专题:6G的智能通信计算融合技术

内容导读目前,针对潜在6G关键技术的场景与需求研究成为学术界的热点。面向未来更多类型终端的智能互联与新兴服务的需求,人工智能应用于无线通信物理层的信道估计、编译码及接收机设计,解决基于大数据的网络自主优化,基于泛在无线感知和边缘侧的强大算力构成的多接入边缘计算,已成为6G无线技术发展的重要趋势。在未来智能车联网、物联网、有人/无人交互、全息通信等场景下,面向未来的智能通信计算融合需求,存在许多拟待解决的关键科学问题。     

移动卫星通信信道的系统仿真技术研究

卫星移动通信作为通信技术上最重要的手段之一,具有传输信息质量好、通信距离较远、覆盖域广等特点,实现了多地域、不同时空的信息交互。系统分析了卫星通信模型建立过程和信道特性;介绍了建模主要模型及通过软硬件实现的方法;重点研究了一种基于Markov模型仿真实现的方法和仿真结果,仿真试验表明与理论设计相符合。     

MFSK调制方式在极低速通信中的性能分析

MFSK调制方式是一种常用的恒包络调制方式,其非相干解调时具有较强的抗衰落能力以及抗频偏能力,尤其适合于极低速通信。针对极低速通信,重点仿真分析了不同阶数MFSK调制方式恒参信道下的误码性能,以及基于短时傅里叶变换的8FSK变参信道下的解调性能,最后给出了适合于极低速通信保障的FSK调制波形设计方案,通过验证说明了MFSK在极低速通信中具有工程应用价值。     

宽带DRFM干扰机信号处理模块设计

目的:提高数字射频存储器(DRFM)干扰机的瞬时带宽、处理能力和灵活性等性能。方法:结合DRFM原理与信道化接收技术,提出了高性能宽带DRFM干扰机信号处理模块的设计方案,并据此采用先进的信号处理器件和高性能ADC、DAC设计硬件平台,完成相应的软件设计。结果:对硬件平台的性能参数进行测试,实验表明其瞬时带宽可达4 GHz,信号最大存储深度约为200 ms,最小转发延迟约为600 ns。结论:该原型机可实现对新体制雷达的有效干扰。     

基于列表译码方法在查询访问模型下含错学习问题的分析

Regev在2005年提出了含错学习问题(LWE)，这个问题与随机线性码的译码问题密切相关，并且在密码学特别是后量子密码学中应用广泛。原始的含错学习问题是在随机访问模型下提出的，有证据证明该问题的困难性。许多研究者注意到的一个事实是当攻击者可以选择样本时，该问题是容易的。但是目前据作者所知并没有一个完整的求解算法。该文分析了查询访问模型下的带有错误学习问题，给出了完整的求解算法。分析采用的工具是将该问题联系到隐藏数问题，然后应用傅里叶学习算法进行列表译码。     

基于Zadoff-Chu序列的OFDM精确定时同步算法

针对OFDM系统在多径衰落环境下通过能量大小定时而产生定时误差的问题,文中提出了一种基于Zadoff-Chu序列的第一径检测算法,利用序列相关性得到信道冲激响应估计值,此外分析了残留频偏对定时同步的影响,并通过改进自适应门限抑制残留频偏来判定准确定时位置。算法在时域完成,实现简单且运算量小。通过仿真对比其他算法可以看出,文中所提算法在高速移动多径环境中第一径检测概率高、均方误差小,特别是低信噪比下仍能准确同步。