【摘 要】
:
无人机(Unmanned Aerial Vehicle,UAV)技术发展迅速,其应用成本也在不断降低,在无线通信领域,无人机可搭载多种通信设备如小基站、传感器、接收机等形成无人机通信,是新一代空天地一体化通信的重要组成部分。无人机通信具有可在空中灵活部署,3D可移动性,飞行高度足够高且与地面节点产生更高概率的视距(Line of Sight,Lo S)链路等优势,因此无人机通信已经成为当前的研究热
论文部分内容阅读
无人机(Unmanned Aerial Vehicle,UAV)技术发展迅速,其应用成本也在不断降低,在无线通信领域,无人机可搭载多种通信设备如小基站、传感器、接收机等形成无人机通信,是新一代空天地一体化通信的重要组成部分。无人机通信具有可在空中灵活部署,3D可移动性,飞行高度足够高且与地面节点产生更高概率的视距(Line of Sight,Lo S)链路等优势,因此无人机通信已经成为当前的研究热点,同时也是6G通信发展的重要方向之一。无人机作为空中中继时,可以协作超远距离通信,还可以帮助具有通信障碍的用户之间恢复通信传输。但无人机辅助中继通信系统仍然面临着很多的挑战,如无人机辅助中继通信容量问题,无人机执行任务的能耗与时间问题等。本文研究了无人机作为空中全双工双向中继(Full-Duplex Two-Way Relay,FDTWR)实现中继通信容量的进一步提升,目前针对无人机中继的研究主要在轨迹或资源调度方面,多考虑较为简单的半双工模式,半双工在系统实现上较为方便,但时隙资源与频率资源的利用率还有可优化的空间。在FD-TWR模式下,用户可以同时进行信号的双向传输,大大的提升了时频资源利用率,增加通信容量。另外,本文还研究了无人机FD-TWR服务场景中,在任务量确定的情况下,通过优化其轨迹与地面资源调度,解决任务最低能耗问题与任务时间最小问题。本文主要创新点与工作如下所述:本文首先研究了多对用户无人机FD-TWR系统的性能优化传输策略。FDTWR网络是通过全双工中继节点利用相同的时频资源,同时完成两个全双工用户节点之间的高效双向数据传输模式。利用无人机的按需灵活部署优点,基于无人机的FD-TWR网络能够进一步提升协作通信的覆盖范围。为此,研究利用无人机辅助多对地面用户进行双向中继通信,通过对无人机飞行轨迹、地面用户的时间调度与用户发射功率分配等多个变量进行联合优化,实现了用户对之间传输的平均最小可达速率最大化。无人机在通信服务过程中采用物理层网络编码(Physical Layer Network Coding,PNC)中继传输协议,并利用时间离散(Time Discretization,TD)方法对原问题的连续变量离散化。由于所研究问题的非凸性,采用多种凸优化方法,如连续凸近似(Successive Convex Approximation,SCA)处理、块坐标下降(Block Coordinate Descent,BCD)等方法,通过对原问题解耦分块求解,并采用交替迭代方式优化,实现了问题的快速求解。仿真结果表明,该方法较之基准方案能提升系统整体通信可达速率。本文进一步研究无人机FD-TWR网络的飞行能耗与完成时间优化策略。并在不同中继通信吞吐量需求条件下,解决系统总能耗最小化与任务时间最小化问题。其中,无人机FD-TWR使用时分多址(Time Division Multiple Access,TDMA)技术为地面多对用户提供通信中继服务,并利用路径离散(Path Discretization,PD)方法将问题中的多个连续变量离散化。之后利用SCA与BCD等方法,将其划分为关于用户任务调度、发射功率和无人机的轨迹相关的多个子问题,并利用了基于旅行商问题(Travelling Salesman Problem,TSP)的无人机轨迹初始化方法。通过多步迭代,直至优化收敛。仿真结果显示,优化的资源得到合理的调度,优化后的无人机轨迹也能提升整体通信质量,实现了任务能耗与完成时间的最小化。并进一步分析了不同目标下,任务能耗与时间的权衡。
其他文献
正交频分复用(OFDM)波形外辐射源雷达是一种通过被动接收非协作方发射的OFDM波形信号来对目标进行跟踪或定位的双/多基地雷达。然而,此雷达的目标信息提取过程面临着弱目标被同时接收到的直达波和多径回波所淹没的问题。针对这一问题,传统信号处理方法利用雷达回波数据的稀疏性、基于压缩感知重构算法来提取弱目标信息,但这些方法需要人工设置基矩阵和正则化参数等。随着人工智能的崛起和迅速发展,许多学者开始结合深
随着人工智能和工程设计等诸多领域的发展,与之相关的优化问题也越来越复杂。因此,许多先进的群智能算法被用来解决优化问题,其中具有高灵活性和强适应性的粒子群优化算法是改进大多数优化算法的基础。然而,传统的粒子群优化算法在复杂的高维优化问题中的搜索性能较差,在迭代的过程中无法更新群体样本,使种群更容易处于局部最优状态。结合量子信息理论,研究人员对量子粒子群优化算法展开了研究。本文以现有的量子粒子群优化算
提取有效的声学特征对于提升说话人识别系统的性能至关重要,通常,频域特征可以通过梅尔滤波器组从语音信号中提取出来,并且通过改变梅尔滤波器组中的三角滤波器的个数,可以提取不同尺度的频域特征,这些特征所包含的说话人信息存在差异,所以不同尺度的频域特征之间存在互补特性。本文利用深度学习方法,主要研究了基于多尺度频域特征和并行神经网络的说话人识别方法。论文的主要工作如下:1.提出了一种基于多尺度频域特征和并
信息技术的日益发展使人们进入了大数据时代,在各种各样的数据中,图像是人们生活中最常用的一种信息载体。随着图像数据量的大量增加,亟需对图像进行高性能的去噪与生成处理以应对处理速度慢和处理效果差的问题。因此,本文结合量子计算和深度学习设计了图像去噪与生成两种算法。本文的主要工作如下:基于卷积自编码器和残差学习,提出了一种图像去噪算法。卷积自编码器的编码层采用卷积层和最大池化层交替的结构,而解码层采用卷
科学技术的日新月异带来无线通信的飞速发展,在无人机通信场景下,用户不再满足于简单的点对点交换信息的需求。各种大量计算密集型应用应运而生,给无人机通信带来许多机遇与挑战。移动边缘计算(Mobile Edge Computing,MEC)技术为无人机通信的场景寻求到技术上的创新和突破。在通信任务过大的情况下,搭载了移动边缘计算服务器的设备可以帮助通信终端卸载一部分任务至移动网络边缘,从而缓解通信压力和
相位编码波形是雷达探测系统中一种经典的发射波形,具备相关特性好、构造简单等优点。相位编码波形集中的互补码(Complementary Code,CC)波形集和完全互补码(Complete Complementary Code,CCC)波形集,在多普勒为零时,具备完美的非周期自相关和互相关特性,使得匹配滤波结果没有距离旁瓣,对静止目标具备优异的检测性能。然而,已有的CC和CCC波形集存在着一些局限性
下一代移动通信对能量效率、数据速率和覆盖范围等性能指标具有更高的要求,这意味着有限的频谱、能量资源与日益增长的通信业务需求之间的矛盾亟待解决。协作中继技术是解决上述问题最具潜力的方案之一。然而,参与协作的中继可能是不受信任的,此时通信系统既要中继协助转发消息又要对中继保密。因此,解决无线网络的开放性与无线通信的保密性之间的矛盾同样迫在眉睫。最近,智能超表面(Reconfigurable Intel
在数字扫描激光光片显微镜中,使用无衍射艾里光束进行照明具有抗散射和成像视场大的优点。但一般的艾里光片成像依赖于去卷积的方法来校正光束弯曲造成的图像畸变和消除不对称旁瓣造成的离焦噪声。相比于一般的艾里光片,平面艾里光片沿光束传播方向不再弯曲,旁瓣也关于焦面对称分布,不再依赖去卷积处理进行成像,这拓展了艾里光束的应用。但为了消除平面艾里光片显微镜中离焦噪声,目前主要使用非线性的双光子激发方法。本文聚焦
机器学习近几十年来一直是人工智能的一个热门领域,基于机器学习的图像生成和分类算法也得到了广泛的应用。随着大数据时代数据规模的爆炸式增长,机器学习算法所需要的计算资源也越来越多,而计算机性能的提高却即将遇到瓶颈。与经典计算相比,量子计算有着潜在的指数级优势,是有望突破计算性能瓶颈的重要方向。因此,将机器学习与量子计算相结合是使机器学习适应大数据时代的一个有效途径。将机器学习中的生成对抗网络算法或卷积
穿墙雷达凭借其穿透非金属建筑材料的能力,可在非接触和非破坏性的条件下实现对墙后或封闭室内隐蔽目标的探测、定位及成像,广泛用于民用及军事等领域。然而,墙体反射所产生的强杂波会掩盖墙后目标的反射信号,影响目标成像精度和检测性能,此外现有的穿墙雷达成像方法在模型建立和优化求解过程中存在计算代价高、人工干预过多以及成像精度低等问题。因此本文将雷达稀疏成像的优化求解策略展开到深度网络结构中,采用端到端学习策