【摘 要】
：
异构网络（Heterogeneous Network,Het Net）中,宏蜂窝与小蜂窝重叠覆盖并使用相同的频谱资源来提高频谱利用率的方式,导致其中的干扰问题尤为严重。早期研究中,将干扰当作噪声处理、解调干扰信号或者正交复用资源等技术已难以满足实际的干扰管理需求。干扰对齐（Interference Alignment,IA）作为一种革命性的干扰消除技术,为干扰处理领域提供了新思路。因此,论文将利用
论文部分内容阅读
异构网络（Heterogeneous Network,Het Net）中,宏蜂窝与小蜂窝重叠覆盖并使用相同的频谱资源来提高频谱利用率的方式,导致其中的干扰问题尤为严重。早期研究中,将干扰当作噪声处理、解调干扰信号或者正交复用资源等技术已难以满足实际的干扰管理需求。干扰对齐（Interference Alignment,IA）作为一种革命性的干扰消除技术,为干扰处理领域提供了新思路。因此,论文将利用IA技术对Het Net中最为常见的层内用户间干扰和层间干扰同时进行消除。论文首先对Het Net中的IA技术的研究背景与研究现状进行了介绍。接着详细介绍了多输入多输出技术和Het Net的相关概念以及IA技术的基本思想与实现方式。其次,针对上行两层Het Net中存在的干扰问题,论文提出了一种优化的基于广义特征值分解的干扰对齐（Optimized Generalized Eigenvalue Decomposition Interference Alignment,OGEVD-IA）算法。该算法在发射端获取信道状态信息不完美的情况下,也可以有效地消除层内用户间干扰和层间干扰。仿真结果表明,OGEVD-IA算法相较于Max-SINR算法,不仅在20d B信噪比条件下和速率提升了0.6bps/Hz,而且在10-3误码率下,信噪比有了2d B的改善。最后,针对下行三层Het Net中存在的干扰问题,论文提出了分级的干扰对齐（Graded Interference Alignment,G-IA）算法。在G-IA算法中,先利用块对角化算法分别消除每层用户间的干扰,再使用不同的加权因子对不同层的干扰进行加权处理,消除层间干扰。通过仿真证明,G-IA算法比Max-SINR算法在20d B信噪比情况下,和速率性能提升了0.5bps/Hz,而且随着信噪比的增加,这种性能上的差异更加明显。
其他文献
合成孔径雷达（SAR）成像具有全天候、全天时、远距离和高分辨成像的特点,可以大大提高雷达的信息获取能力。以飞机为载体的机载SAR成像系统已在军事和民用领域被广泛应用。SAR成像处理数据量大,计算复杂,对处理系统性能要求高。且随着国产处理器的发展与国产化替代的需求,机载SAR成像算法在国产处理器实时处理的研究具有重大的实用意义。首先,本文论述机载SAR成像原理以及改进方法。首先概述机载SAR成像的几
在当今社会,随着科技的不断进步,机器视觉越来越多地代替人类进行视觉信息的获取,帮助人类处理复杂的现实生活环境。机器视觉通过图像传感器获取图像信息,将捕捉到的光学信息转换为电信号,电信号经过处理后用来表示每个像素点的灰度信息,后期通过灰度信息重构图像。传统的CMOS图像传感器基于帧和曝光时间,以固定频率输出图像信息,因而在机器视觉进行后端处理时具有数据量大、处理延时大、噪声大、动态范围低等缺点。为了
多输入多输出（Multiple Input Multiple Output,MIMO）雷达根据天线阵元间距的远近可以分为分布式MIMO雷达和集中式MIMO雷达。集中式MIMO雷达的特点是天线近距离放置,不同天线发射波形各异,具有波形分集能力,带来更多优化自由度。因此集中式MIMO雷达波形设计一直是雷达信号处理领域的研究热点。本文从集中式MIMO雷达发射波形设计的角度出发,研究了集中式MIMO雷达通
随着现代战争中武器研发速度越来越快、作战理念越来越多元化,雷达作为战场的眼睛需要不断创新发展以应对带来的新挑战。其中,在整个雷达家族发展进程中,被动分布式雷达因为在战场生存方面具备的天然优势以及多基站融合检测相比较于单雷达基站检测具有更高的时空覆盖范围、更好的抑制目标闪烁能力的特点,受到了大量学者的关注。同时,被动分布式雷达可以充分利用已有电磁资源来构成网络化、低成本的区域防空预警系统,而不占用珍
目标检测是计算机视觉领域的经典任务之一,在无人车驾驶、交通管控、农业、军事等方面都有很广阔的应用空间。目标检测算法可以分为基于手工设计特征的传统目标检测方法和基于深度学习自动提取特征的目标检测方法,目前后者又分为基于回归的单阶段算法和基于候选区域的两阶段算法。在遥感图像目标检测领域,主要面对的挑战包括背景信息杂乱、目标尺度差距大、小目标多、目标有形变等。因此,本文针对这些挑战进行了研究探索,主要研
随着社会信息化程度的不断加深,下一代移动通信系统对数据速率、容量、时延有着极高的要求,传统射频（Radio frequency,RF）通信早已面临着频谱资源极度稀缺的问题。而自由空间光（Free Space Optical,FSO）是一种以大气为传输介质,以近红外频段的光波为信息载体的无线视距（Line-OF-Sight,LOS）通信技术。与RF通信相比,FSO通信不仅具有丰富且免费的频谱资源,还
视觉是人类获取信息的重要来源。但是视觉图像在采集与传输过程中,由于外界干扰以及设备自身限制,不可避免地会受到噪声的污染,从而降低图像品质。在遥感图像与红外图像中,由探测器阵列响应的不一致性所致的条带噪声,严重影响了后续目标检测识别等视觉处理任务的精度。然而,当前基于传统信号处理理论的条带噪声抑制方法的去噪能力和场景适应性均不足,而基于深度学习的去噪方法又因为计算量大面临着难于硬件部署、实时性差的问
对流层散射通信凭借其保密性强,传输距离远等优点,受到了国内外的广泛关注,被认为是军事通信中重要的通信手段之一。但是对流层散射有严重的衰落效应,其中包括大尺度衰落,频率选择性衰落和快衰落等。本文提出可以在散射环境下使用低峰均比的SC-FDMA通信体制进行信号处理,这样可以避免功放输出信号失真。在任何时候,同步都是一个通信系统首先需要解决的问题。对流层散射通信的路径损耗大,信道环境具有极低的信噪比,同
目前智能终端设备呈现小型化,移动化的特点,但由于体积、功率等限制,这些智能终端能感知到的信息维度较少。现有移动终端上最常见的感知成像设备是光学传感器,其布置灵活,使用方便,但是它很容易受到光路遮挡等影响,对使用环境有要求。基于电磁波的传感器（雷达）则可以避开上述问题,感知更多维度的信息。本文围绕基于移动终端的高精度感知成像雷达相关技术展开研究,以实现近场三维成像和降低阵列成本为目的,研究了实孔径条
新型硬件和嵌入式软件平台的发展,促进移动自组织网络朝向蜂群、协同、智能化的方向发展,展现出移动自组织网络实用性的特性,同时也带来许多新的挑战。另外,移动自组织网络向着大规模、快速组织、快速部署的方向发展,然而传统移动自组织网络的相关技术并不能满足上述需求。软件定义网络通过可编程的数据平面、集中式控制器以及开放的北向接口,可实现网络的快速部署和新型协议的测试验证。因此,融合两种网络特性,实现软件定义