毫米波通信中混合波束赋形技术探讨

毫米波通信为5G移动通信的关键技术之一,对进一步提高移动通信质量具有巨大的推动作用;但是,其路径损耗大、穿透性能低,实际应用中必须与大规模多输入多输出技术相结合,利用波束赋形技术增强通信质量,降低路径损耗和信号衰减。为降低实际成本,混合波束赋形技术对毫米波通信的实现具有非常重要的意义,笔者主要对其进行了探讨。     

一种新的多用户波束赋形算法

为了抑制多用户多输入多输出(Multi-user multiple input multiple output,MU-MIMO)系统中的用户间干扰,提出一种新的算法。在本用户消除对其他用户的干扰的前提下选择波束赋形矢量,如果所有用户都采取这种措施,各个用户受到其他用户的干扰将降低至最低,从而提高整个系统的性能。仿真结果表明,随着用户数增加,采用本文中的算法较传统的信漏噪比(Signal-to-leakage-and-noise ratio,SLNR)算法可以降低系统误码率(Bit error rate,BER)。     

一种基于异构随机矢量的波束赋形方法

为克服迭代波束赋形方法在低信噪比下性能差的问题,针对毫米波MIMO系统提出一种基于异构随机矢量的波束赋形方法。通过在发射机和接收机之间来回发送异构随机矢量,所提出方法能在低复杂度下获得信道自相关矩阵的估计。进而基带处理器可通过奇异值分解的经典幂方法来快速获得近似最优的发送波束赋形矢量。而接收机可通过相同的过程获得对应的接收波束赋形矢量。所提出的方法采用高斯随机变量和正负随机变量所构成的异构随机矢量,能在理论上消除加性高斯白噪声的影响从而获得近似最优等效信道增益。仿真结果表明,所提出的方法有渐进最优的信道增益,在低信噪比下显著优于迭代方法。因此在保密通信等高功率波束训练不允许的场景下具有实用意义。     

基于波束选择的5G毫米波通信技术仿真

本文构建了毫米波无线信道仿真模型,探究了基于机器学习的波束选择技术。以系统的总和传输速率为指标,通过毫米波无线信道进行传输,使用MATLAB分别对其进行了仿真,并分析了所提方案的系统性能。仿真结果表明,基于SVM机器学习的波束选择方法就可以提供接近理论的最佳性能,且该算法实现复杂度要比穷举搜索法低几个数量级。     

基于波束赋形的MIMO系统混合自动重传技术

在无线通信系统优化问题的研究中,多输入多输出(MIMO)系统的混合自动重传技术能够提高无线通信传输的可靠性.根据空时编码的重传技术多次重传样本进行联合解码,能够提高解码功能;减少信道传输差错.为了进一步减小重传次数,提高重传效率,提出了一种基于波束赋形的MIMO系统混合自动重传技术.在空时编码重传的基础上,引入自适应波束赋形,使MIMO发射的空间波束更加集中地对准用户,从而提高发射功率利用率,减小干扰,进而增加了混合自动重传合并增益,提高了重传效率.计算机数值仿真验证上述方法提高了系统的增益和可靠性.     

基于高速铁路通信的多波束机会波束赋形技术

鉴于高速铁路通信中,列车位置信息可预测、列车车顶中继转发天线数有限,以及反馈信息时延大、多普勒衰落较大、频繁切换等特性,传统的波束赋形并不适用于高速铁路场景。位置信息辅助的多波束机会波束赋形能够利用列车位置信息可预测的优势,在机会波束赋形算法中有效地提高发送波束随机相位与来波相位匹配的概率,同时支持多个波束并行传输,以多波束选择实现更好的多用户分集增益,且机会波束赋形无需反馈完全信道状态信息。因此位置信息辅助的多波束机会波束赋形技术适用于高速铁路通信。     

毫米波无线通信系统混合波束成形综述

毫米波频段拥有大量未充分使用的频谱资源,能有效缓解低频段频谱拥塞,并且由于毫米波波长较短,能极大地减小大规模天线系统的物理尺寸,使得毫米波通信成为5 G无线通信系统潜在的关键技术之一。考虑到毫米波传播路径损耗严重,毫米波系统需采用波束成形技术改善传输质量。在毫米波大规模多输入多输出(Multiple-input multiple-out, MIMO)系统中,由于数字波束成形高功耗、高成本问题,混合数模波束成形成为重要的替代方案。本文首先阐述了毫米波混合波束成形的研究现状,而后给出了系统模型,最后介绍了信道估计、码本设计和低复杂度设计等混合波束成形的关键技术。     

基于混合深度学习的复杂网络链路预测研究

针对复杂网络链路预测受到网络性质的影响,从而降低复杂网络链路预测效果,提出基于混合深度学习的复杂网络链路预测方法.利用复杂网络在运行过程中的链路变化情况,综合考虑复杂网络历史信息对链路的影响系数,得到了RA指数、AA指数和CN指数等相似指数,基于混合深度学习的反向传播流程,分析复杂网络链路隐藏层的状态,利用复杂网络隐藏层的输出,预测出复杂网络链路输出值,将相似性指标作为复杂网络链路预测的训练样本,构建复杂网络链路预测模型,利用模式分类方法实现多个网络节点之间的链路预测.实验结果表明,基于混合深度学习的复杂网络链路预测方法将时间窗口设为360秒和180秒、样本维度为500和600时,预测效果是最好的,且预测精度较传统方法的预测精度高.     

无人机巡检系统中高频效的混合波束赋形方法

随着智能电网的发展,无人机巡检输电线路应用越来越广泛.为了有效实施输电线路故障定位和类型判断,要求无人机回传视频图像的分辨率越高越好.在带宽有限的条件下,需要尽可能提高无人机回传通信链路的频谱效率,以满足高分辨率视频图像对传输速率的需求.提出基于Mesh网络的视频图像回传通信方法.通过在杆塔上部署无线接入节点并构建Me...     

理想毫米波信道条件下低复杂度的混合波束成形

在基站和用户均采用多天线的混合波束成形架构、下行链路信道为理想毫米波信道的系统下,针对总频谱效率最大问题,提出了一种低复杂度的混合波束成形算法。该方案采用分步的方式,首先进行基站端和用户端的模拟波束成形矩阵的分别求解,在得到模拟波束成形矩阵的基础上得到等效的基带信道,然后利用块对角化数字波束成形算法求解数字波束成形矩阵。仿真结果表明,相比于其他方案,该方案在复杂度较低的同时,也提升了系统的总频谱效率。     

一种多小区多用户能效波束赋形分层优化算法

研究在用户服务质量需求和功率约束等条件下最大化系统能效的多小区多用户系统中的波束赋形技术。首先引入辅助变量将分式形式的非凸优化目标函数转化为凹凸分数形式的优化目标函数,并利用分式规划和低复杂度凸逼近法进行功率分配优化;然后将波束优化问题转化成满足一定约束条件的最小化发射功率优化问题,并利用二阶锥规划求解相应的波束赋形优化问题。仿真结果表明：所提的能效分层优化算法可以经过有限迭代次数逐渐收敛到稳定值;在低发射功率区域,所提算法能够同时获得最大频谱效率和能源效率;而在高发射功率区域,本文算法所获得的能效性能明显优于传统的频谱效率最大化算法。     

基于赋形多波束的CDMA系统容量分析

分析是基于赋形多波束天线波束增益模型,相对传统的二阶锥形口径增益模型,这一模型能够较好地补偿路径损耗差异,保证了覆盖区域的"等通量"覆盖。本文分别分析了星地通信系统前向链路和反向链路的系统容量,在反向链路容量分析中综合考虑了阴影衰落、功率控制误差等因素的影响,并提出了提高系统容量、改善系统性能应采取的措施方法。本文中的容量分析方法可以进一步推广到低轨通信星座系统,对低轨通信星座系统的规划和设计具有重要意义。     

无人机协助的多用户MIMO毫米波网络混合预编码方案

针对无人机(UAV)协助的毫米波网络下行链路多用户通信场景,设计一种混合预编码方案.在发射端和接收端分别使用混合预编码器和模拟合并器,并将多元联合优化问题分解为子问题进行求解.构建UAV与地面用户的三维位置模型,利用带外位置信息对波束导向向量进行优化,进而通过码本生成模拟预编码器和模拟合并器.以最小化接收数据和发送数据...     

基于深度神经网络和联邦学习的网络入侵检测

在高速网络环境中,对复杂多样的网络入侵进行快速准确的检测成为目前亟待解决的问题。联邦学习作为一种新兴技术,在缩短入侵检测时间与提高数据安全性上取得了很好的效果,同时深度神经网络（DNN）在处理海量数据时具有较好的并行计算能力。结合联邦学习框架并将基于自动编码器优化的DNN作为通用模型,建立一种网络入侵检测模型DFC-NID。对初始数据进行符号数据预处理与归一化处理,使用自动编码器技术对DNN实现特征降维,以得到DNN通用模型模块。利用联邦学习特性使得多个参与方使用通用模型参与训练,训练完成后将参数上传至中心服务器并不断迭代更新通用模型,通过Softmax分类器得到最终的分类预测结果。实验结果表明,DFC-NID模型在NSL-KDD与KDDCup99数据集上的准确率平均达到94.1%,与决策树、随机森林等常用入侵检测模型相比,准确率平均提升3.1%,在攻击类DoS与Probe上,DFC-NID的准确率分别达到99.8%与98.7%。此外,相较不使用联邦学习的NO-FC模型,DFC-NID减少了83.9%的训练时间。     

蜂窝网络分布式中继选择算法

针对蜂窝网络中的功耗优化问题,研究了如何最小化两跳中继蜂窝网络的系统总功耗。首先根据信道传输功率的闭合表达式得到满足信道最小中断概率情况下的最优链路传输功率,然后通过使用基于Acknowledgement的分布式拍卖算法(DAA-ACK)和改进的分布式拍卖算法(IDAA)帮助用户节点选择合适的中继基站。仿真结果显示,这两种算法仅需要用户节点与邻居中继基站交换少量信息,并可通过有限次迭代快速选择出使系统总功率最小的中继节点。     

多源多中继协作网络上行联合波束成形

在上行多用户中继网络中,针对中继协作波束成形与多天线基站联合优化的问题,本文提出了两种不同的但是具有一定相关性的设计方法。在第一种方法中,考虑在接收端SINR约束的情况下,使中继节点总功率最小化;在第二种方法中,研究在中继节点满足一定功率约束的情况下,使接收端SINR最大化。研究发现,基站线性接收器的最优权值矩阵决定于中继节点加权向量,进而可将多变量优化的复杂问题转化为单一变量优化问题。原问题进而可转化为半正定规划问题,可以用内点法方便的解决。仿真结果表明,与通过迭代运用凸优化求多向量的方法相比,该方法性能更优。     

基于混合词向量深度学习模型的DGA域名检测方法

域名生成算法(domain generation algorithm, DGA)是域名检测中防范僵尸网络攻击的重要手段之一,对于生成威胁情报、阻断僵尸网络命令与控制流量、保障网络安全有重要的实际意义.近年来,DGA域名检测技术从依靠手工提取特征发展到自动提取特征的基于深度学习模型的方法,在DGA域名检测任务中取得了较大的进展.但对于不同僵尸网络家族的DGA域名的多分类任务,由于家族种类多,且各家族域名数据存在不平衡性,因此许多已有的深度学习模型在DGA域名的多分类任务上仍有提高空间.针对以上挑战,设计了基于字符和双字母组级别的混合词向量,以提高域名字符串的信息利用度,并设计了基于混合词向量方法的深度学习模型.最后设计了包含多种对比模型的实验,对混合词向量的有效性进行验证.实验结果表明基于混合词向量的深度学习模型在DGA域名检测与分类任务中相比只基于字符级词向量的模型有更好的分类性能,特别是在小样本的DGA域名类别上的分类性能更优,证明了该模型的有效性.     

一种浮标通信天线的波束赋形设计

海洋浮标是一种现代化的海洋观测设施,它具有全天候、全天时稳定可靠地采集海洋环境资料的能力,并利用通信卫星把数据发送到陆地上的数据处理中心.卫星通信一般采用地球同步轨道上的静止卫星来实现,本文重点研究地球同步通信卫星作为浮标通信卫星时的天线赋形波束设计.     

基于无迹卡尔曼滤波的无人机毫米波波束跟踪算法

针对无人机收发端相对运动导致毫米波窄波束无法实时匹配这一问题,提出一种基于无迹卡尔曼滤波的三维波束跟踪方法。该方法首先将波束的俯仰角和方位角作为系统状态向量,对其进行无迹变换,获得采样点集。而后,根据采样点集计算出状态预测值和测量预测值,并以此为基础,根据计算出的卡尔曼增益更新状态向量,获得状态向量的最优估计值。仿真结果表明,此方法满足了无人机实时波束跟踪需求,有效地提高了三维环境下毫米波窄波束的跟踪精度。