CDMA2000标准化进展

依据演进次序．从CDMA20001X、1X EV—DO和1X EV—DV三个方面对CDMA 2000系列标准进行了概括的介绍，并对各标准的主要特点和新增功能进行了概述。     

CDMA2000 1X无线网络规划与应用

文章主要通过研究CDMA2000 1X的网络特点,提出了CDMA2000 1X无线网络规划的思路和具体实施内容。网络规划为白城试验网提供了无线部分的建设建议和详细规划,实验网建成后各项无线指标均达到了预期效果。该文不仅仅在于试验网的规划,而且可以为以后CDMA2000 1X的网络提供了良好的规划方法和规划思路,并且可以基于CDMA2000 1X的规划基础,为将来3G网络规划做好准备。     

基于OPNET的移动IP在CDMA2000 1X中的仿真

为解决CDMA2000 1X[1]分组网络节点移动问题,本文利用移动Ip[2]技术代替原有的简单IP,使节点可以以一个永久的IP地址连接网络,从而保证链路切换时的正常通信.通过OPNET工具设计了移动IP在CDMA20001X分组网中的仿真模型,并在此基础上对其功能和性能进行了分析,证实了方案的可行性.     

CDMA2000 1xEV-DO RevisionA系统反向业务信道速率控制技术研究

首先描述了反向链路的设计原理：为每个MAC流提供不同的QoS控制是通过终端处的分布式速率选择和基站处的资源集中控制相结合的方法来实现的，而整个主线是由参数RoT-RAB-T2P—TxT2P构成闭环控制。接着从数学模型的角度较为详细地介绍了反向业务信道速率控制机制的具体实现过程，并且从理论上说明了控制机制会明显提高反向速率。     

CDMA2000 1x EV-DV中具有功率控制的H-ARQ

在CDMA2000 1x EV DV中新应用的混合自动重传请求(Hybrid Automatic Repeat Request,H ARQ)技术在本质上与快速功率控制非常相似,二者都用于减小对其他用户的干扰。为了平衡H ARQ增益和分组时延,H ARQ定义了4种操作模式:正常模式(normal mode)、简约模式(reduction mode)、增强模式(boost mode)和增强简约模式(boost re-duction mode)。4种模式的定义是根据H ARQ操作中信道增益的设置方式来定义的。仿真的结果表明简约模式在分组差错率(Packet Error Rate,PER)和分组时延两个方面都有较好的性能。增强模式比非增强模式有更低的PER和分组时延,但是其代价是需要更多的能量。     

基于CDMA2000 1X的H.264远程视频传输方案

介绍了基于CDMA2000 1X的视频远程传输的设计思想,结合当前领先的视频压缩标准H.264,分别介绍了系统硬件、硬件、网络结构等,对其中的关键技术进行了研究,并给出了远程网络传输控制策略。实验结果表明,该系统充分利用了CDMA传输带宽,达到了实时传输的要求。     

CDMA2000 1xEV-DO无线网络分组数据传输差错控制技术研究

CDMA2000发展到1xEV-DO和1xEV-DV,对于数据帧的无误码接收和有效的差错重传控制有着越来越高的要求.1xEV-DO通过空中接口协议为无线网络的分组传输提供了可靠而有效的差错重传控制系统.EV-DO主要在物理层、应用层和MAC层中采用的差错控制技术不仅提供了良好的差错重传控制机制,同时提高了无线链路的数据吞吐量,更加符合EV-DO高速分组数据传输的要求.     

CDMA卫星通信系统功率控制研究

文章从卫星通信系统的功率控制原理入手,提出了一种适合CDMA卫星通信系统的功率控制方法;给出了精准的功率控制时的系统容量,通过推导给出的中断概率公式和例举的CDMA卫星通信系统实际数据,将功率控制误差对于系统容量的影响进行了仿真.仿真结果表明,当标准方差不断增大,系统的中断概率增大,系统容量随之显著减小;而采用精准的功率控制技术,可以有效改善系统性能.     

CDMA蜂窝集群前向功率控制技术的研究

本文对基于CDMA的集群通信系统的功率控制进行了初步的研究。针对集群通信的特点，本文提出了CDMA共享信道的概念和集中式前向功率控制技术，并进行相应的仿真。结果表明，该技术很好地解决了在CDMA蜂窝通信中实现集群功能的功率控制问题，大大增加了系统的容量。     

CDMA蜂窝系统中基于模糊神经网络的反向链路功率控制

CDMA是一个干扰受限系统,反向链路功率控制对于克服“远近效应”和增加系统容量是非常重要的.本文提出了一种基于模糊神经网络(FNN)的自适应闭环功率控制算法,该算法动态地调整功率控制增量,使基站接收到的每个用户的发射功率相等.仿真结果表明,由于模糊神经网络能够较好地识别反向链路的时变特性,FNN功率控制算法比传统的固定步长功率控制方法取得了更好的控制性能和更大的系统容量.而且,FNN能够通过神经网络训练自动地调整隶属度函数和模糊规则,从而适合于实现在线系统识别和自适应控制.