卫星网络混合多址接入研究与实现

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:coralbird
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
低轨卫星作为一种覆盖面广、不受地理和气象因素影响的中继节点,克服了地面网络远距离传输弱点,相对其它轨道卫星,其灵活可靠,成本低廉,更易满足地面移动用户的业务质量需求,因此受到了学术和工业界的广泛关注。随着通信技术的高速发展,用户终端的数量不断增加,业务范围也在不断拓展,这些都对未来卫星网络接入等性能提出了更高的要求。在如今的卫星网络环境中,用户分布跨度大,无法采用地面网络中基于载波侦听的冲突避免机制,且数据包多为突发类型,长短不一。在当前卫星网络多址接入研究中,按需分配的多址接入技术适用于长业务分组,无法有效应对短突发的业务分组,而现有的随机多址接入技术虽然可以有效应对短突发的业务分组,但是在高负载通信网络场景下,由于上行信道资源有限,大量用户的同时接入会产生严重的数据冲突,导致资源利用率降低。因此,针对低轨卫星网络高负载混合业务场景,在有限的链路资源下设计高效可行的多址接入方案是目前亟待解决的问题。针对上述挑战,本文主要进行了如下研究:针对于长时延、混合业务类型的高负载低轨卫星网络场景,结合非时隙同步随机多址接入技术以及按需分配机制,提出基于竞争决策的混合多址接入技术,并给出了适用于该技术的物理帧结构。该技术将上行帧划分为随机接入区以及按需分配区,在随机接入区中以竞争决策ALOHA的方式发送数据包,在按需分配区中于给定的资源块处进行数据传输。结合改进的物理帧结构,提出了按需分配区的资源分配策略,分得资源的用户将会在下一帧内于按需分配区中进行数据传输,并设定了最大接入阈值限制,保障了用户接入的公平性。随后分析了基于竞争决策的混合多址接入技术的性能指标,通过模拟该协议下的星地网络通信过程,对比分析了各种协议参数对其性能的影响。结果表明,相比于竞争决策ALOHA,所提出的协议在高负载场景仍具有更优的时延、吞吐性能。为进一步验证本文提出的基于竞争决策的混合多址接入技术的实际性能,搭建了基于竞争决策的混合多址接入协议的演示验证平台。首先,给出了演示平台设计方案,包括处理器系统、可编程逻辑侧关键功能模块设计。其次,设计了适用于该协议的新型数据帧结构。最后,在基于Xilinx Zynq芯片的Zedboard开发板中实现了该演示平台,验证了本文提出的基于竞争决策的混合多址接入协议在实际应用场景中的可行性。
其他文献
图像实例分割完成的是像素级的实例目标分割任务,是人工智能与计算机视觉领域的重要发展方向,其被广泛应用到各个领域,如工业生产、监控安防和医疗卫生等。目前的图像实例分割模型主要存在两个问题,第一,传统的图像实例分割模型由于图像中实例对象尺寸差异跨度较大,导致目标检测阶段出现误检、漏检等问题,从而使生成的掩码精度较低。第二,传统的实例分割模型在掩码生成阶段,主要是通过汇聚到全连接层的特征信息对像素点进行
随着计算机技术和互联网技术的发展,各行各业纷纷向“互联网+”和数字化转型,数字信息化服务的用户量剧增,导致了各个领域的数据量呈指数式暴涨,数据计算面临着新的需求和挑战。以单一类型计算资源为主的传统计算系统平台力不胜任,无法满足日趋复杂且多变的应用需求。在此背景下,通用异构计算平台应运而生,被广泛应用于科学计算、深度学习、信号处理和云计算等领域,并取得了显著的成效。它的大规模计算资源为处理海量数据提
自上世纪八十年代以来,人工神经网络迅猛发展。现在,它已经被广泛应用于诸多领域解决实际问题。但是,就目前情况而言,我们所应用的人工神经网络属于第二代神经网络。尽管第二代神经网络帮助我们在很多领域取得了突破性的进展,但它并没有实现真正的仿生,不能够模仿真实大脑皮层神经元网络的工作机制。而构建与人类大脑神经元网络相类似的智能网络作为当下的研究热点,由于大脑结构和功能之谜尚未真正解开,变得极具挑战。本文从
随着移动用户终端产生的通信业务需求的激增和新兴远程物联网业务需求的诞生,传统地面通信网络由于资源有限、节点覆盖范围小等缺陷难以满足业务对大规模连接和高网络承载能力的需求,并且一旦地面网络遭受自然灾害的影响而瘫痪时,将导致受灾地区通信的中断。而卫星通信网络因为海拔高、可用资源丰富的特点具有覆盖范围广、接入技术灵活、免受不可抗力因素破坏等优点,当其与地面通信网络融合形成天地一体化网络时,能够提升网络对
物理层密钥生成技术主要是利用无线信道的互异性、时变性和空间唯一性生成随机序列,区别于传统的加密方法,物理层密钥生成技术不需要第三方可信机构的密钥管理与分发,理论上可以做到一次一密,达到香农保密通信的绝对安全。在5G和物联网时代,物理层密钥生成技术可以对传统加密方式进行补充甚至完全替代,具有广阔的应用前景。本文着重对物理层密钥生成技术的应用场景进行研究,主要的工作与创新点如下:(1)将物理层密钥生成
在移动边缘计算(Mobile Edge Computing,MEC)网络中,可充分利用服务器自身的计算能力,协助资源受限的移动终端进行计算卸载。利用非正交多址接入技术(Nonorthogonal Multiple Access,NOMA)完成计算任务卸载,可有效提高频谱效率,同时减少完成任务计算所需的时延和能量消耗。目前,基于NOMA的移动边缘计算(NOMA-MEC)网络计算卸载研究主要集中在通信
随着信息通信技术的快速更新迭代,物联网技术得到充足的发展和普及,现如今已经改变了人类传统的生活和工作方式,使诸多行业走上智能化的道路。物联网的发展在一定程度上取决于当下通信基础设施的水平和能力,但是在一些偏远地区、广袤沙漠以及远海等场景部署地面网络比较困难,而且地面基站覆盖范围小,这些地区通常没有信号,从而导致物联网技术的服务能力无法满足人类的需求。为解决地面物联网受地域影响大,覆盖范围有限的弊端
近年来,深度学习为计算机视觉算法的飞速发展奠定了稳固的基础,基于深度神经网络的目标检测算法渐渐被应用在人们生产生活的方方面面。然而,随着技术的发展,目标检测算法的研究也从充足数据、强监督的场景逐渐转移到了类别长尾分布的小样本场景。因此,如何利用极少量的数据实现高精度的目标检测,成为了近年来国内外的研究热点。然而,在没有足够数据的情况下,深度神经网络容易出现难收敛、过拟合以及泛化性能差等问题;并且由
学位
近年来,第五代通信技术日趋成熟,可穿戴设备和便携式设备的应用越来越普及,物联网的蓬勃发展正在将世界带入一个传感器无处不在的环境。模数转换器(ADC)作为连接模拟世界与数字系统的桥梁,普遍应用于各类电子设备中。为了实现整个系统的低功耗设计,对模数转换器性能和功效的要求也越来越严格。逐次逼近流水线混合型(Pipelined SAR)ADC结合了流水线型(Pipelined)ADC和逐次逼近型(SAR)