无人机数据链自适应调制技术研究

根据无人机数据链对传输可靠性与传输速率的要求,在对自适应调制技术原理研究的基础上,探讨了自适应调制技术中的几个关键问题,主要包括信道估计和调制方式的判决准则。首先对信噪比估计模型进行分析,针对该模型利用最大似然估计法对信道的信噪比进行估计,对自适应调制判决准则进行了分析与仿真。仿真结果表明,采用基于信噪比门限判决自适应调制方法,可使无人机数据链在误比特率较低的情况下（10^-5）提高系统的信息传输容量。     

采用残差变化控制的自适应稀疏信道估计

针对传统压缩感知信道估计对稀疏度信息依赖和稀疏度自适应信道估计在低信噪比时抗噪能力较差的问题,提出了一种采用残差变化控制的稀疏度自适应的压缩感知信道估计算法。该算法在传统的压缩感知信道估计的基础上引入残差变化控制,通过比较每次迭代下的残差变化的幅度来控制信道估计的迭代次数,提高信道估计的自适应性和鲁棒性。同时,为解决传统稀疏度自适应压缩感知信道估计抗噪能力较差的问题,利用正交匹配追踪提高算法的抗噪声性能。相比于传统的稀疏度自适应匹配追踪(Sparsity Adaptive Matching Pursuit, SAMP)算法,所提算法约有4 dB的性能优势,且算法复杂度更低。     

基于优化信息算子的UWB信道贝叶斯估计

针对压缩感知应用于UWB通信信道估计时信息算子的相干性严重影响UWB信道估计精度的问题,提出将优化的信息算子和贝叶斯算法相结合的方法。该方法以互累积相干参数为准则,首先将加权信息算子通过最优化与正则化得到优化的信息算子,最后通过贝叶斯算法重构UWB信道。理论分析和仿真结果表明优化信息算子的相干性大大减弱,有效提高了UWB信道估计精度,同时该方法能在较低的压缩比和信噪比条件下实现UWB通信信道的准确重建。     

传感器网络多信道通信技术的研究

伴随信息化网络时代的来临,无线传感器网络作为一种新兴技术近年来得到了社会各界广泛的关注与应用。无线传感器网络实现的多信道通信技术具有实时监测、感知并将信息传输到相应的管理平台中的功能。本文主要分析了无线传感器网络的结构,无线传感器网络的通信协议与MAC协议,并从多信道频谱感知、多信道MAC协议和多信道广播对无线传感器网络的通行技术进行了深入研究。     

一种基于信道质量的鲁棒机会频谱接入策略

为了提高分等级网络中次用户通过机会频谱接入获得的有效吞吐率,提出了一种基于信道质量的鲁棒机会频谱接入策略.该策略利用信道质量信息和信道占用信息做出传输决策,使得次用户在信道感知结果为空闲和占用时分别以不同的信道质量门限选择传输机会发起传输,充分利用了信道质量好的传输机会.结合该策略,建立了以对主用户的干扰为约束条件,最大化次用户有效吞吐率的优化问题,并考虑到了信道传播特性统计参数存在不准确估计的情况,对该接入策略的门限进行了鲁棒性设计.仿真结果表明:所提出的鲁棒机会频谱接入策略能够显著提高次用户的有效吞吐率.     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

OFDM系统基于信道多径时延检测的自适应信道估计

针对宽带正交频分复用(OFDM)系统,提出了一种基于信道多径时延估计的自适应信道估计算法.文章分析了无线信道的特性,随后利用导频频域相关性进行多径时延估计,提出通过动态跟踪信道时延估计参数自适应选择信道估计中适宜的导频数目的方法,同时实现循环前缀(CP)长度的实时调整.仿真结果表明,在时变环境下,本文算法可以有效获知当前信道时延参数的近似统计信息,实现对系统冗余信息的优化.     

DS-CDMA系统的速率自适应技术

由于移动通信信道的时变特性,在根据网络信道质量估计,对发送速率进行自适应调整时,必将提高网络吞吐量和频谱利用效率,降低信道质量下降对固定速率通信数据的丢失和差错率。文章首先介绍速率自适应原理,然后从信道质量估计、速率自适应方法和突发级接入控制三方面,对DS-CDMA系统速率自适应技术进行阐述。     

基于无线信道预测的自适应调制

该文研究了在平坦Rayleigh衰落信道下,借助于无线信道预测对一个基于非编码的MQAM自适应调制进行优化设计的问题。主要是通过采用无偏二阶估计的方法去研究一个已知的预测误差方差对最优化传输特性的影响。推导出基于预测的信噪比和预测误差方差的数据速率的最优解,以此对数据速率进行调整,使得频谱效率在误比特率的约束条件下达到最大化。通过仿真给出的数值解表明它能更好地将链路自适应地快速调整到信道的真实条件,提高整个系统的性能。     

信噪比自适应Turbo自编码器信道编译码技术

作为通信系统中基本的组成部分,信道编码使信息在传输的过程中能够抵抗信道的干扰。随着人工智能的发展,深度学习(Deep Learning,DL)越来越多地被用到通信领域解决实际问题。近年来,有学者提出将DL应用于端到端的信道编译码系统,并展现出了其良好的性能。现有基于DL的信道编译码方法在特定信噪比(Signal-to-Noise ratio,SNR)下训练网络模型,然而,在部署实际通信系统时,并不能保证信道条件和训练时是一致的,导致对于不同的SNR,需要存储大量模型。基于此,提出了自适应信道SNR的Turbo自编码器信道编译码系统,通过引入注意力机制感知信道变化,生成与信道条件相匹配的编码码字。仿真结果表明,该方法能够有效应对信道条件的变化,大幅降低设备端神经网络参数的存储开销。     

基于光纤光栅传感器的低压台区全景化感知技术

针对低压台区设备种类繁多、通信接口各异,很难有效地接入电力物联网中,导致无法感知低压配电台区的工作状态及运行情况的问题,采用了光纤光栅传感器实现低压台区全景化感知。通过光纤光栅传感器测得的应变值作为观测信号,引入梁状态方程,利用有限元软件实施离散化处理,降低传感器的使用噪声。在低压台区将镜头处于平面内采集周围环境信息,运用载波信号传输的多径效应推导满足压缩感知条件正交频分复用的多径传输信道,根据全景化感知技术将多径信道估计问题合理转换为压缩感知信号重构问题,验证了感知技术的性能。实验结果表明,所提方法在运行时能够节省大量时间,感知效果较好,具有良好的性能、显著的优越性以及实用性。     

Doubly-Selective Channel Estimation Using Data-Dependent Superimposed Training and Exponential Basis Models

Channel estimation for single-user frequency- selective time-varying channels is considered using superimposed training. The time-varying channel is assumed to be well- approximated by a complex exponential basis expansion model (CE-BEM). A periodic (non-random) training sequence is arithmetically added (superimposed) at low power to the information sequence at the transmitter before modulation and transmission. In existing first-order statistics-based channel estimators, the information sequence acts as interference resulting in a poor signal-to-noise ratio (SNR). In this paper a data-dependent superimposed training sequence is used to cancel out the effects of the unknown information sequence at the receiver on channel estimation. A performance analysis is presented. We also consider the issue of superimposed training power allocation. Several illustrative computer simulation examples are presented.     

Maximuma posteriori fast fading channel estimation for alamouti’s space-time transmit diversity

This paper considers the Alamouti’s two-branch transmit diversity scheme. This scheme supports a maximum likelihood detection based on linear processing at the receiver. When no knowledge of the channel is available — at the transmitter and the receiver- the above scheme requires in general the estimation of the two discrete propagation channels seen from the two transmit antennas. Our objective is to evaluate the Alamouti’s technique of diversity with a realistic estimation algorithm considering a very fast time-varying channel. For a robust channel estimation, we propose an EM-based maximuma posteriori semi-blind algorithm. This algorithm requires a convenient representation of the time-varying fading channel using a discrete version of the Karhunen-Loève expansion theorem. The iterative receiver optimally uses pilot as well as unknown data symbols for improving channel estimation quality. The validity of the proposed algorithm is highlighted by simulation results. Moreover, a complexity evaluation of this algorithm and a comparison is provided for different scenarii.     

基于DFT-BEM模型的LOFDM系统双散射信道最大多普勒扩展估计

栅格正交频分复用（Lattice Orthogonal Frequency Division Multiplexing, LOFDM）系统凭借特殊的网格时频结构和更大的欧式距离特性,在快速移动环境下展现了卓越的抗时变、抗多径能力。最大多普勒扩展作为LOFDM系统自适应策略的重要参数之一,准确的最大多普勒扩展估计对于LOFDM系统发送信号设计以及自适应策略实现十分重要。本文针对LOFDM系统的特殊信号结构以及双散射信道的快时变特性,采用DFT-BEM信道模型近似快时变信道响应,结合快时变信道下LOFDM系统块传输接收实现,利用梳状导频辅助估计多普勒域平均信道频率响应,在此基础上利用信道响应估计值的时间相关函数实现基于F范数的信道最大多普勒扩展估计;并提出基于子空间的最大多普勒扩展估计算法,降低了噪声对最大多普勒扩展估计性能的影响,在低信噪比条件下有效改善了估计性能。      

Link management scheme of Bluetooth based on channel qualityestimation

A packet selection scheme, based on channel quality estimation, for Bluetooth is described. Link management based on this scheme can adaptively select a packet for maximising throughput while minimising transmission delay at any given channel quality, and can provide new degrees of freedom for higher layer issues such as buffer control, routing, QoS service and support of multimedia data     

基于粒子滤波的协作式空时联合频谱检测方法

认知无线电系统中,通过频谱检测所获得的主用户位置信息和信道使用状态信息分别反映空间域和时间域的频谱使用情况,其准确性关系到次用户伺机频谱接入的效率。本文研究空间和时间联合频谱检测问题,将其建模为主用户位置参数和信道使用状态的联合估计问题,提出了一种基于粒子滤波的协作式空时联合频谱检测方法,主要思想是采用离散随机测度逼近位置参数和信道状态的联合后验概率分布函数,根据该分布估计出主用户位置和信道状态。同时,该方法结合由估计得到的空间和时间信息,自适应选择靠近主用户且对称分布的次用户参与协作检测,增加各次用户提供信息的有效性,从而提高估计的准确性;最后,通过仿真验证了方法的有效性。      

A joint resource allocation‐channel coding design based on distributed source coding

Wireless sensor networks (WSNs) have found a wide variety of applications recently. However, the challenges in WSNs still remain in improving the sensor energy efficiency and information quality (distortion reduction) of the sensing data transmissions. In this paper, we propose a novel cross‐layer design of resource allocation and channel coding to protect distributed source coding (DSC)‐based data transmission. Resource allocation strategies include rate adaptation and automatic repeat‐request retransmissions. Our proposed joint design of resource allocation, channel coding, and DSC can improve the network energy efficiency and information quality while meeting the data transmission latency requirements. Further, we investigate how the resource allocation enables the network to achieve unequal error protection among correlated DSC streams. Our simulation studies demonstrate that the proposed joint design significantly improves the DSC‐based data transmission quality and the network energy efficiency. Copyright © 2013 John Wiley & Sons, Ltd.     

基于向量序列谐波恢复的缓时变频率选择性MIMO无线信道的估计方法

该文研究缓时变频率选择性MIMO无线信道谐波拟合模型参数的估计问题,提出基于向量序列谐波恢复及非线性约束最小二乘法的非盲信道估计方法。与以往采用chirp序列作为训练信号的方法不同,该文采用全序列作为训练信号。仿真结果表明,与采用chirp序列作为训练信号的方法相比,此方法的训练信号容易获得,并且在相同信噪比条件下具有更好的估计精度。     

传感器网络变权组合预测流量整形算法

针对现有流量整形算法在传感器网络应用上的不足,提出了一种新的流量整形算法。分析了传感器网络流量具有突发随机性以及时变不均衡性的原因,根据传感器网络流量的模糊性、随机性以及时变性统一建模,提出了变权组合预测流量整形算法（TSAV,Traffic Shaping Algorithm with Variable weight combination forecast）,该算法通过逼近最优组合理论分配模糊AR预测与Kalman预测的组合权重,得到更为精确的预估流量值,提前规划整形速率从而平滑的输出分组流。实验表明,TSAV算法应用到传感器网络时能够准确预测流量,减少分组丢弃率的同时增大网络吞吐量,改善了传感器网络信息传输的QOS性能。