一、移动无线信道的分组数据传输（论文文献综述）
李晓辉[1]（2020）在《基于群智协作的动态频谱感知技术研究》文中进行了进一步梳理无线通信网络需要通过有限的频谱资源支持各种应用,如何及时准确地发现可用频谱机会并最大程度地提高频谱利用率,对提升移动网络的数据速率与服务质量至关重要。协作频谱感知是频谱共享系统中的关键技术。为了获得良好的频谱感知性能,需要足够数量的用户终端进行协作,尤其在B5G网络中,超高频信号在传播过程中更易衰减,使深衰落和隐终端问题愈加严重。此外,由于小蜂窝的密集部署和频谱资源分布的异构性加剧了频谱感知的难度,也更凸显了动态频谱感知中多终端协作的重要性。当前协作频谱感知的研究,均假设有足够数量的次用户参与协作感知,然而由于感知与数据上报需要付出代价,现实中自私且理性的次用户不会主动且无偿地参与到协作频谱感知中,而协作用户数的不足将直接导致频谱感知性能的下降。因此,如何激励足够多的用户终端参与感知,并提升协作频谱感知的动态性和灵活性,是B5G网络实现高频谱效率所面临的的关键挑战。群智感知作为一种新型感知范例,可将广泛分布的智能移动用户设备作为候选感知终端,将其应用于协作频谱感知场景中,可保证感知性能的提升。此外,基于群智协作的动态频谱感知机制还具有较高的灵活性,可以通过调整协作感知的参数,动态适应移动网络中不断变化的信道,具有广泛的应用前景。本文对基于群智协作的动态频谱感知机制进行了深入研究。为了激励足够多的用户参与频谱感知,采用金钱激励,提出一种基于Stackelberg博弈与联盟博弈的群智协作频谱感知算法;针对协作感知用户中可能存在恶意陌生用户的问题,提出一种基于社会关系激励的群智协作频谱感知机制和多用户感知时间协同优化算法;针对协作频谱感知用户的隐私问题,提出一种具有隐私保护的群智协作频谱感知算法与多用户频谱共享机制;此外,考虑到群智用户感知与数据上报过程中对能量和有限网络资源的消耗,利用反向散射与空中计算提出一种高效的协作频谱感知机制,以较低的代价获得了较好的频谱感知性能。本文的主要研究内容与创新点如下:（1）针对频谱感知中的用户激励问题,提出了一种基于Stackelberg博弈与联盟博弈的群智协作频谱感知算法。该算法采用金钱激励构建了双层Stackelberg博弈模型,其中数据融合中心为领导者,移动感知用户为从属者。在领导层博弈中,融合中心为了最大化效用,对支付给感知用户的总报酬进行优化。在从属层博弈中,群智感知用户的效用由上报检测概率所获得的收益、对虚警的惩罚以及感知代价组成。理论证明了从属层博弈和领导层博弈中均存在唯一的纳什均衡。仿真结果表明,提出的基于Stackelberg博弈与联盟博弈的协作频谱检测算法可以获得更好的协作检测性能。（2）针对协作感知用户中可能存在陌生恶意用户的问题,提出了基于社会关系激励的协作频谱检测算法。该算法鼓励彼此具有社交关系的可信任用户参与群智协作频谱感知过程,并且可以通过参与感知任务获得社会奖励。将被激励的群智感知用户之间的交互行为建模为一个合作博弈,其中,协作感知用户通过调整各自的感知时间策略以最大化合作感知效用,并采用改进差分进化算法对该优化问题进行了求解。理论推导证明了感知时间优化问题存在唯一的最优均衡解。仿真结果证明,与感知时间非优化模型以及其他两种典型的博弈均衡求解算法相比,所提出的多用户感知时间优化模型以及改进差分进化算法获得了更好的协作频谱感知性能。（3）针对协作频谱感知中用户的隐私问题,提出了一种具有隐私保护作用的群智协作频谱感知算法与多用户频谱共享机制。对于感知用户,提出了基于社交网络和位置邻近度的k-匿名隐私保护算法;对于频谱感知请求者,设计了一种保证报价真实性的反向拍卖机制,用于选择最优的频谱感知参与者。在频谱共享阶段,为了优化整个系统的总吞吐量,将多个用户之间的频谱共享问题建模势博弈,其中所有传输者通过优化各自的传输功率以最大化总吞吐量,利用改进差分进化算法以分布式的方式获得了博弈均衡解。理论分析了所设计反向拍卖机制的经济特性,仿真结果证明了提出的面向隐私保护的群智协作频谱感知算法可以获得更好的协作感知效用和更低的全局感知成本,提出的多用户频谱共享机制和改进差分演化算法可以获得更大的总吞吐量。（4）针对群智协作频谱感知对终端能量和网络通信资源的消耗问题,利用反向散射与空中计算,提出了一种绿色的群智频谱感知机制。在该机制中,群智协作感知用户设备对接收到的无线信号进行反向散射,然后利用无线信道的累加特性,基于空中计算对所有反向散射和直射的无线信号进行空中融合,最后按照能量检测的方法进行判决。由于协作感知终端无需执行本地感知计算和发送感知结果,感知请求者无需进行数据融合计算,因此所提机制减少了能耗并且节省了通信资源,此外在无线信道上的空中数据融合进一步提高了信息实时性。理论推导了所提出的绿色群智频谱感知机制的协作检测性能指标。仿真结果验证了理论推导的正确性,并证实所提机制获得了更高的检测性能,同时降低了协作终端的能耗,节省了网络的通信资源。
张瑞齐[2]（2021）在《高速移动场景中基于MIMO-OFDM的信道估计和预编码方法研究》文中研究说明随着高速公路、高速铁路以及城市道路的爆炸式发展,交通系统的安全性、交通管控的有效性和及时性等问题亟待解决。智能交通系统成为未来交通运输系统的发展方向。随着车联网的蓬勃发展,低时延、大容量、高可靠的通信需求日益迫切。但是传统移动通信的设计主要瞄准终端静止或者低速运动场景,当其应用在高速公路和铁路场景时面临诸多的挑战。以第五代移动通信（The Fifth Generation Mobile Communication,5G）标准为例,终端用户在低速运动条件下,比如移动速度不高于30km/h,100MHz系统带宽可提供大于1G比特率（Bit Per Second,bps）数据传输速率。而随着终端用户移动速度的增加,可支持数据传输速率急剧下降,在终端移动速度高于350km/h时,系统的可支持数据传输速率只有50Mbps,该数据吞吐量只有车联网通信所需数据速率的10%。通信系统传输速率严重下降的主要原因是车辆高速运动引起的信道快速时变以及多普勒频偏。因此,克服多普勒效应、提高高速移动场景中的数据传输速率是非常重要的课题,具有重要的科学意义。为了解决高速移动场景中无线通信系统数据传输效率下降的问题,本文充分考虑高速运动场景中的信道快速时变、多普勒效应、用户信道状态信息（Channel State Information,CSI）难以跟踪等典型问题,采用理论分析、数学建模与系统仿真验证相结合的方法,对快速时变信道估计、低复杂度的子载波间干扰抑制以及面向多输入多输出的线性预编码等方向进行了系统研究。论文的创新性工作包括以下四个方面:第一、提出了一种新的基于波束域分解的信道预测方法,解决高速运动状态下,终端反馈的信道状态信息难以跟踪信道变化而带来的系统性能恶化的问题。基于信道状态信息的自适应调制编码技术（Adaptive Modulation and Coding,AMC）在无线移动通信系统中发挥重要的作用。但是当终端用户处于高速运动状态时,无线信道快速变化。终端用户反馈的信道状态信息与被应用时刻的信道失配,导致系统性能严重恶化。针对该问题,本文提出了一种新的信道预测方法。该方法根据扩展Saleh-Valenzuela模型,将无线信道在空域分解为多个簇,每一簇的信道由空间波束角相近的子径组成。通过波束域、频率域分解,无线时变信道被表征为有限个波束域和频域基向量的线性加权。针对加权参数和波束矢量估计复杂度过高的问题,本文提出了改进的快速迭代插值波束赋形（Fast Iterative Interpolated Beamforming,FIIB）算法。针对加权参数的预测问题,本文提出由多项式模型近似。通过向基站反馈多项式系数和波束矢量,基站可以精确的预测未来的信道。本方法提高了时变信道预测的准确性,仿真显示在反馈有限阶系数条件下,本方法已经可以准确的预测信道的变化,同时反馈多项式系数所需的资源也远低于传统方法。第二、提出了基于频率偏移的基扩展模型（Frequency Shifted Basis Expansion Model,FS-BEM）,解决高速时变信道条件下信道估计性能恶化的问题。在正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统中,通过在OFDM符号中插入参考信号（Reference Signal,RS）来做信道估计。在传统的信道估计中,认为信道在一个OFDM符号中保持不变。当终端用户处于高速运动状态的时候,信道在一个OFDM符号中也会发生变化,从而使得传统信道估计方法失效。针对该问题,本文基于基扩展模型（Basis Expansion Model,BEM）的理论,研究了复指数基扩展模型（Complex Exponential BEM,CE-BEM）在建模快速时变信道时存在较大误差的原因,提出了FS-BEM信道估计方法。通过对复指数基向量进行过采样获取过完备基向量集合,采用最小均方误差（Minimum Mean Squared Error,MMSE）或者最大信息率准则（Maximum Information Rate,MIR）全局寻优最佳采样基。仿真显示,本方法很好的克服了传统CE-BEM模型的缺点,在不同的移动速度下均具有较好的性能。第三、提出了一种新的发射端预编码和接收端均衡方法,解决传统子载波间干扰抑制方法存在的复杂度过高、性能不理想等问题。在OFDM通信系统中,当终端处于高速移动的时候会引起子载波间干扰（Inter-Carrier Interference,ICI）,严重的影响了无线移动通信性能。在传统的均衡算法中,通常采用迭代干扰消除的方法来克服ICI带来的影响。这种方法存在复杂度过高、用户移动速度快的情况下性能不理想等问题。本文提出了一种新的发射端预编码和接收端均衡方法。该方法在发射端将发射信号频域分段,并在每个频域分段中添加冗余子载波,从而隔绝了相邻频域分段之间的干扰,将子载波互扰限制在一个频域分段内。在接收端,通过简单的线性变换和一阶均衡就可以抑制频域分段内的ICI。该方法可以大大降低接收端实现复杂度,具有较好的ICI抑制性能。第四、提出了一种新的基于波束域反馈的码本设计方法,解决传统码本设计不能匹配中高速场景、反馈开销过大的问题。在多输入多输出（Multi-Input Multi-Output,MIMO）系统中,预编码矩阵的反馈占用大量的上行无线资源,尤其是当终端处于快速运动的时候,需要配置很短的反馈周期才能跟踪信道状态信息的变化,这会进一步增加反馈开销。针对该问题,本文提出了一种新的基于波束域反馈的码本设计方法。该方法利用矩阵分解理论,将预编码矩阵表征为若干个正交向量的线性加权。用户需要反馈被选择的正交向量的索引以及每个被选择的正交向量对应的复系数。通过联合配置长和短周期反馈,该方法可以在跟踪信道变化的同时,维持较低的反馈开销。仿真结果显示,本文提出的码本结构和反馈方法在获得预编码增益的同时,极大的缩减了反馈信道状态信息的信息量。本方法中的双码本结构以及第一级码本的正交向量设计等方法被5G通信标准‘3GPP TS38.214:NR Physical layer procedures for data’的5.2.2.2.3章节接纳。
李雪靖[3]（2021）在《智慧标识网络中边缘计算服务的任务卸载和资源适配研究》文中进行了进一步梳理随着互联网技术的发展,网络服务和网络应用已渗透到各个领域。网络数据流量和计算任务的迅猛攀升,导致传统网络体系难以满足高效、可靠、海量、泛在等服务需求。智慧标识网络从解决传统互联网三重绑定问题出发,提出了“三层两域”的体系架构,为实现网络的可管、可控、开放、灵活提供了新的思路。针对智慧标识网络中的计算服务,边缘计算可以利用网络边缘计算资源为其提供更好的服务质量。然而,边缘网络的服务复杂性和资源有限性给不同场景下计算服务的动态灵活管控带来了新的挑战。本文分别针对边缘网络中的终端复杂计算服务、终端流式计算服务、多终端竞争计算服务和边缘汇聚计算服务,依据不同服务的需求特征,融合网络通信资源和计算资源,分析了具有特定优化目标的服务管控问题,研究了基于智慧标识网络的任务卸载和资源适配策略。本论文主要工作和创新点如下:（1）针对边缘网络中终端复杂计算服务的任务卸载和资源适配问题,提出了一种复杂服务分割和部分任务卸载的联合管控优化策略。本文以复杂计算服务的处理开销最小化为优化目标,通过综合考虑服务模型特征、任务依赖关系、节点设备能力和无线信道状况等因素,提出了基于智慧标识网络和边缘计算的终端复杂计算服务系统架构和管控机制,构建了服务模型分割和部分任务卸载的联合优化模型;基于深度学习方法构建了针对视频流进行人体姿态估计的服务计算模型,通过分析所构建模型的计算负载和数据流,采用神经层分组和流水线处理方法,设计了基于阈值粒子群优化的协同分割卸载TP-CPO算法,并通过仿真实验进行了性能评估。仿真结果表明,在不同的信道带宽和服务器负载下,所提策略有效地降低了服务响应时间和终端能量消耗。（2）针对边缘网络中终端流式计算服务的任务卸载和资源适配问题,提出了一种任务卸载调度和终端功率控制的联合管控优化策略。本文以流式计算服务的任务处理效用最大化为优化目标,通过综合考虑到达任务特征、终端能量状态、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的终端流式计算服务系统架构和管控机制,构建了任务卸载调度和终端功率控制的联合优化模型;根据终端等待计算任务的马尔可夫性,分析了卸载调度决策和功率控制决策的约束条件,设计了状态、动作和奖惩函数,将系统时间分层划分为决策周期和事件回合,实现了基于分层深度强化学习的自适应调度控制HDRL-ASC算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,在不同的任务到达率、无线信道状况和服务器计算性能下,所提策略有效地提高了任务处理效率,降低了终端功率消耗。（3）针对边缘网络中多终端竞争计算服务的任务卸载和资源适配问题,提出了一种终端卸载选择和通信资源编排的联合管控优化策略。本文以多终端竞争计算服务的综合计算效用最大化为优化目标,通过综合考虑终端接入数目、终端设备状态、终端需求优先级、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的多终端竞争计算服务系统架构和管控机制,构建了终端卸载选择和通信资源编排的联合优化模型;提出了融合多种方法的算法框架,包括利用神经网络和阈值判断方法估计多终端任务卸载的优先级,利用一维优化搜索方法编排无线通信的资源块,利用经验回放和梯度下降方法构建神经网络模型的更新机制,利用分布式采样训练方法实现高效的神经网络训练模型,设计了基于纵向联邦学习的灵活卸载编排VFL-FOO算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,算法具有较好的收敛性和较低的复杂度,在不同终端数目和动态环境状况下,所提策略有效地提高了多终端综合计算能力。（4）针对边缘网络中边缘汇聚计算服务的任务卸载和资源适配问题,提出了一种流量鲁棒分类和资源感知转发的联合管控优化策略。本文以边缘汇聚计算服务的综合处理开销最小化为优化目标,通过综合考虑单位时间请求交易量、服务数据量到达速度、单位比特计算负载、服务流量类型、服务器计算资源和传输路径通信资源等因素,提出了基于智慧标识网络和边缘计算的边缘汇聚计算服务系统架构和管控架构,构建了流量鲁棒分类和资源感知转发的联合优化模型;设计了包含异常需求检测、流量特征分类和任务卸载转发的算法框架,实现了基于遗传进化算法的快速分类转发GE-RCF算法,并通过仿真实验进行了参数调优和性能评估。仿真结果表明,在流量动态变化、不同边缘服务器性能和不同传输路径带宽下,所提策略有效地提升了流量分类效率,降低了多流量综合处理开销。
曾敏寅[4]（2021）在《面向无线视频直播业务的多播传输与自适应播放策略研究》文中指出随着移动互联网的普及,无线视频直播业务发展迅速。与点播业务不同,直播内容是实时生成的,且对时延有更高的要求。作为应对无线信道时变特性的有效途径,自适应流媒体技术支持直播用户动态调整视频码率,受到广泛关注。考虑到直播场景中常会有大量用户同时观看相同内容,适合采用无线多播技术共享传输资源,研究如何将其与自适应流媒体技术有效结合以提升系统性能具有重要意义。与此同时,若不同用户请求内容各不相同,则难以满足多播应用条件,如何优化典型单播场景中的用户体验亦是一项关键挑战。因此,针对上述多播和单播两种直播场景,本文分别研究了多播传输优化方案与自适应播放策略。首先,针对无线视频直播业务中的公共传输场景,本文提出了一种实时视频多播系统架构,并在该架构下联合考虑用户分组、资源分配和码率选择问题,设计了一种基于网络辅助的实时视频多播传输优化方案。首先,采用基于K-means++的用户分组方法,确定分组数量和用户分组结果。其次,在给定用户分组信息的情况下,基于李雅普诺夫优化方法,提出不同时间尺度的联合资源分配和码率选择算法,并且给出了算法性能的理论下界。与其他基准方案相比,本文所提多播方案在用户体验方面达到至少14%的性能提升。其次,针对无线视频直播业务中的典型单播场景,本文在码率选择的基础上引入时延控制机制,结合直播业务特征重新构建客户端缓冲区模型,设计了一种以码率选择和时延控制为核心的直播自适应播放策略。所提算法考虑视频播放的前后相关性,基于滚动时域控制方法并以长时QoE最大化为目标对码率选择与时延控制策略进行联合优化。仿真结果表明,与现有算法比较,所提自适应播放策略的平均QoE提升了至少9.1%,且在不同性能指标之间达到了更好的权衡。
仇桐同[5]（2021）在《大规模MIMO天线阵列信道模型及其性能研究》文中研究表明无线通信技术的迅猛发展驱动着移动通信和互联网的结合,并取得了长足的发展与进步,面对未来通信场景中数据流量的增长、海量的终端设备、各类新型场景业务的层出不穷以及超高数据传输速率等需求,第四代移动通信系统已经无法满足。大规模多输入多输出（Multiple Input Multiple Output,MIMO）技术能够在不增加带宽的前提条件下以具备提高传输速率,增加系统容量和提升频谱效率的特点成为了未来移动通信系统的关键技术。本文围绕大规模MIMO多天线信道建模展开研究,深入探讨了MIMO天线阵列,天线平均相关性和信道容量等分析MIMO多天线系统模型的统计信道特性,以及基于几何散射簇模型研究了大规模MIMO的非平稳特性,研究了空时相关函数和系统性能,通过对不同数据的仿真对比分析,验证了所提出模型的有效性。本文具体的工作内容分为以下三个方面:首先,在大规模MIMO系统中,针对传输场景中到达方位角（Azimuth Angles of Arrival,AAo A）和到达仰角（Elevation Angles of Arrival,EAo A）分布的复杂性,提出了一种空间相关函数,再对这种分布下的信道进行建模。针对典型的均匀线性阵列（Uniform Linear Array,ULA）的天线布局建立了一个三维（Three Dimensional,3D）几何信道模型,并在该模型的基础上研究了大规模MIMO系统天线的平均相关性和信道容量。基于统计物理信道模型,推导了到达方位角和到达仰角之间的关系,分别使用平面波（Plane Wave,PW）和球面波（Spherical Wave,SW）模拟远场效应和近场效应,同时分析了模型参数对大规模MIMO系统性能的影响。仿真结果验证了所提出模型的有效性,该模型易于实现,可通过通信环境进行调整。接着,考虑到在大规模MIMO系统中,由于天线空间的限制,大量的天线很难放置在有限的空间中,使得天线之间的空间相关性很高,进一步导致了系统的性能下降。引入多极化天线应用于大规模MIMO系统,可以通过降低天线之间的相关性提高系统性能,实现空间效率的有效利用,以此建立了一个三维多极化大规模MIMO信道模型。本模型考虑了交叉极化鉴别度,天线数量,天线倾角等参数对系统性能的影响,并比较了多极化大规模MIMO系统与单极化大规模MIMO系统在不同通信场景的性能。研究结果显示多极化大规模MIMO系统比单极化大规模MIMO系统具有更好的性能表现。最后,针对大规模MIMO信道的近场效应和非平稳特性,提出了一个基于散射簇的大规模MIMO信道模型。在所提出的模型中,接收信道由视距（Line of Sight,LOS）传播分量和经过散射簇的非视距（Non-Line of Sight,NLOS）传播分量组成,同时引入了混合的生灭过程和可见区域法来描述信道的非平稳特性。研究了簇的非平稳特性对MIMO信道的影响,包括空间互相关函数（Cross-correlation Function,CCF）和时间自相关函数（Auto correlation Function,ACF）。然后提出了一种有限条射线的仿真模型,将仿真数据与理论模型对比验证,数值分析结果表明所提出的信道模型可以有效描述大规模MIMO的非平稳特征。
陈钱[6]（2021）在《基于角度域采样的MIMO信道及其性能研究》文中研究指明近年随5G/6G在全球快速发展,随时、随地及高效的数据传输需求使得移动通信场景呈现多样化和复杂化,从而导致信道特征的多维化、非对称性以及波达信号谱任意性,因此对信道的建模和估计变得更加复杂。研究证明多输入多输出（Multiple Input Multiple Output,MIMO）技术可以极大程度地利用现有空间资源和多空间维度,在不增加额外系统宽带及辐射功率的情况下,可有效地对抗无线信道的衰落,进一步提高系统的频谱利用率。为掌握室内外环境中的MIMO无线信道的特性,需对实际环境进行测量,以建立合适的信道模型,预测系统的性能和评估算法的优劣。本文围绕二维（Two Dimension,2D）、三维（Three Dimension,3D）空间域的MIMO信道建模展开研究,针对任意散射环境信道,推导并深入分析信道模型的角度功率谱（Power Azimuth Spectrum,PAS）、空间相关性（Spatial Correlation Function,SCF）、角度扩展等对系统性能的影响。根据相关信道测试结果,不断以测试环境和测试结果来优化参数配置,以趋近于实际信道并对信道进行精确建模。首先介绍了无线衰落信道的传播特性和MIMO信道建模的原理及研究现状。以均匀分布的线性天线阵列为模型,入射信号角度功率谱分别为均匀、高斯、拉普拉斯和Sinc分布时,推导出各自的空间衰落相关（Spatial Fading Correlation,SFC）函数的表达式。针对现实环境信道分布不确定问题,基于入射角概率面积等分方法提出一种适用于非均匀散射环境下的MIMO推广模型。通过小角度扩展等效拟合大角度扩展,以Sinc、高斯以及拉普拉斯分布为采样基函数和参考标准,拟合获取其在任意角度域功率谱下MIMO多天线信道空间衰落相关函数近似简化解。其次利用波达角（Direction Of Arrival,DOA）估计技术得到城市微蜂窝环境下的实测数据,分析提取出MIMO无线信道的特性参数,并对离散数据进行了指数非线性回归拟合处理,构建了基于实际测量的MIMO信道模型。推导了多个基函数采样模型下的空间衰落相关函数近似简化解,并详细分析了简化模型中采样基函数数目和加权系数的选取依据及拟合精度。城区实测数据的拟合及仿真结果表明,近似拟合算法在降低计算复杂度的同时可满足实际信道建模的精度要求,这表明所提出的采样拟合方法可以进一步提高近似算法的适用性。最后针对三维入射波的多径衰落环境,建立了3D MIMO系统的接收模型。首先基于水平维度和垂直维度的角度功率谱推导了空间衰落相关函数闭合表达式,并利用MT变换对公式进行了化简。然后通过分析模型参数对3D MIMO系统性能的影响得到数值仿真结果,研究证明改进的简单封闭式近似表达式适用于具有3D环境扩散的入射波。最后,与传统的几个经典模型相比,提出的方法更简单高效,为未来进一步分析讨论多径信道提供了良好的基础。
田智愚[7]（2021）在《基于MIMO-OFDM的列车对列车通信技术研究》文中研究指明铁路移动通信技术是保障铁路运输安全生产的重要手段。近年来,伴随智能铁路发展进程,作为V2V（Vehicle-to-Vehicle,车对车）通信和协作通信的综合产物,T2T（Trainto-Train,列车对列车）通信技术迎来新的发展契机。这种无基站参与下以车为核心、轨旁设备最少化为特征的列车自组织直接通信方式。一方面可以用于列车碰撞防护,另一方面可以辅助基于车-地无线通信网络的列车控制系统。由于列车运行周边环境与传统蜂窝网通信场景存在差异,不同场景分布的散射体对信号的反射和列车间的相对移动状态严重影响着列车间无线信道的多普勒扩展和多径时延扩展,且不同场景分别使用相应频段的需求不明显。此外,根据多径影响程度将场景划分为隧道内和隧道外的路堑,抗多径衰落技术在其中的应用条件尚不明确。尽管T2T通信仿真实验验证成功,但仍需要开展信道分析和抗多径衰落技术研究。论文主要内容如下:首先,基于菲涅尔区电波传播理论,分析第一菲涅尔区与隧道和第一菲涅尔区与路堑场景的几何关系,改进T2T通信工作频段分配方案,以实现多频段通信需求。同时,特别考虑降雨对高频电波传播的影响,计算大尺度路径损耗,为预测电波传播特性和模型仿真实验作基础。其次,分析列车运行状态、电波传播环境和天线等因素对T2T无线信道的影响机理。根据追踪列车相对运行速度计算视距条件下最大多普勒频移值。利用射线跟踪法模拟多径波,建立矩形双线隧道确定性模型,并将该模型向非矩形隧道进行拓展。其能够较准确预测电波传播特性,并获得一定反射次数下的多径特征,服务于抗多径衰落模型选参。最后,利用MIMO（Multiple Input Multiple Output,多输入多输出）-OFDM（Orthogonal Frequency Division Multiplexing,正交频分复用）技术解决多径衰落问题。经信道空间相关性计算与容量分析,选择收发天线组合、编码方案和信道估计方案,以建立基于MIMO-OFDM的T2T通信传输模型。分析无中继下两车同处隧道内和隧道外,以及有中继下两车分处隧道内外场景的T2T通信误码率后得出,加入中继能够增大通信距离,改善T2T通信误码性能。
代健美[8]（2021）在《面向无线视频业务的边缘缓存与多播技术研究》文中认为随着在线/移动社交媒体和移动网络的快速发展,移动视频业务种类更加多样,视频数据速率、分辨率、帧率越来越高,导致移动视频数据流量急剧增加,现有无线网络将很难满足用户高质量视频通信的需求。构建面向视频业务的新型无线网络传输架构,应用缓存、多播等技术减少视频流量冗余,是降低无线网络压力的有效途径,具有重要的研究价值。为此,本文以提升无线视频业务性能、降低无线网络负载为目标,以优化理论为数学基础,通过挖掘各种典型视频业务特征,分别设计了面向普通视频、可伸缩视频编码（Scalable Video Coding,SVC）视频、虚拟现实（Virtual Reality,VR）视频等业务的新型无线传输架构,提出了适应传输架构特点和视频业务特性的无线边缘缓存优化方案及侧链路辅助的无线多播优化方案,有效降低了各类视频业务的平均下载时延,提高了传输质量,提升了用户体验。具体的研究工作及成果概括如下:首先,提出一种面向普通视频业务的主动无线边缘缓存策略。利用下一代无线接入网（Next Generation Radio Access Networks,NG-RAN）的云计算和分布式存储能力,构建了基于NG-RAN的无线视频传输架构,设计部署了缓存管理控制器和基于中心单元（Central Units,CU）-分布式单元（Distributed Units,DU）的二级缓存。为最小化平均传输时延,联合考虑用户移动概率和视频观看行为特点,分别提出了“用户移动性感知”和“用户移动性与视频片段流行度联合感知”的主动边缘缓存算法。理论分析和仿真证明,与已有典型算法相比,所提算法具有较低的复杂度,平均下载时延降低约10%,缓存命中率提高约20%。接着,提出一种面向SVC视频业务的无线边缘缓存策略。考虑到SVC提供的可伸缩性有利于视频交付,而NG-RAN具有灵活的网络结构,设计了基于NG-RAN的SVC视频传输架构。为最小化平均传输时延,联合考虑用户移动性、NG-RAN分层结构和SVC视频分层结构,提出了一种基于缓存优先级的启发式分层缓存算法。针对远端下载传输时延远高于边缘下载传输时延的特殊场景,提出了一种具有1/2近似比的简化算法。仿真结果验证了所提算法的有效性。相比较现有典型算法,所提算法的平均等待时间降低约16%,缓存命中率提高约30%。然后,提出一种面向360°VR视频业务的无线边缘缓存策略。针对VR业务的时延敏感性和计算密集性,设计具有视场合成和二级缓存功能的360°VR视频传输架构。以最小化平均下载时延为目标,建模了分层协作缓存优化问题并给出了理论最优解。针对最优解方案的NP-hard问题,提出了基于“最小距离数最大化”的低复杂度在线缓存算法,理论证明了所提算法与最优算法的近似比。仿真实验表明,所提算法比现有典型算法的平均等待时间降低约7%,回程流量降低约24%,而体验质量（Quality of Experiment,QoE）提升约 60%,实现了 360° VR 视频在NG-RAN网络中的低时延高效传输。最后,提出一种面向多质量贴片360°VR视频的侧链路辅助多播优化策略。针对传统无线多播容量受限于较差信道用户的问题,构建了侧链路辅助的360° VR视频无线多播传输系统,设计了两时隙流水线数据传输方案,提出了独立解码和联合解码两种侧链路辅助多播场景。针对不同场景分别建模了效用函数最大化问题,并给出了理论最优解方案。针对最优解实现复杂度过高的问题,提出了基于贪婪搜索和连续松弛的两阶段优化算法。通过对多播用户数、侧链路发送用户、带宽资源、接收视频贴片质量等级等进行联合优化,算法在无线资源消耗与多播容量之间实现权衡,获得了接近上界的次优解。仿真结果表明,算法具有较低的时间复杂度和很快的收敛速度,与传统多播算法相比,总效用值可获得10%的增益,可实现多质量贴片360°VR视频的高质量传输。
王雷[9]（2021）在《无人机中继通信链路性能分析与资源分配技术研究》文中进行了进一步梳理灵活性和可控性使无人机在未来无线通信领域开始发挥重要作用,比如应急通信和物联网数据转发。相比于地面通信链路遭受建筑物遮挡而产生较大信号衰减,配备收发天线的无人机可作为空中无线接入点利用空地链路进行无线信息传输,这既加强了网络节点部署的可重构性,又可通过空地视距传播优势来提升无线信道容量。从大尺度衰落角度来说,视距链路有助于减少无线信号传播的路径损耗;从小尺度衰落角度来说,视距主成分使空地链路产生莱斯衰落信道。上述表明空地通信链路从平均信道增益和瞬时信道增益两个方面都区别于地面通信链路。为综合探究大尺度衰落和小尺度衰落如何影响空地信道质量,本文从空地链路中断性能角度出发,旨在评估引入无人机后通信系统的可靠性。具体的,本文研究了三种基本的利用无人机进行中继通信的场景,分别为无人机静态中继、预设轨迹下无人机移动中继和三维自由度下无人机移动中继,并结合全双工和非正交传输技术,提出了联合无人机静态部署和资源分配、时变信道下动态资源分配以及联合无人机三维轨迹和动态资源分配算法,通过降低空地链路中断概率来提升无人机中继系统的可靠性。本文主要研究内容及创新点如下:针对无人机部署位置影响空地链路视距传输质量的问题,提出了一种应急通信场景下无人机中继的部署和资源分配策略,旨在通过高视距链路概率实现可靠的空地传输。考虑基于视距概率的空地衰落模型和全双工中继模式,通过联合优化无人机部署高度、功率控制和带宽分配最小化多条中继链路的最大中断概率。所构建原始问题首先被解耦为可采用连续凸近似方法处理的高度优化子问题和资源优化子问题,然后提出了基于块坐标下降的迭代算法来实现全局优化。仿真结果在三种城市环境下揭示了所提算法的性能增益,并表明合理增加无人机高度可利用空地链路的视距传播优势来降低链路中断概率,通过功率控制降低全双工中继自干扰可进一步提升系统可靠性。针对无人机移动性导致时变信道特征的问题,提出了一种预设轨迹下无人机执行应急中继通信时的动态资源分配策略,旨在通过匹配时变信道条件提升空地传输的可靠性。下行链路引入非正交多址接入技术,在串行干扰消除约束下构建了基于无人机瞬时位置的带宽和功率分配优化问题,目标是最小化多条中继链路的最大中断概率。首先设计了变量的等价代换关系将原问题转换为更容易处理的形式,在此基础上提出了连续凸近似迭代算法来求解该重构问题,最后根据所设计的等价代换关系还原原始问题的可行解。仿真结果分析了带宽和功率资源如何匹配时变信道特性,并表明非正交传输可通过串行干扰消除提升系统可靠性。针对无人机飞行轨迹影响空地链路视距主成分的问题,提出了一种无人机执行物联网数据转发任务时的三维轨迹和动态资源分配策略,旨在通过感知莱斯信道特征实现可靠的数据转发。所构建问题考虑无人机移动控制和功率分配约束,最小化时变莱斯衰落信道下沿无人机三维轨迹的平均中断概率。首先考虑经原问题解耦后的三维轨迹优化子问题和功率分配优化子问题。三维轨迹优化子问题在松弛约束下利用连续凸近似方法求解,功率分配优化子问题采用标准凸优化求解,最后所提块坐标下降算法交替优化三维轨迹和功率来降低系统平均中断概率。为彰显时变莱斯衰落信道下设计无人机三维轨迹所获取的可靠性增益,还考虑了一种无人机沿最低高度飞行的情况,然后联合优化无人机二维飞行轨迹和功率分配以最小化系统平均中断概率。仿真结果表明相比于无人机沿二维轨迹飞行,在时变莱斯衰落信道下无人机沿三维轨迹飞行可提升移动中继系统的可靠性。
贾承璐[10]（2021）在《面向动态场景的移动毫米波覆盖增强技术研究》文中进行了进一步梳理毫米波（Millimeter wave,mm Wave）凭借其丰富的频谱资源已经成为第五代移动通信系统的关键技术之一,并且将保持持续发展和演进的趋势。然而,高频段的mmWave（30GHz-300GHz）信号传输面临严重的路径和穿透损耗,这为mmWave系统的实际部署和应用带来了巨大挑战。首先,为了补偿mmWave的传输损耗,收发端通常采用大规模天线阵列实现方向性波束赋形,但一方面,窄波束传输性能很大程度上依赖于收发端波束的准确对准,而在动态场景下,终端的移动性不仅加剧了波束对准的难度,也导致无线通信系统难以实时进行动态的信道状态信息（Channel state information,CSI）获取和网络性能的优化;另一方面,窄波束传输严重限制mmWave网络的用户覆盖能力,只有位于主瓣波宽之内的用户才能享受高速率的通信服务。其次,由于巨大的穿透损耗,遮挡问题是目前限制毫米波系统覆盖能力的主要瓶颈之一,为此,智能反射面（Intelligent reflecting surface,IRS）技术被引入到毫米波系统的设计和优化中,以进一步实现mmWave系统的盲点覆盖增强。当前国内外针对mmWave通信技术的研究主要集中在准静态场景下的波束管理、波束赋形以及信道估计等领域,而对动态场景下的覆盖增强问题鲜有讨论,而mm Wave网络的覆盖增强问题是限制网络部署的现实问题之一。因此,本文针对面向动态场景的移动毫米波覆盖增强技术进行了如下研究:（1）当前毫米波系统普遍采用的基于正交多址接入的窄波束传输技术严重限制了 mmWave系统的用户覆盖能力,本文率先提出了一种基于机器学习（Machine learning,ML）的mmWave-非正交多址接入（Non-orthogonal multiple access,NOMA）技术以提升动态场景下mmWave网络的用户覆盖。本文利用了 ML方法实现了 mmWave-NOMA网络的性能优化,其中,本文提出了一种基于高斯过程机器助实现高效的波束追踪;然后,本文利用角度域信息,进一步提出了一种基于无监督学习方法的用户分组方法;最后,本文讨论了移动mmWave-NOMA场景下三维波束宽度控制问题,并利用深度学习方法实现了实时的波束宽度优化。（2）IRS是实现未来动态mmWave的盲点覆盖增强的关键技术之一,但IRS的引入使mmWave网络架构高度复杂化,因此,为了充分发挥IRS在移动mmWave系统中的性能潜力,本文对IRS辅助mmWave网络的动态波束管理、级联信道估计及波束赋形等关键问题进行了深入研宄。具体而言,本文分别从传统波束空间搜索和ML辅助两个角度讨论了mmWave-IRS网络的波束管理问题,并基于用户位置信息,提出了一种位置信息辅助的高效波束赋形方法;然后,本文提出了一种自适应网格匹配追踪算法,实现了高分辨率的级联信道估计。最后,本文对整体的研究内容进行了总结,并对动态场景下的毫米波覆盖增强技术的后续研究问题进行了展望。
二、移动无线信道的分组数据传输（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、移动无线信道的分组数据传输（论文提纲范文）
（1）基于群智协作的动态频谱感知技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 协作频谱感知技术 |
| 1.2.1 协作频谱感知概述 |
| 1.2.2 协作频谱感知研究现状 |
| 1.3 群智感知技术 |
| 1.3.1 群智感知概述 |
| 1.3.2 群智感知研究现状 |
| 1.4 群智协作频谱感知及其研究现状 |
| 1.5 本文主要研究内容与创新点 |
| 1.6 本文结构安排 |
| 第二章 基于Stackelberg与联盟博弈的群智协作频谱感知算法 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 基于博弈论的群智频谱感知机制 |
| 2.3.1 从属层博弈 |
| 2.3.2 领导层博弈 |
| 2.4 仿真结果与分析 |
| 2.4.1 仿真参数设置 |
| 2.4.2 仿真结果及分析 |
| 2.5 本章小结 |
| 第三章 基于社会激励的多用户频谱感知时间联合优化算法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 基于社会激励机制的多用户感知时间优化算法 |
| 3.3.1 特性证明 |
| 3.3.2 算法描述 |
| 3.4 仿真结果 |
| 3.4.1 不同参数下的仿真性能 |
| 3.4.2 模型比较 |
| 3.4.3 算法比较 |
| 3.5 本章小结 |
| 第四章 面向隐私保护的群智协作频谱感知与共享机制 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 群智频谱感知模型 |
| 4.2.2 多用户频谱共享模型 |
| 4.3 面向隐私保护的群智协作频谱感知算法 |
| 4.3.1 基于社交网络与位置邻近性的成组算法 |
| 4.3.2 基于反向拍卖的获胜组选择算法 |
| 4.3.3 支付机制 |
| 4.3.4 特性证明 |
| 4.4 基于势博弈的多用户频谱共享机制 |
| 4.4.1 势博弈模型 |
| 4.4.2 纳什均衡分析与求解 |
| 4.5 仿真结果与分析 |
| 4.5.1 隐私保护机制的仿真性能 |
| 4.5.2 反向拍卖机制的特性 |
| 4.5.3 多用户频谱共享机制中的性能仿真 |
| 4.6 本章小结 |
| 第五章 基于反向散射与空中计算的群智协作频谱感知机制 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 群智频谱感知模型 |
| 5.2.2 信号传播模型 |
| 5.3 基于AmB与空中计算的群智频谱检测机制 |
| 5.3.1 基于AmB的信号传输 |
| 5.3.2 基于空中计算的数据融合 |
| 5.4 检测性能的推导与分析 |
| 5.4.1 非合作频谱检测 |
| 5.4.2 基于反向散射与空中计算的CSD机制 |
| 5.5 仿真结果与分析 |
| 5.5.1 检测性能的比较 |
| 5.5.2 资源消耗比较 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文内容总结 |
| 6.2 未来展望 |
| 参考文献 |
| 附录1 攻读博士学位期间撰写的论文 |
| 附录2 攻读博士学位期间申请的专利 |
| 附录3 攻读博士学位期间参加的科研项目 |
| 致谢 |
（2）高速移动场景中基于MIMO-OFDM的信道估计和预编码方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 常用数学符号 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状和不足 |
| 1.2.1 高速移动场景对无线通信的需求和挑战 |
| 1.2.2 高速移动场景下信道预测的研究现状和不足 |
| 1.2.3 高速移动场景下信道估计的研究现状和不足 |
| 1.2.4 高速移动场景下预编码技术的研究现状和不足 |
| 1.3 主要创新工作与章节安排 |
| 2 一种基于波束域分解的信道预测方法 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 现有信道预测方法 |
| 2.4 改进的基于波束域的信道预测方法 |
| 2.4.1 基于波束域分解的信道预测方法理论推导 |
| 2.4.2 性能分析 |
| 2.4.3 反馈负载分析 |
| 2.5 仿真结果与分析 |
| 2.5.1 链路仿真参数 |
| 2.5.2 仿真结果 |
| 2.6 本章小结 |
| 3 一种基于频率偏移BEM信道估计方法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 现有时变信道估计方法 |
| 3.4 改进的基于频率偏移基扩展模型的信道估计方法 |
| 3.4.1 频率偏移基扩展模型理论推导 |
| 3.4.2 简化的FS-BEM信道估计方法 |
| 3.4.3 性能分析 |
| 3.4.4 实现复杂度分析 |
| 3.5 仿真结果与分析 |
| 3.5.1 链路仿真条件 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 4 一种发射预编码与接收频域均衡方法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 现有子载波间干扰抑制方法 |
| 4.4 新的发射预编码和接收均衡的联合设计方法 |
| 4.4.1 发射预编码和接收均衡方法的理论推导 |
| 4.4.2 性能分析 |
| 4.4.3 实现复杂度分析 |
| 4.5 仿真结果与分析 |
| 4.5.1 链路仿真条件 |
| 4.5.2 仿真结果 |
| 4.6 本章小结 |
| 5 一种低反馈开销码本设计方法 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.3 现有码本设计方法 |
| 5.4 新的高性能、低反馈量的码本设计方法 |
| 5.4.1 预编码码本设计理论推导 |
| 5.4.2 性能分析 |
| 5.4.3 反馈负载分析 |
| 5.5 仿真结果与分析 |
| 5.5.1 系统仿真条件 |
| 5.5.2 仿真结果 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录A |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）智慧标识网络中边缘计算服务的任务卸载和资源适配研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 新型网络技术及智慧标识网络研究现状 |
| 1.2.1 新型网络相关关键技术 |
| 1.2.2 智慧标识网络理论及其相关研究 |
| 1.3 边缘计算及其服务管控问题的相关研究 |
| 1.3.1 边缘计算技术概述 |
| 1.3.2 边缘计算中服务管控问题的相关研究 |
| 1.3.3 机器学习在边缘计算中的应用研究 |
| 1.4 研究内容和主要创新 |
| 1.5 论文组织结构 |
| 第二章 复杂计算服务的服务分割和任务卸载研究 |
| 2.1 引言 |
| 2.2 复杂服务分割和部分任务卸载的优化问题 |
| 2.2.1 系统架构 |
| 2.2.2 服务管控机制 |
| 2.2.3 问题建模和优化 |
| 2.3 复杂计算服务模型和协同分割卸载算法 |
| 2.3.1 基于DL方法的模型分析 |
| 2.3.2 终端复杂计算服务的模型构建 |
| 2.3.3 服务模型的数据流和计算负载分析 |
| 2.3.4 TP-CPO算法设计 |
| 2.4 仿真实验和结果分析 |
| 2.4.1 复杂计算服务仿真环境的建立 |
| 2.4.2 TP-CPO策略的性能评估 |
| 2.4.3 TP-CPO策略的扩展性分析 |
| 2.5 本章小结 |
| 第三章 流式计算服务的任务调度和功率控制研究 |
| 3.1 引言 |
| 3.2 任务卸载调度和终端功率控制的优化问题 |
| 3.2.1 系统架构和管控机制 |
| 3.2.2 问题建模和优化 |
| 3.3 基于分层深度强化学习的自适应调度控制算法 |
| 3.3.1 深度强化学习方法简介 |
| 3.3.2 状态、动作及奖励函数设计 |
| 3.3.3 HDRL-ASC算法设计 |
| 3.4 仿真实验和结果分析 |
| 3.4.1 实验参数和环境变量的设置 |
| 3.4.2 HDRL-ASC算法性能分析 |
| 3.4.3 HDRL-ASC策略性能评估分析 |
| 3.5 本章小结 |
| 第四章 多终端竞争计算服务的卸载选择和资源编排研究 |
| 4.1 引言 |
| 4.2 终端卸载选择和通信资源编排的优化问题 |
| 4.2.1 系统架构和管控机制 |
| 4.2.2 问题建模和优化 |
| 4.3 基于纵向联邦学习的灵活选择编排算法 |
| 4.3.1 L-FOO算法框架设计 |
| 4.3.2 VFL-FOO算法设计 |
| 4.4 仿真实验和结果分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 VFL-FOO算法参数调优 |
| 4.4.3 VFL-FOO算法收敛性分析 |
| 4.4.4 VFL-FOO算法复杂度评估 |
| 4.4.5 VFL-FOO策略的综合计算效用评估 |
| 4.5 本章小结 |
| 第五章 边缘汇聚计算服务的流量分类和资源适配研究 |
| 5.1 引言 |
| 5.2 流量鲁棒分类和资源感知转发的优化问题 |
| 5.2.1 系统架构和管控架构 |
| 5.2.2 问题建模和优化 |
| 5.3 基于遗传进化算法的快速分类转发算法 |
| 5.3.1 RCF算法框架设计 |
| 5.3.2 GE-RCF快速分类转发算法 |
| 5.4 仿真实验和结果分析 |
| 5.4.1 仿真实验参数设置 |
| 5.4.2 GE-RCF策略评估 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）面向无线视频直播业务的多播传输与自适应播放策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 主要研究成果 |
| 1.5 论文章节安排 |
| 第二章 实时流媒体传输机制、协议与关键技术 |
| 2.1 实时流媒体传输机制 |
| 2.2 实时流媒体传输协议 |
| 2.2.1 DASH协议概述 |
| 2.2.2 DASH同步机制 |
| 2.2.3 服务器和网络辅助的DASH |
| 2.3 实时流媒体优化关键技术 |
| 2.3.1 码率选择方案 |
| 2.3.2 时延控制机制 |
| 2.3.3 无线多播技术 |
| 2.4 本章小结 |
| 第三章 基于网络辅助的实时视频多播传输优化方案 |
| 3.1 无线实时视频多播系统架构 |
| 3.2 系统模型 |
| 3.3 问题描述与简化 |
| 3.3.1 问题描述 |
| 3.3.2 问题分析与简化 |
| 3.4 资源分配与码率选择 |
| 3.4.1 基于李雅普诺夫优化方法的问题重构 |
| 3.4.2 资源分配算法 |
| 3.4.3 码率选择算法 |
| 3.4.4 性能理论分析 |
| 3.5 用户分组与多播传输优化方案 |
| 3.5.1 用户分组 |
| 3.5.1.1 确定分组数量 |
| 3.5.1.2 用户分组算法 |
| 3.5.2 多播传输优化方案小结 |
| 3.6 仿真验证 |
| 3.6.1 仿真设置 |
| 3.6.2 性能对比 |
| 3.7 本章小结 |
| 第四章 面向QoE的自适应播放策略 |
| 4.1 系统模型 |
| 4.1.1 视频传输模型 |
| 4.1.2 缓冲区模型 |
| 4.1.3 时延控制模型 |
| 4.1.4 QoE模型 |
| 4.2 问题描述 |
| 4.3 自适应播放策略 |
| 4.4 仿真验证 |
| 4.4.1 仿真设置 |
| 4.4.2 性能对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（5）大规模MIMO天线阵列信道模型及其性能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无线通信的发展历程与大规模MIMO技术 |
| 1.1.1 无线通信的发展历程 |
| 1.1.2 大规模MIMO技术简介 |
| 1.2 大规模MIMO信道建模研究背景及现状 |
| 1.3 主要工作及创新性 |
| 1.4 章节安排 |
| 第二章 大规模MIMO无线信道研究基础 |
| 2.1 引言 |
| 2.2 无线通信信道的衰落特性 |
| 2.2.1 大尺度衰落 |
| 2.2.2 小尺度衰落 |
| 2.3 MIMO信道模型 |
| 2.3.1 MIMO信道模型的基本原理 |
| 2.3.2 MIMO信道建模方法 |
| 2.4 常用信道模型 |
| 2.4.1 瑞利模型 |
| 2.4.2 莱斯模型 |
| 2.5 本章小结 |
| 第三章 三维ULA大规模MIMO信道模型性能分析 |
| 3.1 引言 |
| 3.2 大规模MIMO系统天线阵列的3D几何模型 |
| 3.2.1 远场效应的信道模型 |
| 3.2.2 近场效应的信道模型 |
| 3.3 统计特性分析 |
| 3.3.1 PW模拟的大规模MIMO天线的平均相关性 |
| 3.3.2 SW模拟的大规模MIMO天线的平均相关性 |
| 3.3.3 信道容量分析 |
| 3.4 数值与仿真结果 |
| 3.5 本章小结 |
| 第四章 三维多极化大规模MIMO信道模型性能分析 |
| 4.1 引言 |
| 4.2 大规模MIMO的极化天线模型 |
| 4.3 统计特性分析 |
| 4.3.1 多极化大规模MIMO天线的相关性分析 |
| 4.3.2 信道容量分析 |
| 4.4 仿真与分析 |
| 4.5 本章小结 |
| 第五章 基于散射簇的Massive MIMO非平稳信道模型 |
| 5.1 引言 |
| 5.2 系统信道模型 |
| 5.2.1 信道脉冲响应 |
| 5.2.2 非平稳性 |
| 5.3 模型的统计特性 |
| 5.4 数值结果和分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文的工作总结 |
| 6.2 未来的工作展望 |
| 附录 缩略语 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于角度域采样的MIMO信道及其性能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无线通信的发展及现状 |
| 1.2 信道建模及波达角估计技术的发展及现状 |
| 1.2.1 信道建模 |
| 1.2.2 波达角估计技术 |
| 1.3 主要工作及创新点 |
| 1.4 章节安排 |
| 第二章 入射角能量分布对天线阵列相关性的影响 |
| 2.1 无线信道的传播特性 |
| 2.1.1 大尺度衰落 |
| 2.1.2 小尺度衰落 |
| 2.2 MIMO系统的信道建模 |
| 2.2.1 确定性信道建模 |
| 2.2.2 非确定性信道建模 |
| 2.2.3 半确定性信道建模 |
| 2.3 均匀线性天线阵列和阵元间空间相关性 |
| 2.3.1 均匀线性天线阵列模型 |
| 2.3.2 阵元间空间相关性 |
| 2.4 本章小结 |
| 第三章 非均匀散射环境下衰落信道的空域相关性研究与分析 |
| 3.1 引言 |
| 3.2 空域相关性离散模型 |
| 3.3 基于角度域采样的空域相关系数分析 |
| 3.3.1 角度域采样脉冲相关系数推导 |
| 3.3.2 基函数采样精度分析 |
| 3.4 模型仿真与分析 |
| 3.5 本章小结 |
| 第四章 基于AOA任意分布的城市微蜂窝信道特性研究与分析 |
| 4.1 引言 |
| 4.2 指数非线性回归拟合法 |
| 4.3 城市微蜂窝场景下的空域相关性分析 |
| 4.3.1 数据采集与分析 |
| 4.3.2 改进的模型构建与分析 |
| 4.4 模型仿真与分析 |
| 4.5 本章小结 |
| 第五章 基于角度功率谱的3D MIMO信道特性研究与分析 |
| 5.1 引言 |
| 5.2 三维入射信号矢量 |
| 5.3 3D MIMO信道空间相关性分析 |
| 5.3.1 3D MIMO信道空间相关性函数 |
| 5.3.2 特殊情况下的函数简化 |
| 5.4 模型仿真与对比分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文的工作总结 |
| 6.2 进一步的工作展望 |
| 附录 缩略语 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（7）基于MIMO-OFDM的列车对列车通信技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车对列车通信研究现状 |
| 1.2.2 抗多径衰落技术研究现状 |
| 1.3 主要研究内容 |
| 2 无线信道特性分析及多径抗衰落技术理论 |
| 2.1 无线电波的传播机制 |
| 2.2 无线信道衰落特性 |
| 2.2.1 大尺度衰落特性 |
| 2.2.2 小尺度衰落特性 |
| 2.3 无线信道建模理论 |
| 2.4 MIMO-OFDM核心技术 |
| 3 列车对列车通信无线信道特性分析 |
| 3.1 改进列车对列车通信频段分配方案 |
| 3.1.1 通信范围选择 |
| 3.1.2 工作频段选择 |
| 3.2 大尺度衰落路径损耗模型 |
| 3.2.1 路径损耗计算 |
| 3.2.2 仿真分析 |
| 3.3 小尺度衰落多普勒频移模型 |
| 3.3.1 双移动端最大多普勒频移计算 |
| 3.3.2 仿真分析 |
| 3.4 小尺度衰落多径信道模型 |
| 3.4.1 矩形隧道多径传播 |
| 3.4.2 仿真分析 |
| 3.4.3 矩形隧道模型拓展 |
| 3.5 小结 |
| 4 基于MIMO-OFDM的列车对列车通信传输模型设计 |
| 4.1 收发天线组合选择 |
| 4.1.1 信道空间相关性计算 |
| 4.1.2 仿真分析 |
| 4.2 信道编码与信道估计方案选择 |
| 4.2.1 信道编码方案 |
| 4.2.2 信道估计方案 |
| 4.3 列车对列车通信传输模型抗多径性能分析 |
| 4.3.1 两车同处隧道内与隧道外 |
| 4.3.2 两车分处隧道内与隧道外 |
| 4.4 小结 |
| 总结 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（8）面向无线视频业务的边缘缓存与多播技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 新型无线网络架构 |
| 1.2.2 面向视频业务的无线边缘缓存 |
| 1.2.3 面向视频业务的无线多播 |
| 1.3 论文主要工作及结构安排 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 论文组织结构 |
| 第二章 用户移动性和视频片段流行度感知的无线边缘缓存 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.2.1 时延模型 |
| 2.2.2 用户移动性模型 |
| 2.2.3 视频片段流行度模型 |
| 2.3 问题建模 |
| 2.3.1 用户移动性感知的时延最小化问题 |
| 2.3.2 用户移动性和视频片段流行度联合感知的时延最小化问题 |
| 2.4 视频缓存算法 |
| 2.4.1 用户移动性感知的主动缓存算法 |
| 2.4.2 用户移动性和视频片段流行度联合感知的主动缓存算法 |
| 2.4.3 算法复杂度分析 |
| 2.5 仿真分析 |
| 2.5.1 仿真场景 |
| 2.5.2 基线算法 |
| 2.5.3 性能评估 |
| 2.6 本章小结 |
| 第三章 基于可伸缩特性的SVC视频无线边缘缓存 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.2.1 时延模型 |
| 3.2.2 视频交付模型 |
| 3.3 问题建模 |
| 3.4 面向SVC视频的分层缓存 |
| 3.4.1 基于机器学习的缓存优先级确定 |
| 3.4.2 基于缓存优先级的分层缓存算法 |
| 3.4.3 PrioCaching算法的复杂度分析 |
| 3.5 针对高时延远程下载场景的SVC视频分层缓存 |
| 3.5.1 简化的分层缓存算法 |
| 3.5.2 SimPrioCaching算法的复杂度分析 |
| 3.6 仿真分析 |
| 3.6.1 仿真场景 |
| 3.6.2 基线算法 |
| 3.6.3 性能评估 |
| 3.7 本章小结 |
| 第四章 基于视场合成特性的360°VR视频无线边缘缓存 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 缓存模型 |
| 4.2.2 VR视频模型 |
| 4.2.3 时延模型 |
| 4.3 问题建模 |
| 4.4 基于视场合成的视频缓存算法 |
| 4.4.1 理论最优解 |
| 4.4.2 整体缓存过程 |
| 4.4.3 MaxMinDistance算法 |
| 4.4.4 MMD在线缓存算法复杂度及性能分析 |
| 4.5 仿真分析 |
| 4.5.1 仿真场景 |
| 4.5.2 基线算法 |
| 4.5.3 性能评估 |
| 4.6 本章小结 |
| 第五章 侧链路辅助的多质量贴片360° VR视频无线多播 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 传输模型 |
| 5.2.2 信道容量模型 |
| 5.2.3 多质量贴片360° VR视频模型 |
| 5.2.4 效用模型 |
| 5.3 问题建模 |
| 5.3.1 InD场景的问题表述 |
| 5.3.2 JnD场景的问题表述 |
| 5.3.3 问题求解 |
| 5.4 两阶段优化算法 |
| 5.4.1 第一阶段: 多播接收用户及侧链路发送用户搜索 |
| 5.4.2 第二阶段: 带宽分配和贴片质量等级选择 |
| 5.4.3 两阶段迭代 |
| 5.4.4 JnD场景的两阶段算法 |
| 5.4.5 算法复杂度分析 |
| 5.5 仿真分析 |
| 5.5.1 仿真场景 |
| 5.5.2 基线算法 |
| 5.5.3 性能评估 |
| 5.6 本章小结 |
| 第六章 全文总结及展望 |
| 6.1 全文总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 附录A 定理3.1的证明 |
| 附录B 定理4.1的证明 |
| 附录C 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）无人机中继通信链路性能分析与资源分配技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 无人机应用发展 |
| 1.1.2 无人机在中继通信领域应用 |
| 1.1.3 无人机中继通信链路性能评估 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机通信研究现状 |
| 1.2.2 无人机中继通信链路性能研究现状 |
| 1.2.3 当前研究存在的问题 |
| 1.3 论文研究内容与组织结构 |
| 1.3.1 论文研究框架 |
| 1.3.2 论文章节安排 |
| 参考文献 |
| 第二章 无人机中继通信基础模型与优化理论概述 |
| 2.1 无人机中继通信无线传输技术 |
| 2.1.1 无人机中继通信基本场景 |
| 2.1.2 中继双工模式 |
| 2.1.3 多链路中继接入方式 |
| 2.2 无人机中继通信大尺度衰落模型 |
| 2.2.1 空地信道视距概率模型 |
| 2.2.2 空地信道路径损耗模型 |
| 2.3 无人机中继通信小尺度衰落模型 |
| 2.3.1 莱斯衰落信道 |
| 2.3.2 莱斯分布特性 |
| 2.4 多元函数优化 |
| 2.4.1 凸优化 |
| 2.4.2 连续凸近似 |
| 2.4.3 块坐标下降 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 无人机静态中继位置优化与资源分配 |
| 3.1 相关工作分析 |
| 3.2 基于视距概率的全双工无人机静态中继可靠性建模 |
| 3.3 无人机中继位置与资源分配联合优化算法 |
| 3.3.1 基于视距概率的无人机中继位置优化 |
| 3.3.2 基于全双工的无人机中继功率控制与带宽分配优化 |
| 3.3.3 联合位置-资源优化算法 |
| 3.4 算法仿真 |
| 3.4.1 参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 预设轨迹下无人机移动中继动态资源分配 |
| 4.1 相关工作分析 |
| 4.2 基于下行链路NOMA的无人机移动中继可靠性建模 |
| 4.3 时变信道下动态资源分配优化算法 |
| 4.4 算法仿真 |
| 4.4.1 参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 无人机移动中继三维轨迹设计与资源分配 |
| 5.1 相关工作分析 |
| 5.2 基于时变莱斯衰落信道的无人机移动中继可靠性建模 |
| 5.3 无人机移动中继三维轨迹与功率分配联合优化算法 |
| 5.3.1 基于时变莱斯因子的无人机三维轨迹优化 |
| 5.3.2 基于无人机轨迹的动态功率分配优化 |
| 5.3.3 联合轨迹-功率优化算法 |
| 5.4 无人机移动中继二维轨迹设计与功率分配 |
| 5.5 算法仿真 |
| 5.5.1 参数设置 |
| 5.5.2 二维轨迹仿真结果分析 |
| 5.5.3 三维轨迹仿真结果分析 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 缩略语对照表 |
| 致谢 |
| 攻读学位期间的学术成果 |
（10）面向动态场景的移动毫米波覆盖增强技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略词对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究工作 |
| 1.4 论文内容安排 |
| 第二章 移动毫米波通信系统综述 |
| 2.1 移动毫米波通信系统的特征 |
| 2.1.1 毫米波信号传播特征 |
| 2.1.2 毫米波信道模型 |
| 2.1.3 毫米波收发机架构 |
| 2.2 移动毫米波通信系统的信号处理技术 |
| 2.2.1 Massive MIMO技术 |
| 2.2.2 波束赋形技术 |
| 2.2.3 多址技术 |
| 2.3 移动毫米波通信系统的主要挑战 |
| 2.3.1 移动性管理 |
| 2.3.2 覆盖增强技术 |
| 第三章 基于NOMA的动态毫米波用户覆盖增强传输技术研究 |
| 3.1 研究背景 |
| 3.1.1 NOMA以及mmWave技术在无人机网络中的应用前景 |
| 3.1.2 本章的主要贡献 |
| 3.2 系统模型 |
| 3.2.1 信道模型 |
| 3.2.2 下行mmWave-NOMA传输模型 |
| 3.2.3 问题建模 |
| 3.3 机器学习赋能的mmWave-NOMA传输框架 |
| 3.3.1 基于GPML的波束追踪 |
| 3.3.2 基于K-means的FUAV分组 |
| 3.3.3 基于DL的波宽控制 |
| 3.4 仿真结果及分析 |
| 3.5 本章总结 |
| 第四章 基于IRS的动态毫米波盲点覆盖增强传输技术研究 |
| 4.1 研究背景 |
| 4.1.1 mmWave-IRS传输技术的研究意义 |
| 4.1.2 本章的主要贡献 |
| 4.2 基于波束空间搜索的初始接入 |
| 4.2.1 系统模型和问题建模 |
| 4.2.2 波束训练策略 |
| 4.2.3 分层码本设计 |
| 4.2.4 仿真结果及分析 |
| 4.3 机器学习赋能的波束管理 |
| 4.3.1 mmWave-IRS网络波束管理的主要挑战 |
| 4.3.2 ML赋能的波束管理框架 |
| 4.3.3 仿真结果及分析 |
| 4.4 级联信道估计 |
| 4.4.1 信道模型 |
| 4.4.2 级联信道估计方法 |
| 4.4.3 仿真结果及分析 |
| 4.5 本章总结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、移动无线信道的分组数据传输（论文参考文献）
- [1]基于群智协作的动态频谱感知技术研究[D]. 李晓辉. 南京邮电大学, 2020
- [2]高速移动场景中基于MIMO-OFDM的信道估计和预编码方法研究[D]. 张瑞齐. 北京交通大学, 2021
- [3]智慧标识网络中边缘计算服务的任务卸载和资源适配研究[D]. 李雪靖. 北京交通大学, 2021
- [4]面向无线视频直播业务的多播传输与自适应播放策略研究[D]. 曾敏寅. 北京邮电大学, 2021(01)
- [5]大规模MIMO天线阵列信道模型及其性能研究[D]. 仇桐同. 南京信息工程大学, 2021(01)
- [6]基于角度域采样的MIMO信道及其性能研究[D]. 陈钱. 南京信息工程大学, 2021(01)
- [7]基于MIMO-OFDM的列车对列车通信技术研究[D]. 田智愚. 兰州交通大学, 2021
- [8]面向无线视频业务的边缘缓存与多播技术研究[D]. 代健美. 北京邮电大学, 2021(01)
- [9]无人机中继通信链路性能分析与资源分配技术研究[D]. 王雷. 北京邮电大学, 2021(01)
- [10]面向动态场景的移动毫米波覆盖增强技术研究[D]. 贾承璐. 北京邮电大学, 2021(01)