【摘 要】
:
第五代(the fifth generation,5G)移动通信系统已经逐步推广。5G的性能目标主要分为高速率、低延迟、低功耗和低成本。为了适配5G早期的商用布置,国内外专家在Release-15中总结了5G规范的一阶段工作。而由Release-16所规划的二阶段工作于2020年4月完成。第五代无线通信系统有三项重要使能技术,即大规模天线阵列技术(Massive MIMO)、异构超密集网络(Het
论文部分内容阅读
第五代(the fifth generation,5G)移动通信系统已经逐步推广。5G的性能目标主要分为高速率、低延迟、低功耗和低成本。为了适配5G早期的商用布置,国内外专家在Release-15中总结了5G规范的一阶段工作。而由Release-16所规划的二阶段工作于2020年4月完成。第五代无线通信系统有三项重要使能技术,即大规模天线阵列技术(Massive MIMO)、异构超密集网络(Heterogeneous Ultradensification Network)和毫米波通信(mm Wave)。其中,Massive MIMO技术除了能提高网络容量外,还具有针对特定扇区或特定用户波束赋形和小区分裂的功能,从而增强了信号强度并降低了多用户干扰。这些优势源于基站(BS)上配备的大量天线元件,天线数量通常为数十甚至数百。大规模多输入多输出技术作为第五代移动通信的关键使能技术,对其进行精确建模,以方便进行算法的设计,性能评估和优化工作。但是Massive MIMO技术具有新的传播特性,并且对信道建模提出了新的要求。因此本文在深入探究大规模天线阵列的无线传播新特性之后,构造了一个可以准确描述Massive MIMO系统新传播性质的二维(2D)随机信道模型,并与实测数据结果进行对比验证。本文首先详细介绍了5G无线通信的发展趋势和关键使能技术,以及5G无线信道模型的新特点和焦点问题,并对Massive MIMO信道建模的背景和意义进行了说明。随后简述了Massive MIMO信道建模研究的演进过程,接着介绍了几种常用的信道建模技术,以引出Massive MIMO模型的两个典型特点,即球面波前以及阵列非平稳性。最后进行仿真进行交叉验证,证明了本文所提模型的正确性和有效性。针对Massive MIMO独有的两个新特征,传统的MIMO信道模型不能准确地进行表征。鉴于此限制,本文针对已有Massive MIMO模型框架中普遍存在的两个不足:(1)针对球面波前特性的建模,为了方便进行散射簇空间几何向量和相关信道参数的计算,大多数已有信道模型以特定的几何架构来约束收发端位置,但这种建模方法往往缺乏普适性,因为在实际通信场景下难以满足这些几何约束;(2)信道的关键参数和实测得到的信道数据结果未能建立对应关系,且生灭过程的仿真复杂度很高。针对这两个问题,本文进行了两方面的改善,一方面利用建立空间直角坐标系的方法使收发端不再需要满足特定几何约束;另一方面提出了一种通用的马尔可夫过程,用以建模簇沿阵列的演进而引起的阵列非平稳性,以此将信道参数和实测数据的对应关系建立起来,并且计算复杂度相较于之前的算法大大降低。最后,通过数值仿真展示了所提信道模型表征Massive MIMO信道球面波阵面和阵列非平稳性的能力。
其他文献
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种成像分辨率高、全天时、全天候、作用距离远的微波成像系统,凭借其诸多优点合成孔径雷达在军用和民用领域发挥着巨大作用。在追求合成孔径雷达技术应用能力不断提高的大环境下,合成孔径雷达工作模式目前已经发展出条带模式、聚束模式、滑动聚束模式、扫描模式、循序扫描地形观测等工作模式。滑动聚束模式既解决了条带模式下方位向分辨率受限问题,
高维数据集引起的“维数灾难”问题不仅增加了计算内存和运行时间,而且会导致学习器分类性能的下降。而特征选择技术通过排除冗余和不相关的特征来减少数据维度,从而提高学习算法的性能。但在特征选择中,寻找最优特征子集是一个NP难问题,使用传统的贪婪式搜索方法极易陷入局部最优。而群智能算法中的蚁群优化算法因其出色的全局和局部搜索能力和灵活的图形表示方式而广泛应用于特征选择。但是当前基于蚁群算法的特征选择方法主
随着科学技术的不断发展,软件已服务于生活中的各个方面,同时其数量与种类仍在不断增多。但其实大多数企业采用的软件开发方式因工作的重复度过高,具有开发效率慢的缺点。因此在软件开发领域出现了一种基于软件资产进行软件开发的方式,即软件重用。软件重用的实施必须具备两个基本条件,分别是存在大量的可重用软件资产供开发人员挑选以及存在一个可重用软件资产库管理系统来管理可重用软件资产。但现有系统因具有缺少资产安全性
随着国内集成电路行业的飞速发展,芯片复杂度的不断提高,如何确保所研处理器的正确性成为了芯片研发流程中的一个重要内容。指令集模拟器(ISS)作为芯片设计、验证、应用等阶段中不可或缺的重要工具,可以通过建立目标处理器的功能模型,来模拟每条指令在目标处理器上的执行结果。对于复杂度更高的人工智能(AI)芯片,开发一款仿真速度快、模拟精度高的指令集模拟器,更是有助于加速芯片架构探索和设计,对缩短芯片研发周期
随着计算机技术的不断进步,基于深度学习的人工智能技术高速发展,已经被广泛应用在交通场景下。尤其在智能交通系统和自动驾驶场景中,通过使用目标检测算法对采集到的视频进行检测,不仅可以获取车辆、行人的基本信息,还可获取相应的流量信息,并预测其运动趋势。除此之外,我们还需对周围环境做出准确感知,因此通过图像分割技术来从道路图像中获取周围环境信息,从而区分行人、车辆、障碍物、车道线和可行驶区域等重要交通信息
初中历史学业水平考试(以下简称中考)作为义务教育阶段历史学科的总结性考试,也是高中教育选拔的重要依据,关注初高中衔接,反拨初中历史课程改革是中考的重要功能。《中国高考评价体系》提出"四层"考查内容以学科素养为导向,推动核心素养在高中教育中的落实,助推素质教育的发展。基于学段特征做好初高中衔接,引导初中阶段课程教学和评价从知识本位向素养本位的转变就成为当前中考改革的重要方向。近两年广东省中考历
光电成像技术是现如今信息获取和情报收集的重要手段,然而难以同时兼顾大视场与高分辨率成像的缺点制约了光电成像系统在新领域的应用。多尺度成像技术的提出在一定程度上解决了上述难题,但是仍存在其固有的缺陷:中心与边缘成像分辨率不一致,这个缺陷随系统视场增大而愈发严重。针对多尺度成像技术的缺陷,本文从多尺度成像原理与传统光学系统设计的角度出发,采用分视场分区域多焦距光学系统设计的方式,根据全视场内不同视场角
复杂环境下的多目标跟踪问题给雷达系统带来了巨大的挑战。目前主流的多目标跟踪方法都基于贝叶斯滤波理论框架。其中,基于随机有限集(Random Finite Set,RFS)的高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GM-PHD)滤波算法在杂波环境中表现出良好的跟踪性能,对比传统基于数据关联的多目标跟踪算法,具有无数据关联、
近年来,由于深度学习的出现,人工智能在各个领域的飞速发展是有目共睹的。自然语言理解作为人工智能领域的热点研究方向之一也随之崛起。目前,市场上的对话设备层出不穷,但是对话系统在解决仪器设备的使用问题中的应用并不多。由于仪器设备的操作越来越复杂,不久的将来基于图像的对话帮助系统的研究会是一个不错的研究方向。相比纸质的帮助方式,图像结合对话的帮助方式能够更方便、更快速的解决用户使用设备时遇到的难题。本论
复杂多变的战场电磁环境给雷达系统的正常工作带来了极大的挑战。为削弱雷达对抗电子干扰的能力,电子干扰机常常采取变极化的工作方式达到干扰雷达正常工作的效果。本文主要针对干扰极化方式变化条件下天线交叉极化响应严重影响雷达自适应滤波技术这一问题,基于变极化干扰条件下,通过详细的公式推导,讨论了天线交叉极化响应引起雷达自适应滤波算法性能下降的本质原因,提出几种天线交叉极化响应影响下自适应滤波设计优化方法。仿