基于几何街道散射场景的车载移动信道模型

为了研究室外视距(line of sight,Lo S)和非视距(non-Lo S,NLo S)传输场景中车辆与车辆(vehicle-to-vehicle,V2V)之间的无线通信系统,提出一种基于几何街道散射场景的统计信道模型,其发射端和接收端都处于移动状态。先假设有无穷多的散射体随机分布在街道两侧;并且在发射端和接收端都采用多天线技术,然后模型定量给出了几何街道散射场景下到发射角(angle of arrival,AOD)和到达角(angle of arrival,AOA)之间的几何关系。同时研究了信号在几何散射信道模型中的空间互相关函数、时间自相关函数(autocorrelation function,ACF)、频率互相关函数以及多普勒功率谱密度(power spectral density,PSD)的影响。理论分析和仿真结果表明提出的V2V通信系统的无线信道的统计特性符合理论和经验,拓展了多输入多输出宽带V2V通信系统的研究。     

基于密集城市街道的车载衰落信道模型研究

为了开发准确高效的传播信道模型,针对城市密集街道中车对车(V2V)移动通信环境,在传统的T型交叉路口模型的基础上进行改进和拓展,提出了十字路口场景下的空间信道模型,同时在发射端和接收端配置矩形天线阵列以研究通信系统性能。该模型考虑了发射机和接收机的视距路径、单点散射路径和双点散射路径,研究了发射角和接收角的确切关系。基于这种关系,推导出空间互相关函数、时频互相关函数、时间自相关函数以及频率相关函数的解析表达式。此外,还分析了模型参数对V2V通信系统性能的影响。仿真结果与以往衰落模型对比表明了本模型的实用性,有利于未来车载通信系统的设计与分析。     

基于无线传播信道特征的非视距识别技术

复杂的室内环境中存在的各种无法躲避的障碍物会导致无线定位的测距精度较低,其中最主要的因素是存在非视距传播,因此识别信道状态是否为非视距对室内定位精度较为重要.提出一种基于信道信息的视距/非视距信道识别方法：首先对信号进行过滤,获取重要的信道抽头;然后提取过滤后信号的峰值,并计算其功率;最后通过计算得出该信道信号的峰均比,并联合假设检验对信道状态进行判决.仿真结果表明,峰均比特征在视距/非视距信道上有明显差异,可以作为识别视距/非视距信道的特征.该特征的视距识别正确率达到93.56%,非视距识别正确率达到87.23%,比使用峰度特征在视距场景下的识别正确率提高了2.65%,非视距正确率提高了0.71%.使用本算法在定位过程中进行验证,能够有效降低定位误差,提高定位精度,说明该算法的识别效果较好,具有一定的应用前景.     

全阴影环境下陆地移动卫星信道的多普勒功率谱密度之变化

利用陆地移动卫星信道中电波分量的分布特点，推导出了全阴影环境下地面接收信号的多普勒功率谱密度的最新表达式和曲线，并与理想环境下的结果作比较分析，深刻而直观地揭示出了二者的差异。     

基于双端截断功率谱密度的扩展Suzuki地面移动卫星信道模型

为使信道模型能更加准确地反映实际信道传播特性,根据多谱勒扩展功率谱密度在频域上的分布特性,提出一种基于双端截断功率谱密度的扩展Suzuki地面移动卫星信道模型。该模型假设接收信号的功率谱密度在低频段与高频段均被截断,推导其概率密度函数、电平交叉率等统计特性,并与实测数据进行比较。仿真结果表明,相比单端截断模型,该模型能够更好地吻合实测数据,更加准确地反映实际信道传播特性。在某些参数给定的情况下,该模型可以转化为其他窄带卫星信道模型,是一种适用性比较广的卫星信道模型。      

VANET车载网络场景及移动模型的研究

由于VANET网络所处的特殊环境,使得传统的研究方法具有一定得局限性。因此一个好的车载网络场景及移动模型不仅能得到精确的仿真结果来评价路由协议的性能,而且也是预测车辆下一步位置以及做出更有效的路由选择的关键所在。本文对几种车载网络场景以及移动模型进行分析研究,取得较好的结果。     

基于统计信道模型的MIMO多天线系统性能研究

由于多径效应的存在,MIMO无线传输系统的性能很大程度上取决于衰落信号空间相关性.研究基于统计的传输信道模型,及在此模型下MIMO多天线系统的接收性能.在理想基站天线结构下,用户终端(UT)的波达信号方位功率谱(APS)模型可应用到Kronecker MIMO信道模型中.研究在Kronecker MIMO信道模型中方位功率谱对MIMO分集和多天线系统性能的影响.数值仿真结果表明:此统计信道模型下的参数估计符合理论和经验;提出的统计信道模型及分析法扩展了以前的MIMO信道模型建模,降低了计算和分析的复杂度.     

宽带移动卫星通信信道的研究

宽带码分多址技术是第三代移动通信发展的主流,因此宽带卫星移动通信将得到快速发展。处先分析了卫星移动通信信道的特点,在此基础上建立了宽带移动卫星通信信道模型并对其进行了计算机仿真。利用该信道模型对市区,郊区,农村3种环境及不同卫星仰角下多用户宽带DS－CDMA系统的下行链路误码性能进行了研究。     

基于3GPP-SCM的MIMO信道多普勒功率谱性能研究

多普勒功率谱是分析无线信道的一项重要指标,对接收机的调制解调都存在一定的影响.随着多输入多输出(multiple-input multiple-output,MIMO)系统的发展,经典多普勒功率谱已经不再适用于MIMO信道的分析.为了更好地分析与更准确地预估MIMO系统的多普勒功率谱.基于第三代合作伙伴计划(3rd generation partnership project,3GPP)的空间信道模型(spatial channel model,SCM),对角度谱为拉普拉斯分布时无线信道的多普勒功率谱进行了理论分析与推导,并结合SCM模型的空时相关性提出了统计多普勒功率谱的方法.在MATLAB仿真平台上,通过配置特殊的发射信号提取各径的衰落系数并统计了数值结果.仿真结果表明,MIMO信道下的多普勒功率谱不仅由用户终端移动速度、中心载波决定,入射波角度分布对其分布也起着决定性的影响.     

基于Markov过程的窄带地空信道建模与仿真

针对大范围地空通信信道无法采用传统信道模型确切描述的问题,根据空基平台高度,利用Markov过程对改进和修正后的Rice信道模型和Loo信道模型进行相互转换来尽可能精确地描述地空衰落信道。对每个模型都将其分为经历轻度遮蔽和严重遮蔽2种状态,根据特定地区环境,利用Markov过程对2种不同环境状态进行切换。去掉多径来波入射角在[0,2π)上均匀分布的理想化假设,采用2个相关的实高斯随机过程构成Rice过程的方法,完成对Rice信道模型和Loo信道模型的改进和修正,推导得到了改进和修正后两模型的多普勒功率谱和幅相概率密度函数表达式。仿真结果表明:改进和修正后模型的多普勒功率谱曲线呈非对称形状,模型的自由度和适应性得到扩展和提升,可以描述不同信道情形对信号传输的不同影响,能较好地反映实际情况。     

基于误差修正的混合无线移动定位算法

为了提高无线移动定位精度,提出一种基于最小二乘支持向量机修改误差的TDOA-AOA定位算法。该方法首先通过非线性学习能力强的最小二乘支持向量机对测量误差和NLOS误差进行修正,然后利用TDOA-AOA算法对移动端点位置进行估计,最后通过仿真实验测试LSSVM-TDOA-AOA的定位性能。仿真结果表明,LSSVM-TDOA-AOA提高了移动端点位置估计精度,定位误差明显低于对比算法,可以较好地满足实际无线移动通信定位要求。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。     

基于深度置信网络的超宽带信道环境的分类算法

对超宽带信道环境进行分类、识别,对于实现特定场景分析以及无线网络的优化具有重要意义。针对这一背景提出了一种基于深度置信网络(deep belief network,DBN)的信道环境分类方法,对不同的信道场景特征进行提取、分类。实验结果表明:提出的算法能有效地实现信道环境的分类识别。     

基于PSO_MP算法的电力线信道模型参数识别方法

针对低压电力线信道模型的多参数识别问题,提出了一种基于粒子群优化的匹配追踪算法(particle swarm optimization_ matching pursuit, PSO_MP)。匹配追踪算法(matching pursuit, MP)实现过程简单,但是计算复杂、计算量比较大;粒子群优化算法(particle swarm optimization, PSO)具有全局搜索能力强、收敛快等优点;将两者结合使用不仅可以提高信道模型参数辨识精度,而且还可以提高系统收敛速度。针对传统的高斯原子数目较大的问题,设计了一种新的原子结构。仿真实验表明,基于PSO_MP的模型参数识别精度高,验证了该算法的可行性和优越性。