将免调度传输中的导频设计问题转化为测量矩阵设计问题。其次,考虑大规模用户接入场景,基于MMV模型的活跃用户检测算法无法支持足够多的活跃用户数,同时也没有充分利用基站侧大规模天线这一特点。本文利用基于Khatri-Rao积的压缩感知理论,将活跃用户检测模型由MMV问题转化为SMV问题,提出了基于Khatri-Rao积的正交匹配追赶算法(OMP-KR),分析了基站侧大规模天线下活跃用户检测的性能。进一步提出了基于ZC序列的导频设计方案和未知活跃用户数情况下OMP-KR算法的迭代终止条件。仿真结果表明,相比于同步正交匹配追赶(SOMP,Simultaneous Orthogonal Matching Pursuit)算法和 M-FOCUSS 算法等传统的MMV算法,OMP-KR算法能够支持更多的活跃用户。在活跃用户数相同的条件下,OMP-KR算法的活跃用户检测性能优于传统的MMV算法。随着天线数的增加,OMP-KR算法相比传统的MMV算法能够获得更大的性能增益。最后,在大规模MIMO系统中,波束域信道具有稀疏性。利用波束域信道特性进行活跃用户检测和信道估计可以支持更多的活跃用户,提高系统的信道估计性能。本文提出了基于波束域信道特性的修正多正交匹配追赶(MM-OMP,Modified Multi-Orthogonal Matching Pursuit)算法。该算法将压缩感知中的MMV问题转化为多次SMV问题,利用波束域信道稀疏性,提高每次SMV过程中的信道估计精度,最后根据信道矩阵联合稀疏特性实现活跃用户检测和信道估计。仿真结果表明,采用MM-OMP算法能够比SOMP算法和M-FOCUSS算法等传统的MMV算法拥有更好的活跃用户检测性能和信道估计性能。随着基站端天线数的增加,MM-OMP算法能够获得显著的性能增益。

关键词：免调度传输大规模MIMO 压缩感知活跃用户检测信道估计导频设计 Zadoff-Chu Khatri-Rao 积

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：