RIS辅助卫星物联网中基于压缩感知的SCMA信号重构

卫星物联网是未来6G网络重要组成部分,在地面部署可重构智能反射面（Reconfigurable Intelligence Surface, RIS）则能进一步增强天地之间信号的传输能力;然而海量设备的接入和检测,以及RIS的引入带来的较高复杂度,给系统设计与实现带来挑战。针对卫星物联网设备和业务稀疏特性,本文提出了一种基于压缩感知的信号重构算法,旨在提高系统的接入用户数和检测成功率,同时降低检测的复杂度。首先,介绍了RIS辅助的卫星物联网系统架构,构建了天地信道模型和星上接收信号模型。然后考虑到卫星物联网地面终端的稀疏性和业务的稀疏性,结合稀疏码分多址（Sparse Code Multiple Access,SCMA）和压缩感知的信号处理方法,通过合理设计SCMA中的稀疏码字,将多用户检测转化为压缩感知理论中的信号重构。最后提出了一种演进的近似消息传播算法（Evolved Approximate Message-Passing,EAMP）来实现压缩感知中的信号重构。仿真结果表明,RIS辅助的SCMA系统与功率域的非正交多址接入技术相比可以提高系统的吞吐量性能,同时EAMP算法相比传统的SIC算法具有更高的正确检测概率和更低的算法复杂度。      

无蜂窝大规模MIMO中基于深度强化学习的无人机辅助通信与资源调度

无蜂窝大规模多入多出(MIMO)网络中分布式接入点(AP)同时服务多个用户,可以实现较大区域内虚拟MIMO的大容量传输;而无人机辅助通信能够为该目标区域热点或边缘用户提供覆盖增强.为了降低反馈链路负载,并有效提升无人机辅助通信的频谱利用率,该文研究了基于AP功率分配、无人机服务区选择和接入用户选择的联合调度;首先将AP...     

移动边缘计算中基于内容流行度的深度强化学习缓存机制

随着5G商用的推进,涌现出大量依赖高速率、低时延的新应用,混合现实(Mixed Reality,MR)就是其中之一.考虑到从中心云传输服务内容到MR设备会带来很大时延和能耗问题,引入移动边缘计算(Mobile Edge Compu?ting,MEC)技术,通过在MEC服务器上缓存用户的预渲染环境帧,以减少延迟和能耗.针...     

基于LTE-A的大规模物流系统中射频识别标签处理算法的研究(英文)

The Long Term Evolution Advanced (LTE-A) and Internet of Things (IoT) are two of the most popular topics that receive vast attentions in the filed of information technologies. Radio Frequency Identification (RFID) greatly pushes IoT forward to practical utilization. In RFID system, one of the key issues is the collision among tags when reader tries to identify several of them simultaneously. In this paper, the authors proposed a RFID tag management scheme for cargo identification and tracking based on the L...     

基于最短路径的无人机自组网改进路由算法

无人机自组网(UAV Ad Hoc Network, UANET)是一种新型的移动自组织网络形式,具有3D空间中高移动性、拓扑结构频繁变化、带宽资源有限等特点,其中路由协议是UANET中一个重要且关键的部分。由于UANET中无人机节点的移动性,不断变化的拓扑结构使得寻找适合应用在UANET中的路由协议的过程比较复杂,网络中的链路中断和无人机节点失效也会导致网络资源的损失,降低了网络的可靠性和稳定性;因此,寻找源节点和目的节点之间的传输路由协议十分必要。结合上述问题,提出了适用于无人机自组网的基于最短路径的改进路由算法,该算法可以实现多路径传输,并且从丢包率、端到端时延和抖动三个方面来评估该算法的性能。仿真结果表明,改进的路由算法在无人机随机分布的高流量场景下,获得了比已有算法更好的性能。     

无人机辅助无蜂窝大规模MIMO中的空地协同调度

摘 要：无蜂窝大规模多输入多输出（multiple-input multiple-output，MIMO）技术采用大量接入点（access point， AP）为地面用户提供高效的通信服务，但在有高速移动用户的场景中，会加剧对信道状态信息的依赖。为了减少导频资源的消耗，提出了一种综合无人机（unmanned aerial vehicle，UAV）辅助通信和无蜂窝大规模MIMO通信的双系统架构，该架构能够预测高速移动用户的轨迹，利用无人机为其提供可靠通信；进一步提出了基于深度强化学习（deep reinforcement learning，DRL）的无人机轨迹设计和地面用户调度方案，在满足各类约束的前提下实现系统总和速率最大化。仿真结果表明，与现有方案相比，所提方案能够有效提升系统容量。