摘要：为进一步改善空时分组码空间调制(STBC-SM)系统的误码性能,文中通过重新设计码字结构,提出了一种新的STBC-SM方案——叠加空时分组码空间调制(SSTBC-SM),并给出了适用于该方案的简化ML检测算法。仿真结果表明,提出的方案在频谱效率较高的情况下,可以获得比现有STBC-SM方案更加优异的误码性能。

摘要：针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。

摘要：宽带压缩频谱检测存在信号稀疏度未知和次用户检测开销过大的问题.因此,本文提出一种高效的协作宽带压缩频谱检测方案.首先,推导了一种基于学习的稀疏度自适应预测模型.其次,设计了一种宽带频谱筛选算法.最后,提出一种协作宽带压缩频谱检测方案.仿真结果表明,自适应预测模型的拟合效果优于现有预测模型,并且所提检测方案也有效地降低了次用户采样率和频谱重构时延.

摘要：针对快时变信道下无线通信频谱利用率降低的问题,提出一种基于非数据辅助的误差矢量幅度的自适应调制(NDA-EVM-AM,nondata-aided error vector magnitude based adaptive modulation)算法,选取NDA-EVM作为反映快时变信道变化的特征参量并给出不同调制阶数的统一计算模型,建立不同调制阶数NDA-EVM与误码率(BER)之间的关系并据此设计MQAM(multilevel quadrature amplitude modulation)调制阶数的快速调整机制。以高铁通信的快时变信道场景为例,数值仿真表明,相比DA-EVM(data-aided error vector magnitude)和信噪比估计,NDA-EVM估计具有最小均方根误差;NDA-EVM-AM算法可提高信道质量评估与调制阶数选择的准确性,相较于DA-EVM-AM(data-aided error vector magnitude based adaptive modulation)算法,调制阶数选择的正确率可提升7.9%,频谱利用率可提高0.53 bit·s^(-1)·Hz^(-1);相较于SNR-AM(signal to noise ratio based adaptive modulation)算法,调制阶数选择的正确率可提升15.7%,频谱利用率可提高0.82 bit·s^(-1)·Hz^(-1)。

摘要：在虚拟化网络切片场景中,底层物理网络中一个物理节点(PN)或一条物理链路(PL)的异常会造成多个网络切片的性能退化。因网络中每个时刻都会产生新的测量数据,该文设计了两种在线异常检测算法实时监督物理网络的工作状态。首先,该文提出了一种基于在线一类支持向量机(OCSVM)的PN异常检测算法,该算法可根据每个时刻虚拟节点(VNs)的新测量数据进行模型参数的更新而不需要任何标签数据;其次,基于虚拟链路两端点间测量数据的自然相关性,该文提出基于在线典型相关分析(CCA)的PL异常检测算法,该算法只需要少量标签数据就可以准确分析出PL的异常情况。仿真结果验证了该文所提在线异常检测算法的有效性和鲁棒性。

摘要：针对传统离散傅里叶变换(DFT)调制滤波器组设计时因原型滤波器时域反转条件带来的功率互补限制问题,从滤波器组时域完全重建条件角度提出一种时域改进方法设计DFT调制滤波器组,并将其应用于滤波器组多载频调制系统中。该时域改进设计方法放弃传统设计方法中原型滤波器的时域反转约束条件,即接收端滤波器组为发送端滤波器组的共轭转置形式,采用滤波器组时域完全重建条件矩阵方程设计接收端滤波器组,从而避免了对原型滤波器设计的功率互补条件限制,同时保证了滤波器组的完全重建特性。相比传统设计方法,该改进方法提高了滤波器组中原型滤波器的设计自由度,可以根据不同的应用场景选择适合的原型滤波器而无需考虑功率互补限制。基于该方法设计的多载频调制系统在正交相移键控(QPSK)调制、理想信道和3GPP TS 25.104人行多径信道以及单抽头频域均衡下有更好的误符号率(SER)性能。

摘要：针对5G网络场景下缺乏对资源需求的有效预测而导致的虚拟网络功能(VNF)实时性迁移问题,该文提出一种基于深度信念网络资源需求预测的VNF动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深度信念网络预测算法预测未来时刻的资源需求情况,在此基础上采用自适应学习率并引入多任务学习模式优化预测模型,最后根据预测结果以及对网络拓扑和资源的感知,以尽可能地减少系统开销为目标,通过基于择优选择的贪婪算法将VNF迁移到满足资源阈值约束的底层节点上,并提出基于禁忌搜索的迁移机制进一步优化迁移策略。仿真表明,该预测模型能够获得很好的预测效果,自适应学习率加快了训练网络的收敛速度,与迁移算法结合在一起的方式有效地降低了迁移过程中的系统开销和服务级别协议(SLA)违例次数,提高了网络服务的性能。

摘要：由于多输入多输出(MIMO)异构网络能够提高系统容量和实现更多的用户接入,因此受到了学术界和工业界的广泛关注,从而成为下一代通信系统的关键技术之一。然而,由于放大器非线性、相位噪声和I/Q不均衡等因素的影响,这类硬件损伤成为制约当前MIMO异构网络波束成形性能进一步提升的瓶颈。为了解决该问题,该文提前将硬件损伤考虑到MIMO异构网络波束成形算法设计当中。首先,考虑了每个基站的最大发射功率约束和每个用户的最小信干噪比约束,建立了一个含硬件损伤参数的系统总能耗最小的资源优化问题。其次,利用等价变换和半正定松弛方法,将原非凸问题转化为凸优化问题进行求解。仿真结果表明,与完美硬件条件下的波束成形算法对比,所提算法具有较好的抗硬件损伤能力和较低的中断概率。

摘要：针对传统的信道状态信息(channel state information,CSI)反馈方法并不适用于大规模MIMO频分双工(frequency-division duplexing,FDD)系统的问题,提出一种基于导频设计的压缩反馈算法。基站通过对发送相关矩阵的平方根进行特征值分解(eigenvalue decomposition,EVD)得到稀疏基;根据最小二乘法(least squares,LS)设计出导频矩阵;根据该导频矩阵提出了一种基于导频设计的压缩反馈算法。理论分析与仿真结果表明,该算法能够以较低的反馈量获取较高的CSI反馈精度。

摘要：κ-μ阴影衰落信道下系统性能预测是无线通信中一个具有挑战性的问题,严重影响着传输机制设计。针对此问题,提出一种采用非数据辅助的误差矢量幅度(NDA-EVM,nondata-aided error vector magnitude)对κ-μ阴影衰落信道进行性能分析的理论方法。选取NDA-EVM作为反映信道变化的评估参量,采用最大似然准则推导阴影衰落信道下不同调制阶数NDA-EVM统一的计算模型,并以衰落因子为中间变量,建立NDA-EVM与κ-μ分布的联系,据此推导NDA-EVM在κ-μ阴影衰落信道的理论下限,并化简给出几种典型信道的性能界限。对所得结论进行理论分析和数值仿真模拟,结果表明:相较传统的DA-SNR(data-aided signal to noise ratio)和DA-EVM(data-aided error vector magnitude),NDA-EVM对κ-μ阴影衰落信道的评估具有最小均方根误差;推导的下限与理论值有很高的吻合度,特别是在低SNR时为紧下界;下限与κ-μ阴影衰落信道参数均呈负相关特性,对信道变化非常敏感。