无线传感器网络中协作波束形成的能量有效性分析

分析了无线传感器网络中端到端误码率给定情况下协作波束形成的能量效率,给出了不同路径损耗因子和传输距离下的最优协作发射节点个数.首先,综合考虑发射能耗和电路能耗,给出了接近实际情况的系统能耗模型,并推导出系统能耗与误码率之间的近似闭式关系.然后,基于该近似模型,给出了不同路径损耗因子和传输距离下使系统能耗最小的优化协作发射节点个数.理论分析和仿真结果表明:在系统调制方式和误码率给定的情况下,存在着一个临界距离使协作波束形成比非协作传输和协作空时编码都更节能;而且在不同路径损耗因子和传输距离下,存在不同的最优协作发射节点个数使系统能耗最小.     

多径信道下单载波V-BLAST系统的快速频域均衡算法

针对单载波V-BLAST系统,提出了一种低复杂度的最小均方误差频域判决反馈(minimum mean square error frequency-domain decision-feedback,MMSE-FDDF)均衡算法.该算法利用离散Fourier变换(discrete Fourier transform,DFT)是酉变换这一特点,将时域波形的MMSE检测转化为对其频谱的MMSE检测.为了获得反馈信号,接收机必须实现对每层信号频谱的完整检测,由于系统矩阵被设计为特殊的blockcirculant -block矩阵,这一工作能够高效完成.与其他V-BLAST类系统相似,排序对于MMSE-FDDF算法的检测性能有着重大影响.因此,又提出了一种适用于MMSE-FDDF结构的快速排序方法.通过构造新矩阵,MMSE-FDDF均衡器的系数计算和排序被合并为一个过程,再利用修正Gram-Schmidt(MGS)算法对该过程简化.仿真结果以及复杂度分析表明,与已有算法相比,MMSE-FDDF具有更好的性能复杂度折中,而且避免在严重弥散信道下因使用重叠保留技术造成的性能损失.     

基于SAC强化学习的车联网频谱资源动态分配

针对车联网频谱资源稀缺问题,提出一种基于柔性致动-评价（SAC）强化学习算法的多智能体频谱资源动态分配方案。以最大化信道总容量与载荷成功交付率为目标,建立车辆-车辆（V2V）链路频谱资源分配模型。将每条V2V链路作为单个智能体,构建多智能体马尔科夫决策过程模型。利用SAC强化学习算法设计神经网络,通过最大化熵与累计奖励和以训练智能体,使得V2V链路经过不断学习优化频谱资源分配。仿真结果表明,与基于深度Q网络和深度确定性策略梯度的频谱资源分配方案相比,该方案可以更高效地完成车联网链路之间的频谱共享任务,且信道传输速率和载荷成功交付率更高。     

存在未知共道干扰时STBC系统的鲁棒线性接收机

针对存在未知共道干扰的STBC系统,文中提出了一种基于斜投影的鲁棒线性接收机.该接收机首先利用斜投影的思想,将期望信号子空间与干噪(干扰信号及噪声)子空间分离,然后再在期望信号子空间,利用STBC编码的正交结构,采用匹配滤波接收机进行STBC解码.最后的仿真结果表明,在有限样本和信道估计有误差的情况下,基于斜投影的线性接收机比传统的Capon类线性接收机有更好的干扰抑制性能.     

多小区STBC系统中基于自干扰抵消的鲁棒线性接收算法

在多小区有未知共道干扰存在的STBC系统中,针对已有Capon类线性接收算法在有限样本情况下会造成STBC解码符号间自干扰的问题,该文提出了一种鲁棒的线性接收算法。该算法结合STBC的正交结构,首先通过正交投影的方法去除同一码字各符号间的自干扰,然后再利用Capon接收算法结构进行未知干扰的抑制。仿真结果表明,结合STBC正交结构和Capon接收结构的线性接收算法比传统的Capon接收算法有更好的干扰抑制性能。