【摘 要】
:
第五代(The Fifth Generation,5G)通信系统采用更先进的通信技术对5G信道建模提出了更高的要求。在无线信道建模的研究领域中,最大的挑战是建立有效且准确的信道模型,能够模拟影响无线通信系统性能分析的所有传播特性。车对车(Vehicle-to-Vehicle,V2V)信道建模作为5G信道建模研究的热点之一,越来越受到研究人员的关注。在V2V通信场景中,发送端(Transmitter
论文部分内容阅读
第五代(The Fifth Generation,5G)通信系统采用更先进的通信技术对5G信道建模提出了更高的要求。在无线信道建模的研究领域中,最大的挑战是建立有效且准确的信道模型,能够模拟影响无线通信系统性能分析的所有传播特性。车对车(Vehicle-to-Vehicle,V2V)信道建模作为5G信道建模研究的热点之一,越来越受到研究人员的关注。在V2V通信场景中,发送端(Transmitter,Tx)和接收端(Receiver,Rx)处于快速变化的传播环境中,信道的多移动性特征使其明显不同于传统的蜂窝信道,显著增加了信道模型复杂度。此外,无线通信多输入多输出(Multiple Input Multiple Output,MIMO)系统是基于多个发射和接收天线的无线通信系统,使用多天线可以在不相关多径衰落传播下提供信道容量增益,从而满足V2V通信对高数据速率日益增长的需求。本文主要基于空间链路信道建模,围绕MIMO多天线系统和车联网无线通信进行分析,深入研究了MIMO系统天线阵列、空间衰落相关性(Spatial Fading Correlation,SFC)、时空频相关函数以及多普勒功率谱密度(Power Spectral Density,PSD)等,分析信道的相关统计特性,为车联网无线通信系统的设计提供帮助。本文的研究工作如下:首先,为建立稳定高效的车载移动通信系统,提出了一种适用于城市斜交T型街道路口场景的宽带MIMO V2V信道模型,基于几何信道模型描述了散射体的分布,同时考虑单次反射以及双次反射路径,并引入街道夹角,使得该模型更具通用性和灵活性。在非各向同性的散射条件下,根据发射角(Angle of Departure,Ao D)与到达角(Angle of Arrival,Ao A)的精确关系,确定该模型的相关参数,推导并分析了信道的空时频相关函数解析式及MIMO信道容量。数值仿真结果表明该模型可用于模拟斜交T型路口的V2V通信,补充了此类街道场景的信道模型的空缺,拓展MIMO V2V信道模型的研究与应用。接着,为研究分析5G通信下环形隧道场景中的车载通信系统性能,建立了一个三维(Three Dimension,3D)宽带非平稳双散射簇信道模型。在此模型中,移动发射机(Mobile Transmitter,MT)与移动接收机(Mobile Receiver,MR)分别沿着环形隧道道路移动,其运动方向与MT、MR速度以及环形隧道参数有关。接收信号由视距(Line of Sight,Lo S)传播分量和经过双散射簇散射的非视距(Non-Line of Light,NLo S)传播分量组成。并引入了生灭过程算法对散射簇在阵列和时间轴上的出现和消失过程建模,使得信道模型在本质上是非平稳的。推导了信道的时空相关性函数以及多普勒功率谱密度等。通过对比理论与仿真结果,证明该模型能够正确描述5G环形隧道环境中的MIMO V2V通信。最后,针对移动终端具有时变速度与运动轨迹的特点,提出了一种面向未来V2V通信的多移动性3D非平稳宽带MIMO信道模型。为了描述多移动性V2V信道的非平稳性,所提出的模型采用时变加速度模型描述移动终端的运动过程。推导了模型参数随时间的演化过程以及时变多普勒频率引起的相移随机特性。该模型具有较高的通用性,可用于描述移动终端动态变化的V2V通信场景。在非各向同性散射条件下,推导并深入研究了该模型的重要统计特性,包括时变时空相关性,时变多普勒功率谱密度等。仿真结果与理论结果吻合,验证了该模型的准确性。所提出的建模解决方案可以对真实V2V信道的物理传播特性提供全面、准确的描述。
其他文献
协同目标分割是一种对多张相关图片中的共同类别物体进行分割的技术,其着眼于多张图片中的共性特征,挖掘同类别图像间的共同模式,在计算机视觉领域有着广泛的应用场景。传统方法大多根据图像的明暗、色彩或者手工设计的边缘特征对不同的区域聚类,受制于有限的特征表示能力,在图像模糊、不均匀光照等复杂场景下难以实现正确分割。近年来深度学习的兴起,基于卷积神经网络的算法凭借海量数据和强大的特征表示能力,在性能上大幅领
上世纪60年代兴起的气象卫星是气象探测研究和业务中的重要突破,其提供的连续的高时空分辨率云图数据是以往常规探测技术无法比拟的。卫星云图可以作为日常天气分析和预报辅助工具,对于卫星云图的解译和使用,是天气预报工作不可分割的组成部分。当前气象卫星云图研究和应用中目视判读仍是主要手段之一,主观因素导致无法完全提取和最大化利用卫星云图中的有效信息,并且妨碍了定量化和自动化预报的发展。随着国产气象卫星技术的
随着大数据时代的到来,图像、视频等大量高维数据在获取、存储的过程中,不可避免地出现获取的数据是残缺不全的、含有大量噪声等现象,这会使数据的分析受到极大的影响,如何将残缺的数据补全或者从噪声中恢复干净的数据成为了数据处理的重要问题。近年来,低秩模型引起了学术界的广泛关注。由于图像、视频等高维数据的内部结构、前后帧之间往往有较强的相关性,可以在低维空间对其进行表示,因此基于低秩学习的张量补全和恢复的模
腺癌是一种常发生于上皮腺体组织的癌症类型,在结直肠癌、前列腺癌、乳腺癌、肺癌等多种恶性肿瘤中都十分常见。在病理形态上,腺癌的发生往往伴随着腺体结构分化变差甚至不分化,即腺体组织呈现出异常变形扭曲、内部空腔结构被细胞核侵占致其缩小甚至消失。这种不同程度的腺体分化直接与腺癌的恶性程度相关联。因此,在临床病理诊断中,腺体组织结构的分化程度是病理学家确定腺癌等级乃至决策治疗方案的决定性因素。为了实现腺癌恶
2D人体姿态估计的研究目标是准确检测并定位图片中人体的所有关键点,例如,膝盖,脚踝等,是当前计算机视觉领域的一个研究热点。近年来,尽管基于深度学习的人体姿态估计模型取得了较大进展,但大多数工作均聚焦于人体关键点的检测,忽视了肢体之间的关联。鉴于人体物理结构的整体性质,本文从关键点的相关性来建模学习人体姿态估计特征,主要研究工作如下:(1)提出基于期望最大化的人体姿态估计网络(Expectation
乳腺癌是女性发病率和死亡率最高的恶性肿瘤,新辅助化疗是治疗乳腺癌的有效手段,有利于缩小肿瘤、降低肿瘤分期,将无法手术的肿瘤转化成可手术的肿瘤,提高患者无病生存率。临床医生根据自身经验以及患者的分子分型预估患者是否需要进行新辅助化疗,主观性较强且无法针对单一患者准确预测其化疗后的病理缓解程度,易导致化疗无效后患者错过最佳治疗时机。因此,本文旨在利用计算机图像处理技术对乳腺癌患者新辅助化疗前的全景穿刺
图像复原技术随着数字技术的发展,已被广泛应用于多个领域,是图像处理领域中一个重要的研究方向。传统图像复原方法如逆滤波法、维纳滤波法、最小二乘法等难以解决函数逼近问题,难以应用于复杂场景。本文主要使用生成对抗网络实现图像超分辨率重建和图像修复两方面的复原任务。图像超分辨率重建在预处理时会出现丢失部分图像重要的高频细节,重建图像过于光滑以及网络模型训练不稳定等问题。图像修复过程中存在受伪像影响、修复结
视觉目标跟踪(Visual Object Tracking)旨在对视频任意目标进行轨迹追踪,是计算机视觉领域中基础研究方向。目标跟踪技术在自动驾驶、机器视觉、智能监控、军事国防等领域得到了广泛应用。深度学习技术的发展大幅提高了目标跟踪算法的性能,但在应对相似目标干扰、非刚性形变、尺度变化剧烈挑战时,依然存在鲁棒性差、准确性低的难题,无法满足实际应用场景的需求。本文基于深度学习技术,提出两种基于多任
自动调制分类(Automatic Modulation Classification,AMC)是信号解调前一个复杂且重要的技术,它在军事领域和民用领域都有广泛的应用。近年来,由于机器学习算法的引入,使得AMC技术备受关注。基于机器学习的AMC算法相比于传统算法有更高的识别精度和鲁棒性。本文深入研究并做了以下几方面的工作:1.针对复杂信道情况下,由于调制信号受噪声干扰导致识别准确率不高的问题,提出基
正确判断脑部神经胶质瘤基因型是突变还是野生类型,将有助于医生做出正确的预后治疗。针对活体组织检查会对患者造成一定的伤害、人工观察核磁共振图像准确率低的情况,本文借助计算机辅助的方式对神经胶质瘤进行判断。本文以神经胶质瘤分型为目的,多序列核磁共振图像为数据基础,深度学习为方法,从预处理到肿瘤分型分别提出了不同的深度学习网络结构。本文的创新性工作包括以下内容:(1)针对预处理时,3D Slicer等软