5G-NR高速移动场景下多普勒频偏估计方法研究
发布时间:2023-05-13 02:27
高速铁路由于其经济性、环保性以及可全天候运行等优势受到了越来越多的注意,经济与科学技术的进步促进了高速铁路的快速发展,目前国内高铁车速已可以达到300km/h甚至更快的速度。高速铁路作为5G-NR的重要使用场景之一,其通信需求日益增多,同时对于通信系统质量等指标的要求也更加严格。国际电信联盟在关于5G-NR的关键性能制定中要求在车载速度达500km/h的高铁通信场景下下行链路速率达到50Mbit/s,上行链路达到25Mbit/s。在5G-NR应用时代,高铁宽带移动通信技术面临着巨大的挑战,其主要包括:高铁车厢对信号的衰减大、频繁的基站小区切换以及列车高速行驶带来的大多普勒频移。因此,为了达到5G-NR高铁通信场景下关键性能的要求,需要对有关通信技术进行深入研究。考虑到5G-NR通信系统的整体性能及要求,3GPP在评估了单载波及多个子载波波形的优缺点后,最终选用正交频分复用(OFDM,Orthogonal Frequency Division Multiple)作为上下行传输技术。然而,在5G-NR高速移动通信场景下列车的更高速移动(>=500km/h),以及更高的载波频率将引起更...
【文章页数】:65 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 引言
1.2 国内外研究现状
1.2.1 基于4G-LTE的HSR场景中多普勒频偏估计研究现状
1.2.2 基于5G-NR的HSR场景中多普勒频偏估计研究现状
1.3 本论文的研究工作
1.4 本论文的组织结构
第二章 5G-NR高速移动传输系统相关基础理论
2.1 5G-NR系统概述
2.1.1 5G-NR概述
2.1.2 5G-NR应用场景
2.1.3 5G-NR与4G的区别
2.1.4 5G-NR数据帧格式
2.1.5 正交频分复用技术概述
2.1.6 毫米波技术概述
2.2 高速移动场景的信道模型
2.2.1 信道特性与模型
2.2.2 多普勒频移
2.3 多普勒频偏对系统性能的影响
2.4 本章小结
第三章 基于环境地图与导频联合的多普勒频偏估计方法
3.1 引言
3.2 信号模型
3.3 现有相关估计方法
3.3.1 基于导频相关的频偏估计算法(PCBE)
3.3.2 基于循环前缀的频偏估计算法(CPBE)
3.3.3 基于无线环境图的频偏估计算法(REME)
3.3.4 基于导频分段的频偏估计算法(ESBE)
3.4 新型的基于环境地图与导频的多普勒频偏估计方法
3.4.1 方法原理
3.4.2 理论性能分析
3.4.3 计算机仿真与分析
3.5 本章小结
第四章 基于神经网络的多普勒频偏估计方法
4.1 引言
4.2 信号模型
4.3 现有相关估计方法
4.3.1 基于相邻符号序列的频偏估计算法(Moose)
4.3.2 基于循环前缀的频偏估计算法(CPBE)
4.4 新型的基于神经网络的多普勒频偏估计方法
4.4.1 BP神经网络
4.4.2 方法原理
4.4.3 计算机仿真与分析
4.5 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢
本文编号:3815111
【文章页数】:65 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 引言
1.2 国内外研究现状
1.2.1 基于4G-LTE的HSR场景中多普勒频偏估计研究现状
1.2.2 基于5G-NR的HSR场景中多普勒频偏估计研究现状
1.3 本论文的研究工作
1.4 本论文的组织结构
第二章 5G-NR高速移动传输系统相关基础理论
2.1 5G-NR系统概述
2.1.1 5G-NR概述
2.1.2 5G-NR应用场景
2.1.3 5G-NR与4G的区别
2.1.4 5G-NR数据帧格式
2.1.5 正交频分复用技术概述
2.1.6 毫米波技术概述
2.2 高速移动场景的信道模型
2.2.1 信道特性与模型
2.2.2 多普勒频移
2.3 多普勒频偏对系统性能的影响
2.4 本章小结
第三章 基于环境地图与导频联合的多普勒频偏估计方法
3.1 引言
3.2 信号模型
3.3 现有相关估计方法
3.3.1 基于导频相关的频偏估计算法(PCBE)
3.3.2 基于循环前缀的频偏估计算法(CPBE)
3.3.3 基于无线环境图的频偏估计算法(REME)
3.3.4 基于导频分段的频偏估计算法(ESBE)
3.4 新型的基于环境地图与导频的多普勒频偏估计方法
3.4.1 方法原理
3.4.2 理论性能分析
3.4.3 计算机仿真与分析
3.5 本章小结
第四章 基于神经网络的多普勒频偏估计方法
4.1 引言
4.2 信号模型
4.3 现有相关估计方法
4.3.1 基于相邻符号序列的频偏估计算法(Moose)
4.3.2 基于循环前缀的频偏估计算法(CPBE)
4.4 新型的基于神经网络的多普勒频偏估计方法
4.4.1 BP神经网络
4.4.2 方法原理
4.4.3 计算机仿真与分析
4.5 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢
本文编号:3815111
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3815111.html