基于协作波束形成的中继阻塞混合无线物理层安全传输

针对双向无线协作通信系统的安全传输(信息论安全)问题,提出一种基于多节点协作波束形成的中继与阻塞混合机制来提高物理层信息传输的安全性.其基本思想是:在协作传输阶段,系统中的一部分协作节点进行分布式波束形成来帮助发送方发送信息给合法用户,同时另一部分协作节点发送干扰信号阻塞窃听者的侦听,从而显著改善系统在协作广播阶段的安全性能.基于这一机制,针对窃听者的瞬时信道状态信息已知与否,本文提出两种不同的协作波束形成方法和优化方案,这两种方案在数学上均归结为解决一个或一系列的二阶凸锥规划问题,从而可以通过内点法有效地求解.仿真结果和对比实验验证了在中继节点数目较多时本文提出的混合安全机制和波束形成方法相对于单纯的协作中继机制或单纯的协作阻塞机制而言显著地提高了系统的物理层安全性能.     

一种新的基于Jackson排队模型多中继跨层协作通信策略

文中提出了一种新的多中继协作通信策略,该策略基于Jackson排队模型同时对物理层(physicallayer,PHY)与媒体接入控制层(MAC)的跨层设计进行了分析.在物理层,重点探讨多中继节点情形下信噪比(SNR)门限与中断概率之间的关系.在MAC层,系统采用Jackson排队网络进行建模,单协作节点数据包排队准则为GI/M/1模型,多节点之间进行相互机会协作,进而分析了所提策略的系统吞吐量与时延性能.跨层设计仿真结果表明,在不同中继策略下,协作节点数的增加将影响物理层高频谱有效性区域的系统中断性能.此外,相对于传统两协作节点模型,所提策略可以达到显著的MAC层数据包吞吐量与时延性能.     

认知无线电系统中的多中继分布式波束成形方法

本文考虑认知无线电系统中一对认知源目的节点在一组认知中继节点协助下与一对授权发射机和接收机共存的场景,研究了多个单天线认知中继节点在授权接收机处平均干扰功率门限约束及自身独立的平均发射功率约束下,最大化认知目的节点处信干噪比(SINR)的分布式波束成形,从而开发"空谱空洞"的问题.提出了两种波束成形方案:1)最大化SINR的最优策略;2)基于迫零准则的次优策略.最优策略将分布式的波束成形系数求解问题通过半定松弛转化为准凸的优化问题,从而利用二分法及内点法求解;并证明了求得的最优半定松弛解即为原优化问题的最优解.次优策略直接迫零对授权接收机造成干扰,并将来自授权发射机的干扰信号抑制为零.该方法对应的优化问题没有迭代运算,且约束函数简单,算法复杂度低.最后通过数值仿真分析了中继数、认知节点最大的发射功率和授权接收机的干扰功率门限等因素对两类算法平均传输速率的影响,并且通过对比实验验证了考虑授权发射机干扰信号影响带来的性能增益.     

FFH/MFSK噪声归一化合并接收机在部分频带干扰Rayleigh衰落信道下的性能分析

快速跳频系统能减少干扰对系统性能带来的性能损伤.文中分析了快速跳频M元频移键控(FFH/MFSK)噪声归一化接收机在部分频带噪声干扰非频率选择性Rayleigh信道下的性能.不同于以往的研究结果,利用数值计算的方法来近似计算误比特率,文中采用复变函数的相关理论,给出了误比特率的闭合表达式.最后对系统性能进行了仿真,仿真结果与理论分析结果完全一致;系统性能不会随着分集度的不继增大而持续变好,而是存在一个最佳分集度;最佳分集度的大小随着信道条件的变化而不同;增大系统的调制阶数会提高系统性能.     

基于有限反馈的协作多小区分布式预编码

多小区协作需要基站间交换大量的信息.为了降低无线回传开销和反馈开销,采用基于信漏噪比最大化的分布式预编码方法,该方法仅需共享干扰信道的信道状态信息,不需要共享数据,与特征值波束成形和小区间干扰清零两种极端的方法相比取得了性能提高.其次,为了更加有效利用反馈资源,推导了速率损耗公式,利用穷尽搜索得到使其最小化的最优解,得出比特自适应分配规律.仿真表明,根据期望信号和干扰信号强度自适应的分配反馈比特能进一步提高系统速率.     

多基站协作通信系统的频偏补偿策略

在多基站协作通信系统中,为了获得空间分集或复用增益,协作基站同时同频向多个终端发送数据,而终端同时同频收到多个具有不同频偏的信号．基站或终端不能通过预补偿或后补偿方法独立解决多基站多用户频偏补偿问题．针对这一难题,本文提出基于最大可容忍剩余频偏的收发联合补偿策略．仿真结果表明：该策略虽然不能完全消除多基站多用户频偏,但可将其控制在可容忍范围内．     

无线传感器网络中一种高效的距离差估计方法

RIPS系统通过测量干涉信号的相位提供了一种精度高、设备简单的无线传感器网络定位方法.但利用相位进行测距和定位的方法不可避免地存在相位模糊问题,RIPS系统采取的方式是在多个频率下对某一距离差进行相位测量,根据各相位测量值来搜索实际距离差.为了避免RIPS系统中这种繁复的搜索过程,文中提出了一种高效的距离差估计方法.该方法基于中国余数定理(CRT)通过闭式一次直接计算得出距离估计值,从而避免了搜索过程,极大地降低了节点运算能耗并且提高了定位系统的实时性.同时,为了克服传统CRT算法对噪声敏感的缺点,利用算法中加权系数具有的一些性质来减小噪声对估计结果的影响,提高了算法的鲁棒性.仿真结果表明该方法鲁棒性好,估计精度高,在无线传感器网络中具有良好的可行性.     

非对称双向中继X网络中基于最大化和速率的干扰对齐与中继处理算法

双向中继X网络相对于传统无线通信网络可以实现更高的自由度.然而,基于迫零算法的中继处理算法仅考虑了消除干扰成分,忽略了对期望信号的影响,从而使得网络的和速率有待提高.特别地,当用户发送功率越低,其和速率劣势越明显.针对上述问题研究其干扰对齐方案,并给出了优化的联合考虑期望信号和干扰信号的中继处理算法.首先,通过利用用户矢量信号之间的空间关系,给出网络和速率的数学模型;其次,通过矩阵分析及数值分析理论将最大化网络和速率的中继预编码设计问题转化为线性搜索最优值问题,并用极限值方法近似网络目标函数;再次,进一步将双向网络的目标函数近似为单向网络用户参数的线性组合,大大降低算法复杂度;最后,基于优化的线性搜索最优值问题,得到最大化网络和速率的中继预编码矩阵.仿真结果表明:相较于现有的中继处理方案,本文方案明显改善了网络和速率,同时还简化了最大化网络和速率带来的算法复杂度.     

基于Bayes认知信任模型的MANETs自聚集算法

随着移动自组网络(MANETs)的出现,移动节点能够组成特定的动态网络而无需基础网络设施,而在任意两个节点进行交互前,必须同时满足对方的安全和隐私需求.文中提出了一种既能提高MANETs安全效率同时又能保证网络可扩展性的方法.该方法借鉴脑信息学中基于认知的启发式方法,利用Bayes统计分析评估节点的信任等级,对移动节点按照信任机制进行自聚集,进而构建新的网络拓扑结构.仿真结果表明,每个节点都能根据其信任度生成并参与到合适的聚类中,提高了整个网络的可靠性和可扩展性.文中最后还使用复杂网络理论分析了该方法优越性的内在机制,并用实验说明了该方法的高可扩展性.     

随机发送参考的多天线系统物理层安全传输算法

文中提出基于随机发送参考的多天线系统传输算法,用于保障物理层信息安全传输.该算法将授权用户的信道分解为多个独立并行的信道,并在其中的一个信道中发送随机化的导频信息,同时对其他信道加密.由于窃听方信道与授权用户不同,很难通过自身的信道分解出独立的随机化导频信道,从而无法正常解调、还原信息.通过理论分析及算法仿真表明,随机发送参考算法可使窃听方的误码率稳定在较高水平,并且在同等发送功率的情况下性能优于现有加性人工方法.     

2．4-6．0GHz超宽带低噪声放大器的设计

采用标准0．5μmGaAsPHEMT工艺设计了工作频段在2．4—6GHz可应用于无线局域网（WLAN）和超宽带（UWB）接收机的超宽带低噪声放大器。从宽带电路的选择、高频电路设计的器件选择和电路结构的选择等方面讨论了如何进行超宽带低噪声放大器的设计。结果表明,通过合适的电路结构和器件参数选择,可以采用0．5μmGaAsPHEMT工艺制备满足超宽带系统要求的低噪声放大器。在UWB3．1～5．15GHz低频带内,该LNA增益20．8～21．6dB,噪声系数低于0．9～1．1dB,输入输出驻波比均小于一10dB。在2．4～3GHz频带（涵盖802．11b／g的使用范围）内,该LNA增益20．8～21．5dB,噪声系数低于2dB,输入输出驻波比均小于-10dB。在频带5．2—6GHz,该LNA的噪声系数增大到1．332dB。增益则从21．4dB下降到19．7dB。电路的工作电压为3．3V。     

RS_Turbo级联码的性能仿真分析

为了利用RS码在高信噪比时的性能优势和Turbo码在低信噪比时的性能优势,从而进一步提高系统的抗误码性能,将RS码和Turbo码串行级联,并搭建了级联OFDM的WiMax系统进行仿真验证。高阶调制的解调采用最大对数似然比软解调算法,分析了级联码在不同调制模式下基于高斯白噪声和衰落信道的误码性能。仿真结果表明,该系统相对于RS码与卷积码的级联系统有2-3dB的编码增益,而且降低了Turbo码的迭代次数,克服了误码平台现象,达到降低系统复杂度和延时要求。     

Combining forecasts based on multiple encompassing tests in a macroeconomic core system

This paper investigates whether and to what extent multiple encompassing tests may help determine weights for forecast averaging in a standard vector autoregressive setting. To this end we consider a new test‐based procedure, which assigns non‐zero weights to candidate models that add information not covered by other models. The potential benefits of this procedure are explored in extensive Monte Carlo simulations using realistic designs that are adapted to UK and to French macroeconomic data, to which trivariate vector autoregressions (VAR) are fitted. Thus simulations rely on potential data‐generating mechanisms for macroeconomic data rather than on simple but artificial designs. We run two types of forecast ‘competitions’. In the first one, one of the model classes is the trivariate VAR, such that it contains the generating mechanism. In the second specification, none of the competing models contains the true structure. The simulation results show that the performance of test‐based averaging is comparable to uniform weighting of individual models. In one of our role model economies, test‐based averaging achieves advantages in small samples. In larger samples, pure prediction models outperform forecast averages. Copyright © 2010 John Wiley & Sons, Ltd.     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

Model averaging estimation for conditional volatility models with an application to stock market volatility forecast

This paper is concerned with model averaging estimation for conditional volatility models. Given a set of candidate models with different functional forms, we propose a model averaging estimator and forecast for conditional volatility, and construct the corresponding weight-choosing criterion. Under some regulatory conditions, we show that the weight selected by the criterion asymptotically minimizes the true Kullback–Leibler divergence, which is the distributional approximation error, as well as the Itakura–Saito distance, which is the distance between the true and estimated or forecast conditional volatility. Monte Carlo experiments support our newly proposed method. As for the empirical applications of our method, we investigate a total of nine major stock market indices and make a 1-day-ahead volatility forecast for each data set. Empirical results show that the model averaging forecast achieves the highest accuracy in terms of all types of loss functions in most cases, which captures the movement of the unknown true conditional volatility.     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

无线传感器网络中OOFSK和FSK能耗性能

无线传感器网络（WSNs）节点通常使用电池来供电,这成为限制其广泛应用的瓶颈．所以低功耗WSNs的设计成为人们研究的重点．WSNs的传输体制很大程度上决定了整个网络的能耗性能．本文中将频移键控调制（FSK）和开关频移键控调制（OOFSK）两种高效的传输方式引入WSNs,通过建立基本通信模型,推导他们的能耗性能指标及变化趋势．通过数值分析结果可知,在低信噪比、低OOFSK调制占空比等条件下,OOFSK传输具有明显的能耗优势．同时进一步分析得到OOFSK和FSK调制在WSNs中的应用场景,对低功耗WSNs的调制模式设计具有积极作用．