高速铁路车地间多跳协作通信技术的仿真结果和分析

2023-08-23 理论教育版权反馈

【摘要】：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。

本节将通过仿真来验证所提出抗干扰方案的优势和性能。考虑高铁场景下基于几何的随机信道模型，分析速度、莱斯因子K、IRS优化相位调整和DNN训练预测结果对信道容量和误码率性能的影响。假设轨旁基站的发射天线数为4，IRS所拥有的天线单元为64个，接收天线设置为1根，相关高铁相关参数的设置为小区半径r=500m。

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。另外，训练的迭代次数设置也很关键，迭代次数少了，会出现欠拟合的状态，而多了又会造成过拟合，经过不断的尝试，根据损失函数所得的结果，迭代次数在200次左右之后损失已经小于学习率。在调整完迭代次数之后，在16万左右的数据量训练下，虽然没有很精确，但预测结果已经接近最优解。

表7.1　DNN相关训练参数设置及预测值列表

pagenumber_ebook=159,pagenumber_book=152

图7.4比较了最优遍历优化、SVM、KNN和本文所使用的HSR特征选取DNN优化方法。在统一速度下，最优遍历优化能够得到最优的信道容量，但是所需要获取的信道状态信息众多，且计算复杂度十分高，并不适用于高铁运行过程中进行实时的自适应空间调制与IRS天线选取。而基于监督学习的SVM和KNN虽然能够满足实时性的要求，但是其训练效果完全取决于人为选取特征的好坏，并且随着SNR的增大，与最优遍历优化的差距逐渐增大。从图中不难看出，本文基于DNN方法的信道容量很接近最优遍历优化下的性能，通过选取速度、与列车位置相关的空时相关系数作为特征，经过DNN模型的训练更好地拟合了其相关性，给最终选取的结果带来了很好的效果。

图7.5展示了IRS辅助空间调制系统信道容量受IRS放置个数和IRS与Bob和Eve相对位置的影响。当固定IRS与Bob之间、IRS与Eve之间的相对距离，根据理论分析，Eve对Bob产生的干扰将由于IRS的相位优化而显得很小，容易在接收端将其消除。而当相对距离发生变化时，从图中可以看到，IRS离Bob最近或者离Eve最近时才能达到最好的信道容量，越在中间的位置系统容量越低。其次，当IRS的单元个数增加时，信道容量会随之提升，但是呈现一种对数增长，也意味着存在极限值。

pagenumber_ebook=160,pagenumber_book=153

图7.4　本文所提HSR-DNN与最优遍历和监督学习方法的比较

pagenumber_ebook=160,pagenumber_book=153

图7.5　IRS元素个数、放置位置与系统信道容量关系图

图7.6展示了IRS辅助空间调制系统信道容量受列车位置和IRS的放置位置的影响。不论是列车与AP之间的距离，还是列车与IRS之间的距离都影响着系统的信道容量。一方面，从单个AP来看，当列车接近AP时信道容量增大，当列车驶离AP时相应减小。于是，通过在AP与AP之间放置一块IRS，便可以减小由于远离AP所造成的影响，同时也说明IRS能够极大地改善信道路径损耗带来的影响，而将IRS贴附在列车的车窗之上可以进一步拉近IRS与列车的距离。另一方面，不管对于单个AP来说，还是对于协作分布式AP来说，IRS的辅助都能带来较好的效果，在靠近IRS时，系统信道容量能够接近靠近AP时的值，意味着IRS能够替代部分AP，带来更低的功率损耗。

pagenumber_ebook=161,pagenumber_book=154

图7.6　IRS辅助空间调制系统信道容量与列车位置关系图

图7.7展示了考虑当高铁安全区外存在主动干扰机的情况，传统MIMO方案、SM方案与本文所提IRS辅助的SM抗干扰方案相比较下系统信道容量的差距。从图中不难看出，SM方案相比于传统MIMO在低信噪比的区域时拥有更好的抗干扰能力。此处设置SM的索引信息位数为2，APM调制符号的比特信息位数为4，由于SM将一部分信息映射成独立信道，所以这部分信息的SNR只与信道本身有关，而不受干扰的影响，但是剩下的APM调制符号部分仍受干扰的影响较为严重。所以可以看到，当SNR增大时，由于干扰源也会相应地加大发射功率，所以APM调制符号受限更为严重，使得SM方案在高SNR区域的抗干扰性能逐渐下滑。而本文在SM部分抗干扰的基础上加入智能表面，其能够调整散射多径的相位，当干扰机进行无差别干扰的时候，不仅可以通过到达角感知来定位干扰源的方向和区分基站有效信号、干扰源信号，而且可以通过纳米材料天线单元优化有效信号的相位，削弱干扰信号，从而最大化降低干扰信号对于高铁接收机的影响，虽然仍受干扰的影响，但是随着SNR的升高，干扰的影响也逐渐减小。而且可以看到不同的速度下，越快的速度受干扰影响越明显，而本文所提的IRS辅助的SM方案受干扰影响仍然较小，并且SNR的增大并没有使得干扰增长明显，证明了IRS辅助SM方案抗干扰的有效性。

pagenumber_ebook=162,pagenumber_book=155

图7.7　存在干扰机时，不同速度下的信道容量比较

图7.8展示了考虑高铁在运行过程中存在干扰机的情况下，不同速度的误码率的比较。从图中可以看出，在遭遇主动干扰机的干扰时，高铁接收机的误码率性能会受到很大的影响，而且随着SNR的增大，性能受影响的部分也越大。而不同速度下所造成的误码率的影响相比于干扰的影响不多。另外，由于SM依赖于信道独立性，也就是说信道主要为直视分量时，信道受不同的路径损耗的影响所造成的差异性越大，此时SM的性能越好，所以在视距分量充足环境下，SM的性能要更好，从而使得SM系统适用于高铁这种强视距分量为主的信道环境。

pagenumber_ebook=163,pagenumber_book=156

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。从图中可以看到，同为高架桥场景下，K=7dB时，当IRS到车载终端和IRS到未知干扰源的总距离固定，将IRS放置在中间位置的BER性能会小于IRS靠近车载终端的BER性能，所以在使用IRS辅助SM时，结合图7.5所得的结论，IRS应该放置在靠近车载终端。另外，随着IRS天线单元个数成倍增加，系统BER性能会逐步提升，但可以发现天线单元个数呈指数增加时，BER是线性增加的，这与前面系统安全容量随着天线单元个数呈对数增加的结论是类似的，说明单纯地增加IRS的天线单元数会存在性能提升的上限。而考虑场景时可以发现，当信道环境中存在较强的LoS分量时，系统的BER性能会更好一点，这是由于直视路径的增强使得SM系统的检测更精确。

pagenumber_ebook=164,pagenumber_book=157

图7.9　不同IRS到用户的距离下误码率随着SNR的变化比较

高速铁路车地间多跳协作通信技术的仿真结果和分析

相关推荐