面向智能车联网的毫米波波束追踪技术验证平台开发

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:feng_zj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为保证低时延高可靠自动驾驶场景需求落地实现,面向低时延高可靠自动驾驶的6G车联移动通信系统(第六代车联移动通信系统)加快推进规划部署进程,通过采用毫米波通信技术来达到车联网对低时延高数据速率业务的需求;为实现高动态车联环境中快速建立可靠的定向毫米波通信,需要设计快速可靠的波束选择和追踪方法来对具有极窄波宽的毫米波信号波束方位进行快速认知、准确控制,并实现稳定可靠的链路通信。因此本论文主要研究面向智能车联网的毫米波波束方位的快速认知、准确控制方法,开发基于毫米波波束控制和追踪技术的软硬件验证平台,验证提出的波束控制和追踪技术的可行性。本论文的贡献点主要体现在两个方面:(1)面向复杂多变的高动态车联场景,提出基于车辆位置和姿态行为预测的波束选择和追踪算法框架。进一步,具体提出利用平滑变化率和突变变化率来建模波束角度的小尺度平稳快变和大尺度骤变特性,以此来表征车辆的不同姿态行为对波束角度快速变化的隐性因果关系,从而进行有效的波束快速选择。采用联合位置和姿态行为预测信息和本文提出的改进的粒子滤波的新型波束追踪方法,根据信道的历史状态信息和波束角度估计值来探索时域、角度域信道的隐式关联,然后根据测量信号功率观测值来自适应调整当前时刻波束角度的最优角度集,实现快速高效的波束追踪,仿真验证了相比于传统粒子滤波算法,所提出的波束追踪算法可降低误差10dB。(2)最后,基于设计搭建的毫米波通信硬件平台在室内低速移动场景下对所提出的波束选择与追踪算法进行测试验证,在保证毫米波通信系统单链路传输速率始终高于2.8Gbps的同时,实现了波束选择的平均时延稳定在300ms,波束追踪的平均时延稳定在200ms。最后,对本文研究内容进行总结,并对毫米波波束控制和追踪算法和平台优化进行展望。
其他文献
移动边缘计算是一种新兴的体系结构,通过将云资源(例如存储和计算能力)部署到无线接入网络的边缘来增强移动云计算的能力。这为用户提供了强大而高效的计算、存储、能效、移动性、位置以及上下文感知支持。移动边缘计算支持各种需要超低时延的创新应用和服务。然而,在移动边缘计算任务卸载的研究中,高速运动的用户在进行计算任务卸载时会导致计算任务在系统中频繁迁移,从而引入额外的传输时延并降低用户体验。同时,在将移动节
深度学习在图像识别、语音识别、文本匹配等各种复杂任务中都表现出强大的特征表示学习能力,并逐渐应用于自动驾驶、语音控制、恶意应用检测等与用户生命财产息息相关的场景中。然而对抗样本的存在给这些应用蒙上了一层阴影,对抗样本是在正常数据中加入细微扰动所得到的恶意输入,能够导致性能良好的模型做出错误决策,对于图像数据,这种扰动常常难以被人眼发觉。更严重的是,对抗样本表现出迁移性,即用于攻击某一目标的对抗样本
在智能手机飞速发展的今天,人们对手机的依赖性越来越大,自然而然就导致手机内会存储大量的隐私数据,其中包括视频、文件、图片,甚至联系人以及通话记录等。局限于手机自身系统以及相关软件防护的不全面性,导致用户的隐私数据存在非常大的隐患。基于这样的场景,本次设计开发出这款应用系统,帮助用户解决这个后顾之忧。本文在研究Android相关技术的基础上,采用MVC为框架设计并实现主界面隐私数据的获取和展示。从隐
近年来,无人机发展势头迅猛,市场份额爆发式增长,是全球新一轮科技革命和产业革命的热点。无人机以其高灵活性、高机动性和可视距等特性,十分适合作为空中基站,在一些极端情况如火灾、地震以及一些基站信号无法覆盖的情况下可以发挥重大作用。无人机通信自组网具有组网灵活、抗毁性强以及容量大等优点,成为了研究的一大热门。本文针对上述情况,对无人机自组网系统进行了研究,自组网系统包括多架无人机与多个用户,采用时分多
无线通信技术的发展,极大地加速了移动网络数据业务量的增长,而大容量、高速率、低时延等通信指标的升级又进一步加剧了低频段频谱资源的枯竭。为了满足无线通信持续增长的需求,需要研究与开发更高频段的毫米波/亚毫米波段。而毫米波/亚毫米波段拥有丰富的连续空闲带宽资源,具有波束窄和受天气干扰影响小等优势。因此作为第五代(5G,Fifth Generation)移动通信系统通信波段的毫米波乃至于频段更高的亚毫米
随着互联网的快速发展,现有的网络体系结构已经难以满足社会的需要,网络僵化问题日益严重。网络虚拟化技术能够将底层网络资源抽象化,允许多个虚拟网络共存于同一底层网络中,是应对网络僵化的有效手段。虚拟网络映射问题是网络虚拟化领域的关键问题,其主要目标是将带有多种约束条件的虚拟网络请求映射到底层网络上,并尽可能地使网络运营商的收益最大化。利用单一的启发式算法解决虚拟网络映射问题存在着容易陷入局部最优值与收
随着物联网的发展和5G网络兴起,DDos(Distributed Denial of Service)即分布式拒绝服务攻击,破坏力越来越大。从服务商的角度来看,DDos攻击具有两个特性,首先DDos攻击流量是巨大的,其次DDos攻击时间是短暂的。基于以上两种矛盾DDos防御云服务也运势而生,它主要处理服务提供商为DDos防御需求的资源成本高以及利用率低的矛盾,给出一种按需服务的解决方案,在成本和损
薄膜晶体管(Thin Film Transistor,TFT)如今被广泛用于电子产品的液晶显示器制造中,瑕疵检测是影响此类屏幕生产质量的关键技术之一。工业检测算法一般分为特征提取与特征匹配两个关键步骤,通常设计人员设计合适的特征描述子匹配图像中的瑕疵以便分离识别,这些描述子都是基于低级特征手工设计的,泛化能力较弱。近年来,基于深度学习的目标检测取得了令人瞩目的突破性成果,这些模型往往具备强大的特征
随着无线通信技术的飞速发展,在第五代移动通信系统(5G)中,为了满足用户对于数据传输速率不断攀升的需求,信号的带宽需要更宽,并且为了在有限的频带内传输更多的信息,提高频谱利用率,无线信号的调制效率也需要更高。这样复杂的宽带信号会使得射频功率放大器(Power Amplifier,PA)表现出非常强的非线性,对通信的质量十分不利。而功率放大器是无线通信的必要部分,功放的线性度一定程度上决定了无线通信
随着智能汽车技术和车联网的发展,大量的车载智能应用相继出现,它们对服务质量、用户体验以及系统开销等方面提出了更为严苛的要求。车载边缘计算(Vehicular Edge Computing,VEC)作为提高车载智能应用性能的一种有效方法,被越来越多的人予以厚望。通过将移动边缘计算(Mobile Edge Computing,MEC)技术应用到车联网场景当中,VEC可以有效降低计算任务的时延和能耗,提