基于大规模可重构智能表面的近远场混合信道模型

近来,可重构智能表面(RIS)作为一种全新的革命性技术引起了学术界和工业界的广泛关注。随着通信频率的提高以及RIS孔径的增大,RIS辅助无线通信的工作条件逐渐靠近天线的近场辐射模式,而非仅仅存在传统意义中的远场辐射。单独考虑远场或者近场的信道模型均无法准确刻画RIS辅助无线通信的传输特性,造成性能损失。针对此问题,该文梳理了大规模RIS辅助通信近场和远场信道模型,通过引入权重因子,构建了大规模RIS辅助无线通信场景下近远场混合信道模型。在此基础上,推导了近远场混合信道模型下系统的增益与损耗,并进行鲁棒性分析,仿真结果表明该混合模型带来的系统增益与模型鲁棒性均显著提升。     

智能反射面赋能的联邦边缘学习及其在车联网中的应用

针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题，提出了一种智能反射面（RIS）赋能的空中联邦边缘学习系统，其利用智能反射面的信道可重构性自适应地配置信号传播环境，并利用空中计算实现联邦边缘学习模型的快速聚合。具体来说，首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为，并以此构造统一的无线资源优化问题，通过联合设计收发端波束成形方案和RIS相移来优化学习性能。仿真结果验证了所提方案的有效性，并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性。最后，探讨了其在车联网中应用的可能性。     

可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面（RIS）辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波（KR-HBKF）算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。     

面向边缘智能的空中计算

边缘智能模型训练中的无线通信开销已成为系统性能瓶颈,空中计算是解决该问题的重要技术。利用无线多址接入信道的信号叠加特性,空中计算技术能够在多终端无线信号传输的同时,对参数汇总计算,从而实现通信计算一体化设计,降低无线通信开销,提高边缘智能系统性能。通过实例介绍了空中计算的基本原理及其在边缘智能中的应用,并展望了未来研究方向。     

无线信道预测:联邦学习与集中式学习的通信开销

通过预测无线信道可以解决高速移动导致的信道过时问题、或利用预测资源分配提升无线系统的资源利用率和用户体验。尽管对机器学习进行离线训练的时间较长,但利用训练后得到的模型进行在线推断时计算复杂度低,有望解决信道预测这类对实时性要求高的无线任务。联邦学习可以充分利用移动设备采集的数据和计算资源,同时保护隐私敏感的用户数据。对于隐私不敏感的无线数据,应用联邦学习的主要动机之一是相对于需上传原始训练数据的集中式学习能降低通信开销。本文考虑平均信道、瞬时信道和未来接入小区这三个预测问题,对经过模型压缩后联邦学习的上行总数据量与集中式学习进行了比较。研究结果表明,对于所考虑的预测任务,即使经过了几千倍的压缩,联邦学习所需的上行数据量也不一定低于集中式学习,这意味着联邦学习的通信效率依然需要大幅度提高。      

面向6G的RIS信道测量与建模研究进展

智能超表面(Reconfigurable Intelligent Surface, RIS)技术被认为是6G中很有应用前景的技术。RIS信道研究对于RIS辅助通信系统的技术创新和性能评价至关重要。综述了RIS信道的测量与建模研究进展,总结了基于矢量网络分析仪(Vector Network Analyzer, VNA)的频域测量和基于滑动相关的时域测量两种信道测量方法。介绍了基于时域的RIS信道测量平台,并对目前的测量活动进行了总结。分析了RIS信道中的阵元反射系数、散射方向图和级联路径损耗三个特性。总结了RIS信道统计性建模、确定性建模和混合型建模的方法,给出了一种基于现有5G标准的3D几何统计性信道模型(Geometric-Based Stochastic Model, GBSM)扩展的RIS信道建模方法,以及基于此方法的RIS信道仿真平台。展望了RIS信道测量和建模研究面临的挑战和未来的研究方向。     

基于Ad Hoc网络路由协议的控制开销研究

对Ad Hoc网络路由协议的控制开销进行了系统而深入的研究。在分析了路由开销机制的基础上．对几种典型的开销优化方法和策略进行了研究和总结，并通过仿真研究了MAC协议对路由开销的影响，以及节点密度、业务流量和移动性等网络环境因素对路由开销的影响。     

一种高效太赫兹无线个域网MAC协议

太赫兹无线通信技术越来越多地受到人们关注,MAC协议作为无线通信的关键,如何适应太赫兹超高速率的无线网络是一个急需解决的问题。文章提出了两种新的机制用于改进现有太赫兹MAC协议存在的不足,最大可能地利用了信道资源,除去了冗余的控制开销,从而提高了无线网络通信的吞吐量。最后通过实际验证结果,对太赫兹无线网络MAC协议的进一步研究提供了支持。     

SDH开销字节的设置与应用

SDH帧结构中安排了丰富的开销字节用于网络的运行、管理和维护，概括起来，这些开销字节主要包括段开销（SOH）和通道开销（POH）两类。段开销又可分为再生段开销（RSOH）和复用段开销（MSOH），通道开销也可再分为高阶通道开销和低阶通道开销，分别用于段层和通道层的管理和维护。开销字节为SDH系统提供了较为细化的监控管理功能。例如，对于２郾５Gbit／sSDH系统，再生段开销可实现对整个STM－１６信号的监控，复用段开销则细化到可对１６个STM－１中的任何一个进行监控，而高阶通道开销又可再将其细化为对每个STM－１中VC…     

LTE FDD容量规划研究

重点分析了影响LTEFDD容量的相关因素：在此基础上,分析了LTEFDD系统的EpOCh、上下行链路信令开销占比、同时可调度用户数及VoIP用户数,给出了各项指标的具体计算模型及方法,针对15MHz的系统带宽,给出了LTEFDD的计算案例,以帮助LTEFDD无线网络系统容量规划设计。     

一种低开销的LTE上行链路信道估计算法

压缩感知理论作为信号处理方向较为前沿的研究方向,可以采用少数目的采样值以高概率来获得原始稀疏信号。同时,移动无线通信衰落信道恰恰具有稀疏特性。然而,传统的信道估计并没有根据信道的这一稀疏特性来得出算法。在研究多径信道稀疏特性的基础上,分析了将压缩感知理论运用于LTE上行链路进行信道估计的可行性,并建立了一种基于压缩感知技术实现系统信道估计的模型,提出了一种结合正交匹配追踪算法来估计信道时域响应的低开销LTE上行链路信道估计算法。此外,通过系统仿真进行了估计的均方误差性能分析,与目前广为使用的信道估计算法相比,所提出的低开销信道估计算法在保证估计精度的同时减少了导频开销,增强了系统性能。     

分布式机器学习在RIS辅助的无线信道估计中的应用

无线信道估计是部署可重构智能超表面(Reconfigurable Intelligent Surface, RIS)辅助通信系统的关键与前提,然而下行链路传输环境下信道估计困难且导频开销大是对智能超表面辅助通信的重大挑战。针对以上问题,提出了一种基于分布式机器学习(Distributed Machine Learning, DML)训练模型的区域交集切换方案。首先,建立了一个多用户共享的下行信道估计神经网络,通过DML技术协同用户与基站训练网络模型。其次,搭建分层次神经网络结构对用户区域信道进行分类和特征提取。最后,针对用户处于相邻信道交集位置问题采用特征区域模型融合。仿真结果表明,基于区域交集的DML模型方案能在减少信道训练导频开销的同时最大化信道估计的精准性能。     

智能超表面辅助低轨卫星通信技术综述

卫星通信能够提供超视距、大容量的通信服务,但在城市区域、峡谷森林等视线受遮蔽严重的区域,会出现视距衰落严重、多径效应显著等问题,影响通信质量。近年来出现的智能超表面(RIS)可以通过动态控制反射单元的电磁性质,构建可控电磁环境,为改善低轨(LEO)卫星通信质量提供新的思路。本文基于RIS基本原理与优势,对RIS用于LEO卫星通信中信道建模、信道估计、波束成形等关键技术进行探讨,最后分析了目前RIS在实际应用中面临的主要挑战,以期为LEO卫星场景下的RIS研究提供参考。     

P2P内容传输模型和链路开销最优化分析

对P2P内容传输(P2PCD)模型进行形式化抽象.在不受传输时间约束和受传输时间约束条件下,分析链路资源开销敏感的P2P内容传输相关优化问题,证明了P2P内容传输问题的链路资源开销最优化是NP-完全问题,需要近似最优化研究以达目的.该研究为以后更加复杂的P2P内容传输和P2P应用的优化设计提供了支持.最后指出该领域有待进一步研究的相关问题.     

网络级外场无线信道复现模拟技术及实现

外场无线网络信道在室内重现的复现技术,将会对无线技术研究和产品验证的方式产生很大影响。本文把无线信道分为单路信道和网络信道,首次对复杂无线网络信道实时控制技术、总体结构、外场采集信道和模型信道结合等技术进行关键技术研究。通过这些关键技术解决了支持不同MIMO信道、多基站多终端下的复杂多变的干扰关系、支持外场复杂衰落、支持外场采集信道和模型信道、信道可控性等问题,最后本文给出了典型的无线网络信道仿真应用。     

全球超过50％无线回程网络开销将来自亚太

Ovum预测，亚太区无线网络回程线路（backhaul）的整体开销将从2010年的28亿美元成长为2016年的38亿美元，期间的复合成长率为5．1％。2016年亚太区的无线网络回程线路设备的开销将微幅超越全球的50％。     

基于稀疏度自适应的RIS辅助无线通信系统信道估计

对于RIS辅助的无线通信系统中信道估计算法的研究,提出了DS-SAMP算法,与已有的DS-OMP算法相比,DSSAMP算法应用毫米波信道在角度域的双结构稀疏性,采用SAMP算法进行信号恢复,通过设置合理的步长和阈值使得在运行过程中不需要稀疏度等先验条件,扩宽算法的应用范围。仿真结果显示,DS-SAMP算法能在稀疏度未知的条件下将信号稳定恢复,完成相应信道估计,有显著优势。     

MIMO干扰对齐中低CSI开销和时延的反馈拓扑设计

干扰对齐实施过程中所需的大量反馈开销严重制约了其实际应用。反馈拓扑能够有效降低干扰对齐的信道状态信息(Channel State Information, CSI)获取开销。针对K用户多输入多输出(Multiple-Input Multiple-Output, MIMO)干扰信道，为了在低时延下进一步降低反馈拓扑的CSI开销，在用户数目相对较多的情况下(K≥6)提出了一种新的反馈拓扑结构。相比现有7种反馈拓扑中CSI开销最低的方案，所提反馈拓扑仅需其一半的时隙数目且在K≥7时具有更低的CSI开销。分析表明所提反馈拓扑能够实现CSI开销降低和时延缩减之间的有效折中。     

5G速率分析

为了解决5G业务速率问题,分析了上行物理信道和下行物理信道以及相应的信令信道的开销占比,研究了得到业务速率模型,通过仿真得到5G理论速率、下行理论速率和下行业务速率随SINR变化情况,从而可指导后续站点容量和布局规划。     

智能超表面近场通信的机遇与挑战

实现无线环境的智能可控是无线通信领域研究的热门课题之一。作为6G的关键技术之一,智能超表面(Reconfigurable Intelligent Surface, RIS)被认为是一种革命性的电磁环境调控技术。RIS以绿色、低成本的方式显著提升网络性能,通过对发射机和接收机以及传播环境的联合优化,重新定义无线系统的传播范式,构建智能可控的无线传播环境。RIS通常依赖于无源被动调控机制,但这种机制带来乘性路径损耗问题,超大规模调控单元的部署十分必要。随着阵列尺寸的扩大以及频率的提高,传统的平面波假设不再适用,近场传输不可避免。为了更精确地刻画RIS近场传输,需要研究近场球面波的传输模型及其在辐射近场区域的影响。深入分析RIS辅助的近场无线通信系统的信道模型,针对性地设计了适应性预编码方案和传输策略,旨在充分利用RIS辅助近场通信的潜在优势,提升整个无线通信系统的性能和效率。