【摘 要】
:
对海洋开展科学研究、民事开发或实施海洋军事活动均需以海洋环境信息为基础。故人们日益增长的认识海洋需求推动着大规模、高效海洋监测传感网建设。压缩感知框架下的水下传
论文部分内容阅读
对海洋开展科学研究、民事开发或实施海洋军事活动均需以海洋环境信息为基础。故人们日益增长的认识海洋需求推动着大规模、高效海洋监测传感网建设。压缩感知框架下的水下传感网可为大规模水下信息获取提供节能高效的解决方案。而对于各节点数据传输代价存在差异的中心型水下传感网,该压缩感知信息获取模式下的活跃节点选择结果对网络能量消耗与数据重建精度均有直接影响。故本文基于压缩感知框架下水下传感网信息获取模式,在考虑各感知节点到汇聚节点数据传输代价差异的前提下,探索活跃节点选择方案及与其相适应的多用户检测方法。这对构建节能高效的水下环境信息获取传感网具有积极意义。首先介绍了压缩感知框架下的传感网信息获取模式及传统的节点随机活跃策略。然后在中心型水下二维传感网模型基础上,描述水下信道衰减、噪声。并给出与传输距离有关的单跳传输能耗计算方式,以此作为本文所关注的各节点数据传输代价差异。接着,基于各节点数据传输代价差异,进行压缩感知框架下水下传感网活跃节点选择方案设计。方案设计原则为在数据重建精度约束的基础上实施节省网络能耗策略。在汇聚节点处求解基于此原则的优化问题来进行活跃节点选择。本文对基于考虑传输代价节点选择方案与随机节点选择方案的水下环境信息获取过程进行仿真,并在数据重建精度与网络生存时间两方面对两种活跃节点选择方式进行性能对比。其主要包括针对较小观测区域、单个汇聚节点与针对较大观测区域、多个汇聚节点两部分的仿真实验。由仿真结果可知,与节点随机活跃策略相比,考虑传输代价的活跃节点选择方案使得网络生存时间得到有效延长,但亦使得数据重建精度有所下降。另外,对于较大规模观测区域应设多个汇聚节点并针对其部分区域进行活跃节点选择与数据恢复。最后,通过对汇聚节点未知用户活跃性信息时需进行的活跃性检测进行分析,本文亦关注与汇聚节点处活跃节点选择操作相适应的多用户检测方法。即汇聚节点可利用已知的活跃性信息实施更复杂、性能更好的多用户检测算法。本文介绍交织多址与低密度扩展下的多用户检测算法,并对这两种处理方式的误码率性能进行对比。从仿真结果可看到,基于低密度扩展的多用户检测可取得更好的误码率性能。
其他文献
Polar码是一种基于信道极化理论的新型信道编码方法,且能够达到二进制离散无记忆信道的信道容量,同时其编译码复杂度较低。Polar码在各种应用方面的研究受到了广泛关注。多层式单元(Multi-Level Cell,MLC)型NAND闪存作为一种非易失性存储,凭借其存储容量大、功耗低及存储成本小,已成为存储市场中的主流。但由于其存储密度的增加导致了数据存储的可靠性降低,从而极大地缩短了闪存的使用寿命
智能终端设备和移动互联网的飞速发展,对无线通信技术提出更高的传输质量与系统容量的需求。由于毫米波的频谱资源更为丰富,毫米波通信成为无线通信领域的研究热点。大规模MIMO和波束成形技术能有效弥补毫米波的巨大路径损耗,成为了毫米波通信的关键技术。全数字波束成形由于成本高、能耗大等特点,难以应用于毫米波通信。混合波束成形结合了数字域和模拟域的波束成形,能有效减少射频链路数,降低系统的复杂度,成为毫米波通
伴随着Wi-Fi网络的大规模建设和移动终端内嵌Wi-Fi接收机的普及,基于Wi-Fi信号的室内定位成为学术界和工业界广泛关注的热点。随着机器学习的发展,基于Wi-Fi的室内定位可以通过机器学习技术来解决。作为一种新的机器学习技术,极限学习机(ELM)具有学习速度快,计算复杂度低,泛化性能好等优点。但是当ELM理论直接用于室内定位,离线学习会存在过拟合的风险,定位结果稳定性弱。并且在数据异常情况下定
随着科技的发展人们对于图像质量的要求也越来越高,单纯从硬件方面进行提高,技术上已经达到瓶颈,且成本较高。研究者们想到从软件方面进行突破,有望克服硬件成像设备(如手机或摄像机等)的一些固有分辨率的限制,另一方面还可降低成本。因此,近年来图像超分辨率(SR,Super Resolution)算法研究成为了一个非常活跃的研究领域。现今SR算法可大体分为:基于插值的、基于重建的和基于学习的三类。基于插值的
图像作为当今社会一种常用的信息载体,其重要性与日俱增。随着图片使用量的日益增加,图像识别算法也随之成为人工智能领域一个非常热门的研究方向。近年来,有赖于卷积神经网络在图像识别领域的优异表现,越来越多的卷积神经网络优化方法和网络模型架构被研究者提出。但是,在网络性能提升的同时,随之而来的是急剧增加的网络复杂度,大多数先进网络拥有数百兆的参数量和数十亿的计算量。然而,随着卷积神经网络应用的增加,越来越
随着人工智能的发展,计算机视觉和自然语言处理交叉领域的研究逐渐引起科研工作者们的兴趣,指称表达理解(Referring Expression Comprehension,REC)就是其中之一。指称表达(R
随着2022年北京冬季奥运会的成功申办,球迷对冰球比赛的关注度大幅提升,对冰球赛况的预测分析方法也越来越多。在信息化快速发展的今天,冰球比赛数据的数据量和数据维度持续爆发式增长,数据规模和特征维数的增加给赛况预测研究提供了新的挑战。目前传统预测算法已经无法满足冰球赛况预测的需要,而研究发现,支持向量机(SVM)为分类预测问题提供了很好的解决思路,在处理非线性和高维数据的分类问题方面具有明显的优势。
随着大规模多输入多输出(Massive Multiple-Input Multiple-Output,MIMO)天线技术等无线通信技术的发展,无线通信的数据传输速率越来越高。在传统的无线通信系统中,干扰是限制系统性能的重要因素,干扰对齐(Interference Alignment,IA)技术作为一种有效的干扰管理方案,能够在满足可行性条件下使无线通信速率逼近信道容量。但是,面对用户数量和信息传输
天线作为电子系统的前端组成部分,在整个系统中起着至关重要的作用。为了适应现代社会的飞速发展,研究如何能让天线在更宽的频率范围内达到更加稳定的电性能指标已经是无线系