可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于直扩超宽带的超声波人体通信技术仿真

现有超声波宽带(UsWB)技术应用于人体通信存在速率不高、对多节点干扰抑制能力有限的问题。为此,提出一种有效抑制多节点干扰的超声波通信技术——直扩超声波宽带(DS-UsWB)技术,利用直接序列扩频和超宽带技术仿真超声人体通信。即在k-Wave中建模人体信道,利用建模信道的冲激响应仿真人体内多节点通信;根据信道冲激响应的时延特性确定发送信号参数,从而克服人体信道的多径效应。系统性能分析和仿真结果均表明,与UsWB技术相比,DS-UsWB可有效抑制多节点干扰和多径干扰,具有更高的速率和更低的误码率。     

大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel State Information Network,MCSINet),对反馈的信道状态信息进行压缩及预测,能够显著减少信道状态信息捕获与反馈开销,及降低时延.MCSINet模拟信道状态信息编解码系统,采用残差网络从信道样本中学习并完成信道预测,并通过多分辨率的卷积操作以及针对不同压缩率改变网络结构,从而更好预测信道状态.实验结果表明:与LASSO,TVAL3,CSINet等方法相比,MCSINet可以显著提高恢复信道状态信息,并且具有更低的误码率,复杂度和时延.     

基于CSI离散指纹的轨迹跟踪方法

针对从Wi-Fi设备中获取的接收信号强度(RSSI)在定位过程中误差较大的问题，设计了一种基于信道状 态信息(CSI) 离散指纹的轨迹跟踪方法．首先经过汉佩尔滤波，巴特沃斯低通滤波去除了CSI异常值和噪声的影响， 然后利用线性回归算法去除相位的频移误差，继而采用协方差矩阵特征值法进行特征提取，最后通过基于CSI子 载波权重的主成分分析法进行了无源定位和轨迹跟踪．实验结果表明: 离散指纹点定位的平均正确率在 90%以上， 所设计的算法能有效实现对室内人员的定位和轨迹跟踪．     

无线网络物理层安全认证方法

针对无线通信中认证方法存在计算复杂度高的问题,提出一种无线网络物理层安全认证(PLSA)方法。首先,利用通信双方信道互易性和唯一性的特点,通过估计信道并量化信道响应提取出高度相关但并不完全一致的信道特征序列,然后基于信息论安全和信道编码理论提出安全认证编码,借助双方信道特征序列中蕴含的私密共享信息量优势,使合法通信方正确编解码,而第三方只能靠猜测消息码字实施认证攻击,从而建立不需要密码算法的物理层安全认证框架。利用典型集理论和窃听信道模型对PLSA方法进行安全性分析,发现在码本长度趋于无穷大时,攻击性能上下界趋于一致,从而证明了物理层安全认证具备可行性。仿真结果表明,与传统认证方法相比,当安全互信息量超过64bit后,物理层认证方法的攻击成功率优于传统认证方法。     

能量有效的NOMA多用户-多信道匹配算法

针对非理想信道状态信息(channel state information, CSI)下面向海量用户的无线资源高效分配难题,通过引入非正交多址(non-orthogonal multiple access, NOMA)技术提出了一种能量有效的多用户-多信道匹配方案。首先,考虑用户中断概率约束,建立以最大化系统能量效率为目标的非理想CSI蜂窝下行NOMA系统信道和功率联合分配优化问题;然后,将建立的含概率约束的优化问题转化为非概率约束优化问题,并从中解耦出用户-信道匹配优化问题;最后,将面向能量效率的NOMA用户-信道匹配优化问题映射为婚姻匹配问题,进而提出一种高效低复杂度的双边匹配算法实现了多用户-多信道的动态匹配。仿真结果表明,提出的匹配算法性能优于传统匹配算法,能够提供更高的系统能效、实现更低的用户中断概率且收敛速度更快。     

基于信号强度的最大似然振幅估计迭代算法

为避免频率和相位估计所带来的误差,研究只根据接收到的信号幅值即信号强度就可以进行振幅估计的算法。针对已知噪声方差的情况,采用最大似然原理推导出含振幅估计的等式,提出了两种迭代算法,并对其平均迭代次数及计算复杂度进行了比较。仿真试验结果显示,两种迭代算法性能几乎相同且均优于传统振幅估计算法,其中牛顿迭代法计算复杂度略高,但其平均迭代次数小于阶梯迭代法,尤其是在低信噪比下。由此可见,基于信号强度的最大似然振幅估计牛顿迭代法优于其他振幅估计算法。     

基于安全信息传递管理(IT-IM)系统安全模型的电力基建安全管理研究

自2015年来，电力基建安全事故频发，面对难度极大的现场安全管理任务亟需建立起合理有效的管理机制。本文从安全信息视角出发，运用层次分析法（Analytic Hierarchy Process, AHP）结合安全信息传递理论以及供给原理，建立安全信息传递管理IT-IM系统安全模型，以探索传递过程中信息失真和不对称的发生发展机理及其对电力建设系统的影响，以期为基建现场管理提供可行的对策。并以江西丰城“11·24”事故为例，进行了模型的应用演示。结果表明：典型案例时间序列中的确存在安全信息缺失、信道噪音甚至信息欺骗的节点且与事故致因高度相符。     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题，提出一种基于集成神经网络的信道估计方法，利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型，根据其输出误差来计算差异度值，并结合差异度对其进行集成，得到训练完成的集成神经网络模型，通过集成神经网络模型来获取信道估计结果；与最小二乘(least squares，LS)估计方法相比，该方法不仅可以提高通信的可靠性，而且还能减少导频开销提高通信有效性；在不同的调制方式下，当误码率相同时，算法所需的信噪比LS算法均要更低；基于正交频分复用(orthogonal frequency division multiple，OFDM)通信系统进行仿真，结果证明，该方法具有优良的性能。     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.