矿井NLOS环境下改进UKF超宽带定位算法

由于矿井下巷道空间有限且存在弯曲,因此通信传播大多为非视距(NLOS)传播环境。传统的基于距离的无线传感网络定位技术易产生较大误差,从而导致定位精度不高。超宽带(UWB)信号具有穿透能力强、抗多径能力强的特点,能够提供较高的定位精度,因此成为NLOS环境下定位的首选。针对NLOS环境下的定位精度不高的问题,在接收信号强度(RSSI)测距和三边算法联合定位的基础上,提出以联合定位得到的初始坐标做为无迹卡尔曼滤波(UKF)算法的观测值,并对UKF的测量更新方程进行修正,使该算法能适应NLOS环境下的定位跟踪。通过仿真验证并与扩展卡尔曼滤波(EKF)算法进行比较,在NLOS环境下改进的UKF定位算法,能够对目标进行实时跟踪并提高定位的精度。     

水声通信网络信道建模与仿真研究进展

水声通信网络在海洋目标定位和导航、资源勘探和开发、环境感知和监测等领域有重要应用,其中水声信道特性研究及其建模与仿真是建立通信网络的基础,而目前水声通信网络中的信道建模与仿真尚未有公认的标准方法.因此,基于对水声信道传播特性的分析,探讨了典型水声信道特性给水声通信网络设计带来的挑战;对比了经验模型、声场模型、基于本征路径的多径信道模型和基于统计特性的时变信道模型等水声信道模型,仿真结果表明:水声信道结构的变化明显影响接收性能;阐述了基于水声信道特性的水声网络仿真工具和方法,分析了其特点;最后进行了总结,并展望了未来水声通信网络信道建模与仿真的发展方向.     

基于SARSA算法的水声通信自适应调制

水声信道复杂多变,自适应调制系统中反馈信息存在较大的时延,实际信道状态与接收到的反馈信息无法匹配,带来反馈信道状态信息过时问题,发送端不能准确做出自适应决策进而导致传输误码高及吞吐量低等问题。针对该问题,利用强化学习中的SARSA算法学习信道的变化并进行行为策略的选择,根据信道的变化,择优选出最佳的调制方式,以改善系统的传输误码和通信吞吐量。对比固定调制方式和直接反馈情况下的系统的误码率和吞吐量,结果表明,经强化学习后的系统误码率和吞吐量均优于其他两种方式,可见,强化学习算法在时变水声信道自适应调制中改善传输误码和吞吐量的问题上是有效可行的。     

空间耦合LDPC码的深度迭代译码算法设计

空间耦合LDPC码因其在次最优迭代译码算法下能够达到最大后验概率译码性能而引起广泛关注。但其优异的阈值特性需要在码长很长时才能实现,当采用传统的迭代译码算法时,实现的复杂度将以指数增加,无法应用。为了有效降低传统迭代译码算法的复杂度,本文结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而提升译码收敛速度,降低译码复杂度。仿真结果表明,所提出的深度迭代译码算法可以以较少的迭代次数达到与传统迭代译码算法在较多迭代次数下的译码性能。     

水声软频率复用网络的干扰缓解与资源分配

为降低基于频率复用水声网络系统的小区间干扰,以及提高系统平均吞吐量,提出了一种基于时延差的软频率复用(T-soft frequency reuse,T-SFR)系统,对小区间的干扰抑制和小区内的自适应资源分配两个问题进行优化.在小区间,提出了T-SFR利用不同信道之间的时延差进行干扰缓解,并基于水声信道的路径损耗进行频带分配.在小区内,针对水声信道的时变特性带来的反馈信道状态信息(channel state information,CSI)延迟的影响,建立了一种线性有限状态马尔可夫链(linear fi-nite state Markov chain,LFSMC)预测器,以获得更准确的CSI用于自适应资源分配.仿真结果表明:与传统的频率复用方案相比,提出的T-SFR方案可以保证小区边缘节点对信干噪比(signal to interference noise ratio,SINR)的要求,有效缓解小区边缘节点的干扰;在建立LFSMC预测器获取更准确CSI的基础上,时变水声网络的每个小区内以及整个系统都能够获取更优的平均吞吐量.     

基于反馈信道状态信息的水声自适应OFDMA

在时变水声信道中, 为了提高自适应正交频分多址(orthogonal frequency division multiple access, OFDMA)在时延反馈信道状态信息(channel state information, CSI)条件下的资源分配性能, 提出多节点反馈CSI的时隙复用接入方法, 降低反馈时延; 提出载波时-频相关系数和载波时-频均值两种反馈CSI表征参数, 通过实验数据分析了两种反馈CSI参数及其对水声自适应OFDMA性能的影响; 提出多节点公平的自适应载波、比特、功率联合分配算法, 在最大功率和节点吞吐量约束条件下最小化系统误比特率。仿真和湖上实验数据的结果显示, 所构建的水声自适应OFDMA系统在多种反馈CSI条件下误比特率均低于交织载波分配, 表明其在实际的水声信道应用中具有良好性能。     

基于马尔科夫状态空间的水声OFDM资源分配

在水声自适应OFDM系统中,CSI(channel state information)是资源分配的基础。接收机必须及时地把信道信息反馈给发射机,然后接收机中的调制器根据反馈CSI信息选择合适的比特加载和功率分配方案。但在时变的水声信道中,反馈CSI与实时CSI可能不同。针对信道多变、时延大特点,本文提出了一种基于马尔可夫链的水声OFDM用户资源分配方案来解决这些问题。马尔可夫链状态空间是由初始信道状态和统计信道状态构成的,它可以充分利用感知到的时延CSI和信道统计量来预测数据传输时的CSI。利用统计CSI可以确定每个用户的最佳比特负载和功率分配,使水声系统能够容忍水声信道中较长的CSI延迟。结论表明基于马尔科夫空间的资源分配方案相比于线性预测的自适应,系统吞吐量得到有效提升