为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境...为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境下实现更高效、稳定的参数估计,从而实现对IQ失配信号的有效补偿。将本文算法与最小均方算法(least mean square,LMS)、归一化最小均方算法(normalized least mean square,NLMS)和仿射投影算法(affine projection algorithm,APA)进行对比仿真,结果显示,校正后信号的镜像抑制比(image rejection ratio,IRR)均达到约45 dB,但双通道Kalman滤波算法对应的IRR曲面图更加平滑,同时,16QAM和16PSK调制方式下该算法的误符号率最低,表明本文算法能够有效实现IQ失配校正,具有较好的稳定性。本文算法迭代约50次时,均方误差收敛趋近于0,而LMS、NLMS和APA算法则分别需要迭代约500次、400次和200次才能够收敛,表明该算法具有较好的收敛性。通过参数的敏感性仿真分析,在较大的参数范围内本文算法达到的IRR差别甚微,具有良好的鲁棒性。展开更多
针对现有车联网协同感知方案在带宽和计算资源利用率饱和或不足、感知数据传输量大,以及通感一体化(integrated sensing and communications,ISAC)设计未能平衡感知与通信性能导致高时延的问题,提出了一种通感一体化辅助的车联网协同感...针对现有车联网协同感知方案在带宽和计算资源利用率饱和或不足、感知数据传输量大,以及通感一体化(integrated sensing and communications,ISAC)设计未能平衡感知与通信性能导致高时延的问题,提出了一种通感一体化辅助的车联网协同感知资源分配方案。为减少感知数据传输量并合理利用带宽和计算资源,提出一种基于相对位置的多层协同感知关心区域方案,联网自动车辆(connected autonomous vehicle,CAV)只需感知关心区域并根据任务处理时间选择早期或中期融合。提出基于ISAC设备时分动态帧结构的感知、通信和计算时间分配方案,分析不同时间分配比例对感知和通信互信息(mutual information,MI)的影响,并据此进行时间分配。以最小化协同感知任务完成延迟为目标构建优化问题,并通过混合动作空间的多智能体深度确定性策略梯度(hybrid action space multi-agent deep deterministic policy gradient,HAS-MADDPG)算法求解。仿真结果表明,相较于基准方案,HAS-MADDPG算法能有效降低协同感知的执行时延。展开更多
边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,...边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。展开更多
文摘为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境下实现更高效、稳定的参数估计,从而实现对IQ失配信号的有效补偿。将本文算法与最小均方算法(least mean square,LMS)、归一化最小均方算法(normalized least mean square,NLMS)和仿射投影算法(affine projection algorithm,APA)进行对比仿真,结果显示,校正后信号的镜像抑制比(image rejection ratio,IRR)均达到约45 dB,但双通道Kalman滤波算法对应的IRR曲面图更加平滑,同时,16QAM和16PSK调制方式下该算法的误符号率最低,表明本文算法能够有效实现IQ失配校正,具有较好的稳定性。本文算法迭代约50次时,均方误差收敛趋近于0,而LMS、NLMS和APA算法则分别需要迭代约500次、400次和200次才能够收敛,表明该算法具有较好的收敛性。通过参数的敏感性仿真分析,在较大的参数范围内本文算法达到的IRR差别甚微,具有良好的鲁棒性。
文摘针对现有车联网协同感知方案在带宽和计算资源利用率饱和或不足、感知数据传输量大,以及通感一体化(integrated sensing and communications,ISAC)设计未能平衡感知与通信性能导致高时延的问题,提出了一种通感一体化辅助的车联网协同感知资源分配方案。为减少感知数据传输量并合理利用带宽和计算资源,提出一种基于相对位置的多层协同感知关心区域方案,联网自动车辆(connected autonomous vehicle,CAV)只需感知关心区域并根据任务处理时间选择早期或中期融合。提出基于ISAC设备时分动态帧结构的感知、通信和计算时间分配方案,分析不同时间分配比例对感知和通信互信息(mutual information,MI)的影响,并据此进行时间分配。以最小化协同感知任务完成延迟为目标构建优化问题,并通过混合动作空间的多智能体深度确定性策略梯度(hybrid action space multi-agent deep deterministic policy gradient,HAS-MADDPG)算法求解。仿真结果表明,相较于基准方案,HAS-MADDPG算法能有效降低协同感知的执行时延。
文摘边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。
