无人飞行器(unmanned aerial vehicle,UAV)自组网的路由研究多以性能指标出发、忽略无人飞行器网络的任务驱动性,与实际需求动态耦合弱、适用性不强。针对该问题基于无人飞行器多任务网络提出了面向任务的无人飞行器联盟组网架构,提出了无人飞行器联盟的任务自适应优化链路状态路由协议(task adaptive optimized link state routing,TA-OLSR)。基于模糊逻辑设计拓扑稳定度计算方法,利用拓扑稳定度实现TA-OLSR控制消息的自适应广播,同时结合稳定度设计新的多点中继选择策略。仿真结果表明,TA-OLSR算法能从宏观面向任务的角度出发,实现不同任务下的良好自适应性,提升数据包投递率,减少冗余信息传播,降低网络开销,有效提高整体网络性能。
针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩...
详细信息
针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩阵呈块对角稀疏特性提出一种逐块迭代的对称逐次超松弛(Symmetric Successive over Relaxation, SSOR)迭代算法,在降低系统复杂度的同时获得与LMMSE检测近似的性能。仿真结果表明,与逐次超松弛(Successive over Relaxation, SOR)算法相比,所提算法对松弛参数不敏感且具有更快的收敛速度,在迭代次数为10次时误码性能几乎达到LMMSE误码性能,显著降低了检测器的复杂度。
随着5G技术的不断发展,5G蜂窝网络已被广泛应用于城市地区。然而,基于5G的机会信号定位技术中存在着测距精度不高的问题。针对此问题,提出一种改进型5G机会信号定位算法,该算法将多信号分类(multiple signal classification,MUSIC)算法...
详细信息
随着5G技术的不断发展,5G蜂窝网络已被广泛应用于城市地区。然而,基于5G的机会信号定位技术中存在着测距精度不高的问题。针对此问题,提出一种改进型5G机会信号定位算法,该算法将多信号分类(multiple signal classification,MUSIC)算法与改进的早-晚功率锁相环(phase-locked loop,PLL)结合,不仅简化了锁相环结构,更保证了测距精度;同时搭建了基于5G机会信号定位的原理样机,并对改进算法方法的有效性和可行性进行了验证,试验结果表明伪距均方误差为3.03 m。本文所提出的算法不仅结构简单、系统稳定,而且在测距精度上也有一定的优势。
暂无评论