【摘 要】
:
随着无线通信技术的发展,越来越多的用户通过无线接入实现了多媒体、互联网等多样性的信息服务。而无线资源的浪费和无线传输的不可靠性给无线通信系统带来了很多不利的影响,
论文部分内容阅读
随着无线通信技术的发展,越来越多的用户通过无线接入实现了多媒体、互联网等多样性的信息服务。而无线资源的浪费和无线传输的不可靠性给无线通信系统带来了很多不利的影响,因此,如何提高无线资源的利用率并保证无线通信的可靠性成为无线通信领域研究的重要课题。本文基于索引编码技术对中继传输方法展开研究,提高系统的有效性和可靠性。首先,将索引编码技术应用到存在噪声和干扰的无线传输信道时,为了保证传输的可靠性,本文提出对索引编码后的信号进行纠错编码。将每个编码信号分割成多个数据包,通过在数据包内部和数据包之间分别加入冗余位和冗余包,有效的减小信道中噪声和干扰对信号传输的影响。这样既能减少数据传输次数,又能保证数据传输可靠性。通过仿真发现,经过纠错编码后的索引码信号具有较低的误数据包率(Packets Error Rate,PER)。本文对比了干扰概率和传输总比特数对系统性能的影响,对不同纠错码的传输效果进行了分析。同时,本文还对比分析了冗余位的分配对整个系统传输效果的影响。其次,在基于边信息学习的MIMO多向中继传输模型中,本文将索引编码技术应用到K用户MIMO Y传输信道中。与传统信号空间对齐技术不同的是,该方案根据索引编码得到的编码信号来设计预编码矢量,使得同一编码信号内的多个独立信号对齐到相同的空间维度上,便于中继节点对信号的接收和检测。我们对有效边信息、归一化自由度以及边信息最优准则进行了定义,通过对每个用户添加有效边信息,可以减小索引编码矩阵的最小秩,从而减少中继节点发送的信号数。因此,整个系统需要的天线数量减少,系统的归一化自由度提高。最后,通过仿真对比了边信息最优情况下索引编码方案和传统信号空间对齐方案的编码长度和系统需要的天线数目,发现索引编码方案能够有效利用边信息,提高传输效率。同时,本文还对比分析了索引编码方案、信号空间对齐方案和时隙分配方案在MIMO Y传输模型中的归一化自由度,得出索引编码方案具有最佳系统性能的结论。因此,将索引编码技术同其他技术相结合,能够有效的提高系统的整体性能。
其他文献
随着计算机技术、网络技术、信息技术的飞速发展,数据在人们生活中所占的比重越来越大,但是怎样能从这些数据中挖掘出对人类生产生活真正有用的信息呢?这个问题受到越来越多
随着应用型服务的需求日益增加,造成传统TCP/IP网络体系架构在安全性、移动性等方面暴露出许多问题。为了彻底根治这些问题,学者们提出了内容中心网络(Content-Centric Netwo
随着音乐资源库不断地丰富发展,普通的音乐搜索方式已经不能适应海量音乐库的发展需求,音乐推荐系统的出现能够帮助用户解决这一问题。尽管当前有许多音乐平台推出了音乐推荐服务,但是其使用的推荐算法不能充分挖掘用户和音乐之间的联系,不能根据用户的偏好进行个性化音乐推荐。因此,本文提出了基于潜在因子模型的音乐推荐系统,能够在一定程度上缓解上述问题。推荐算法、模型结合和用户模块三部分构成本文的音乐混合推荐系统的
在移动通信多体制多模式共存的现状下,多个频段的射频通道需要能够工作在多频段的器件去支撑,单一功率半导体器件实现两个以上频段的能量转换,与传统的采用两个器件满足两个
目的:阐释穴位贴敷联合来曲唑(Letrozole,LE)对卵巢过度刺激综合征(ovarian hyperstimulation syndrome,OHSS)的预防作用及机制,探讨血管内皮因子(vascular endothelial growth factor,VEGF)对OHSS的预测作用。将中医适宜技术引入辅助生殖技术,发挥简便验廉的优势,探索OHSS中西医结合预防方案,并丰富未病先防的理论内
近年来,随着一系列资管“新政”的推出,泛资管时代已然到来,在金融机构混业经营的背景下,资管行业的竞争不断加剧,信托公司一直以来的制度优势逐渐丧失殆尽。而在经济新常态
随着移动互联网时代的到来,用户高带宽、低时延、移动性等需求推动着各类接入网络技术的发展,比如有线宽带接入技术,无线宽带接入技术,移动通信网络接入技术。然而由于多种网
为了满足未来通信方式尤其是移动通信对实时多媒体以及互联网接入等宽带业务的需求,随时随地、高质量、高速率的无线数据传输已经成为第四代无线通信系统的发展方向。其中多
随着互联网的迅猛发展,如何准确、高效地使大规模数据进行可靠传输成了研究的热点。传统信道编码的码率固定,而喷泉码的提出打破了此约束,满足了大规模数据的可靠传输等需求
为了满足用户在任何时间、任何地点都能获取到高速的移动数据的需要,3GPP(The 3rd Generation Partnership Project,第三代合作伙伴计划)LTE(Long Term Evolution,长期演进)