正交时频空（Orthogonal Time Frequency Space，OTFS）调制具有很强的抗多普勒干扰能力，因此其在高移动速度的通信场景下应用广泛。稀疏码多址（Sparse Code Multiple Access，SCMA）是一种码域的非正交多址（Non-Orthogonal Multiple...
详细信息
正交时频空（Orthogonal Time Frequency Space，OTFS）调制具有很强的抗多普勒干扰能力，因此其在高移动速度的通信场景下应用广泛。稀疏码多址（Sparse Code Multiple Access，SCMA）是一种码域的非正交多址（Non-Orthogonal Multiple Access，NOMA）技术，在使用少量资源的情况下可实现更多用户的连接。结合OTFS和SCMA技术可以满足5G高速移动环境下的海量连接。针对下行OTFS-SCMA系统中传统信号检测方法存在性能受限问题，提出了基于深度学习的信号检测方法，设计了适用于多用户信号检测的深度神经网络（Deep Neural Networks，DNN）结构和卷积神经网络（Convolutional Neural Network， CNN）结构。将经过扩展车辆信道模型仿真生成的数据通过DNN和CNN进行离线训练，得到最优的训练模型，并用于在线检测。通过理论分析和仿真实验，对不同方法的复杂度和误码率进行了研究，结果表明，不论是在完美和非完美信道估计情况下，或者是噪声服从t分布的场景，本文的检测方法具有更优的误码率性能，且具有较低复杂度。
该文研究智能反射表面(Intelligent Reflecting Surface,IRS)辅助的多用户下行系统中的物理层安全的优化问题。多个用户之间的信息需要相互保密,每个时隙,非信息传输的目标用户视为窃听者,因此这是一个多窃听者的安全传输系统。由于信道的时变性,基站拥有窃听信道的信道状态信息(Channel State Information,CSI)为与真实的CSI间存在误差的过时信息。在此条件下,以系统最坏情况下的保密速率最大化为目标,对基站发射信息信号和人工噪声波束成形矢量,以及IRS的相移矩阵进行联合优化。原始优化问题为非凸半正定规划问题,利用松弛变量、惩罚函数、Charnes-Cooper变换和交替迭代优化等方法将原问题转化为凸问题并求解。仿真结果显示,相较于基准方案,该文所提出的优化算法能有效提高系统的保密速率。
针对低功耗有损网络现有移动性支持路由算法中父节点切换频繁、移动检测机制使用不可靠的瞬时路由度量、未考虑链路质量对能耗影响等问题,提出一种基于剩余通信时间(Remaining Communication Time, RCT)的移动感知节能父节点选择算法。...
详细信息
针对低功耗有损网络现有移动性支持路由算法中父节点切换频繁、移动检测机制使用不可靠的瞬时路由度量、未考虑链路质量对能耗影响等问题,提出一种基于剩余通信时间(Remaining Communication Time, RCT)的移动感知节能父节点选择算法。首先,为了降低父节点切换次数并节省节点能耗,构建了基于RCT和通信成本的父节点选择函数,移动节点基于该函数值选择下一父节点。其次,为了避免在移动场景下由于瞬时路由度量不可靠而导致的不必要的父节点切换,在算法的移动检测阶段提出一种基于接收信号强度指标(Indicator of Received Signal Strength,RSSI)和RCT值的移动检测机制,父节点需要结合RSSI和RCT两个值来共同判断移动节点是否需要进行父节点切换。理论分析和仿真结果表明,算法在控制开销、网络生存时间、能耗等方面的性能均得到了提升。
暂无评论