卫星移动信道的统计模型仿真与Markov的两状态模型

仿真了卫星移动信道中的几种常见的统计模型,并将理论结果同仿真结果进行了比较,显示出较好的吻合性, 同时基于这几种统计模型的机理,给出了Markov的两状态模型,证明了阴影过程可建模为Markov的两状态模型。     

无线信道下稳定的OFDM符号定时同步算法

提出了一种新的无线信道下基于循环前缀的正交频分复用系统符号定时同步算法．该算法把连续数据流分成独立的块,通过对间隔FFT长度的两个块求相关和得到符号定时同步和粗载波频偏信息．推导了高斯噪声信道下的归一化定时度量的分布,进而得到了定时错误概率,结果表明该算法具有很好的健壮性．仿真结果表明在多径信道下新算法比传统的符号同步算法稳定性更好．     

水在微尺度槽道中单相流动和换热研究

水在微尺度槽道中单相流动和换热的研究,是通过对其流动阻力和换热强度等的实验进行的。研究表明,在微尺度槽道中流体单相流动换热性能明显高于常规尺度槽道,而阻力系数低于常规槽道。并得到了微尺度槽道的尺寸、结构形状和流体流动均匀性对其流动和换热的影响规律。     

无线IP中衰落信道吞吐量的优化研究

无线IP所研究的问题对于通用移动通信系统(UMTS)向着高速数据传输的方向演进是至关重要的。这也是未来的第4代移动通信技术研究快速移动终端时的方向。无线IP的目标是使下行链路中的分组数据在不扩展带宽的情况下获得高吞吐量,而且还要保证各种传输业务的质量。为了达到这个目标,由下到上从物理层到传输层设计了一套规则来满足这个要求:物理层中使用正交频分复用技术(OFDM)和软信息技术来提高吞吐量;网络层中增加了一个负责有线IP分组和无线IP分组的接收及其相互转换的信关IP层;传输层中估计每一个用户的快衰落信道中的瞬时信道质量并事先为共享同一信道的不同用户安排好使用时间;同时,改进的传输层TCP使用通信协议层传递信息来提高通信的有效性。     

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题, 提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network, AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号, 得到卫星信号的训练集和测试集; 然后将训练集输入构建的训练网络进行特征提取; 最后将测试数据输入网络进行预测分析。仿真结果表明, 在与其他4种人工智能方法的对比中, 所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%), 有效地缓解了低轨道卫星信道参数“过时”的现状, 对提升卫星通信质量和节省卫星信道资源有良好的改善作用。