检索结果-南通市图书馆

深度学习在1比特量化大规模MIMO系统中的应用研究

在线全文

学校读者我要写书评

暂无评论

深度学习在1比特量化大规模MIMO系统中的应用研究

作者：罗魏大连理工大学

学位级别：硕士

大规模多输入多输出(Multiple-Input and Multiple-Output,MIMO)系统的高能耗问题是阻碍其发展的重要因素。为此,能够显著降低功耗的1比特量化技术受到了广泛关注。然而1比特量化技术会将大规模MIMO系统转变为一个高度非线性系统,使得... 详细信息

大规模多输入多输出(Multiple-Input and Multiple-Output,MIMO)系统的高能耗问题是阻碍其发展的重要因素。为此,能够显著降低功耗的1比特量化技术受到了广泛关注。然而1比特量化技术会将大规模MIMO系统转变为一个高度非线性系统,使得适用于高精度ADC的信号检测算法产生显著的性能损失,无法继续承担信号检测任务。因此,克服1比特量化引入的非线性因素对大规模MIMO系统的信号检测至关重要。目前,有许多算法已经被提出,但无法在计算复杂度和检测性能上取得较好权衡。深度学习被广泛应用于多个领域,对复杂函数具有强大的拟合能力,能够有效解决非线性问题。为此,本文将深度学习应用于基于1比特量化的大规模MIMO通信系统中,利用深度学习在解决非线性问题方面的优势完成了如下研究工作:(1)1比特量化引入的非线性因素会降低传统信号检测器的检测性能,针对该问题,本文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)模型的信号检测算法,其检测性能优于许多现有的检测算法。在基于CNN的信号检测器的基础上,使用基于汉明距离的二阶段检测器对检测结果进行了优化,提出了一种基于CNN的二阶段检测算法,以较小的计算代价极大地提升了检测性能。(2)随着大规模MIMO系统中用户数量的增加,神经网络训练所需的数据量也会随之增加,这增加了基站的计算开销。针对该问题,本文提出了基于天线选择的数据集缩减策略,通过优选部分用户的方式来缩减训练数据集,继而减少训练的计算开销,该方法在降低神经网络训练数据量的同时并不会影响整体检测性能。其中具体采用了基于注水法的天线选择算法来完成部分用户的优选任务,相比于随机的选择方式,该方式能取得更好的检测性能。(3)信道环境的改变会严重影响基于CNN的信号检测器的性能,基站需要对神经网络重新训练以适应新的信道环境,这会增加基站的计算压力。针对该问题,本文将深度迁移学习应用其中,并分别针对快速变化的信道环境以及缓慢变化的环境提出了不同的迁移策略,加速了神经网络对新信道环境的适应,有效地降低了神经网络训练的计算开销。

关键词：大规模MIMO 1比特量化信号检测深度学习卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向1比特稀疏阵列的无网格测向方法

软件 2024年第8期45卷 66-68页

作者：林珂程瑚中邮通建设咨询有限公司江苏南京210000 中国电信股份有限公司南京分公司江苏南京210009

随着天线阵列规模的不断增大以及天线阵元数目的不断增加,模数转换器成本攀升。1比特量化技术能够有效减小数据规模,降低计算量,而基于1比特量化器的阵列定位是亟待解决的问题。本文提出了1比特量化器下的测向方法,该方法适用于均匀线... 详细信息

随着天线阵列规模的不断增大以及天线阵元数目的不断增加,模数转换器成本攀升。1比特量化技术能够有效减小数据规模,降低计算量,而基于1比特量化器的阵列定位是亟待解决的问题。本文提出了1比特量化器下的测向方法,该方法适用于均匀线性阵列及稀疏线性阵列,具有较强的适应性。首先根据1比特量化下协方差矩阵的多种特征建立协方差矩阵重构优化问题,再对该问题进行求解,最后通过范德蒙德分解定理得到角度的估计值。由于该方法不需要网格划分,因此实现了无网格估计,具有较高的估计精度。

关键词：阵列测向 1比特量化无网格稀疏阵列

乘性噪声环境和非理想二值信道下的1比特鲁棒参数估计

在线全文

学校读者我要写书评

暂无评论

传感技术学报 2019年第11期32卷 1730-1737页

作者：李子愚刘兆霆姚英彪杭州电子科技大学通信工程学院

在无线传感器网络中,每个传感器节点能量存储、计算能力和带宽资源通常是有限的。直接将各个节点的采样信号模拟值(或较多的量化比特)传输到融合中心进行集中处理,将消耗较大的节点能量,并导致较大的通信负载。研究基于无线传感器网络... 详细信息

在无线传感器网络中,每个传感器节点能量存储、计算能力和带宽资源通常是有限的。直接将各个节点的采样信号模拟值(或较多的量化比特)传输到融合中心进行集中处理,将消耗较大的节点能量,并导致较大的通信负载。研究基于无线传感器网络的参数估计问题,考虑将每个传感器节点的采样信号值压缩成1比特信息后再传输到融合中心,并且考虑节点与融合中心之间的通信是非理想的,存在噪声干扰和多径问题。论文利用最大似然方法,推导出一种1比特鲁棒期望最大(OBR-EM)算法,并分析了参数估计的克拉美罗下界(CRLB),仿真实验验证了算法的有效性。

关键词：传感器网络 1比特量化 EM算法乘性噪声二值信道鲁棒性

在线全文

学校读者我要写书评

暂无评论

非理想信道下传感器网络1比特鲁棒参数估计

非理想信道下传感器网络1比特鲁棒参数估计

作者：李子愚杭州电子科技大学

学位级别：硕士

无线传感器网络(Wireless Sensor Networks,WSNs)通常由随机分布在一定空间范围内微小型、集成化和具备通信能力的节点组成,这些节点能够对目标物体的物理参数信息进行收集和处理。WSNs作为一项重要的信息获取技术,使得客观物理世界能... 详细信息

无线传感器网络(Wireless Sensor Networks,WSNs)通常由随机分布在一定空间范围内微小型、集成化和具备通信能力的节点组成,这些节点能够对目标物体的物理参数信息进行收集和处理。WSNs作为一项重要的信息获取技术,使得客观物理世界能够被人类所感知。随着无线通信、微处理器和电子信息技术的日趋成熟,WSNs在军事国防、工农业和医疗等领域有着广泛的应用价值。在基于传感器网络的参数估计问题中,每个传感器节点都存在能量存储、计算能力和带宽资源受限的问题,直接传输节点的采样信号值将导致较大的能量消耗和通信负载。通常的解决方案是将每个节点的采样信号压缩为1比特信息值再进行传输。据此许多基于1比特量化算法被提出,如1比特压缩感知算法和1比特跟踪定位等。这些方法虽然都有各自的优点,但通常都只考虑加性噪声,很少有考虑乘性噪声的情况,而事实上乘性噪声也经常出现(如多径信道)。并且,上述算法都假定传感器节点间的信道是理想的,但实际上,传感器节点间的信道同样容易受到随机噪声干扰。因此,本文研究基于非理想信道和乘性噪声环境下的1比特参数估计问题。在集中式传感器网络的参数估计问题中,节点压缩后的1比特传输给融合中心(Fusion Center,FC)进行集中处理,并考虑采用极大似然思想进行参数估计。由于似然函数中存在隐含变量,因此考虑结合期望最大(Expectation Maximization,EM)算法框架来解决这个问题,通过迭代的形式不断的更新参数估计值,从而得到最优解。另一方面,考虑到自适应算法对计算和存储的要求更低,在对时变参数进行跟踪时具有较好的性能,因此根据贝叶斯准则推导出了一种集中式自适应参数估计算法。最后,考虑到集中式网络在受到外部攻击时,可能会使得整个网络无法正常工作,而分布式传感器网络通常具备更好的容错性。因此论文分别在ATC和CTA两种模式下,推导得到了基于贝叶斯准则的分布式1比特参数估计算法。论文通过一系列的仿真实验,将所提出的算法与其它算法进行了对比,并在量化阈值偏离最优量化阈值的条件下,验证了所提出算法具备有效性和鲁棒性的特点。同时,仿真结果还表明所提出的自适应算法对时变参数具有良好的自适应性;分布式参数估计算法同样具有较好的估计精度,且分布式网络不依赖单一节点,具有更强的鲁棒性。

关键词：传感器网络参数估计 1比特量化乘性噪声非理想信道

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于1比特压缩感知的DOA估计方法研究

基于1比特压缩感知的DOA估计方法研究

作者：龙海宁海南大学

学位级别：硕士

波达方向(Direction of Arrival,DOA)估计技术是阵列信号处理的重要组成部分,在国防和民生建设中发挥着不可替代的作用。近年压缩感知(Compressive Sensing,CS)理论因其能够降维原始的高维信号,并高概率重构信号的特点备受关注。1比特... 详细信息

波达方向(Direction of Arrival,DOA)估计技术是阵列信号处理的重要组成部分,在国防和民生建设中发挥着不可替代的作用。近年压缩感知(Compressive Sensing,CS)理论因其能够降维原始的高维信号,并高概率重构信号的特点备受关注。1比特压缩感知是压缩感知在量化上的极限方式,在压缩感知模型的基础上只保留测量值的符号信息“±1”,降低了信息存储和信息传输所需的内存空间等资源,而且极大缓解了模拟数字转换器(Analog-to-Digital Converter,ADC)的量化和采样压力。此外,稀疏阵列也能有效降低功耗、减少资源浪费。与均匀线阵相比,稀疏阵列在阵列孔径、最大可估信源数、阵列自由度等方面都更有优势。而相较于传统阵列,极化敏感阵列利用了电磁波信号的极化信息,所以具有更强的抗干扰能力、更高的测向精度。因此本文利用稀疏极化敏感阵列的优势,研究基于1比特压缩感知的DOA估计方法。本文首先介绍传统的阵列信号模型,然后对稀疏阵列进行理论分析,主要讨论嵌套阵列和互质阵列的阵列结构,并通过MATLAB仿真它们的阵列方向图,直观的比较稀疏阵列与均匀线阵的性能。之后介绍经典的DOA估计算法:MUSIC算法和ESPRIT算法等,并对它们进行仿真分析。其次,介绍压缩感知和1比特压缩感知理论。然后分析它们的DOA估计模型,由于需要对连续的角度空间进行网格划分,所以该模型会产生网格效应,出现离格误差。接下来针对1比特量化只保留测量值“±1”信息的特性,分析保障重构精度的约束条件。最后分别仿真基于压缩感知和1比特压缩感知的DOA估计算法,分析它们的优缺点,验证了它们存在的网格效应会影响测向精度。最后,本文将极化敏感阵列与稀疏阵列相结合,提出了一种多快拍情形下基于稀疏极化敏感阵列的无网格1比特DOA估计算法,研究如何避免离格误差和如何保证1比特DOA估计的重构精度。该算法首先利用稀疏极化敏感阵列的联合稀疏性,建立1比特DOA估计模型。然后利用原子范数刻画信号特征,直接在连续域建模,无需划分网格,避免离格误差。并结合1比特量化的特性,推导出优化目标的函数形式,然后通过交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解该优化问题,以加快算法的收敛速度并保证信号重构精度。仿真结果验证了该算法的有效性,在一定条件下,该算法的DOA估计精度甚至超越了未进行1比特量化的空间平滑MUSIC算法。

关键词：波达方向估计 1比特压缩感知 1比特量化稀疏阵列无网格估计极化敏感阵列

分布式信号检测在无线传感网络及环境背反射中的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式信号检测在无线传感网络及环境背反射中的研究

作者：刘雨萌电子科技大学

学位级别：硕士

随着传感器节点变得体积更小,成本更低并且更加智能化,无线传感器网络(WSN,Wireless Sensor Network)得到了更加广泛的应用,如远程环境监控及目标定位等。但同时由于节点可利用的通信资源都十分有限,对原始观测数据进行传输代价就会较... 详细信息

随着传感器节点变得体积更小,成本更低并且更加智能化,无线传感器网络(WSN,Wireless Sensor Network)得到了更加广泛的应用,如远程环境监控及目标定位等。但同时由于节点可利用的通信资源都十分有限,对原始观测数据进行传输代价就会较高。另一方面,环境背反射技术由于其不需要电源就能实现通信,也受到了广泛关注。不过,一个关键问题是如何去判断发送方是否反射了信号。本文研究了在无线传感器网络及环境背反射通信中的分布式信号检测的现有算法,并在此基础上提出了无线传感器网络中基于1比特量化的GLRT检测算法,以及环境背反射通信中基于放大转发中继和本地LRT的分布式检测算法。针对无线传感器网络,本文根据其有限的带宽及能量,提出了一种在传感器节点处进行一比特量化的算法。每个传感器节点将原始数据量化为一个二元数据,再将该数据传输到融合中心进行最终的全局判决。我们给出了GLRT检测器以及最优量化器的设计。并在理想和非理想信道两种情况下,分析了检测器的渐进性能。理论分析表明我们提出的基于1比特量化的GLRT算法,只需将传感器数量增加为透视检测器的?2倍,就能够达到相同的检测性能。最后通过MATLAB仿真,验证了理论分析的结果,并阐明了提出算法的性能。针对环境背反射通信,本文对其需要解决的判断发送方是否反射信号的问题,根据统计判决的思想,将其转化为了一个二元假设判定问题。在此基础上,提出了基于放大转发中继和本地LRT的两种分布式检测算法,并分析了检测器的性能。通过MATLAB仿真,验证了理论分析的结果,并可以看到通过增加接收端的数量,能够提高检测的性能。

关键词：分布式信号检测 1比特量化广义似然比检验无线传感器网络环境背反射

理想/非理想DAC下大规模MIMO预编码技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

理想/非理想DAC下大规模MIMO预编码技术研究

作者：沃文杰哈尔滨工程大学

学位级别：硕士

大规模多输入多输出(MIMO)技术作为第五代移动通信的关键技术之一,已被证明能在不增加带宽的情况下提升系统的容量和可靠性。预编码技术可以有效抑制用户间干扰、码间干扰、数据流间干扰等,因此在大规模MIMO系统下行链路中必不可缺。然... 详细信息

大规模多输入多输出(MIMO)技术作为第五代移动通信的关键技术之一,已被证明能在不增加带宽的情况下提升系统的容量和可靠性。预编码技术可以有效抑制用户间干扰、码间干扰、数据流间干扰等,因此在大规模MIMO系统下行链路中必不可缺。然而在大规模多用户MIMO系统中,随着天线数量的增加,系统功耗与成本问题也逐渐凸显,因此本文不仅对理想数模转换器(DAC)下预编码技术进行研究,也进一步分析了采用非理想数模转换器下预编码的性能。本文首先简单介绍了无线信道衰落模型,分别针对大尺度衰落和小尺度衰落的成因进行了深入分析,接着对大规模多用户MIMO系统进行了研究,并对大规模MIMO信道容量进行了计算,另外着重分析了大规模MIMO信道中小尺度衰落矩阵随天线数量增大的渐进正交性。通信系统势必要以可实际部署为前提,鉴于成本和功耗问题的影响,本文又对采用非理想DAC的大规模MIMO系统下行链路进行了分析。其次深入研究了理想DAC情况下大规模MIMO系统目前常用的线性预编码方案,并对各常用算法在基站天线数目不同时对系统性能的影响做了比较。针对多种预编码方案在多数据流场景下受数据流间干扰严重的问题,本文提出基于信漏噪比(SLNR)的预编码方案,通过平衡各数据流间的增益使得接收终端的整体的可靠性增加。仿真结果表明,虽然本文提出的基于SLNR的方案在传输速率上会有一定的损失,但系统的总体的误比特率性能得以提升。最后,针对采用非理想DAC的大规模MIMO系统,本文深入研究了采用1-bit量化DAC对预编码性能的影响。由于线性预编码失真严重,而目前常用的非线性预编码存在复杂度过高的问题,因此本文提出一种基于交替方向乘子法(ADMM)的非线性预编码方案,通过交替迭代的方式对预编码矩阵进行求解。仿真结果表明,本文提出的算法不仅极大限度的控制了复杂度,同时收敛速度也有较大提升。

关键词：大规模MIMO 预编码信漏噪比 1比特量化数模转换器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

乘性噪声环境下单比特参数估计算法

乘性噪声环境下单比特参数估计算法

作者：佘昕宸杭州电子科技大学

学位级别：硕士

无线传感器网络（Wireless Sensor Networks,WSNs）通常由大量具有集成感知、信号处理和通信能力的微小型传感器节点组成,各个节点能够协同地对感兴趣的物理信息进行采集、分析和传输,在目标跟踪、目标定位以及环境监测等领域有着广泛... 详细信息

无线传感器网络（Wireless Sensor Networks,WSNs）通常由大量具有集成感知、信号处理和通信能力的微小型传感器节点组成,各个节点能够协同地对感兴趣的物理信息进行采集、分析和传输,在目标跟踪、目标定位以及环境监测等领域有着广泛的应用。基于WSNs的应用问题通常可以归结为基于WSNs的参数估计问题。通常情况下,各传感器节点将感知的信息发送给融合中心,融合中心利用接收到的数据,设计相应的算法,分析和处理这些数据,从而获得未知参数的估计。然而,由于每个传感器节点的感知精度、计算和通信能力、存储容量都有限,这给基于WSNs的参数估计算法设计带来较大的挑战。为了避免大比特量的信息传输导致节点较多的能量消耗和较大的通信负载,论文考虑将每个传感器节点的采样信号值压缩到1比特信息后,再传输到融合中心进行集中处理;另外,为了更好地适应实际环境,论文考虑节点的采样信号同时包含加性噪声和乘性噪声。结合这些问题,论文提出一种基于期望最大化（Expectation Maximization,EM）的单比特最大似然估计算法,该算法能够获得与基于模拟测量值（无线比特精度）的最大似然估计（Maximum Likelihood Estimation,MLE）算法相近的估计精度,并且估计值的均方差接近Cramér-Rao下界。由于自适应信号处理有更低的存储要求,适合在线参数估计,特别是对慢时变参数的估计,论文提出了一种乘性噪声环境下1比特测量的递归最小二乘（Recursive Least Square,RLS）算法。另一方面,针对大规模无线传感器网络,传感器节点数量多分布范围广,传统的集中式无线网络存在较多的弊端,相比之下,分布式传感器网络具有更好的鲁棒性。因此,本论文进一步研究了乘性噪声环境下传感器网络基于1比特采样信号的分布式参数估计问题,分别提出了基于阈值优化和基于期望最大化的分布式参数估计算法。论文对提出的算法进行了大量的仿真实验分析,同时与现存的其它算法进行了比较,这些实验和分析结果验证了论文算法的有效性。

关键词：传感器网络 1比特量化 EM算法乘性噪声参数估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

单比特自适应参数估计算法

杭州电子科技大学学报（自然科学版） 2020年第5期40卷 46-51页

作者：佘昕宸刘兆霆李子愚杭州电子科技大学通信工程学院浙江杭州310018

在多径环境下,将传感器网络中各个节点的采样信号压缩为单比特二值数据,并传输给融合中心进行集中处理,提出一种单比特自适应参数估计的最大似然算法,实现了慢时变参数的实时估计,有效解决了乘性噪声和加性噪声的干扰问题。实验分析结... 详细信息

在多径环境下,将传感器网络中各个节点的采样信号压缩为单比特二值数据,并传输给融合中心进行集中处理,提出一种单比特自适应参数估计的最大似然算法,实现了慢时变参数的实时估计,有效解决了乘性噪声和加性噪声的干扰问题。实验分析结果表明:提出的算法有较好的鲁棒性,且参数的估计误差接近于利用非压缩采样信号(无限比特)的同类算法。

关键词：传感器网络 1比特量化乘性噪声最大似然参数估计