摘要：针对低轨卫星通信场景下长传播时延导致的信道状态信息(Channel State Information,CSI)过时问题,提出了一种基于地理环境认知的低轨卫星空时多维信道预测方法。首先,通过射线追踪法建模卫星信道,进而确定不同地理环境下影响CSI变化的几个关键因素并将其与信道特征参量建立映射关系;然后,设计了一个由卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆(Long⁃Short Term Memory,LSTM)神经网络构成的组合神经网络模型来有效预测CSI,通过CNN网络提取CSI和特征参量之间变化的空时相关性来认知地理环境对CSI变化的影响,利用LSTM网络处理时间序列的特点根据当前输入信息预测未来某一时刻CSI值。在此基础上,进一步提出了一种离线训练-模型更新-在线预测的实施框架以解决低轨卫星平台资源受限及高动态的问题。仿真结果表明,相较于传统的基于LSTM网络的低轨卫星信道预测方法,所提方法能够有效提升CSI预测精度及其预测模型的稳定性。

摘要：设计瑞利块衰落信道上采用信道预测和发射天线选择(TAS)的正交空时分组编码(OSTBC)无线通信系统,需要考虑收发天线数、发送块长、最小均方误差信道预测器长度等参数之间的折衷问题。随机编码错误指数(RCEE)作为一种理论分析工具,可以有效地解决上述问题。利用Meijer-G函数和Tricomi超几何函数推导瑞利块衰落信道上采用信道预测的TAS/OSTBC编码无线通信系统的RCEE解析表达式;利用遍历容量、截止速率、删改指数等参数与RCEE的关系推导其解析表达式。上述性能参数的数值计算与仿真证明了理论分析的正确性。结果还表明,采用信道预测的TAS/OSTBC编码无线系统的RCEE大于反馈时延下TAS/OSTBC编码无线通信系统的RCEE;在低信息速率下可采用删改指数计算使用信道预测的TAS/OSTBC编码无线系统所需的编码长度。

摘要：为解决采用最小均方误差(MMSE)信道预测的发射天线选择(TASP)/接收天线最大比合并(MRC)的无线通信系统设计问题,利用抛物柱面函数以及高斯Q函数的近似表达式和矩生成函数(MGF)法,分别推导了瑞利块衰落信道上采用TASP/MRC天线分集的相干检测M进制正交和双正交信号的平均误符号率(ASER)精确表达式以及正交信号ASER的近似表达式。数值计算和仿真结果验证了采用TASP/MRC和相干检测的正交/双正交ASER精确表达式的正确性以及正交信号ASER近似表达式的准确性。上述M进制正交/双正交信号ASER精确或近似表达式,可用于设计采用相干检测M进制正交和双正交信号的TASP/MRC天线分集系统,并能够快速地确定收发天线数和信道预测器级数等参数,避免耗时的计算机仿真。

摘要：克服因反馈时延引起的无线通信系统误码性能恶化问题的一种有效手段,是采用最小均方误差(MMSE)维纳滤波信道预测器,并推导了瑞利块衰落信道上采用信道预测发射天线选择(TASP)/正交空时分组码(OSTBC)的相干检测差分编码四相相移键控(DE-QPSK)的平均误符号率(ASER)精确和近似解析表达式。仿真结果验证了上述理论分析的正确性和近似计算的准确性,DE-QPSK的ASER解析表达式可以用于快速评估收发天线数、信道预测器长度等参数对TASP/OSTBC无线通信系统ASER性能的影响,为TASP/OSTBC系统设计提供指导。

摘要：采用最小均方误差(MMSE)信道预测器和组合发射天线选择(TAS)/接收最大比合并(MRC)天线分集技术,设计了一种时间选择性瑞利块衰落信道上恒包络正交频分复用(CE-OFDM)无线通信系统实现方案。利用矩生成函数法和高斯Q函数的另一种表达式,推导了采用矩形正交幅度调制的CE-OFDM系统平均误符号率(ASER)的下界表达式。仿真结果验证了CE-OFDM系统ASER理论下界的准确性;调制系数较小时,该下界可用于设计采用MMSE信道预测器和TAS/MRC天线分集的CE-OFDM系统。

摘要：在一般的信道预测方案中,对于信道脉冲响应的预测问题,有些是没有考虑到信道传输函数的相关性,一些预测方案则是实现复杂度较高。针对这些问题,首先实现时域的信道预测方法,再用根据信道传输函数的自相关函数设计出来的滤波器对预测后信道的频率响应进行滤波,可使预测后的信道频域相关性与观测的信道频域相关性一致。这样,时间上的相关性可确保信道预测的可行性,而频域相关性保证了预测前后的空间相关性不变,从而时频联合信道预测方案与其他方案相比具有更可靠的信道预测效果。

摘要：提出了一种多用户MIMO下行链路中基于收发双方共同预测信道的信道信息反馈机制。在实际传输时,基站和用户双方采用相同的算法预测信道,用户将信道预测值和真实值之差,通过离线设计好的LBG码本进行量化,将码本序号反馈给基站。该方案中,利用实测的大样本信道采样值,以均值意义下的预测误差最小化为目标,采用LBG算法设计了量化码本。基站根据用户反馈的码本序号和自己实时的信道预测值,重建出接近真实信道的估计值,并利用该估计值对传输数据做预编码。仿真结果验证了所提方法的有效性。

摘要：考虑水下未知信道与不确定模型参数,提出基于深度强化学习的多潜器编队控制算法.首先,提出基于环境采样数据的最小二乘估计器,用于预测在衰落环境下的未知信道;其次,根据信道预测估计器得出的信噪比(SNR),建立通信有效性与编队稳定性的联合优化问题,并给出基于深度强化学习-深度确定性策略梯度算法(DDPG)的编队控制算法;最后,通过仿真与实验结果验证所提出算法的有效性,参考仿真结果并相比于直接编队控制,考虑通信有效性的情况下所提出算法提升了13.5%的通信性能.

摘要：每天线速率控制(per-antenna rate control,PARC)技术能有效提高多数据流多输入多输出(multiple-inputmultiple-output,MIMO)系统的吞吐量.然而,在时变信道下,反馈到发射端的信道质量指示(channel quality indicator,CQI)已经过期,这意味着发射端选择的传输机制与实际情况不匹配,从而导致系统性能下降.考虑到信道延迟对CQI反馈的影响,提出一种改进的多数据流PARC收发机结构.该结构使用基于导频符号辅助调制(pilot symbolassisted modulation,PSAM)的最小均方误差(minimum mean square error,MMSE)信道预测器对信道进行预测,补偿了传输延迟带来的性能下降,使发射机可以更准确地通过改变编码调制(modulation and coding set,MCS)方案来进行速率控制.仿真结果表明,该结构能有效提高基于PARC机制的多数据流MIMO系统性能.

摘要：航空移动机场通信系统(AeroMACS)因传输速率高、安全性好等优点成为机场、空地通信网络的重要组成部分。针对飞机起飞、着陆高速移动阶段的信道快速时变导致信道状态信息(CSI)过时和多普勒频移大等引起通信质量恶化的问题,利用多头自注意力机制,提出了基于Transformer神经网络的信道预测方法。根据实时预测的信噪比(SNR)来调整AeroMACS的WiMAX和5G双模的调制编码方案(MCS)。仿真结果表明,与其他3种人工智能方法相比,所提出的基于Transformer网络的信道预测方法能够达到较高的准确率,并提升了系统的总吞吐量,对缓解信道参数过时现状和提高系统通信性能具有良好的促进作用。