检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

密集城市群中基于智能反射面的传输方案

华南理工大学学报（自然科学版） 2024年第3期52卷 112-118页

作者：庄陵刘宇航重庆邮电大学通信与信息工程学院/移动通信技术信产部重点实验室重庆400065

由于低频段资源紧缺,未来移动通信网络将逐渐转移至更高频段,电磁波的自由空间传播损耗、绕射损耗以及穿透损耗较大,容易产生覆盖盲区以及弱覆盖区域。智能反射面(RIS)通过重新配置信号的传播环境以提高网络性能并扩大网络覆盖范围,成... 详细信息

由于低频段资源紧缺,未来移动通信网络将逐渐转移至更高频段,电磁波的自由空间传播损耗、绕射损耗以及穿透损耗较大,容易产生覆盖盲区以及弱覆盖区域。智能反射面(RIS)通过重新配置信号的传播环境以提高网络性能并扩大网络覆盖范围,成为解决密集城市群覆盖问题的新热点。基于有RIS参与的下一代移动通信网络密集城市群布网时的多跳通信模式,对多跳RIS传输方案与提出的一种解码转发(DF)中继辅助多跳RIS传输方案(DF-RIS)进行全面比对。首先,对两种传输方案的传输损耗、能效以及系统容量进行了理论推导及分析。其次,在密集城市群三维环境模型中进行仿真,为改善复杂环境搜索效率降低以及计算量增大的问题提出了一种改进Lazy Theta*算法,并对改进算法与常见路径搜索算法的搜索时间以及搜索路径长度进行仿真对比。使用改进算法选取相同仿真环境下两种传输方案分别所需节点,节点选取中考虑了DF中继位于多跳DF-RIS传输方案中的不同位置。最后在确定节点后对两种传输方案的传输损耗、能效以及系统容量进行仿真分析比较。仿真结果不但验证了改进Lazy Theta*算法的有效性,也说明了RIS反射元件数与两种传输方案性能之间的关系。表明两种传输方案各有其适用性,可根据对性能的实际需求选择合适的传输方案。

关键词：智能反射面 DF中继多跳传输改进Lazy Theta*算法密集城市群

智能反射表面辅助的非正交多址接入系统用户分组、波束赋形与相移的优化

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第3期46卷 858-866页

作者：雷维嘉于顺洪雷宏江唐宏重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重庆市重点实验室重庆400065

该文研究智能反射表面(IRS)辅助的多天线非正交多址接入(NOMA)网络中用户分组、发送波束赋形、相移等的联合优化问题。系统中1个分组分配1个波束并在组内进行连续干扰消除检测。该文提出一种不依赖于发送波束赋形和IRS相移的用户分组配... 详细信息

该文研究智能反射表面(IRS)辅助的多天线非正交多址接入(NOMA)网络中用户分组、发送波束赋形、相移等的联合优化问题。系统中1个分组分配1个波束并在组内进行连续干扰消除检测。该文提出一种不依赖于发送波束赋形和IRS相移的用户分组配对策略,将用户分组与其他优化分离,显著降低了优化问题求解的难度和计算复杂度。进一步,联合优化基站发送波束赋形、功率分配和IRS相移矩阵,最小化基站的总发送功率。原始优化问题是一个多变量相互耦合的非凸优化问题,利用松弛变量、连续凸逼近、半定松弛、交替迭代优化等方法将原问题转化为凸问题并求解。仿真结果显示,相较于1个用户1个波束的方案,所提方案在基站天线数较少时性能更优,而在天线数较多时也与该对比方案非常接近,但所提方案的优化计算复杂度更低。而对比采用不同分组算法、随机IRS相移方案、最大比发射方案,以及无IRS的方案,所提方案的性能始终更优。

关键词：智能反射表面非正交多址接入用户分组波束赋形

时间反转OFDM系统中增强安全性能的功率分配与人工噪声设计

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第5期52卷 1570-1581页

作者：雷维嘉毕文佳雷宏江唐宏重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重庆市重点实验室重庆400065

时间反转技术特有的时空聚焦特性使其具有抗窃听能力.本文对提高时间反转正交频分复用系统安全性能的优化方案进行研究.首先,通过应用时间反转预滤波的时空聚焦特性来提高合法接收端相对于窃听端的信号强度;然后,以最大化保密速率为目... 详细信息

时间反转技术特有的时空聚焦特性使其具有抗窃听能力.本文对提高时间反转正交频分复用系统安全性能的优化方案进行研究.首先,通过应用时间反转预滤波的时空聚焦特性来提高合法接收端相对于窃听端的信号强度;然后,以最大化保密速率为目标对子载波的功率分配进行优化.为进一步提升系统保密传输能力,利用循环前缀提供的自由度实现零空间人工噪声,在对窃听端形成有效干扰的同时,不对合法接收端造成影响.通过对子载波功率分配和人工噪声协方差阵进行联合优化,最大化系统的保密传输速率.仿真结果表明,所提优化方案能显著提高系统的保密速率.

关键词：物理层安全正交频分复用时间反转功率分配人工噪声

基于不完美CSI的低轨卫星通信系统鲁棒资源分配算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第2期46卷 671-679页

作者：吴翠先董燚恒徐勇军张海波薛青重庆邮电大学通信与信息工程学院重庆400065 浙江省信息处理与通信网络重点实验室浙江310058

为了解决低轨卫星通信系统因资源受限导致的能量与速率不平衡的问题,同时考虑信道不确定性对实际卫星通信系统性能衰退的影响,该文提出一种基于最大化最小能效的鲁棒资源分配算法。首先,考虑每个用户中断速率约束、功率分配系数约束和... 详细信息

为了解决低轨卫星通信系统因资源受限导致的能量与速率不平衡的问题,同时考虑信道不确定性对实际卫星通信系统性能衰退的影响,该文提出一种基于最大化最小能效的鲁棒资源分配算法。首先,考虑每个用户中断速率约束、功率分配系数约束和最大发射功率约束,基于高斯信道不确定性,构建了联合优化卫星波束成形向量与功率分配因子的鲁棒资源分配模型。所描述的问题是一个含参数摄动的非凸、非确定性多项式难问题,很难直接求解。为此,基于丁克尔巴赫、伯恩斯坦不等式、半正定松弛和交替优化等方法将其转化为等价的凸优化问题,并提出一种基于迭代的混合鲁棒波束成形与功率分配算法。仿真结果表明,该文算法具有较好的能效和较强的鲁棒性。

关键词：低轨卫星通信波束成形能效优化鲁棒性

在线全文

学校读者我要写书评

暂无评论

基于深层神经网络的信道编码类型盲识别

系统工程与电子技术 2024年第5期46卷 1820-1829页

作者：杨宗方张天骐马焜然邹涵重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学信号与信息处理重庆市重点实验室重庆400065

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,... 详细信息

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,用于识别接收数据中不同类型的信道码字。将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理,输入到预先训练好的深层神经网络识别器中进行识别,并分析了字长度对识别准确率的影响,得出了最合适的字长度。实验结果表明,两种识别器都能够有效识别接收数据中多种类型的信道编码,且在信噪比为3 dB时CNN识别器的识别准确率能够达到99%以上,而RCNN识别器在1 dB时就能够达到99%以上的识别准确率。

关键词：深层神经网络信道编码识别器盲识别字长度

维普期刊数据库博看期刊

基于智能分层切片技术的数字孪生传感信息同步策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第7期46卷 2793-2802页

作者：唐伦李质萱文雯成章超陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同... 详细信息

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标,联合优化切片无线资源配置以及DTs传感信息同步问题。首先,在大时间尺度,利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题;在小时间尺度,通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性,进一步提高通信性能,建立更逼近于物理实体的DTs。其次,为了求解不同时间尺度的优化问题,该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互,其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后,仿真结果验证了所提策略的有效性。

关键词：数字孪生网络切片深度强化学习状态估计资源分配

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2638-2646页

作者：唐伦赵禹辰薛呈呈陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 详细信息

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

关键词：云服务器异常检测时间序列分解生成对抗网络时空信息提取模块

基于数字孪生的多自动驾驶车辆分布式协同路径规划算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2525-2532页

作者：唐伦戴军成章超张鸿鹏陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心... 详细信息

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔可夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。

关键词：数字孪生自动驾驶去中心化联邦强化学习路径规划

在线全文

学校读者我要写书评

暂无评论

小样本学习驱动的无线频谱状态感知

电子与信息学报 2024年第4期46卷 1231-1239页

作者：申滨李月王欣王紫昕重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类... 详细信息

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

关键词：频谱状态感知频谱状态地图插值小样本学习