图8.8所提第三级联合优化算法的频谱效率与信噪比增加变化图图8.9所提第三级联合优化算法的频谱效率随单元个数Nr变化图接下来，将对所提的多级抗阻塞算法进行联合分析。图8.10本文所提多级抗阻塞算法与部分抗阻塞算法的频谱效率比较图8.11所示为在整个迭代过程中，不同SE阈值下各等级算法执行次数随着传输功率的变化占总迭代次数比值的比较。......
2023-08-23
高速铁路车地间多跳协作通信技术的数值分析结果
【摘要】：图8.8所提第三级联合优化算法的频谱效率与信噪比增加变化图图8.9所提第三级联合优化算法的频谱效率随单元个数Nr变化图接下来，将对所提的多级抗阻塞算法进行联合分析。图8.10本文所提多级抗阻塞算法与部分抗阻塞算法的频谱效率比较图8.11所示为在整个迭代过程中，不同SE阈值下各等级算法执行次数随着传输功率的变化占总迭代次数比值的比较。
为了验证所提出多级抗阻塞算法的有效性，我们考虑利用基于IRS辅助的混合通信系统进行仿真验证，其中假设高速列车的用户均集中于同一个波束覆盖范围内，通过在接收端根据不同的信道强度并利用交替干扰消除方法进行解码。为了便于计算，我们将系统模型简化为如图8.5所示的简易模型图，并定义基站端到IRS端的距离为dBI，IRS端到用户端的距离为dIU。忽略基站端到用户端直视链路的发送角度，则基站至用户距离为dBU=dBI+dIU。假设每个用户的所需最小服务质量定义为Rmin=0.01bit/s/Hz，并均具有相同的噪声功率以恒定的速度进行同方向移动。仿真详细参数如表8.1所示。
图8.5 简化系统模型图
表8.1 仿真参数表
为了评估我们所提出的多级联合预编码优化算法在无阻塞和阻塞情况下以及不同系统配置时的性能，我们将联合优化方案进行拆分，分别对第二级和第三级优化算法单独进行了分析。如图8.6所示为所提出的第二级聚焦功率优化预编码算法与传统码本字典算法在特定波束角度内的聚焦功率比示意图，其中波束宽度定义为
。通过观察可以发现，所有算法的辐射功率大多集中于指定的波束宽度内，其中所提出的算法相比于无阻塞情况level1时的码本字典算法在波束内具有更平稳的辐射功率。而level1传统码本字典算法由于选取了天线响应矢量作为码本字典，因此在波束内具有更为聚焦的功率，但在波束外同样造成了较多的旁瓣干扰。所提出的level2聚焦功率字典算法在level1算法的基础上额外添加了辐射功率优化，因此所提算法在波束外具有最少的功率泄漏，其波束辐射功率都集中于指定的波束宽度内。
图8.6 波束角度内所提聚焦算法辐射功率比波束图
图8.7展示了随着随机阻塞概率增长时，所提level2聚焦功率算法与传统码本算法的频谱效率比较。通过观察可以发现，由于level2聚焦功率算法与传统码本算法均依托直视链路信道进行传输，因此随着直视链路的随机阻塞概率逐渐增加，所提聚焦功率算法与传统码本算法的频谱效率均有一定程度的降低。其中，当传输功率为30dBm时，利用具有25%概率阻塞的信道进行传输将造成19.9%的性能损失，并且当阻塞概率增大到65%时，所提聚焦功率算法的性能降幅将达到39.7%。此外，在相同阻塞概率下，利用所提level2聚焦功率算法相比传统码本算法提供了额外的频谱效率增益，这大大增强了在轻度链路阻塞时的鲁棒性。因此，虽然过高的阻塞概率造成了更高的链路中断次数，对所提聚焦算法和传统码本的性能均带来了较大的损耗，但是通过额外增大传输功率或利用所提出的聚焦功率算法能够抵抗一定的链路阻塞。
图8.7 不同传输功率下所提聚焦算法的频谱效率随阻塞概率变化
接下来为了评估当直视链路存在重度阻塞时，所提出的切换至IRS辅助通信链路方案的性能表现，选取了传统中继转发预编码算法与传统点对点预编码算法进行比较。由于在重度阻塞时进行了系统的切换，因此在IRS辅助传输过程中不存在直视链路。
图8.8显示出了在最大发射功率P=10dBm的情况下，所提出的IRS转发方案的频谱效率随着链路信干噪比变化的趋势图。由于所提出的IRS联合优化算法同时还包含了基站端动态功率分配，因此选取了利用平均功率分配时对基站端预编码与IRS相移矩阵采用同样联合优化方案的算法进行了比较。通过观察可以发现，所提出的具有动态功率分配的联合优化方案相比于平均功率分配的联合优化方案有着9.7%的性能增益。但当仅采用动态功率分配而不进行预编码矩阵与被动相移矩阵的联合优化，将相比于所提出的联合优化算法有着45.3%的性能损失。因此，为了获得满意的频谱效率性能，所提出的动态功率分配与预编码和相移矩阵应该参与同时联合优化。此外，由于IRS相比于传统中继节点仅具有信号转发的功能，而不能对信号进行放大，因此所提出的IRS转发方案相比于传统中继具有较低的系统性能。但由于IRS不进行信号再处理，因此在传输过程中有效避免了因转发节点自身的环路信号所产生的噪声干扰，这大大降低了目的端的解码复杂度。
图8.9显示所提的第三级联合优化算法的频谱效率随IRS反射单元个数的增加的变化曲线。可以观察到，随着单元个数的增加，由于基站处最大传输功率的限制，系统的频谱效率的变化梯度逐渐减小。具体来说，所提出的联合优化算法具有更高的IRS单元适应性，其上限为Nr=48。值得注意的是，与采用动态功率分配但不进行预编码的联合优化的方案相比，所提出的算法的频谱效率有了很大的提升。此外，由于通过预编码和反射矩阵的联合优化补偿了IRS处恒模约束C3的影响，因此即使系统使用大规模的IRS单元，当继续提升IRS表面单元不能带来较大性能改善时，也可以通过应用所提出的动态功率分配方案来进一步提高系统性能。同时，这也再一次表明所提出的联合优化方案的有效性。
图8.8 所提第三级联合优化算法的频谱效率与信噪比增加变化图
图8.9 所提第三级联合优化算法的频谱效率随单元个数Nr变化图
接下来，将对所提的多级抗阻塞算法进行联合分析。如图8.10所示比较了所提出的多级联合抗阻塞预编码算法随着传输功率增大时的频谱效率变化，并与无抗阻塞算法进行了比较。通过观察可以发现，随着传输功率的逐渐增大，无阻塞情况算法性能表现逐渐趋近于抗阻塞算法，这是由于大传输功率补偿了链路阻塞造成的性能损失。并且随着传输功率的增加，接收端的信干噪比与系统容量进一步增大。因此在整个仿真过程中，当传输功率超过15dBm时，通过第三级联合优化算法所带来的频谱效率将减少，而通过第一级与第二级算法所带来的频谱效率逐渐增大。
图8.10 本文所提多级抗阻塞算法与部分抗阻塞算法的频谱效率比较
图8.11所示为在整个迭代过程中，不同SE阈值下各等级算法执行次数随着传输功率的变化占总迭代次数比值的比较。通过观察可以发现，随着传输功率的增大，第三级联合优化算法的占比逐渐减少，二级聚焦功率算法的占比先增大后减少，而第一级无阻塞算法占比逐渐增大。这进一步验证了传输功率的增大对阻塞情况的改善情况，随着传输功率的增加增大了接收端的信干噪比。因此以第二级和第三级算法处理的阻塞情况逐渐减少，通信链路更倾向于无阻塞情况。此外，随着判断第二级与第三级界限的系统容量阈值SEth的变化，第二级算法的占比与第三级算法的占比有着显著的变化趋势。随着阈值的增大，由于传输功率不能够提供足够的系统容量，因此第二级算法的占比逐渐减少，而系统传输过程以IRS辅助传输为主。另外，由于系统容量阈值并不对第一级算法产生影响，因此不同系统容量阈值下第一级算法占比相同。
图8.11 不同SE阈值下各等级算法占总迭代次数比值的比较
为了进一步说明所提抗阻塞算法在采用不同容量阈值时的性能表现，图8.12分析了不同SE阈值下采用所提抗阻塞算法的频谱效率与以无阻塞算法为基准的复杂度比率之间的权衡，其中公共变量为系统最大传输功率。通过观察可以发现，更高的阈值能够获得比低阈值更高的频谱效率，但由于执行IRS转发的次数增加，算法复杂度也有一定的提升。此外，逐渐提升的传输功率不仅能够提升系统的能量效率，同时能够为减轻系统算法复杂度带来一定的帮助。因此，针对具有不同系统容量需求的用户，选取足够大的传输功率能够为系统性能及计算复杂度带来一定的帮助。
图8.12 不同SE阈值下所提抗阻塞算法复杂度与SE之间的均衡比较
此外，高速移动毫米波网络中影响链路阻塞的另外一项因素就是移动速度。因此为了评估不同移动速度下所提抗阻塞算法的性能表现，图8.13展示了所提算法与无抗阻塞算法在不同移动速度下的频谱效率比较。通过观察可以发现，随着移动速度的增加，抗阻塞算法与无抗阻塞算法均具有一定程度的性能下降，这是由于移动速度的增加产生了较大的多普勒频移，因此在接收端将会具有一定量的性能损失。并且，随着传输功率的增大，由移动速度所造成的性能损失更加明显。例如，当移动速度超过440km/h时，利用50dBm进行传输时并采用无抗阻塞预编码算法时，系统的频谱效率将降低至以30dBm进行传输时的系统性能。而利用所提抗阻塞算法时，这种同等级的性能降低将延迟至480km/h。这是由于所提出的联合优化算法是通过利用额外的IRS进行链路转发以解决重度阻塞问题，而高速移动仅对IRS至用户段传输造成了干扰。因此，为了进一步提升在高速移动下的系统传输性能，不仅需要利用所提出的抗阻塞算法，更是需要额外添加针对多普勒频偏补偿的其他传输技术。
图8.13 不同移动速度下所提抗阻塞算法与无抗阻塞算法性能比较
有关高速铁路车地间多跳协作通信技术的文章
- 详细阅读
-
高速铁路车地间多跳协作通信技术的仿真结果和分详细阅读
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
-
高速铁路车地间通信多跳协作技术详细阅读
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
-
高速铁路车地间多跳协作通信技术的仿真与分析结详细阅读
图6.2所提算法与其他算法的MSE性能比较由于完美信道为非完美信道下更能展现算法性能的一个特例情况，因此首先对于完美信道下的中继混合预编码设计进行仿真分析。图6.6中继接收与发送采用不同量化位时SE随量化位数变化曲线图6.7显示了利用不同分辨率PSs时的EE性能。这是因为与3位分辨率的情况相比，具有1位分辨率PSs的可实现SE的退化是显著的。......
2023-08-23
-
高速铁路车地间多跳协作通信技术详细阅读
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
-
高速铁路车地间多跳协作通信技术的性能分析详细阅读
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
- 详细阅读
-
高速铁路车地间多跳协作通信仿真结果及分析详细阅读
在本节中，通过仿真的方式验证本章前面几节所提出的理论，并详细分析速度、位置、莱斯因子K和功率分配因子α对安全容量和BER性能的影响。图4.3DSSM与现存其他方法信道容量的比较在图4.4中，详细讨论了列车位置对图4.4的遍历性SC和图4.4的合作平均SC的影响。图4.6本文所提协作DSSM与集中式传统SM的信道容量比较图4.7显示了不同莱斯因子K和相关阴影衰落方差情况下，高铁的移动速度对DSSM系统误码率性能的影响。......
2023-08-23
相关推荐