剩余硬件损伤下携能双向中继网络系统中断性能分析

来源 :西安邮电大学 | 被引量 : 0次 | 上传用户:sunyanzi168168168
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
携能双向中继网络(Two-Way Relaying Network,TWRN)利用能量收集(Energy Harvesting,EH)技术,能够在完成高可靠性通信的同时延长中继节点的工作寿命。已有针对携能TWRN中系统中断性能的研究大多基于理想硬件假设,即不考虑各类损伤(如高功率放大非线性、射频电路噪声等)对收发机的影响。然而,在实际的通信网络中,收发机不可避免地会遭受着诸多因素的影响。尽管已相继提出不同的算法来缓解上述影响,但剩余的硬件损伤(Residual Hardware Impairments,RHIs),即收发机经算法补偿后的残余损伤,仍然存在且对网络性能有一定的影响。因此,本文面向携能TWRN,依次从系统中断概率与分集增益的角度出发,探究RHIs对系统中断性能的影响。具体工作如下:针对携能双向放大转发(Amplify-and-Forward,AF)中继网络,探究了RHIs对系统中断性能的影响。首先,推导了网络在Nakagami衰落信道下的系统中断概率。在此基础上,明确了由RHIs所引起的中继协作效应(Relay Cooperation Ceiling,RCC)和系统协作效应(Overall System Ceiling,OSC)。具体而言,当数据传输速率低于RCC阈值时,网络中的直达链路与中继链路共同协助终端之间的信息交换;当数据传输速率介于RCC阈值与OSC阈值之间时,中继链路中断且网络通信仅依赖于直达链路;当数据传输速率增加且超过OSC阈值时,整个网络处于中断状态。其次,得到了网络的分集增益且揭示了RHIs对分集增益的影响。具体来说,当数据传输速率低于OSC阈值时,网络的分集增益等于直达链路的形状参数;当数据传输速率高于OSC阈值时,分集增益为0。值得注意的是,无论数据传输速率取何值,RHIs下网络中来自中继链路的分集增益始终为0。该结果的主要原因是中继节点在AF协议下同时放大了有用信号与失真噪声。最后,数值仿真验证了上述理论分析的正确性。相比于AF协议,中继节点在解码转发(Decode-and-Forward,DF)下可有效地避免失真噪声的放大问题。然而,DF协议对RHIs的缓解程度以及相应的系统中断性能均尚不清晰。因此,针对携能双向解码转发中继网络,探究了RHIs对系统中断性能的影响。首先,推导并得到了系统中断概率的闭式解。依据所得到的表达式,确定了网络因RHIs而产生的OSC。具体而言,当数据传输速率低于OSC阈值时,网络中的直达链路与中继链路共同协助网络通信;反之,整个网络中断。其次,推导了网络的分集增益并揭示了RHIs对分集增益的影响。具体来讲,当数据传输速率低于OSC阈值时,网络的分集增益等于直达链路的形状参数与两跳中继链路中的较小形状参数之和;反之,分集增益为0。最后,数值仿真证明了上述理论分析的正确性,分析了AF协议与DF协议之间的性能差异。综上所述,本文面向携能TWRN,推导了RHIs下的系统中断概率与分集增益,并进一步揭示了RHIs对系统中断性能的具体影响,为携能TWRN的实际应用提供了一定的理论指导。
其他文献
近年来,随着在“互联网+”背景下产生的电子商务这种新兴经济形态的普及,快递行业作为沟通产业链上下游、连接商家与消费者的核心载体,已逐渐成为居民生活、经济社会发展的重要组成部分。据国家邮政局的最新数据显示,从2010年以来,我国快递行业业务量始终保持逐年增长的趋势,2020年我国快递业务量更是突破833亿件,全年快递业务量的增量(198.6亿件)接近2015年全年业务量。面对市场同质化的竞争加剧、快
学位
图像语义分割是计算机视觉研究的重要内容,在图像理解中起着关键性作用。早期传统的图像分割是通过颜色、纹理、亮度和形状等特征,把图像分成若干具有相同含义的区域。但是,这种分割技术的特征识别度低,在对图像进行分割时,只能提取到低层特征,导致分割性能较差。随着计算机技术的更新换代以及深度学习在计算机视觉的成功应用,图像分割逐渐进入到了可以通过深度网络提取特征的图像语义分割阶段。近年来,深度学习的日益强大极
辅助驾驶系统和自动驾驶系统的研究与发展使得交通场景中的目标检测任务己经成为当前目标检测研究领域内的重要分支,其研究内容包括行车道路中的障碍物检测、行人检测、车辆识别与车道线的检测等。实际的交通场景中普遍存在着目标之间的遮挡、光线明暗不均以及小目标众多等影响因素,复杂的交通环境使得大多数目标检测算法对小目标和目标间的遮挡等问题的检测性能较差。目前与基于传统图像处理的目标检测方法相比,大多数基于深度学
量子保密通信是量子力学的基本原理和信息通信理论相互结合产生的交叉学科,有着量子力学和信息通信学科各自的优点,量子保密通信有许多经典通信无法比拟的优势。因为独特的通信安全优势,近年来,量子保密通信的研究进展不断突破,将会在通信与信息技术领域引发新的技术浪潮。量子卫星通信作为量子保密通信的重要组成部分,在各国研究团队坚持不懈的努力下,量子卫星通信也得到了健康良好的发展,为构建广域量子卫星通信网络打下了
随着云计算技术的不断发展,越来越多的个人和企业选择使用云存储应用来存储数据。作为一种新兴的应用模式,云存储为用户提供数据快速存储和检索等服务,有效地解决了数据爆发式增长带来的数据存储问题。然而,由于用户失去了对存储在云端数据的控制权,而且云存储服务器不是完全可信的,这导致云存储中用户隐私数据泄露以及数据篡改等安全问题频频发生,严重阻碍了云存储的进一步发展与应用。属性基签名(Attribute-ba
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)采用多频率、多通道的成像方式,能够不分昼夜地进行对地监测,同时还具有穿透力强、分辨率高等优点。作为PolSAR影像解译的关键技术之一,PolSAR图像分类一直受到国内外研究者的热切关注。PolSAR图像分类是一种像素级别的密集预测任务。近些年卷积神经网络(Convolutional Neur
随着信息时代的发展,数据量日益增加。云存储技术的出现对数据的存储和共享带来了很大的便利,同时也带来了巨大的安全威胁。云存储服务器(Cloud Storage Server,CSS)往往容易受到外部敌手和内部敌手的攻击,采用普通的加密技术虽然可以保护数据隐私,但在使用时需要将远程文件全部下载到本地逐一进行解密,这无疑增加了系统资源的浪费。尽管数据加密被认为是保护数据机密性的一种简单而且有效的方式,但
人脸表情识别技术在人机交互、智慧交通和医疗等领域有广泛的应用,在计算机视觉和深度学习等领域也取得了越来越多的关注。人脸表情识别的核心技术之一是图像特征表达,目的是提取到辨识力高、鲁棒性强的特征。现已有众多学者针对人脸表情识别的关键技术开展了一定的研究工作,但在提高识别精度方面仍然是一个巨大的挑战。本文以人脸表情识别技术中的特征学习和显著性区域检测等关键问题开展研究工作,提高了识别方法的精度。主要研
图像超分辨率重建方法是通过硬件或软件的方式,将高分辨率图像从一系列相关的低分辨率图像中恢复出来的过程。当前,在实现图像超分辨率重建的方法中,机器学习和深度学习是两个对图像重建质量较好的方法。因此,本文基于这两种方法对图像重建算法进行了研究。基于邻域嵌入的自学习图像超分辨率算法是一种基于机器学习的算法。提取图像深层特征的超分辨率重建网络是一种基于深度学习的算法。本文对图像超分辨率研究的主要内容有:(