【摘 要】
：
车辆到车辆的通信在现代通信系统中起着十分重要的作用,车联网系统及智慧交通系统不断发展并需求新的技术,对于车辆通信信道特性的了解程度需求增加,因此对车辆间的通信信道进行合理的建模对于未来的相关研究提供了重要的帮助。在本文中,提出了一个适用性广泛的可应用于sub-6GHz频段的3D非平稳MIMO信道模型,该模型是一个可应用于包含坡道的道路情景的基于几何的随机模型,且该模型在化简后可应用于一般的水平道路
论文部分内容阅读
车辆到车辆的通信在现代通信系统中起着十分重要的作用,车联网系统及智慧交通系统不断发展并需求新的技术,对于车辆通信信道特性的了解程度需求增加,因此对车辆间的通信信道进行合理的建模对于未来的相关研究提供了重要的帮助。在本文中,提出了一个适用性广泛的可应用于sub-6GHz频段的3D非平稳MIMO信道模型,该模型是一个可应用于包含坡道的道路情景的基于几何的随机模型,且该模型在化简后可应用于一般的水平道路情景。该情景中的车辆在沿直线行驶的过程中可以进行换道或者超车等车辆运动,且在行驶中不同车辆的速度是可以时变的。该模型结合了视距径以及由多簇散射射线组成的非视距径。在该模型中,每簇射线分别代表了由接收机或发送机四周不同车辆对信号射线产生的散射现象。接收机与发送机四周的散射体分别分布在两个球面上,这两个球体分别以接收机或发送机为球心。在该模型中不同散射射线的离开角度与到达角度的方位角与俯仰角被认为是联合分布的且联合符合von Mises-Fisher分布,该分布能够合理地控制球面上散射体的聚集情况以及主方向的分布情况,从而更好地模拟现实情景。接下来,分析了该信道的冲激响应函数,接着根据冲激响应推导了信道的时空相关函数以及多普勒功率谱等函数,并进行了仿真,接着根据仿真结果分析了该信道的非平稳统计参量。之后参考了一个基于WINNER Ⅱ的统计型模型,将此模型进行调整并与本文提出的模型进行了对比来对该模型的性能进行了评估。在最后,参考了路测数据,将仿真结果与测量数据进行对比已验证该模型的合理性。
其他文献
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
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
边缘缓存技术通过在无线网络的边缘节点缓存部分业务内容对象,可以实现部分用户请求的本地响应,减少请求内容的传输时延,提高用户体验,均衡网络负载。内容推荐技术根据各用户对不同主题内容的兴趣和偏好设计个性化的内容推荐列表,引导用户对特定内容进行请求,提升用户对相关业务的依赖性和满意度。因此,将无线网络边缘缓存和内容推荐进行联合设计,能够通过内容推荐引导用户对缓存内容进行请求,从而进一步提升边缘缓存效用和
差分进化算法（DE）作为一种新兴的基于种群的随机优化算法,由于其操作简单、鲁棒性强和控制参数少等优点,自从出现以来便快速吸引了来自不同领域的研究人员的关注。然而,传统的差分进化算法在解决复杂问题时往往会表现出早熟收敛和收敛速度慢等缺点。因此,开发了许多DE变体来改进其优化性能。反向学习（OBL）是机器学习中的一种新概念,其灵感来源于现实世界中实体之间的对立关系。许多软计算算法的性能通过使用反向学习
自改革开放以来,我国市场经济日益繁茂,各类市场主体数量迅速增长。然而目前的市场监督管理体系还在沿用传统流程,不仅难以应对如此庞大的企业数量,还包含一些不必要的人工环节,如制订检查方案、抽取企业和执法人员等等环节,其抽取结果由人为操控,因而存在徇私舞弊、选择性执法、执法扰民等等问题。除此之外,如何对企业进行筛选,使得检查更加高效、有的放矢,也是一个亟待解决的问题。随着网络信息技术的高速发展,许多传统
现有的关系抽取方法大多使用关系分类模型,其无法有效获取文本中蕴含的新型关系。为了缓解这一问题,开放式关系抽取应运而生。这种抽取方法不需要预先定义待抽取关系的类别,能有效的发现实体间新的关系。但随之带来了两个新的问题:一是,主流的开放式关系抽取模型受制于专家“经验”的局限性,并且预处理工具会导致误差传递,影响抽取精度;二是,开放式关系抽取无法贴合领域进行抽取,抽取出的关系元组不能体现领域背景。本文基
图像篡改是一种恶意破坏网络中传播的图像信息内容的攻击手段,通过多种图像处理技术的综合应用将原本图像中想要表达的信息篡改为有意制造的虚假信息,被篡改的图像被用于视觉欺骗或伪造事实。在网络环境日益便捷的时代背景下,图像被广泛作为信息的载体在网络中快速传播,某些情况下图像甚至作为事实真相的证明在司法领域和生产生活中发挥重要的作用。图像篡改技术的快速发展对网络信息安全产生了极大的威胁,传统的图像篡改检测技
模数转换器（Analog to digital converter,ADC）是连接模拟信号与数字信号的桥梁。在信息处理过程中,模数转换器扮演着非常重要的角色,尤其在高速通信、雷达系统以及医学成像等领域,发挥着重要作用。然而,由于时间抖动以及比较器模糊等局限性,传统的电ADC很难满足现代通信系统对高采样速率和高转换精度这两个主要方面的需求。为了克服这些瓶颈,借助光子技术的模数转换方案成为模数转换领域
随着我国城市化建设的不断演进,事关老百姓日常生活方方面面的电力、燃气、给水、通信等地下管线愈发错综复杂。管线事故频发、故障定位效率低下等问题直接影响了城市基础设施服务的质量,管廊可谓是城市的地下“生命网”、“供给网”。巡检作为管廊运维的重要日常工作,是保证设备正常运行和生产安全的一项基础工作,担负着提前发现隐患、及时做出响应的重要职责。随着人工智能的发展,机器学习等技术给预测性巡检带来了新的机遇。