【摘 要】
：
第五代移动通信（5G）系统承诺为用户提供大容量、低时延和超高可靠的通信服务,然而在高速铁路、商用航空等高速移动场景下,5G给人们带来的实际体验却差强人意。究其原因,主要是由于通信终端或散射体高速移动所致的多普勒问题易造成严重的时间选择性衰落,进而恶化系统的误码性能并降低通信容量。针对以上问题,本文通过研究高速移动场景中的5G链路级增强技术,提出对抗多普勒扩展的有效方案以显著提升时变信道的通信质量。
论文部分内容阅读
第五代移动通信（5G）系统承诺为用户提供大容量、低时延和超高可靠的通信服务,然而在高速铁路、商用航空等高速移动场景下,5G给人们带来的实际体验却差强人意。究其原因,主要是由于通信终端或散射体高速移动所致的多普勒问题易造成严重的时间选择性衰落,进而恶化系统的误码性能并降低通信容量。针对以上问题,本文通过研究高速移动场景中的5G链路级增强技术,提出对抗多普勒扩展的有效方案以显著提升时变信道的通信质量。首先,设计了基于滤波正交频分复用（Filtered Orthogonal Frequency Division Multiplex,F-OFDM）系统的并行干扰消除（Parallel Interference Cancellation,PIC）算法。在高速移动场景中,受多普勒扩展的影响,F-OFDM系统中的子载波正交性被严重破坏。针对复杂的载波间干扰问题,本文提出时分PIC-F-OFDM方案,即通过时域分集在发送端对两路分支信号做互逆的傅里叶变换处理,接收端利用傅里叶变换的对偶性对信号进行对齐,通过等增益合并增强有用信号且抑制干扰信号。仿真结果表明,相比于传统的干扰自消除算法,本文所提PIC-F-OFDM系统的性能增益显著,可有效抑制多普勒扩展的影响。其次,为了满足高速移动场景下大容量的通信要求,本文设计了基于空时分组编码（Space-Time Block Coding,STBC）的波束赋形机制,并提出空域分集PIC算法。在方案中,数据经STBC编码与互逆的傅里叶变换处理后形成两路并行信号,信号通过两个独立波束发送到接收端。相比于传统干扰消除方法,所提方案能够保证频谱效率并有效改善误码性能。综上,本文根据高速移动场景下无线信道快速时变的特征,提出了 5G链路级增强技术方案。通过仿真验证所提方案能够对抗不同通信场景下的多普勒扩展问题,进而提高5G系统链路的可靠性。而且基于F-OFDM系统的算法可以充分满足不同类型业务的差异化性能需求。
其他文献
符号动力学是一个描述混沌行为非常有用的工具,他能够捕捉系统的拓扑特性同时忽略系统内部间的复杂行为。但是问题是对于一个混沌系统很难得到一个合适的符号划分,尤其当高维系统上稳定和非稳定流形间的行为更为复杂且相互影响时。所以在这篇论文里,我们提出了一个新的方法能有效的帮助我们解决高维符号划分的问题。我们的方法仅依赖于非稳定流形,从而避免了高维稳定流形所带来的干扰。同时我们在每一层的非稳定流形上去寻找其关
随着网络社交的普及,网络谣言会对社会造成非常大的影响。如何准确识别网络社交平台上的谣言对维护社会的秩序显得尤为重要。现阶段对于网络谣言主要是通过传统的机器学习方法或基于深度学习的模型进行检测,这些方法受评论的指向性问题和因序列过长导致的特征不完整问题的影响,对于网络谣言的判别还未能达到比较高的准确率。本文针对上述问题提出了网络谣言检测中相应的改进方法,并使用预训练模型进行微调来加快模型的收敛,在一
当今时代,互联网和云计算的蓬勃发展让数据中心扮演着非常重要的角色。数据中心网络因为可靠性和健壮性的要求,服务器间拥有多条路径,但是传统的数据中心网络拥塞控制机制无法充分利用这些可选路径,也无法有效地解决数据中心的拥塞问题。所以软件定义网络（Software Defined Networks,SDN）网络架构逐渐在数据中心网络中被广泛地使用。SDN可以获取网络的全局信息,更好地监测网络状况并且制定拥
视频信息为车辆的智能化和网联化提供了丰富的信息,视频数据中包含的信息需要通过内容理解与分析来获取,这使车联网视频内容的理解与分析逐渐成为一种趋势,提高视频内容理解的精度成为推进车联网发展的重大挑战。同时移动边缘计算（Mobile Edge Computa-tion,MEC）的发展为车辆提供了大量的计算资源,弥补了车辆计算能力的不足,因此如何利用移动边缘计算来提高视频内容理解精度成为重要的问题。车联
无人机、自动驾驶等越来越多的领域都需要设备小型化和功能多样化,并且需要同时具有雷达传感功能和通信功能,这产生了对雷达和通信一体化设计的强烈需求。同时随着雷达系统和通信系统的快速发展,两者不仅在运行频段上逐渐产生了重合,并且在系统结构上也出现了很多相似点,这让实现雷达通信一体化系统成为了可能。本文研究了基于正交频分复用（Orthogonal Frequency Division Multiplexi
近几年来,在人脸识别领域,基于深度学习的人脸识别的性能比人类还要好,并且已经被广泛应用到很多现实场景中,如手机解锁、机场安检等。因此,研究真实世界中人脸识别模型的安全问题尤为重要。ArcFace作为性能堪比商业级人脸识别系统的开源模型,部分学者已经验证并实现了在真实世界中对该模型的白盒逃逸攻击,但暂未验证是否可以实现难度更高的白盒模仿攻击。本文为探究上述问题,以基于ArcFace模型的人脸验证系统
行人检测是计算机视觉领域的一项重要任务,其在车辆辅助驾驶、视频监控、智慧交通以及智能机器人等领域都有着巨大的研究价值和应用前景。近年来,基于卷积神经网络的行人检测算法快速发展,行人检测模型的性能不断提升。然而,高精度的行人检测模型往往存在模型体积较大、计算成本较高和检测实时性差等问题,难以适应行人检测各种应用场景的要求。本研究旨在提高行人检测算法的检测精度与速度,并结合模型压缩技术降低模型的部署成
中国移动通信技术的显著进步使得基于无线定位的位置服务（LBS）有了更大的发展空间。相较于GPS等卫星定位系统,基于无线网络的终端无线定位具有成本低、方便快捷的优势,并且在紧急救助、网络优化等领域以及疫情防控方面都有着突出的表现。本文主要研究基于指纹库和无线测量报告（MR）的室外用户定位问题,并设计开发出一个用户定位系统。具体地,本文针对指纹库定位中离线阶段指纹库的快速高效建立和在线阶段更加合理准确
在现代通信中,认知无线电展现出了其强大的生命力。将认知无线电与自组织网络相结合,既符合认知无线电的特点,也符合自组织网络的要求,于是认知自组网（Cognitive Radio Ad Hoc Networks,CRAHNs）的概念就此诞生。认知自组网由于其强大的适应性,可以被用在各种网络场景中,例如抗震救灾网络、物联网等。其动态的网络拓扑结构是影响其网络性能的重要因素。故而,研究认知自组网的网络拓扑
基于中餐图像识别的研究一直是计算机视觉领域的热门研究方向,未来将在智能家居、智慧医疗健康等领域具有很好的应用前景。随着深度学习的蓬勃发展,中餐图像识别发展迅速,但由于中餐图像的复杂性和背景噪音等问题,如何高效准确地提取中餐图像关键语义特征、对多目标中餐图像精确高效检测、基于图像对食物进行热量预测等问题仍然是一个巨大的挑战。针对这些问题,本文的主要研究工作如下:针对单目标中餐图像识别问题,提出一种基