测向信息辅助的导频分配策略

多用户大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统能够有效提升系统和速率,但是导频资源有限情况下,用户数增加时,非正交导频引起的导频污染会严重降低系统容量。针对导频资源不足引起的干扰问题,提出了用户测向信息辅助的导频分配策略。先介绍了用户到达角估计算法,分析了角度域信道与用户间非正交导频干扰之间的关系;再提出了一种角度域用户分组方法,并对用户导频进行优化,从角度域和导频空间两个维度降低用户间导频干扰,提高了系统和速率;最后,将信道估计归一化均方误差作为性能指标进行比较,以验证算法的有效性。仿真结果表明,该算法在导频资源受限的多用户场景中,能够有效减小用户间导频污染,验证了所提算法的有效性和可靠性。     

基于强化学习的无人机电磁干扰感知与抗干扰传输方法

无人机对于无线信道的依赖性和无线传播环境的开放性,导致其通信易受到恶意的电磁干扰。针对其中恶意的信道跟随干扰,在感知干扰信道信息的基础上,将无人机的发射功率和信道选择策略建模为马尔科夫决策过程(Markov Decision Process, MDP),利用强化学习算法对该通信系统的抗干扰方法进行智能优化,提出了基于赢或快学习策略爬山算法(Win or Learn Fast Policy Hill-climbing, WoLF-PHC)的抗干扰算法。仿真结果证明,所提算法能够将用户干信比降低至0.1以下,将用户可达速率在初始值基础上提升14%,与Q学习算法和PHC算法相比具有更好的抗干扰传输性能。     

频分双工大规模MIMO系统时变信道估计

大规模多输入多输出（Multiple-Input Multiple-Output, MIMO）系统的性能增益依赖可靠的信道估计,传统信道估计方案主要面向准静态场景,在用户高速移动场景中性能下降明显。本文研究频分双工（Frequency Division Duplex, FDD）大规模MIMO系统中的时变信道估计问题,利用信道向量在角度域的空时稀疏特性,提出软结构先验模型驱动的稀疏贝叶斯信道估计（Soft-Structured Prior Model based Sparse Bayesian Estimation, SSPM-SBE）方案,针对方案涉及的复杂贝叶斯估计问题,给出基于变分优化的低复杂度求解方法。SSPM-SBE方案能够充分利用当前和历史接收导频数据改善时变信道的估计性能,且无需信道大尺度信息的先验认知,仿真结果验证了方案的优越性。      

同频干扰环境下双向AF中继性能分析及参数优化

双向中继（two-way relaying, TWR）作为提高中继网络频谱效率的一种有效手段,近年来受到广泛关注。本文研究同频干扰环境下三时隙TWR策略的中断概率性能,中继采用放大转发（amplify-and-forward, AF）策略。首先,理论推导了策略中断概率下界的闭合表达式和高信噪比下的渐进表达式。仿真表明,理论结果能够匹配策略的实际中断概率性能。根据理论结果,以最小化中断概率为目标对中继节点功率分配和中继位置参数进行优化。提出三种优化问题,即（1）给定中继位置,中继功率分配优化问题,（2）给定中继功率分配方案,中继位置优化问题,（3）联合优化中继功率分配和中继位置。仿真结果表明,联合优化能够实现最优的中断概率性能。      

基于多智能体强化学习的空地网络抗干扰传输方法研究

提出了一种基于多智能体强化学习的抗干扰传输算法,旨在抵御空地一体化网络中的功率干扰,使所有用户的可达速率之和最大化。将优化问题转化为部分可观察马尔可夫决策过程问题,采用了集中式训练和分布式执行框架。在集中式训练过程中,每个智能体与环境交互获得的经验存储在经验回放池中,用于训练演员-评论员网络。在分布式执行过程中,每架无人机使用经过训练的演员网络根据观测结果输出动作,并调整其飞行位置和传输功率以提供联合服务。采用基于剪切和计数的改进近端策略优化算法来更新演员-评论员网络参数,使其在复杂的多智能体环境中更加有效。仿真结果表明,所提算法相较于对比算法具有更快的收敛速度,且在相同干扰条件下,所提算法比对比算法获取的用户可达和速率提升约68.9%。     

基于深度学习的多模OFDM索引调制检测器

本文提出了一种基于深度学习（Deep Learning, DL）的多模正交频分复用索引调制（Multi-Mode Orthogonal Frequency Division Multiplexing with Index Modulation, MM-OFDM-IM）检测器。在该检测器中包括两个子卷积神经网络（Sub-Convolutional Neural Network, SCNN）并行对MM-OFDM-IM信号的索引位和载波位进行检测,接收符号在经过迫零（Zero Force, ZF）均衡后再预处理生成二维矩阵,同时输入到子卷积网络中学习信号的内在特征。经过离线训练,该检测器可以实现MM-OFDM-IM符号的在线检测。仿真结果表明,该检测器在瑞利衰落信道条件下能以较低的计算复杂度获得近似最大似然（Maximum Likelihood, ML）检测性能。通过对已训练后的模型进行剪枝操作,能在保证检测误码率（Bit Error Rate, BER）的前提下大幅度减少模型的参数量,达到了性能与计算复杂度的有效平衡。     

双向中继信道的模拟网络编码最优功率分配

在双向信息非对称条件下,研究了基于模拟网络编码的双向中继信道中的最优功率分配问题。分别给出了中断概率最小化、和速率最大化意义下的最优功率分配闭式数学表达式,并证明了两种约束下最优功率分配问题的统一性。分析表明:现有的基于模拟网络编码的双向中继信道中的最优功率分配方法是本文提出方法在某些条件下的特例。计算机仿真分析证明了提出的最优功率分配方法在中断概率和和速率性能方面均优于平均功率分配方法。      

基于指纹匹配的无蜂窝大规模MIMO三维定位方法

本文研究了无蜂窝大规模多输入多输出（Multiple input multiple output, MIMO）系统中基于指纹匹配的无线定位方法。假设服务区域内布设大量接入点（Access point, AP）,每个AP配置水平均匀线性阵列天线（Uniform linear array, ULA）或垂直ULA。利用相互正交的线性阵列天线（Orthogonal uniform linear array, O-ULA）对不同地理位置用户的方位角和俯仰角进行辨识,提取无线信道的角度功率谱矩阵构建方位角和俯仰角指纹库。借助谱聚类算法对指纹数据库进行预处理,然后通过两阶段指纹匹配策略计算指纹相似度并排序,在指纹库中搜索与用户指纹相似度最高的参考点,并利用加权K近邻算法（Weighted K-nearest neighbor, WKNN）估计用户位置。仿真结果表明,所提方案和单天线方案、ULA方案、均匀矩形阵列（Uniform rectangular array, URA）方案相比能够获得更高的三维定位精度。      

基于K-臂赌博机的多无人机空地网络动态资源分配方法

针对配置大规模MIMO的多无人机空地网络中的动态资源分配问题,从最大化系统吞吐量的角度出发,该文提出一种基于K-臂赌博机的强化学习算法联合优化多个无人机的用户选择与功率分配策略。首先根据地理位置对用户进行分簇,利用簇中心节点规划无人机飞行路径;其次在不考虑无人机之间端到端通信的情况下,将多无人机资源分配问题转化为相互独立的多个智能体强化学习问题;最后提出分幕式多智能体多状态K-臂赌博机算法来实现用户选择与功率分配的联合优化。通过将无人机每个时刻的位置索引定义为状态空间,从而使得无人机可动态适配自身位置及信道的动态变化。仿真结果表明,所提方案可根据环境状态变化自主智能调整资源分配策略,相比于已有方案能有效提升系统总吞吐量。     

复杂地形环境下基于空间指纹的分布式目标定位方法

基于指纹的定位方法是一种有效的定位方法,在复杂的散射环境中具有广泛的应用前景,近年来引起了人们的极大关注.因此,提出了一种基于指纹的分布式大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)定位方法.利用离散傅里叶变换运算,可以提取具有大量角信息的角域信道功率矩阵作为角到达(Ar...