针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面...针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。展开更多
在多径传输环境中,针对现有空间平滑算法因孔径损失导致波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种基于波束空间时间平滑算法的超表面天线二维DOA估计方法。首先,该方法利用L形动态超表面天线(dynamic metasurfa...在多径传输环境中,针对现有空间平滑算法因孔径损失导致波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种基于波束空间时间平滑算法的超表面天线二维DOA估计方法。首先,该方法利用L形动态超表面天线(dynamic metasurface antenna,DMA)的捷变性和相移特性,在波束空间、空域和时域等多个维度对多径信号进行综合观测,从而在无孔径损失的情况下,获取多个维度的信号观测分量。接着,对每个相干时间段的波束空间数据进行特征值分解,提取信号子空间数据,并计算多个时段数据的协方差矩阵。随后,充分利用协方差矩阵的互相关矩阵,将其平均处理后作为修正的空间平滑矩阵,采用一维波束空间多信号分类(multiple signal classification,MUSIC)算法分别估计水平方向和垂直方向的入射角度,并结合最大似然算法进行配对,最终获取二维DOA。蒙特卡罗仿真验证了理论分析结果,与基于现有平滑算法的DOA估计方法相比,本方法具有更强的去相关性和更小的谱峰偏移,能够有效提升估计精度。展开更多
动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡...动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。展开更多
空天地融合车载网场景下,无人机设备由于电池容量和能源有限,无法为任务卸载提供长期有效支持;低轨卫星受资源成本以及通信延迟、时延抖动的影响难以为大规模车联网任务提供稳定的高带宽通信服务。针对空天地融合车载网络场景下无人机...空天地融合车载网场景下,无人机设备由于电池容量和能源有限,无法为任务卸载提供长期有效支持;低轨卫星受资源成本以及通信延迟、时延抖动的影响难以为大规模车联网任务提供稳定的高带宽通信服务。针对空天地融合车载网络场景下无人机和低轨卫星的资源优化问题,提出了一种基于多任务深度强化辅助学习(Multi-Task Deep Reinforcement and Auxiliary Learning,MTDRAL)的任务卸载以及功率调整、缓存决策的方案。首先构建了任务切分与传输模型、时延模型、能耗模型、服务器计算与缓存模型和问题模型;然后,基于对任务处理时延、服务器能耗以及缓存命中率的综合考虑,给出了基于MTDRAL的任务卸载及资源调度方案;最后将所提方案与随机卸载策略方案、成功率贪婪决策方案、基于柔性动作-评价算法的多网络深度强化学习的卸载方案、基于深度确定性策略梯度算法的多网络深度强化学习的卸载方案进行了对比实验。实验结果表明:所提方案在服务器数量为14、车载终端数量为10时,综合得分相较于4种对比方案,分别领先约134.41%,31.32%,38.93%,29.49%;所提方案具有较好的性能,能更好地满足空天地融合车载网场景下的任务卸载需求。展开更多
文摘针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。
文摘在多径传输环境中,针对现有空间平滑算法因孔径损失导致波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种基于波束空间时间平滑算法的超表面天线二维DOA估计方法。首先,该方法利用L形动态超表面天线(dynamic metasurface antenna,DMA)的捷变性和相移特性,在波束空间、空域和时域等多个维度对多径信号进行综合观测,从而在无孔径损失的情况下,获取多个维度的信号观测分量。接着,对每个相干时间段的波束空间数据进行特征值分解,提取信号子空间数据,并计算多个时段数据的协方差矩阵。随后,充分利用协方差矩阵的互相关矩阵,将其平均处理后作为修正的空间平滑矩阵,采用一维波束空间多信号分类(multiple signal classification,MUSIC)算法分别估计水平方向和垂直方向的入射角度,并结合最大似然算法进行配对,最终获取二维DOA。蒙特卡罗仿真验证了理论分析结果,与基于现有平滑算法的DOA估计方法相比,本方法具有更强的去相关性和更小的谱峰偏移,能够有效提升估计精度。
文摘动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。
文摘空天地融合车载网场景下,无人机设备由于电池容量和能源有限,无法为任务卸载提供长期有效支持;低轨卫星受资源成本以及通信延迟、时延抖动的影响难以为大规模车联网任务提供稳定的高带宽通信服务。针对空天地融合车载网络场景下无人机和低轨卫星的资源优化问题,提出了一种基于多任务深度强化辅助学习(Multi-Task Deep Reinforcement and Auxiliary Learning,MTDRAL)的任务卸载以及功率调整、缓存决策的方案。首先构建了任务切分与传输模型、时延模型、能耗模型、服务器计算与缓存模型和问题模型;然后,基于对任务处理时延、服务器能耗以及缓存命中率的综合考虑,给出了基于MTDRAL的任务卸载及资源调度方案;最后将所提方案与随机卸载策略方案、成功率贪婪决策方案、基于柔性动作-评价算法的多网络深度强化学习的卸载方案、基于深度确定性策略梯度算法的多网络深度强化学习的卸载方案进行了对比实验。实验结果表明:所提方案在服务器数量为14、车载终端数量为10时,综合得分相较于4种对比方案,分别领先约134.41%,31.32%,38.93%,29.49%;所提方案具有较好的性能,能更好地满足空天地融合车载网场景下的任务卸载需求。
