摘要：针对半双工译码转发中继信道,提出了一种可逼近三节点中继信道容量限的空间耦合RA码的设计方法。针对二进制删除信道,源节点分别向中继节点和目的节点发送空间耦合RA码,中继节点先正确恢复出源节点发送的空间耦合RA,然后再次编码产生额外的校验比特并转发给目的节点;目的节点结合中继节点发送的额外校验比特和源节点发送的空间耦合RA码进行译码,正确恢复出源节点的信息。为了评估所设计的空间耦合RA码在三节点中继信道下的渐近性能,推导了密度进化算法用于计算阈值。阈值分析结果表明,所提出的空间耦合RA码能够同时逼近源到中继链路和源到目的链路的容量限。同时,基于半双工二进制删除中继信道,仿真了所设计的空间耦合RA码的误码性能,结果表明,其误码性能与所推导的密度进化算法计算的阈值结果一致,呈现出逼近于容量限的优异性能,且优于采用空间耦合低密度奇偶校验(Low Density Parity Check,LDPC)码的性能。

摘要：针对水声通信异构网络中信道分配不公和节点能量受限的问题,基于深度强化学习方法,提出跨层联合优化公平信道接入和功率控制的媒介访问控制(POCL-MAC)协议。根据反馈ACK包获知时延状态下的信道冲突结果和接收机处信噪比,基于深度强化学习的状态、动作和奖励序列自主学习,调整认知用户的接入时隙和发射功率;采用公平函数实现异构网络中认知用户和主用户吞吐量性能的比例公平。设计了一个联合状态序列和独立式奖励函数,在不增加神经网络复杂度的前提下,提高跨层联合优化的子动作决策准确度。仿真结果表明,相比于传统DRL算法,所提算法实现了接近于最优公平性吞吐量性能,同时具有更好的能量利用效率。

摘要：空间耦合低密度奇偶校验(spatially coupled low density parity check,SC-LDPC)码在次最优迭代译码算法下能够达到最大后验概率(maximum a posterior,MAP)译码性能,但其优异的性能需要在码长很长迭代次数很多时才能实现。当采用传统迭代译码算法时,实现的复杂度将以指数增加,无法应用。为有效降低译码复杂度,滑窗译码算法被应用于空间耦合LDPC码的译码,但由于引入窗口截断,会造成译码性能的损失。针对上述问题,结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而加快译码收敛速度,提升译码性能。仿真结果表明:当传输在加性高斯白噪声信道时,所提的深度迭代译码算法在相同迭代次数下的译码性能均优于传统迭代译码算法和滑窗译码算法。

摘要：水声通信网络在海洋目标定位和导航、资源勘探和开发、环境感知和监测等领域有重要应用,其中水声信道特性研究及其建模与仿真是建立通信网络的基础,而目前水声通信网络中的信道建模与仿真尚未有公认的标准方法。因此,基于对水声信道传播特性的分析,探讨了典型水声信道特性给水声通信网络设计带来的挑战;对比了经验模型、声场模型、基于本征路径的多径信道模型和基于统计特性的时变信道模型等水声信道模型,仿真结果表明:水声信道结构的变化明显影响接收性能;阐述了基于水声信道特性的水声网络仿真工具和方法,分析了其特点;最后进行了总结,并展望了未来水声通信网络信道建模与仿真的发展方向。