表4.1基于最大化安全容量的联合天线选择和功率分配算法2.基于拉氏乘子法的功率分配方案通过JOSCA算法能够选取出使得系统安全容量达到最优的发射天线和发射功率,根据安全容量的闭式表达式,可以发现,不管发射人工噪声的RAU的功率如何进行分配,都不会影响最终的发射天线的选择和发射有效信号功率分配因子的求解,所以可以对发射人工噪声的功率进一步分配以明确冗余的RAU分别使用多大的功率。......
2023-08-23
高速列车在行进的过程中想要与车厢内的用户进行通信,将会受到车厢穿透损耗的严重影响,从而导致通信中断。要想减少无线通信的中断可能,基于车载中继的多跳传输方案无疑是一种好的选择,可以将其看作全双工双向中继系统。而与传统中继系统不同的是,由基站端到车载中继端需要考虑为高铁信道,而由车载中继端到用户端可以考虑为毫米波信道,并可以由此进行预编码优化。
1.传统中继技术关键问题及研究现状
传统中继拥有多根天线,具备接收、发射以及处理信号的能力。与基站不同的是,中继处理完信号后,可根据实际需要选择不同的转发机制,以达到辅助通信的结果。如文献[47]中采用了放大转发机制,而文献[48]中则采用了解码转发机制。此外,在多中继协作通信中,通常会选择性能较优的某一个或某一组中继进行信息转发。文献[47]、[48]均提出了一种基于最大化安全容量的最优中继选择方案,研究了存在窃听者的全双工双向协作通信系统的保密性能。文献[49]中证明了最优中继选择方案可以有效增强系统的安全性能,同时进一步分析了窃听者的位置对系统安全性能的影响。而较低复杂度的次优中继选择算法可以获得不错的系统容量增益[50]。文献[51]提出最优、次优联合中继选择方案,并通过未分配的中继向窃听者发送干扰信号,显著提高多跳多用户全双工中继网络的保密性能。
另外,协作中继还能从物理层解决通信过程中的安全问题[52,53]。文献[52]表明中继可以从物理层方面有效地提高大规模MIMO系统的安全性能。不同于文献[52]、[53],在中继工作解码转发协议下,提出了一种优化框架,通过优化每一跳中的源传输功率、中继发射功率以及传输时间,以最大化保密中断容量。在经典的三节点中继网络中,文献[54]提出了一种包含单向、双向半双工,以及单向、双向全双工这四种中继模式的混合中继模型,通过选择中继模式和功率分配算法达到最大化端节点和速率的目的。
在大规模MIMO中继通信系统中,为了降低信号处理的复杂度以保证低延迟通信,中继通常会采用放大转发机制。文献[55]中研究了多用户大规模MIMO中继系统,在上行链路中考虑了最大比合并、迫零(Zero Forcing,ZF)接收机两种情况,在下行链路中考虑了最大比传输(Maximum Ratio Transmission,MRT)以及ZF预编码两种情况,并分别推导了四种传输方式下系统频谱效率(Spectral Efficiency,SE)的下界表达式。文献[56]中作者分析了多天线双向中继网络的中断概率和误码率,并研究了中继位置和功率分配之间的联合优化问题。增大中继的天线数还可以有效减少中继处量化造成的性能损失[57]。
此外,传统中继节点工作模式分为半双工和全双工的工作模式。其中,半双工工作模式下发送和接收功能将在不同时隙完成,以避免因发送残余所导致的回环信号的干扰。但是,这种工作模式的传输效率较低,当需要传输大量信息流时容易因信令风暴导致链路阻塞,因此常常应用于速率要求不高的场景中[58,59]。为了提升半双工中继的传输性能,文献[60]考虑半双工中继系统容量需求,通过选择子中继节点实现高斯传输网络的简化。此外,文献[61]还提出利用多中继编码协作的方式来弥补因半双工约束所导致的复用增益损耗。
为了契合超可靠和低延迟通信的需求,采用全双工中继协助转发已经成为研究的趋势[62,63]。由于全双工工作模式能够同时接收和发送数据流,因此相比半双工具有更高的传输效率。然而,这种全双工工作模式在进行转发时会额外遭受残留回环信号的干扰,导致接收端接收到的信号频谱效率降低。因此,现有的研究通过采用多种方案来减少自干扰,例如功率分配[64,65],窃听补偿[66,67]和联合抵消器的干扰消除[68]。
为了进一步利用空间分集增益并减少因全向传输导致的回环信号干扰,中继转发节点同样可以部署大规模天线阵列实现接收和发送的波束控制[69]。其中文献[70]指出通过增加发射机尺寸,能够允许利用波束成形技术对全双工自干扰实现部分消除并提升系统总和速率。此外,文献[71]在中继节点处应用基于零空间的波束成形技术,以根据信道对齐和空间投影方法共同缓解信号干扰。针对高速移动毫米波场景,为了更好地结合大规模天线技术以通过聚焦定向波束实现更高效的传输过程,在中继波束的优化设计过程中需要联合考虑节点中发送与接收的影响[72]。然而,受制于难以完整获取高速移动毫米波环境下的接收与发送端信道状态信息(Channel State Information,CSI),并且实际硬件结构往往具有较高的复杂约束,联合波束优化与分配仍然具有一定的难度。
2.中继预编码技术及其特点
用户聚焦信号簇实现定向传输信号的波束成形技术能够很好地契合高速移动毫米波与中继技术,用来提升通信系统的空间分集与天线增益。波束成形是通过利用大规模天线阵列所产生的阵列增益实现高度定向的波
图1.4 高速移动中继系统网络架构
制移相器无法实现准确的波束对准,因此无法实现较高的通信性能[78]。
数字预编码技术相比于模拟预编码具有更高的自由度,由于其能够通过对每个天线链路实现独立的控制,因此有着模拟预编码无法达到的自由性[79]。但是,数字预编码需要利用成本和能耗均较高的射频链路来实现,并且其部署具有较高的复杂度,随着天线规模的逐渐增大,利用全数字预编码的结构实现波束成形是不切实际的。为了实现性能增益与系统复杂度的均衡,联合全数字预编码与模拟预编码的混合预编码结构被提出[80]。其通过利用高维的模拟预编码在相位层面进行调控,而利用低维的数字预编码提升其增益。这样的混合结构仅需少量的射频链路进行连接,既能够有效地提升系统性能又能减少能耗。因此,在高频段毫米波通信网络中,混合预编码技术具有广阔的应用前景。
3.高速移动下中继预编码技术关键问题及研究现状
高速移动场景下通过应用预编码技术能够克服毫米波传输带来的路径损耗,在结合配备大规模天线的中继协作技术提升传输增益后,可以有效提高蜂窝小区范围内的通信链路质量。由于预编码的设计高度依赖信道状态信息的获取,而sub-6 GHz以下的信道模型并不适合高速移动场景,因此为了在高速移动毫米波频段下获取更加契合的信道模型,文献[81]提出了基于几何随机的毫米波信道模型,并通过利用光线追踪模拟器测得符合空间一致移动性的精确几何信息。基于上述模型,文献[82]提出了多传输状态下的基于随机阻塞的自适应混合预编码抗阻塞方案,保证了通信链路的稳定连接。另外,文献[83]基于实际测得的原始数据在信号强度、功率延迟曲线、均方根扩展等方面验证信道的非平稳性,并通过推广自由空间路径损耗模型,验证了高速移动环境下固定的预编码方案仍然具有一定的优秀性能。
为了提高车地通信网络的通信传输速率,文献[84]根据列车运行方向与速度的可预测性,设计了一种最佳的非均匀毫米波波束切换方案来确定用于高速铁路网络的预定义波束的边界,以实现通过自适应预编码的波束成形。为了进一步弥补因波束到达角度预测的不确定性所造成的性能损失,文献[85]通过利用基于跟踪的贝叶斯方法实现具有较高可信度的角度预测,并利用混合波束成形提升性能增益。随着高速移动下通信场景复杂度的不断提升,保证通信链路稳定的要求也越来越高[86]。其中,文献[87]通过利用预编码技术实现波束范围内信干噪比(Signal-to-Interference-plus-Noise Ratio,SINR)的平稳接收,以实现位置公平的传输方案。值得注意的是,为了更好地利用波束成形所带来的空间分集增益,需要联合考虑系统的性能[89]。
针对应用于不同场景的混合预编码方法,现有代表性的混合预编码方案如表1.3所示。为了适应毫米波频段中大规模天线阵列的利用,混合预编码结构的设计同时需要考虑模拟与数字网络所具有的约束。其中,模拟预编码受最大幅值的限制,并且其可调相位同时受到精度限制。而数字预编码同时受到总发射功率的限制,这种复杂耦合多变量的限制条件表现出强的非凸特性,这为混合预编码的直接优化带来了较大的困难。针对求解最佳混合预编码时遇到的高耦合特点,在点对点通信结构中,利用空间稀疏特性的正交匹配追踪[74]和基于梯度投影的松弛半定规划[75]等方案被提出;同时,针对有传统中继节点参与的多跳通信结构中,利用广义奇异值分解[90]和迭代逐次逼近[91]等方案也被采用;此外,针对联合IRS的通信系统中,通过运用例如基于样本平均[92]、机器学习[93]和基于到达角度估计[94]等迭代算法同样实现了主被动的联合预编码设计。
表1.3 现有代表性的混合预编码方案总结
在上述关于不同场景下预编码技术方案的文献中,无论是点对点通信结构,还是基于传统或虚中继的转发通信结构,其预编码设计方案往往仅优化片面的性能指标。而针对移动毫米波场景下复杂的信道环境,如何利用预编码技术来解决中继节点的联合优化、系统能量效率(Energy Efficiency,EE)与频谱效率的均衡、高效的波束功率分配等方面问题也是亟待解决的。
有关高速铁路车地间多跳协作通信技术的文章
表4.1基于最大化安全容量的联合天线选择和功率分配算法2.基于拉氏乘子法的功率分配方案通过JOSCA算法能够选取出使得系统安全容量达到最优的发射天线和发射功率,根据安全容量的闭式表达式,可以发现,不管发射人工噪声的RAU的功率如何进行分配,都不会影响最终的发射天线的选择和发射有效信号功率分配因子的求解,所以可以对发射人工噪声的功率进一步分配以明确冗余的RAU分别使用多大的功率。......
2023-08-23
由于精确的误比特率难以获得,本文通过推导成对差错概率来获得平均误比特率的上界。在瑞利道下,类似文献[158]相关的推导,得到Bob的接收误比特率为其中,为发射端与Bob的信道系数方差。对于Eve,可以将人工噪声表达为信道噪声的一部分,从而Eve接收误比特率为考虑到实际情况下,Eve端无法得到反馈的CSI。因此,对于Eve来说,最终的误比特率可以近似表示为[163]......
2023-08-23
系统的SC为合法信道容量与窃听信道的信道容量的差值其中,P表示传输功率;表示合法信道的噪声方差;表示窃听信道的噪声方差。反之,则系统的SC为0,不具备保密能力,无法实现信息的安全传输。当信道为复加性高斯白噪声信道时,系统的SC为2.误比特率性能分析SM信号经过MLD算法检测后,由于精确的误比特率难以获得,本文通过推导成对差错概率来获得平均误比特率的上界。......
2023-08-23
考虑高铁场景下,基于IRS辅助的空间调制下行传输系统。图7.1智能表面辅助的高铁空间调制系统图将调制载波信号从基站端发射至车载接收端有两条路径,分别为基站端直接传至高铁车载接收端,其信道服从空时相关的莱斯分布,与第4章中所用的衰落一致;另外一条路径为经过IRS反射之后到达车载接收端,可以分为两段,第一段为莱斯衰落,第二段需要将空时相关性、IRS反射相位等综合考虑。......
2023-08-23
则BS和IRS之间的信道矩阵被建模为其中,是BS-IRS链路中第n条路径的复信道增益,an和bn是与传统毫米波信道相似的第n条传播路径的接收和发送阵列响应向量,分别表示为其中,λ是毫米波波长;表示与均匀天线阵列中相似的单元距离。对于IRS和用户之间的毫米波信道,由于IRS密集分布在传输路径中,因此视距传输较为集中,这使得散射路径可以忽略[81]。......
2023-08-23
接下来,我们将关注问题的多预编码矩阵联合优化问题,其中等价目标函数通过以下过程重新制定,以适应基本ADMM解决方案框架。近似解可计算为为了确保优化结果满足功率约束,需要通过求解子优化问题来额外计算松弛的数字预编码矩阵,其拉格朗日函数由下式给出:其中,ε≥0为拉格朗日乘子。......
2023-08-23
本节将通过仿真来验证所提出抗干扰方案的优势和性能。如表7.1所示,部分DNN训练集的输入输出参数经过模型训练后能够得到预测结果,关于DNN模型的相关参数隐藏层的个数为6层,经过调试,将各层神经元的个数设置为500,1000,1500,2000,800和300。图7.8存在干扰机时,不同速度下的误码率比较图7.9分析了不同IRS到用户的距离下,误码率受莱斯因子和IRS天线个数以及SNR的影响比较。......
2023-08-23
相关推荐