根据国际电信联盟关于IMT-2030愿景,第6代移动通信系统(the 6th generation mobile networks,6G)的覆盖服务需求将从单场景覆盖向多场景覆盖扩展,6G基础设施的部署也将逐步从2D覆盖向3D覆盖扩展、从局部覆盖向全球覆盖扩展、从中低频段...
详细信息
根据国际电信联盟关于IMT-2030愿景,第6代移动通信系统(the 6th generation mobile networks,6G)的覆盖服务需求将从单场景覆盖向多场景覆盖扩展,6G基础设施的部署也将逐步从2D覆盖向3D覆盖扩展、从局部覆盖向全球覆盖扩展、从中低频段融合使用向更高频段按需开启.上述需求使得6G在提升容量的同时,需要进一步考虑无线覆盖扩展需求.本文针对如何在6G网络结构时空尺度跨度大、全场景业务需求差异大、超密集覆盖能耗大等关键挑战下实现容量和能效约束下的覆盖能力扩展这一重大科学问题,首先提出了面向6G无线覆盖扩展的智能柔性组网架构;其次研究了面向6G无线覆盖扩展的关键技术,包括面向6G广域覆盖的多维立体空天地覆盖扩展技术、面向深度覆盖的超密集异构覆盖扩展技术和面向6G平滑度覆盖的超高速移动覆盖扩展技术;接着分析了基于语义通信的覆盖扩展技术;最后给出了6G全场景无线覆盖扩展仿真验证,通过定义6G无线覆盖扩展技术指标体系,进行了典型场景的覆盖性能仿真验证.
合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术已经成为一种高分辨对地观测的重要手段之一,而极化SAR图像地物分类一直是其中的研究热点。基于复Wishart分布的最大似然(Maximum Likelihood,ML)分类器是最经典的极化SAR图像分类算法之一,但由于地物类型的复杂性、区域的不均匀性等原因使得基于像素的ML-Wishart分类器的分类精度不高。针对这个问题,本文提出了一种基于复Wishart分布的局部最大后验概率(Maximum a Posteriori,MAP)竞争方法,该算法通过计算伪先验概率,并在每个像素的局部窗口中实施MAP分类器,可以提高复杂区域图像的分类精度。该文主要研究了4种基于Wishart分布的分类算法,包括经典复Wishart分类算法、混合复Wishart模型、基于马尔科夫随机场(Markov Random Field,MRF)的混合复Wishart模型和基于局部竞争策略的MAP分类算法。在混合模型建模中,不同于以往的对整幅图像进行建模的模型策略,本文采用对单个类别进行混合建模的策略。实验对比分析了上述4个分类器和SVM分类器在C波段RADARSAT-2多时相的全极化SAR农田数据上的分类效果。实验结果表明,所提出的基于局部竞争策略的分类器对数据的分类结果稳定,具有最高的分类精度,基于混合Wishart的MRF模型分类结果次之。
暂无评论