论文部分内容阅读
物联网被认为将推动世界信息产业第三次革命,意在通过网络建立独立物体之间的通信联系,打破了传统通信系统的模式。物联网被列为国家五大新兴战略性产业之一,将在智能交通、公共安全、环境保护、工业监测、情报收集等诸多领域带来高效与便捷的服务。5G技术将传输速率提高到十倍至百倍,支持互联网的海量接入,也能够处理物联网产生的多样性数据。物联网也能够为5G提供高效和优化的网络配置以满足不同的终端需求。即将大规模商用的5G技术将进一步推动物联网的普及。然而,物联网技术仍然受到传感器成本高昂和能源受限等难点的限制。近年来,无源反向散射技术兴起,成为解决传感器能源和成本问题的潜在技术,物联网的大规模部署成为可能,传感器通过能量采集模块从周边的无线信号中获取能量,为自身供电,并通过反射该无线信号与读写器进行通信,续航时间不再受电池容量的束缚,也有效降低了系统的成本。但无源反向散射技术与传统的射频识别(Radio Frequency Identification,RFID)技术在通信原理上存在根本区别,如载波信号来源、接收信号来源、信道参数变化等等。因此,现有的估计检测等基础理论并不能直接应用于无源反向散射系统。信道参数是信号相干检测、安全协议设计和收发器设计等问题的重要依据。然而,无源反向散射系统的信道估计问题是一个挑战性难题,主要的难点集中在两个方面:(1)系统中同时存在两种隐藏变量,包括射频源的发送内容和标签的信息序列。待估信道参数随标签状态不同而变化;(2)导频受限。由于系统中的标签为无源设备,可自主发送的导频信息严重受限。文章探究了两种常用无源反向散射通信场景下的信道估计解决方案:(1)第一种场景下射频信号源为未知信号源,文章提出了基于期望最大化(Expectation-Maximization,EM)算法的盲估计器,定义了多隐式变量多待估参数场景下的中间变量形式,获取了信道参数的模值。文章还得到了估计器的初值设置范围,并推导了估计器的改进贝叶斯克拉美罗下界(Modified Bayesian Cramer-Rao Lower Bound,MBCRB),最后,通过仿真结果验证我们的理论结果。(2)第二种场景下射频信号源的通信协议是公开的,文章首先设计了读写器与标签之间的通信协议,通过最小二乘(Least Square,LS)和EM算法设计了半盲估计器,得出混合信道参数的估计值。文章还利用极大似然(Maximum Likelihood,ML)估计器得到标签到读写器的上行链路参数,通过读写器发送叠加导频的方式获取下行信道参数。此外,文章推导了所有估计器的均方误差(Mean Square Error,MSE)下界。最后,文章也通过仿真结果验证了理论结果。