一、无线通信系统中的多路径参数估计进展研究(论文文献综述)
贾勋臣[1](2021)在《基于压缩感知算法的超宽带信道估计》文中研究说明超宽带(Ultra Wide Band,UWB)通信系统可以利用频带极宽的信道来传输信息,与传统窄带通信系统相比具备更高的传输速率,是未来通信行业研究的热点问题,进行准确的信道估计是保障超宽带通信系统可靠性的关键因素。传统的超宽带信道估计方法,在估计精度、频谱利用率上均有待提升,而压缩感知理论通过利用稀疏信号的特性,能够以较高的估计精度完成超宽带信道估计工作。本文旨在通过对压缩感知理论中重构算法的改进,提高信道估计的精度。重构算法中的正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)算法采用了并行的原子选择策略,虽然相较串行的原子选择策略,其算法运行效率较高,但单次选择多个原子导致其误差较大,导致其在信道多径数较多的情况下,信道估计精度较低。针对上述问题,本文提出了自适应多路径正则化正交匹配追踪(Adaptive multipath-ROMP,AM-ROMP)算法,算法在ROMP的基础上扩大了原子支撑集的数量,采用了非单一支撑集的多条重构路径并行的方法,以提高重构精度,同时为了降低AM-ROMP算法中多路径策略导致的算法复杂度呈指数级增长的问题,设计了基于能量差值阈值判决的路径剔除策略,仿真结果表明,AM-ROMP算法的信道重构精度优于ROMP算法。而在实际UWB通信系统中,稀疏度信息很难预先获得。本文在AM-ROMP算法的基础上,提出了自适应稀疏度的多路径正则化正交匹配追踪(Adaptive Sparsity Multipath-ROMP,ASM-ROMP)算法,算法融合了稀疏度预估理论,预先设置了一个小于真实稀疏度值的初始稀疏度值,再利用固定步长逼近真实稀疏度的方法,解决了稀疏度未知对重构算法的影响。同时针对多路径下的稀疏度逼近会使ASMROMP算法的复杂度成路径倍数增加,本文从原子集能量相似特性入手,设计了同级路径节点稀疏度同步方案,该方案使得各路径稀疏度值保持一致,无需反复估计各路径稀疏度,降低信道估计时间。仿真结果表明,ASM-ROMP算法能够在稀疏度未知的条件下完成信道重构,且重构精度优于SAMP算法。
姜日凡[2](2020)在《基于无线网络的船舶航向保持控制研究》文中进行了进一步梳理为了满足船舶控制系统的发展需要,各种智能终端和传感器大量应用于船舶中,如果使用有线网络连接这些设备,会制约设备的移动性和灵活性,并且船舶使用有线网络存在一些问题,为了解决上述问题,船舶无线传感器网络应运而生。船舶无线传感器网络能够实现船舶智能终端和传感器的按需部署,具有移动性、灵活性、可扩展性、低成本以及方便维护等特点,并且能够有效地解决船舶内布线空间狭窄而施工困难等问题。目前船舶无线传感器网络主要应用于船舶监控和定位等领域,本文尝试以无线传感器网络为船舶操舵系统的冗余网络,进行基于无线网络的船舶航向保持控制研究。本文开展的主要研究内容和方法如下:首先,针对船舶无线传感器网络的能量有限和实时性问题,本文设计了一种船舶无线传感器网络操作系统Mindows,并提出了一种基于Mindows的船舶无线传感器网络节点的功耗管理方案,主要从操作系统层面对节点进行了低功耗设计,分别从节点微处理器、外围设备以及电池能量方面进行了电源管理设计。通过测试结果验证,该方案能有效地降低船舶无线传感器网络节点功耗,延长无线传感器网络的生命周期,且系统运行稳定。其次,为了满足基于无线网络的船舶航向保持控制研究的需要,方便地开展所研究算法的仿真测试实验,本文利用VB设计一套基于实际的GPRS和ZigBee网络的近海或内河船舶航向保持控制仿真平台,弥补了单一软件仿真的局限性。实验结果验证了在该平台通过远程及近距无线网络进行船舶航向保持控制的可行性和该平台的实用性。再次,针对船舶在海上运动的大时滞和非线性等问题,本文提出了一种适用于船舶大时滞和非线性情况的灰色预测简捷鲁棒控制算法,采用改进的灰色模型对船舶航向偏差进行实时预测,并将预测值应用于船舶航向简捷鲁棒控制器。通过仿真验证,该算法具有形式简捷、参数易整定、鲁棒性强等优点。最后,针对需要安装冗余控制网络的船舶,本文提出以ZigBee无线传感器网络为船舶操舵系统冗余网络的方案;针对无线网络控制系统的诸多问题,本文从控制和通信的联合设计角度解决这些问题,从通信角度出发,设计基于并行不相交多路径路由的ZigBee网络,保证控制算法有效实施;从控制角度出发,设计的船舶航向保持控制器将灰色预测模型和基于非线性反馈的船舶航向保持积分Backstepping简捷鲁棒控制相结合进行时延和丢包补偿控制。通过仿真验证,该方案能优化无线网络控制的整体性能,能得到较好的控制效果,具有一定的实际参考价值。本文通过仿真验证,将无线网络控制应用于船舶航向保持控制中是可行的和有效的,并且是一种有益的尝试。随着无线网络技术不断成熟完善,船舶控制系统采用无线网络代替有线网络将成为未来发展的趋势。
葛嘉诚[3](2020)在《UWB技术下的室内定位研究》文中指出现今由于中国北斗、GPS等定位技术的日趋成熟,这些技术已经广泛被运用于商业领域;但是相对于已经被大量运用的室外定位技术,我国的室内定位技术仍然处于实验室研究的层次。在各种室内定位技术中,超宽带(UWB)技术在各方面的优势较为突出。因此利用UWB技术来实现室内定位变成一种可能。本文在现有的UWB定位系统上,在测距与定位两个方面做了相关研究工作,提高了定位系统的精度。本文对两种测距方式进行了误差分析,得出测距误差主要来源于两个方面:1.节点处晶振的时钟偏移会导致测距模块接收与发送信号时的响应时间出现偏差,进而影响测距的精度,2.节点间信号传播时因空气折射率而导致的信号传播速度变化,进而影响测距的精度。结合以上两点造成测距误差的因素,推导出两种误差系数并设计了相关的测量方法与应用方法,两种误差系数分别适用于采用了高频率稳定晶振的测距模块与未采用高频率稳定晶振的测距模块。本文还设计了一种空气折射率以及一种晶振实际频率的测量方法。本文在比较了几种UWB定位方法后,选择基于信号到达时间差(TDOA)这一定位方法进行研究,介绍了几种常见的基于TDOA的算法后,对Fang算法,Chan算法,Taloy级数算法进行了公式的推导以及MATLAB的仿真,结合测距中误差系数的应用,得到三种算法的误差曲线图与散点图,比较三种算法的误差,挑选出三种算法中的误差最小的Chan算法,再套用一层卡尔曼滤波,再对其进行仿真得到误差曲线与散点图,分析其误差与标准差。实验表明在定位系统中采用误差系数对距离测量进行矫正,可以提高距离测量的精度并提高相应定位系统的精度,采用卡尔曼滤波可进一步提高定位精度。在距离测量中采用误差系数进行修正的方法可应用于室外定位。
徐佳康[4](2021)在《大规模天线阵列基础理论研究及其应用》文中指出大规模多入多出阵列天线(Massive MIMO)是未来无线通信的核心技术之一,该技术是一种利用基站侧大规模阵列天线构建可高效利用空间分集信息的方法,解决了传统无线通信系统信号在空间扩散的利用难题。利用大规模多入多出阵列天线技术,每个用户都可以获得终端和基站之间独立的空域信道,每个用户都可以使用该独立空域信道的所有时频资源,实现从多用户共享时频资源到多用户独立占用时频资源的演进,使得蜂窝通信网络结构发生了根本变化。由于时频资源在小区内得到了多重复用,小区内的频谱效率得到了成倍增长,无线网络小区容量得到极大提升。除此以外,由于大规模天线阵列的使用,会带来很高的阵列增益,使得接收信号的信噪比得到大幅提升;而波束变窄,无线传播环境中的多径衰落现象也可以得到有效抑制,两者结合进一步提升了单个链路的容量。因此,大规模阵列天线技术对未来移动通信系统的容量提升,潜力巨大。因此,过去几年人们对大规模天线阵列系统开展了大量研究并取得了重要成果,但是在信道建模、导频污染和阵列构型优化等方面还存在着若干基础问题有待进一步挖掘,深化研究对于大规模阵列天线技术的潜能利用,意义重大。本文围绕三维信道建模、导频污染控制和多径环境中的阵列优化等若干方面,开展了基础理论和方法研究,主要创新成果如下:创新点一:针对目前二维信道模型和三维信道到达角分布模型不能完整表达大规模天线阵列信道中垂直空间传播信号传播特征、传播能量和到达角相关性的问题,开展了三维空间能量和到达角联合分布的信号传播建模研究,提出并建立一种基于三维空间DOA和到达能量的融合信道模型,给出了联合分布函数。该信道模型使用随机分布散射体结构的电波传播预测方法,解决了现有三维信道模型需要使用特定散射体分布带来的使用局限性问题,并针对不同小区的散射体分布范围,给出了宏小区和微小区的到达能量和到达功率的联合分布函数。通过仿真,并与现有结果的对比表明,传统二维信道模型的多径信号数量随着到达能量的衰减而增加,而三维信道模型和实测结果的多径信号数量都随着到达能量的衰减而增加,因此本文提出的信道模型与建立在实测基础上的信道模型在功率时延分布和多径信号到达角分布方面具备更好的一致性,能够更有效的反映三维真实传播环境中的信道特征,提升大规模阵列天线无线通信系统设计的针对性和有效性。创新点二:针对多小区导频污染情况下小区间干扰制约大规模阵列天线无线通信系统性能提升的问题,开展了小区间干扰模型分析和干扰消除的研究,提出了一种基于小区间协作的导频污染消除方法。该方法利用大规模天线阵列空域滤波的特性,通过两次波束赋形的方式分别实现小区内干扰消除(第一次波束赋形)和小区间干扰消除(第二次波束赋形),解决了现有小区间频率多色复用方法频谱效率低、小区间导频异步传输方法残余干扰大的难题。通过仿真,并与现有结果的对比表明,本文方法能够有效地解决Massive MIMO系统的导频污染问题,为打破Massive MIMO系统的容量瓶颈提供了有效的途径。同时,通过小区间的协作,在天线数相同的情况下,该方法相对于无小区间协作的情况小区容量可提升3到5倍。创新点三:针对大规模阵列天线占用空间大,优化方式不灵活的问题,开展了稀布阵的优化研究,提出了一种多目标联合优化的方法。该方法通过对天线方向图的多个特征值进行统一化表征,设计了多级差分遗传算法,实现了主瓣波束集中、旁瓣干扰抑制和阵面体积降低。通过仿真,在32阵元天线阵列优化中,相对于等间距阵列,可以实现阵列尺寸降低40%,主瓣宽度降低约50%,旁瓣抑制-20dB。创新点四:针对多径环境下自动调制方式识别准确率低的问题,提出了一种大规模阵列天线的自动调制方式识别技术。该技术使用正交波束赋形的空域滤波方法,降低了多径干扰,并结合最大似然比信号合并算法和基于贝叶斯判决模型的决策融合算法对不同波束获取的信号进行处理,实现了多径环境中自动调制方式识别准确率的大幅提升。通过仿真验证,该技术相对于传统多天线合并决策方法,在-20dB信噪比条件下可以达到不小于90%判决准确率。本文围绕大规模阵列天线无线通信系统和信号检测基础理论和应用,丰富了大规模阵列天线系统在多径环境中的理论认识,可提升应用水平,为未来无线通信系统的空域信号处理理论研究和应用研究提供更好的支撑。
张宇阳[5](2020)在《复杂移动环境中车联网多链路协同传输方法研究》文中研究表明车联网是未来移动通信的重要应用场景。在车联网的众多具体应用需求中,如何通过车联网将传统网络设备产生的海量数据实时、高效地上传至云端服务器是其中的一个重要需求。这一需求有着广泛的应用场景,例如高铁通信与应急通信。但是,针对这一需求,需要克服三点挑战。第一,单一无线链路传输的局限性;第二,传统网络设备对多链路传输的限制;第三,无线链路信号的波动对多链路协同传输的影响。标识网络是基于国家973项目提出的新型网络架构,可以很好地支持移动性。因此,为了克服上述三点挑战,满足车联网应用需求,本文依托标识网络,考虑到复杂移动环境的特点,拟围绕以下三个问题具体展开研究:1)如何设计一种支持融合多元硬件与底层协议的车联网多链路协同传输框架?2)如何提高本文所提传输框架的容错性?3)如何在问题二的基础上,综合考虑复杂移动环境特点,设计一种异构无线链路协同传输机制,提升车联网传输性能?论文的主要工作和创新点如下:(1)针对研究问题一,本文在不同场景异构无线链路状态综合分析的基础上,提出了新型车联网多链路协同传输框架的设计需求,并基于标识网络,设计了标识车联网多链路协同传输框架。该传输框架在整体设计上对车辆周围的异构无线链路进行融合,建立起一条透明传输通道,实现了传输过程中“用户与网络分离”和“资源与位置分离”。该传输框架在核心设备的内部工作原理中将资源管控模型抽象为“三层两映射”,从而完成传输策略的灵活管控与下发,实现传输过程中“控制与转发分离”。(2)针对研究问题二,从异构无线链路传输乱序角度,本文提出了一种容忍链路状态估测误差的多链路协同传输方法。考虑到移动场景中链路状态估测有一定的误差,该方法在接收端部署缓存以动态增加乱序数据包的排队时延,从而克服传统多链路传输方法中因链路状态估测误差而造成的多链路传输乱序,避免用户终端网络设备因传输乱序而主动大幅降低传输速率,间接提升传输框架的整体资源利用率。该方法与经典方法在传输乱序容错能力、实时吞吐量、整体时延和估测误差容忍度等方面进行全方位的对比与评估。实验结果表明,该方法可以有效地容忍链路状态估测误差,克服数据传输乱序,提升传输性能。(3)针对研究问题二,从异构无线链路传输丢包角度,本文提出了一种基于大数网络编码的多链路容错传输方法。该方法考虑到传统多链路传输容错方法在链路带宽资源开销、计算资源开销和编码灵活度等方面存在的问题,基于全新设计的网络编码模型,保证了传输的可靠性。本文分别通过数值分析,仿真对比与系统实验,对该方法的传输丢包容错能力,编解码用时,实时吞吐量和普适性等方面进行了分析。实验结果表明,该方法在显着提升了异构无线链路传输可靠性的同时,间接提升了异构无线链路的资源利用率。此外,在仿真实验中,为了完成在实际系统中无法完成的实验,本文设计了标识车联网多链路协同传输仿真系统。利用该系统,可以从多方面充分对比不同传输方法在标识车联网多链路协同传输框架中的性能差异。(4)针对第三个研究问题,在上两点研究工作的基础上,充分考虑复杂移动环境中无线链路丢包与异构网络的传输乱序问题,本文首先提出了一种适应网络编码的异构网络传输乱序容错接收缓存。该缓存以编码簇为排序目标,保证了支持网络编码的多链路传输方法有序传输。其次,在该缓存的基础上,本文将标识车联网多链路协同传输框架实例化,设计了标识车联网多链路协同传输机制。最后,通过仿真实验和实际系统测试,验证了在不同移动场景中,该机制相对其他多链路传输机制可以综合提升车联网的资源利用率与传输性能。目前该成果已部署于政府和企业的实际系统中使用,创造了良好的社会效益与经济效益。通过上述对于基于标识网络的车联网多链路协同传输框架及相关方法的研究,本文为车联网多链路协同传输方法的探究提供了一种可行的新思路。
陈雷[6](2020)在《基于通用滤波的无线通信新型多载波传输技术关键问题研究》文中认为面对未来海量设备的接入,作为无线通信系统关键环节的多载波传输技术,需要支持小包数据通信、低延时通信、碎片化频谱接入等不同业务的需求。而第四代无线通信系统的核心技术之一正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM),由于存在同步要求严格、带外功率泄露严重、保护间隔造成频谱利用率降低等问题,已无法适应多样化业务的实施。从而,可提供更高频谱效率以及更低带外功率泄露的通用滤波多载波(Universal Filtered Multicarrier,UFMC)、滤波器组多载波(Filter Bank Multicarrier,FBMC)等载波传输技术受到了广泛关注。UFMC融合了 OFDM与FBMC系统的优势,可对载波进行连续分配而无需插入保护频带;允许对用户带宽的差异化配置,且载波间无需严格同步和正交,具有较大灵活性;其滤波器时延长度远小于FBMC系统,有利于实现低时延传输及提高频谱利用率;采用正交振幅调制(Quadrature Amplitude Modulation,QAM),与多输入多输出(Multi Input Multi Output,MIMO)技术兼容性高。然而,UFMC 由于滤波器的引入也为多载波传输带来新的问题:滤波器对带内载波的干扰、载波频率偏移(Carrier Frequency Offset,CFO)对滤波信号的影响、多径衰落的影响、多用户接入导致系统复杂度提高等。本文针对上述问题进行研究并提出解决方案,主要工作及创新性成果如下:1、针对UFMC滤波器过渡带信号衰减问题结合载波间干扰展开研究,提出基于载波加权调制的ICS-UFMC方案。该方案依据滤波器过渡带特性对用户子带采用分区差异化调制策略,通过成对载波加权调制来提高边带接收信号功率,接收端反向解析完成对边带衰减信号的补偿,同时通过抑制接收信号间的干扰因子实现载波间干扰的自消除。仿真实验表明,相同频谱效率下,ICS-UFMC对比标准UFMC和OFDM系统,载波干扰功率比(Carrier-to-Interference power Ratio,CIR)性能可提升8-12dB,误码性能可提升1-5倍。在CFO较小的情况下误码性能可提升近1个数量级。该方案已获得发明专利授权(专利名称:一种干扰抑制方法及装置,专利号:2016106209518)。2、针对ICS-UFMC重叠编码导致CFO引入相位误差高于标准UFMC系统的问题,本文提出抑制相位干扰的PICS-UFMC算法,核心思想是对滤波器过渡带载波对采用-π/2相位差的角度旋转加权方案,接收端采用反向角度加权来抑制CFO造成的相位干扰。经仿真实验验证,不同CFO条件下,PICS-UFMC方案误码性能均优于ICS-UFMC和标准UFMC方案,尤其对于较高CFO,该方案具有更为显着的性能优势,其误码性能可提高1倍以上。3、针对标准UFMC系统滤波时延扩展无法有效对抗多径衰落,特别是长时延信道传输时接收性能下降严重的问题,提出基于判决反馈均衡(Decision Feedback Equalization,DFE)和符号重构算法的 SCR-UFMC方案。该方案中DFE单元通过利用前一符号周期的判决反馈运算来消除符号间干扰;采用符号重构算法来完成缺失信息重构以避免载波间干扰的产生。在不同典型信道模型、不同QAM调制阶次以及非理想信道状态信息条件下进行仿真实验验证,方案可有效消除多径信道对UFMC传输信号的影响。在信噪比较大(>20dB)的情况下对比标准UFMC系统,短时延信道性能提升1倍以上,而长时延信道性能优势更加明显,误码性能可提升6-28倍。4、针对UFMC波形传输系统复杂度高于OFDM系统的情况,提出UFMC运算结构优化方案。对UFMC发射机提出频域滤波结构并提前完成用户信息抽取,这样既可以降低系统运算复杂度,又可提升系统传输效率,且接收机FFT运算规模也由2N点下降为N点。同时,针对用户信号多数“0”值填充特征并结合IFFT裁剪机制简化运算结构。对于接收机DFE单元,本文针对该过程仅需部分反馈信息进行运算的特点提出截短序列卷积方案,并将时域线性卷积改进为频域DFE快速运算结构,其运算复杂度在不同信道时延参数下均有较为显着的降低。
王欣怡[7](2020)在《室内伪卫星信号传播效应与多径统计模型研究》文中研究表明伪卫星系统应用于室内定位具有组网灵活、抗干扰、兼容卫星导航系统等优势,但在复杂室内环境中,伪卫星信号面临功率衰减、多径衰落等问题,给精密测距及定位信息提取带来了技术挑战。在此背景下,室内伪卫星信号传播特性的揭示和多径统计模型的建立,对接收机的信号识别、提取及室内定位算法改进具有重要意义。本文主要针对伪卫星应用于室内定位时多径传播特性复杂、衰落统计模型未知等关键问题,首先理论分析了室内伪卫星信号的传播特性及应用环境特征,建立了室内伪卫星信号的多径统计模型;其次,基于射线追踪算法揭示了伪卫星信号在三种典型条件下的多径特性参数规律,同时提出了确定性建模方法,对伪卫星信号的大尺度模型进行了参数估计并仿真验证了多径统计模型的正确性;最后,基于自主的伪卫星系统和实验场,进一步实测验证了伪卫星信号大尺度模型的参数估计效果,及多径统计模型的正确性和有效性。论文主要工作和贡献如下:1.室内伪卫星信号传播特性分析及多径统计建模针对室内无线信号的传播特性,从建模方法和衰落范围两个方面,对比分析了现有室内信道模型的优势与不足,综合伪卫星信号体制以及应用环境特点,基于已有室内信道模型建立了室内伪卫星信号的多径统计模型。其中,大尺度衰落采用对数距离路径损耗模型表征,小尺度衰落则根据不同环境特征分别采用莱斯、瑞利和对数正态分布描述。2.典型条件下伪卫星信号多径特性参数研究采用室内典型的空间结构作为研究对象,利用射线追踪法研究了伪卫星信号在室内外不同发射点、不同空间复杂度、不同穿墙数量等条件下的传播特性参数,包括路径损耗、功率时延、接收功率参数特征。仿真验证表明,室外伪卫星用于室内定位时,有效多径的数量小于5,叠加信号强度难以达到接收天线的接收阈值;功率衰减约为50d B时,非视距和视距信号的传输距离,简单空间场景下分别为13m和大于20m、复杂度适中的空间场景下分别为9m和20m、复杂空间场景下分别为小于5米和17m;同时,相同传输距离情况下,伪卫星信号穿墙数量每增加1个,路径损耗增加值约为25d B。3.伪卫星多径信号的确定性建模方法研究为了实现伪卫星信号大尺度模型参数的有效估计,验证多径统计模型的正确性,提出了确定性建模方法,该方法包括场景分类建模、多径信号的跟踪提取、多径参数计算三个步骤,分别对停车场、办公室、商场等典型场景进行了仿真计算,利用仿真结果对伪卫星信号大尺度模型的衰减因子进行参数估计,结果表明:停车场、办公室和商场场景的衰减因子估计值分别约为2.2、2.8和2.9;同时,统计得到的射线追踪确定性模型与统计模型具有较好的一致性,验证了多径统计模型的正确性。4.实际场景下伪卫星多径统计模型正确性和有效性验证评估为了验证实际场景下大尺度模型参数估计和多径统计模型的正确性,利用中电54所某实验楼作为实际测试环境,对比分析了伪卫星信号载噪比在一楼(大厅场景)和二楼(办公场景)的实测值和理论值。实验结果表明:伪卫星信号大尺度模型在大厅场景和办公场景的最大测试误差分别为4d B和6d B,平均测试误差约为2.2d B和3.2d B,证明了大尺度模型衰减因子估计方法在实际场景中具有良好的效果,同时表明对数距离路径损耗模型能够有效表征伪卫星信号的大尺度衰落过程,验证了多径统计模型的正确性与有效性。
文铠[8](2020)在《基于超宽带的室内定位与定向关键技术研究》文中进行了进一步梳理随着智能手机、智能穿戴等电子设备的流行,基于位置的服务(location based services,LBS)变得越来越普遍,并逐渐成为新的经济增长点和战略性新兴产业,从而推动了室内外定位技术的发展。据统计,人们大约80%的日常活动在室内进行,因此,室内位置信息的获取在LBS中显得至关重要。随着5G时代的来临,高带宽、低时延的网络服务将为LBS带来更加广阔的发展前景,也将为室内定位产业创造巨大的潜在市场。根据Marketsand Markets调查数据显示,到2022年,室内定位的全球市场规模将达到409.9亿美元。在室外,全球导航卫星系统(global navigation satellite system,GNSS)可以提供高精度的位置信息;但在室内,由于墙体和房顶等建筑构件的遮挡,GNSS信号被严重衰减甚至彻底阻挡,无法提供有效位置估计。近年来,基于无线局域网(wireless local area network,WLAN)、紫蜂(Zig Bee)、蓝牙(bluetooth)、惯性测量单元(inertial measurement unit,IMU)、无线射频识别(radio frequency identification,RFID)、视觉(vision)、超声波(ultrasound)、超宽带(ultra-wideband,UWB)、伪卫星、地磁(geomagnetism)等技术的室内定位方案得到了广泛研究与应用。在现有的室内定位技术中,UWB技术因为功耗低、抗干扰能力强、距离分辨率高等优势,被看作是室内高精度定位的最佳选择,备受学术研究和产业应用的青睐。尽管如此,在过去10年里,囿于UWB芯片的普及程度,UWB室内定位技术主要被用于一些精度要求高、场景范围有限的专业应用领域,比如工业、仓储、机器人定位与导航。2019年9月,苹果公司宣布在其发布的i Phone11中加入UWB芯片,极大地推动了UWB芯片在电子设备中的普及,为UWB技术在室内定位中的广泛应用铺平了道路,将使UWB技术在室内定位领域扮演更加重要的角色。UWB技术的诞生可以追溯到19世纪,但直到2002年美国联邦通信委员会(Federal Communications Commission,FCC)正式批准UWB可以无授权使用,该技术才得以广泛研究,并逐渐被用于室内定位。截止当前,基于UWB技术的室内定位技术依旧没有得到充分研究,部分关键问题尚未得到解决,如非视距(non-line-of-sight,NLOS)传播识别与影响抑制;现有的UWB室内定位系统只提供位置估计,没有考虑方向信息;同时,随着电子设备芯片计算性能的提升以及内部传感器种类的不断丰富,多传感器融合定位逐渐成为室内定位新的发展方向,然而,据作者调查,目前缺乏对UWB与其他传感器(如IMU、地磁)组合定位的研究。因此,本文对基于UWB的室内定位与定向关键技术进行了深入研究,主要包括三个方面:一是研究了NLOS传播识别与影响抑制,二是研究了UWB与IMU组合定位,三是研究了室内低成本方向估计。具体创新点包括:(1)提出了一种基于模糊理论的NLOS传播识别与距离误差补偿方法。现有的NLOS传播识别与距离误差补偿方法普遍存在需要先验知识、环境依赖性强、计算复杂度高等不足。本文提出了室内信道分类思想,基于模糊理论进行NLOS传播识别与距离误差补偿,从而避免对先验知识的依赖,并且计算简单、易于推广到不同场景。(2)提出了一种抑制NLOS距离残差的位置估计算法。在当前的NLOS减轻算法中,没有考虑NLOS距离残差对位置估计的影响。为此,本文建议了一个NLOS距离选择方案,同时将M-估计理论引入LS,以减少NLOS距离残差对位置估计的影响。(3)设计了UWB/IMU松组合与紧组合系统,首次对组合系统的可观性、以及UWB基站数量与几何分布对UWB/IMU紧组合的影响进行了分析;同时,针对UWB/IMU组合系统水平姿态角估计依赖于捷联惯导算法误差模型的不足,提出了一种基于零加速度更新(zero acceleration update,ZAUP)的行人水平姿态角估计方法,该方法不需要进行小角假设,可使用直接状态KF进行水平姿态角估计。(4)提出了一种基于多天线UWB传感器的室内方向估计方法。当前,室内低成本方向估计主要是基于航姿参考系统(attitude and heading reference system,AHRS),受到室内地磁干扰的影响。本文提出了一种基于多天线UWB传感器的室内低成本方向估计方法,不需要地磁辅助,实用性较强。
李晓飞[9](2019)在《超宽带系统参数估计与检测分析》文中研究说明无线通信发展日新月异和潜在的巨大市场为未来无线通信技术发展提供机遇和挑战。许多无线通信课题亟待解决,如资源受限、无线信道干扰、多用户访问和导航定位等。高分辨率和高准确性的无线信号使无线通信系统软硬件都面临巨大挑战。超宽带系统在高速传输大量数据的同时,容易产生多径干扰、高误码率、最终导致信号衰减。本文从超宽带信道通信检测、超宽带多址访问及超宽带定位三个方面对信号进行了检测和分析。本文将超宽带通信系统系统分为三层,即物理层、中间层和应用层。物理层主要研究和讨论了信道多簇信号的数据共享问题和性能参数估计问题,提出了层次狄利克雷过程和马尔科夫链算法相结合的多任务压缩感知方法并仿真验证。中间层主要探究了超宽带系统的多用户访问和抗干扰性能问题,提出了层次缩减贝叶斯压缩感知算法以及多用户干扰算法并仿真验证。应用层主要是将超宽带系统应用在室内位置定位领域,并检测和分析了室内位置估计的准确性和抗干扰性,提出了多任务压缩感知算法对采样信号进行重建,并利用加权最小二乘法进行定位估计并进行仿真验证。主要的研究成果如下:1.物理层:提出了一种多任务压缩感知的超宽带信道估计算法在物理层里,针对超宽带信道传送信号误差和多簇信号共享问题,利用多任务的贝叶斯压缩感知技术对超宽带信道进行性能估计和检测,并重构信号。首先,构建超宽带压缩感知系统架构,并同时建立压缩感知特征字典,利用特征向量重构信号。其次,采用了层次结构的狄利克雷过程来解决超宽带系统通信的多任务之间数据共享问题,并计算出信号的性能参数,即尖峰噪声比和规范化均方差,同时减少信号传输所需的时间。最后,分别在视距和非视距环境下,利用标准化IEEE802.15.4a信道模型仿真超宽带通信系统信道。给定信号测量度,实验仿真这一算法的性能参数指标即尖峰噪声比和均方差并获得与其他算法的对比曲线。实验结果验证了采用这一算法对信道传输的信号进行检测和分析,接收方能更准确的接受来自发送端的信号,传输信号所需的时间要比其他算法所花费的时间要少。2.中间层:提出了一种层次缩减贝叶斯压缩感知的超宽带系统性能检测算法在中间层里,针对超宽带通信时,容易产生用户多径访问和噪声干扰问题,本文提出了一种马尔科夫链与压缩感知技术相结合的多址访问和噪声干扰算法。首先,构建测量模型化方程。利用树结构的层次缩减算法和狄利克雷过程简化小波系数,降低计算复杂度。其次,构建跳时脉位调制的超宽带系统模型以及多用户干扰模型。将马尔科夫链和蒙特卡罗算法相结合检测多用户干扰系统的抗干扰性能,计算信号的误码率和均方差。最后,利用计算得到的误码率和均方差,比较和分析本文提出的算法性能,获得算法对比曲线。仿真结果显示这一算法的抑制噪声性能要优于其他无树结构压缩感知算法的噪声抑制性能。本文分别比较20位用户、50位用户、100位用户、300位用户、500位用户以及1000位用户同时访问超宽带系统的情况下,实验结果验证这一算法的抗干扰性要比其他算法的抗干扰性强,其误差概率也低于其他算法的误差概率。3.应用层:提出了一种基于多任务压缩感知的超宽带室内定位算法应用层里,针对超宽带室内定位问题,本文采用多任务压缩感知技术降低信号采样成本,提高定位的准确性。首先,利用多径超宽带信道内在的稀疏性和多任务压缩感知算法恢复并重构采样信号。其次,采用时间差到达算法和极大似然算法估计信道脉冲响应和延迟时间,求出目标节点和参考节点之间的距离。最后,实验仿真超宽带室内定位算法,多任务压缩感知算法分别利用不同的信号样本作为测量矩阵初始化信号。在矩形区域内室内多径非视距环境下,建立超宽带信号模型,分析比较这一算法与其他算法的定位准确性能,仿真结果显示采用较低采样率的信号能逼近超宽带信道的初始信号,本文提出的算法定位误差概率低于其他定位估计算法。同时,建立100m×100m的正方形区域,比较这一算法和最小二乘法的室内位置定位准确性能,仿真结果验证了当测距误差递增时,最小二乘法的平均定位误差也会增加,而本文提出的算法的平均定位误差是递减,并且与参考结点的数目也是成反比。因此,这一算法的定位准确性能优于最小二乘法的准确性能。
钱方[10](2019)在《压缩感知理论及其稀疏认知无线信道估计研究》文中指出无线通信传输存在多径衰落等干扰,影响信号可靠接收,需采用信道估计予以估计与补偿。但传统算法未利用信道稀疏性,且现代稀疏估计算法未充分利用该特性等因素,导致估计性能较差,精度低,且复杂度大。针对上述问题,本学位论文主要研究了压缩感知(CS)理论,并采用该理论改进了稀疏信道估计,实现了精确信道估计。首先,简介了信道估计综述、关键问题及CS理论等应用背景。然后,建立了认知无线传输信道模型,利用CS理论,建立了稀疏无线信道估计模型。之后,针对现有CS稀疏重构算法精度低且复杂度大等缺点,提出了三种重构算法并应用于稀疏信道估计,对其仿真与分析,验证了其在精度与复杂度等方面的改进与提高。最后,总结和展望了该算法。全文内容和创新点具体如下:1.针对现有信道估计未能充分利用信道稀疏性的缺陷,将CS理论应用到信道估计中,通过重构信号来估计信道,提出了用CS同伦法实现估计信道,提高了算法精度。该算法引入同伦思想,根据前一次估值逐步得到信号路径变化步进和方向,得到最终估值。充分应用信道自身稀疏特性,获得更精确估计。仿真验证了所提算法具有较高重构精度及较快收敛速度:较传统最小二乘(LS)信道估计提高了估计精度。在相同重构均方误差下,相对LS算法获得信噪比增益近20 dB。同时,增加迭代次数还可进一步减小信号重构均方误差;2.在现有广义正交匹配追踪(GOMP)信道估计基础上,针对其无法保证原子索引支撑集中元素数目等于信号稀疏度,提出了针对迭代稀疏度及时停止的改进GOMP算法,并设定适当迭代所选原子数,提高估计精度。同时,通过改变重构信号观测值数量,并规定恢复信号与原信号间的恢复残差上限,得到有界等距常数更精确的范围,提高重构成功率。仿真表明:所提算法较OMP算法计算时间减少了四分之三;重建成功概率较GOMP提高了 50%,信道估计重构均方误差约减少了 15 dB。同时,设计适当信号稀疏度及每次迭代选择的原子数目,均可使重构结果更精确,从而提高了算法估计精度;3.因GOMP重构原信号最终只能得到唯一原子索引支撑集,而无法避免选择到错误原子而导致重构性能降低等缺陷,且在实践中无法提前获知信道稀疏度等困难,提出了改进的多路径稀疏度自适应GOMP算法。在重构原信号时,采用多路径对原子索引搜索,且无需预知信号稀疏度,即可重构原信号。仿真表明:所提多路径稀疏度自适应GOMP算法重构精度较现有GOMP算法提升了约1倍,且重构成功概率也提高了约3倍。总之,本文针对认知无线信道的稀疏特点,利用CS理论中的同伦法、改进GOMP及改进的多路径稀疏度自适应GOMP算法估计信道冲激响应。所提算法不仅可提升估计精确度,还能降低计算复杂度,节约运算时间,从而提高信道估计性能。故所提算法非常适合高性能5G等未来认知无线通信系统的信道认知与估计等应用。
二、无线通信系统中的多路径参数估计进展研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、无线通信系统中的多路径参数估计进展研究(论文提纲范文)
(1)基于压缩感知算法的超宽带信道估计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 OFDM-UWB信道估计 |
1.2.2 压缩感知理论 |
1.2.3 信号稀疏度未知条件下的重构算法 |
1.3 论文主要研究内容 |
第2章 压缩感知理论 |
2.1 引言 |
2.2 数学模型 |
2.3 压缩感知理论的三要素 |
2.3.1 信号的稀疏表示 |
2.3.2 观测矩阵的设计 |
2.3.3 信号的重构算法 |
2.4 贪婪算法 |
2.4.1 OMP算法 |
2.4.2 ROMP算法 |
2.4.3 SAMP算法 |
2.5 贪婪算法的重构误差分析 |
2.6 本章小结 |
第3章 OFDM-UWB无线通信系统 |
3.1 引言 |
3.2 OFDM-UWB无线通信系统结构 |
3.2.1 子频带划分方式 |
3.2.2 时频交织技术 |
3.3 OFDM-UWB信道模型 |
3.3.1 IEEE802.15.3a信道模型 |
3.3.2 修正的S-V室内信道模型 |
3.4 基于压缩感知理论的OFDM-UWB信道估计模型 |
3.5 本章小结 |
第4章 基于压缩感知的自适应多路径信道估计算法 |
4.1 引言 |
4.2 AM-ROMP算法设计 |
4.3 AM-ROMP算法步骤 |
4.4 基于AM-ROMP算法的OFDM-UWB信道估计仿真分析 |
4.4.1 差值阈值判决条件对信道重构精度的影响 |
4.4.2 算法的信道估计性能 |
4.4.3 AM-ROMP 算法与OMP、ROMP 算法信道估计性能对比 |
4.5 本章小结 |
第5章 稀疏度未知条件下的信道估计算法 |
5.1 引言 |
5.2 ASM-ROMP信道估计算法设计 |
5.2.1 同级路径节点稀疏度同步方案 |
5.2.2 稀疏度估计的实现方法 |
5.3 ASM-ROMP算法及复杂度分析 |
5.4 稀疏度未知条件下的OFDM-UWB信道估计算法仿真分析 |
5.4.1 算法信道估计性能 |
5.4.2 算法性能对比 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
攻读硕士学位期间的学术成果 |
攻读硕士学位期间的科研成果 |
(2)基于无线网络的船舶航向保持控制研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 船舶自动舵的研究现状 |
1.2.1 自动操舵仪的发展 |
1.2.2 自动舵的国内外研究现状 |
1.3 无线网络控制系统的研究现状 |
1.3.1 无线网络控制系统的常见问题 |
1.3.2 无线网络控制系统的国内外研究现状 |
1.4 无线网络在船舶中的应用研究 |
1.4.1 远程无线网络在船舶中的应用研究 |
1.4.2 近距无线网络在船舶中的应用研究 |
1.5 本领域待研究的问题 |
1.6 本文主要工作与内容 |
2 船舶无线传感器网络的节能优化研究 |
2.1 引言 |
2.2 无线传感器网络操作系统的研究 |
2.2.1 无线传感器网络操作系统的设计目标 |
2.2.2 无线传感器网络操作系统的低功耗调度机制 |
2.3 Mindows操作系统 |
2.3.1 Mindows的文件组织结构 |
2.3.2 定时器触发的实时抢占调度 |
2.3.3 信号量 |
2.3.4 队列 |
2.4 基于Mindows操作系统的无线传感器网络节点低功耗设计 |
2.4.1 微处理器的低功耗设计 |
2.4.2 外围设备的低功耗设计 |
2.4.3 电池管理实现 |
2.5 测试与验证 |
2.5.1 基于Mindows的节点节能测试 |
2.5.2 节点节能对比测试 |
2.6 本章小结 |
3 基于无线网络的船舶航向保持控制测试平台 |
3.1 引言 |
3.2 仿真测试平台设计及工作流程 |
3.3 仿真平台各模块功能 |
3.3.1 近距无线网络模块 |
3.3.2 远程无线网络模块 |
3.3.3 船舶模型模块 |
3.3.4 本地和远程控制器模块 |
3.4 节点硬件设计 |
3.5 节点软件设计 |
3.5.1 传感器和路由节点软件设计 |
3.5.2 协调器节点软件设计 |
3.6 界面设计 |
3.7 仿真实例 |
3.8 本章小结 |
4 基于灰色预测的船舶航向简捷鲁棒控制 |
4.1 引言 |
4.2 船舶平面运动数学模型 |
4.2.1 状态空间型船舶平面运动数学模型 |
4.2.2 航向保持系统非线性数学模型 |
4.3 灰色预测算法 |
4.3.1 GM(1,1)基本预测模型 |
4.3.2 改进的GM(1,1)预测模型 |
4.4 船舶航向简捷鲁棒控制器 |
4.4.1 闭环增益成形算法 |
4.4.2 简捷鲁棒控制器的设计 |
4.5 仿真实例 |
4.6 本章小结 |
5 基于冗余无线网络的船舶航向保持控制 |
5.1 引言 |
5.2 从通信角度出发设计多路径ZigBee网络 |
5.2.1 并行不相交多路径路由发现 |
5.2.2 基于能量均衡的并行不相交多路径选择策略 |
5.3 从控制角度出发设计船舶航向保持控制器 |
5.3.1 基于WiNCS的船舶航向保持控制器设计 |
5.3.2 灰色预测模型 |
5.3.3 基于非线性的船舶航向保持积分Backstepping简捷鲁棒控制器 |
5.4 仿真研究 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(3)UWB技术下的室内定位研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.3 论文研究内容以及章节安排 |
第二章 UWB技术的理论及定位方法 |
2.1 UWB技术概念 |
2.1.1 UWB技术的特点 |
2.1.2 UWB技术的应用 |
2.2 UWB室内定位的方法 |
2.2.1 基于信号到达时间(TOA) |
2.2.2 基于信号到达时间差(TDOA) |
2.2.3 AOA与 TOA混合定位方法 |
2.3 室内定位性能评判指标 |
2.3.1 均方根误差(Root Mean Squared Error,RMSE) |
2.3.2 圆误差概率(Circular Error Probable,CEP) |
2.4 本章小结 |
第三章 测距误差分析及改进方法 |
3.1 TOF测距方式介绍 |
3.1.1 双向测距 |
3.1.2 双边双向测距 |
3.2 TOF测距的误差分析 |
3.2.1 测距模型误差分析 |
3.2.2 测距模型误差系数推导 |
3.3 改进后的测距方法 |
3.3.1 误差系数的测量与使用 |
3.3.2 空气折射率的测量与使用 |
3.3.3 实际晶振频率的测量与使用 |
3.4 具体实验分析 |
3.5 本章小结 |
第四章 TDOA算法的研究 |
4.1 基于TDOA的算法研究与分析 |
4.1.1 最小二乘定位算法 |
4.1.2 Fang算法 |
4.1.3 Chan算法 |
4.1.4 Taloy级数法 |
4.2 几种算法的比较 |
4.3 Chan算法结合Kalman滤波 |
4.4 本章小结 |
第五章 总结与展望 |
参考文献 |
附录2 攻读硕士学位期间撰写的论文 |
附录3 攻读硕士学位期间申请的专利 |
致谢 |
(4)大规模天线阵列基础理论研究及其应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 大规模阵列天线通信系统的发展 |
1.1.1 阵列天线在无线通信系统中的意义 |
1.1.2 5G中的大规模阵列天线的发展 |
1.2 大规模阵列天线的研究现状和存在的问题 |
1.2.1 大规模阵列天线的信道模型研究 |
1.2.2 大规模阵列天线在蜂窝通信系统中的导频污染 |
1.2.3 大规模阵列天线的优化和其他应用 |
1.2.4 主要结论和存在的问题 |
1.3 论文的贡献和组织结构 |
第二章 大规模阵列天线系统的信道建模 |
2.1 研究背景 |
2.2 系统模型 |
2.3 基于随机散射体分布的三维信道模型 |
2.3.1 微小区场景下的联合分布 |
2.3.2 宏小区场景下的联合分布 |
2.4 随机散射体三维信道模型的仿真和验证 |
2.4.1 微小区的边缘概率分布函数和仿真验证 |
2.4.2 宏小区的边缘概率分布函数和仿真验证 |
2.5 基于实际传播环境的模型修正 |
2.5.1 基于天线高度的影响对模型的修正 |
2.5.2 基于地面吸收和建筑物高度的修正 |
2.6 小结 |
第三章 大规模阵列天线导频污染的抑制方法 |
3.1 研究背景 |
3.2 系统建模 |
3.3 基于小区间协作的Massive MIMO干扰消除技术 |
3.4 量化分析结果 |
3.5 小结 |
第四章 大规模阵列天线的优化和应用 |
4.1 大规模阵列天线稀布阵优化算法 |
4.1.1 研究背景 |
4.1.2 波束赋形建模 |
4.1.3 基于差分遗传算法的多目标稀布阵优化技术 |
4.1.4 仿真结果分析 |
4.2 基于大规模天线阵列的自动调制方式识别技术 |
4.2.1 研究背景 |
4.2.2 信号模型 |
4.2.3 天线数量趋于无穷情况下的AMC性能分析 |
4.2.4 天线有限情况下的AMC性能分析 |
4.2.5 仿真结果分析 |
4.3 小结 |
第五章 总结和展望 |
5.1 论文的主要工作 |
5.2 下一步研究计划 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(5)复杂移动环境中车联网多链路协同传输方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
主要缩略语对照表 |
1 绪论 |
1.1 引言 |
1.2 研究背景与研究现状 |
1.2.1 车联网研究 |
1.2.2 多链路协同传输研究现状 |
1.3 研究意义 |
1.4 论文主要工作与创新点 |
1.5 论文组织架构 |
2 基于标识网络的车联网多链路协同传输框架 |
2.1 引言 |
2.2 研究现状 |
2.3 不同场景异构无线链路状态综合分析 |
2.3.1 无线链路状态综合测试实验设置 |
2.3.2 链路层参数分析 |
2.3.3 网络层参数分析 |
2.3.4 传输层参数分析 |
2.3.5 异构无线链路综合分析 |
2.4 新型车联网多链路协同传输框架研究基础 |
2.4.1 新型车联网多链路协同传输框架设计要求 |
2.4.2 标识网络 |
2.5 新型车联网多链路协同传输框架设计 |
2.5.1 整体网络拓扑 |
2.5.2 核心设备内部资源管控模型 |
2.5.3 基本通信流程 |
2.6 本章小结 |
3 容忍链路状态估测误差的多链路协同传输方法 |
3.1 引言 |
3.1.1 研究背景及问题描述 |
3.1.2 研究现状 |
3.2 移动场景无线链路状态估测误差分析 |
3.2.1 链路往返时延估测误差分析 |
3.2.2 链路可用带宽估测误差分析 |
3.3 RAID多链路传输方法的设计与实现 |
3.3.1 问题分析 |
3.3.2 RAID多链路传输方法网络模型 |
3.3.3 RAID多链路传输方法数学模型 |
3.3.4 RAID多链路传输方法核心算法实现 |
3.4 性能分析与实验评估 |
3.4.1 异构网络数据传输过程乱序程度分析 |
3.4.2 异构网络数据传输过程整体吞吐量分析 |
3.4.3 异构网络数据传输过程整体时延分析 |
3.4.4 异构网络传输过程估测误差容忍度分析 |
3.5 本章小结 |
4 基于大数网络编码的多链路容错传输方法 |
4.1 引言 |
4.1.1 研究背景及问题描述 |
4.1.2 研究现状 |
4.2 多链路传输容错方法模型设计 |
4.2.1 多链路传输容错方法概要 |
4.2.2 簇内比特信息数字映射数学模型 |
4.2.3 BNNC编码模型 |
4.2.4 BNNC解码模型 |
4.2.5 BNNC冗余矩阵数学模型 |
4.3 BNNC多链路传输方法核心算法的实现 |
4.3.1 BNNC多链路传输方法发送算法 |
4.3.2 BNNC多链路传输方法接收算法 |
4.4 数据传输容错方法性能分析 |
4.4.1 BNNC编解码模型传输容错性能分析 |
4.4.2 BNNC编解码模型计算性能分析 |
4.5 仿真分析与评估 |
4.5.1 标识车联网多链路协同传输仿真系统 |
4.5.2 传输可靠性对比分析 |
4.5.3 典型网络状态下的实时吞吐量对比分析 |
4.5.4 不同多链路传输方法普适性对比分析 |
4.6 网络编码模型性能系统实验评估 |
4.6.1 不同冗余度下不同网络编码模型计算性能实测评估 |
4.6.2 不同硬件平台编解码性能实测评估 |
4.7 本章小结 |
5 面向复杂移动环境的车联网多链路协同传输机制 |
5.1 引言 |
5.2 两级DTT接收缓存模型 |
5.2.1 两级DTT接收缓存网络模型 |
5.2.2 时间阈值网络模型 |
5.2.3 时间阈值动态修正数学模型 |
5.3 标识车联网多链路协同传输机制的设计与实现 |
5.3.1 传输报文设计 |
5.3.2 内部模块设计 |
5.3.3 核心算法实现 |
5.4 两级DTT接收缓存模型性能评估 |
5.4.1 不同接收缓存模型整体评估 |
5.4.2 不同接收缓存模型深入分析 |
5.4.3 不同多链路传输接收缓存普适性分析 |
5.5 不同移动场景中多链路传输机制系统实验 |
5.5.1 系统实验设计 |
5.5.2 静态场景测试结果 |
5.5.3 低速移动场景测试结果 |
5.5.4 高速移动场景测试结果 |
5.6 实际应用 |
5.7 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 未来研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(6)基于通用滤波的无线通信新型多载波传输技术关键问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景和研究意义 |
1.2 新波形技术研究现状 |
1.2.1 新型多载波技术概述 |
1.2.2 通用滤波多载波技术研究现状 |
1.3 论文的课题来源和创新点 |
1.4 论文的主要内容和结构安排 |
第二章 物理层新波形技术关键问题分析 |
2.1 4G基础波形OFDM存在的问题 |
2.1.1 OFDM系统带外功率泄露问题 |
2.1.2 OFDM多径传输的保护间隔 |
2.2 通用滤波多载波技术UFMC |
2.2.1 UFMC原型系统结构 |
2.2.2 UFMC子带滤波对带外功率的抑制 |
2.2.3 多径信道对UFMC信号传输的影响 |
2.3 滤波器组多载波技术FBMC |
2.3.1 FBMC调制解调原理 |
2.3.2 FBMC系统功率谱及带外泄露分析 |
2.3.3 FBMC波形的多径传输 |
2.4 本章小结 |
第三章 基于UFMC的干扰抑制技术研究与性能分析 |
3.1 UFMC子频带干扰问题说明 |
3.2 基于滤波器过渡带的干扰抑制方法 |
3.2.1 UFMC传输模型及干扰分析 |
3.2.2 基于过渡带的干扰消除方案 |
3.2.3 实验结果与系统性能分析 |
3.3 基于相位误差的干扰消除方法 |
3.3.1 PICS-UFMC方案原理及相位误差分析 |
3.3.2 PICS-UFMC方案仿真及结果分析 |
3.4 本章小结 |
第四章 多径信道下符号间干扰抑制技术研究 |
4.1 UFMC时域滤波对抗多径时延的问题 |
4.2 UFMC发射机结构改进及多径信道模型 |
4.2.1 符号长度对UFMC波形传输的影响 |
4.2.2 改进型UFMC发射机结构 |
4.2.3 多径信道模型分析及信道估计问题 |
4.3 符号循环重构算法及UFMC接收机 |
4.3.1 基于SCR算法的UFMC接收机结构 |
4.3.2 UFMC符号循环重构算法 |
4.4 SCR-UFMC方案仿真及分析 |
4.4.1 SCR-UFMC方案仿真参数及信道模型 |
4.4.2 SCR-UFMC方案性能分析 |
4.5 本章小结 |
第五章 新波形传输系统复杂度分析与结构优化方案 |
5.1 复杂度对UFMC系统的影响 |
5.2 UFMC系统发射机结构优化方案及复杂度分析 |
5.2.1 标准UFMC系统复杂度分析 |
5.2.2 系统结构优化方法及复杂度分析 |
5.3 SCR-UFMC算法优化方案及复杂度分析 |
5.3.1 SCR-UFMC接收机结构及复杂度影响因素分析 |
5.3.2 基本结构与改进结构复杂度对比分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
缩略语说明 |
图表目录 |
致谢 |
攻读学位期间的学术成果 |
(7)室内伪卫星信号传播效应与多径统计模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 伪卫星室内定位技术研究现状 |
1.2.2 室内无线通信信号统计模型研究现状 |
1.2.3 定位信号多径统计模型研究现状 |
1.3 论文研究目标及结构安排 |
第二章 室内伪卫星信号传播特性及多径统计建模研究 |
2.1 室内伪卫星信号体制 |
2.2 伪卫星室内定位的影响因素 |
2.2.1 非视距传播 |
2.2.2 多径效应 |
2.2.3 阴影效应 |
2.2.4 频段干扰 |
2.3 室内无线信号基本传播方式 |
2.3.1 自由空间传播 |
2.3.2 反射 |
2.3.3 绕射 |
2.3.4 散射 |
2.4 室内信道模型 |
2.4.1 室内信道模型分类 |
2.4.2 统计性模型 |
2.4.3 确定性模型 |
2.5 室内伪卫星信号多径统计模型 |
2.6 本章小结 |
第三章 典型定位条件下伪卫星信号多径特性参数研究 |
3.1 室内环境建模 |
3.2 室内外发射点下伪卫星信号传播特性研究 |
3.3 不同空间复杂度下伪卫星信号传播特性研究 |
3.4 不同穿墙数量下伪卫星信号传播特性研究 |
3.5 本章小结 |
第四章 伪卫星多径信号的确定性建模方法研究 |
4.1 确定性建模方法研究 |
4.1.1 室内结构化场景建模 |
4.1.2 多径信号的跟踪和提取方法 |
4.1.3 多径参数计算方法 |
4.2 伪卫星多径确定性建模研究 |
4.2.1 停车场模型 |
4.2.2 办公室模型 |
4.2.3 商场模型 |
4.3 本章小结 |
第五章 室内伪卫星信号多径统计模型实测验证 |
5.1 伪卫星信号发射功率 |
5.2 室内伪卫星信号多径统计模型实测方法 |
5.2.1 试验环境 |
5.2.2 试验步骤 |
5.3 室内伪卫星信号多径统计模型试验数据及分析 |
5.3.1 一楼大厅场景测试结果 |
5.3.2 二楼办公场景测试结果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 研究总结 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读硕士期间发表的论文与取得的学术成果 |
(8)基于超宽带的室内定位与定向关键技术研究(论文提纲范文)
博士生自认为的论文创新点 |
摘要 |
ABSTRACT |
缩写词及符号定义 |
第1章 引言 |
第2章 UWB室内定位理论基础 |
2.1 UWB定义及其在室内定位中的优势 |
2.1.1 UWB定义 |
2.1.2 UWB室内定位的优势 |
2.2 UWB定位系统测量及组网方法 |
2.2.1 UWB系统组网方式 |
2.2.2 UWB系统测量方式 |
2.3 UWB位置估计基本理论 |
2.3.1 基于TOA/TW‐TOF的位置估计 |
2.3.2 基于TDOA的位置估计 |
2.4 UWB定位系统主要误差源 |
2.4.1 系统误差 |
2.4.2 环境误差 |
2.4.3 位置估计算法误差 |
2.5 常用UWB定位系统定位精度评估方法 |
2.5.1 均方根误差 |
2.5.2 累积分布概率 |
2.5.3 互补累积分布函数 |
2.6 本章小结 |
第3章 UWB非视距传播影响抑制方法 |
3.1 UWB NLOS传播及其对测距与定位的影响 |
3.2 UWB NLOS传播识别与影响抑制现有方法概述 |
3.2.1 NLOS传播识别方法 |
3.2.2 NLOS影响抑制方法 |
3.2.3 NLOS传播识别与影响抑制研究趋势 |
3.3 基于模糊理论与M‐估计理论的NLOS传播识别与影响抑制 |
3.3.1 常用UWB信道统计特征定义 |
3.3.2 基于模糊理论的NLOS传播识别与距离误差补偿 |
3.3.3 基于LS位置估计算法的距离选择方案 |
3.3.4 基于等式约束抗差最小二乘的NLOS距离残差抑制算法 |
3.4 实验分析 |
3.4.1 实验设备与安装 |
3.4.2 基于模糊理论的NLOS传播识别与距离误差补偿方法性能分析 |
3.4.3 基于LS位置估计算法的距离选择方案分析 |
3.4.4 基于等式约束抗差最小二乘的NLOS距离残差抑制算法分析 |
3.5 本章小结 |
第4章 UWB与MEMS IMU组合定位与定向 |
4.1 UWB与IMU组合定位研究现状 |
4.2 UWB与MEMS IMU组合定位基本知识 |
4.2.1 惯性导航常用坐标系统 |
4.2.2 MEMS IMU零偏标定与补偿 |
4.2.3 简易捷联惯导算法及误差模型 |
4.2.4 卡尔曼滤波器 |
4.3 UWB与IMU组合系统及数据融合 |
4.3.1 UWB/IMU松组合与紧组合方案 |
4.3.2 基于KF的UWB/IMU数据融合模型设计 |
4.3.3 UWB/IMU组合系统可观性分析 |
4.3.4 UWB基站数量与几何分布对UWB/IMU紧组合系统影响分析 |
4.4 一种基于ZAUP的行人水平姿态角估计方法 |
4.4.1 零加速度更新 |
4.4.2 基于ZAUP的四元数卡尔曼滤波器设计 |
4.5 实验分析 |
4.5.1 实验描述与安装介绍 |
4.5.2 实验A:UWB/IMU组合系统性能验证分析 |
4.5.3 实验B:脚戴式UWB/IMU组合系统性能分析 |
4.6 本章小结 |
第5章 室内定位中的方向估计 |
5.1 方向估计基本理论 |
5.1.1 方向定义 |
5.1.2 方向表示 |
5.1.3 方向估计 |
5.2 室内方向估计方法概述 |
5.2.1 基于加速度计与磁力计的方向估计 |
5.2.2 基于加速度计、陀螺仪与磁力计的方向估计 |
5.2.3 基于陀螺仪与磁力计的方向估计 |
5.3 基于多天线UWB传感器的室内方向估计算法 |
5.3.1 基于多天线UWB传感器的方向估计思想 |
5.3.2 基于QUEST的求解方法 |
5.3.3 基于MEKF的求解方法 |
5.4 实验分析 |
5.4.1 实验数据描述 |
5.4.2 基于MEKF算法的方向估计 |
5.4.3 基于QUEST算法的方向估计 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
附录 |
参考文献 |
攻博期间科研成果 |
致谢 |
(9)超宽带系统参数估计与检测分析(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 相关研究及进展 |
1.3.1 超宽带国内外研究状况 |
1.3.2 超宽带信号稀疏表示及应用 |
1.3.3 基于压缩感知的超宽频多用户访问干扰性能检测 |
1.3.4 基于压缩感知的超宽带室内定位性能检测 |
1.4 论文的研究内容和主要贡献 |
1.5 论文结构 |
第二章 信号参数估计和检测综述 |
2.1 超宽带通信系统稀疏信号表示算法综述 |
2.2 超宽带稀疏信道估计综述 |
2.2.1 信道模式和基于训练方法 |
2.2.2 信道压缩感知 |
2.3 超宽带多址访问技术 |
2.4 超宽带通信系统室内定位算法 |
2.5 小结 |
2.5.1 本章研究难点 |
2.5.2 本章研究结果 |
第三章 多任务压缩感知的超宽带信道估计 |
3.1 超宽带系统的多任务压缩感知架构 |
3.1.1 多任务压缩感知架构模型 |
3.1.2 压缩感知特征字典 |
3.2 基于层次狄利克雷马尔科夫链链多任务压缩感知算法的超宽带信道估计 |
3.2.1 层次狄利克雷过程算法 |
3.2.2 基于层次狄利克雷马尔科夫链模型多任务压缩感知框架的超宽带信道估计 |
3.3 仿真与讨论 |
3.3.1 模拟信道脉冲响应 |
3.3.2 均方差和尖峰噪声比性能 |
3.3.3 不同场景的误码率和均方差性能 |
3.3.4 算法的运行时间比较 |
3.4 小结 |
第四章 层次缩减贝叶斯压缩感知的超宽带系统性能检测 |
4.1 层次缩减贝叶斯压缩感知算法的基本架构 |
4.1.1 基于贝叶斯压缩感知算法的超宽带信号重构 |
4.1.2 测量模型的构建 |
4.1.3 基于树结构的层次缩减算法 |
4.1.4 狄利克雷过程的简化 |
4.1.5 L′evy-Khintchine理论 |
4.2 多用户干扰超宽带系统模型 |
4.2.1 跳时脉位调制(TH-PPM)超宽带系统模型 |
4.2.2 多用户干扰模型 |
4.3 马尔可夫链蒙特卡罗多用户干扰算法 |
4.3.1 噪声产生模型 |
4.3.2 马尔可夫链蒙特卡罗(MCMC)多用户干扰算法 |
4.4 数字仿真 |
4.4.1 仿真环境 |
4.4.2 超宽带系统的准确性能检测 |
4.4.3 超宽带系统的抗干扰性检测 |
4.5 小结 |
第五章 基于多任务压缩感知的室内多径超宽带定位 |
5.1 脉冲无线电超宽带定位系统 |
5.1.1 超宽带信道模型的建立 |
5.1.2 超宽带定位系统的建立 |
5.2 基于时间差到达算法的超宽带室内定位 |
5.3 基于多任务压缩感知的超宽带室内定位过程 |
5.3.1 基于多任务贝叶斯感知算法的超宽带信道重构 |
5.3.2 加权最小二乘法室内定位过程 |
5.4 数字仿真 |
5.4.1 仿真环境 |
5.4.2 超宽带定位信号重构 |
5.4.3 多任务压缩感知算法准确性能 |
5.5 小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 研究展望 |
参考文献 |
攻读博士学位期间发表论文和科研情况 |
致谢 |
(10)压缩感知理论及其稀疏认知无线信道估计研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 认知无线通信传输背景及关键问题 |
1.2 无线通信信道估计现状 |
1.3 压缩感知理论概述 |
1.4 研究目标与内容 |
1.4.1 研究目标 |
1.4.2 主要内容 |
1.5 全文章节安排 |
第2章 基于压缩频谱感知理论的稀疏信道估计 |
2.1 认知无线通信传输信道估计模型 |
2.2 压缩感知理论 |
2.2.1 压缩感知理论重构信号模型 |
2.2.2 压缩感知理论重构算法 |
2.3 基于压缩感知理论的稀疏信道估计模型 |
2.4 本章小结 |
第3章 同伦算法及其稀疏信道估计研究 |
3.1 基追踪去噪(BPDN)算法 |
3.1.1 BPDN算法原理及步骤 |
3.1.2 BPDN算法中字典的选择 |
3.2 同伦算法及其稀疏信道估计 |
3.2.1 算法原理及结构 |
3.2.2 同伦路径搜索过程 |
3.3 算法仿真及结果分析 |
3.4 本章小结 |
第4章 改进GOMP算法及其稀疏信道估计研究 |
4.1 正交匹配追踪(OMP)算法理论原理 |
4.1.1 OMP算法步骤 |
4.1.2 OMP算法计算复杂度分析 |
4.2 改进的GOMP算法及其稀疏信道估计 |
4.2.1 算法原理及结构 |
4.2.2 算法计算复杂度分析 |
4.2.3 算法重构精确度理论性能分析 |
4.3 数值仿真及结果分析 |
4.4 本章小结 |
第5章 改进多路径稀疏度自适应GOMP算法及其稀疏信道估计研究 |
5.1 多候选集GOMP算法 |
5.1.1 MsGOMP算法步骤 |
5.1.2 MsGOMP算法计算复杂度分析 |
5.2 改进多路径稀疏度自适应GOMP算法及其稀疏信道估计 |
5.2.1 算法原理及结构 |
5.2.2 算法步骤 |
5.2.3 算法计算复杂度分析 |
5.3 数值仿真及结果分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 研究总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录 |
四、无线通信系统中的多路径参数估计进展研究(论文参考文献)
- [1]基于压缩感知算法的超宽带信道估计[D]. 贾勋臣. 黑龙江大学, 2021(10)
- [2]基于无线网络的船舶航向保持控制研究[D]. 姜日凡. 大连海事大学, 2020(04)
- [3]UWB技术下的室内定位研究[D]. 葛嘉诚. 南京邮电大学, 2020(03)
- [4]大规模天线阵列基础理论研究及其应用[D]. 徐佳康. 北京邮电大学, 2021(04)
- [5]复杂移动环境中车联网多链路协同传输方法研究[D]. 张宇阳. 北京交通大学, 2020
- [6]基于通用滤波的无线通信新型多载波传输技术关键问题研究[D]. 陈雷. 北京邮电大学, 2020(01)
- [7]室内伪卫星信号传播效应与多径统计模型研究[D]. 王欣怡. 东南大学, 2020(01)
- [8]基于超宽带的室内定位与定向关键技术研究[D]. 文铠. 武汉大学, 2020(03)
- [9]超宽带系统参数估计与检测分析[D]. 李晓飞. 华东师范大学, 2019(02)
- [10]压缩感知理论及其稀疏认知无线信道估计研究[D]. 钱方. 杭州电子科技大学, 2019(01)