基于证据理论的多天线双向中继相关技术研究

发布时间：2017-12-11 12:03

  本文关键词：基于证据理论的多天线双向中继相关技术研究

  更多相关文章： 证据理论 自干扰 网络编码 多天线双向中继 全双工

【摘要】：双向中继(Two-Way Relay)技术作为4G系统的核心技术之一可以扩大系统通信覆盖面积、降低系统能耗并保障用户间通信的可靠性。双向中继系统与多输入多输出(Multiple-Input Multiple-Output,MIMO)和网络编码(Network Coding,NC)技术的结合能够同时支持多个用户的数据传输与交互,提高系统的通信效率及容量。此外,全双工通信是5G核心技术之一,双向中继系统在全双工(Full-Duplex,FD)模式下同时同频的收发信号可以进一步提高系统频谱效率。然而,由于信道衰落及自干扰(Self-Interference,SI)信号的影响,若中继节点无法获得各个数据流的精确信息,会严重影响整个系统的性能。因此,研究具有较好误码性能的接收算法和具有较强抑制能力的自干扰抑制算法对半双工(Half-Duplex,HD)及全双工多天线双向中继系统具有重要的意义。证据理论(Demspter-Shafer Evidence Theory,DS)作为一种不确定性推理决策理论被广泛应用于模式识别、数据融合及协作通信等领域。由于证据理论能够更加精确地描述信道衰落、噪声及自干扰产生的不确定性并且融合多个证据源的信息,因此能够得到更可靠的判决。本文从独特的思维角度出发,把双向中继的接收及自干扰抑制问题建立为对不确定性知识的推理模型,采用证据理论作为分析工具对半双工多天线双向中继的接收及全双工多天线双向中继的自干扰抑制问题进行了研究,主要内容如下:(1)针对半双工多天线双向中继系统的多址阶段(Multiple Access Phase,MAP),提出了基于解码转发网络编码的证据理论接收算法(MIMO-DS NC)。利用证据理论代替传统的线性检测算法分别对两个用户节点的发送信号进行估计,并通过异或运算得到网络编码符号。由于异或运算的网络编码是次优的且需要分别获得各个用户的数据流,鉴于此,提出了基于证据理论与物理层网络编码(Physical-layer Network Coding,PNC)融合的接收算法(MIMO-DS PNC)。该算法从向量空间的角度将物理层网络编码映射准则与证据理论的基本信度分配融合直接获得所需的网络编码符号,无需分别估计各用户节点发送的数据流。同时,还研究了广播阶段(Broadcast Phase,BCP)采用空时编码(Space Time Coding,STC)及天线选择(Antenna Selection,AS)传输方案下双向中继系统端到端平均误码性能及归一化吞吐量问题。仿真结果表明,MIMO-DS NC和MIMO-DS PNC算法相比于传统接收算法在复杂度略增的情况下获得了较好的性能且MIMO-DS PNC算法可以获得与基于解码转发网络编码的最大似然接收算法(MIMO-ML NC)一致的满分集增益。(2)针对全双工多天线双向中继系统,首先提出了基于证据理论与解码转发网络编码的自干扰抑制算法(DS-NC)。该算法在基本信度分配的计算中考虑自干扰抑制并分别估计每个用户发送的信号,最后通过异或运算得到网络编码符号。其次,提出了基于和差分信号处理的证据理论与物理层网络编码融合的自干扰抑制算法(DS-SAD-PNC)。该算法首先通过和差分矩阵将两个用户的信号流转化为和差分信号,并基于证据理论估计和差分信号,最后通过和差分信号判决准则直接获得网络编码符号。为了进一步降低算法复杂度,本文又提出了一种基于证据理论与物理层网络编码融合的自干扰抑制算法(DS-PNC)。该算法从向量空间的角度考虑自干扰抑制问题并通过物理层网络编码准则与证据理论的结合直接获得网络编码符号。最后,考虑了功率放大器(Power Amplifier,PA)非线性失真(Nonlinear Distortion)、I/Q不平衡及射频(Radio Frequency,RF)删除等因素的影响,给出了一种简单的自干扰信号模型并研究了DS-PNC算法在这种非线性自干扰信号模型下的自干扰抑制性能。通过仿真结果可知,所提算法相比于空域抑制算法在复杂度略增的情况下能够有效地抑制自干扰且具有较好的鲁棒性,同时DS-PNC算法还获得了与理想删除一致的满分集增益。另外,在考虑非线性失真和射频删除的情况下,DS-PNC算法误码性能同样优于空域抑制算法。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN828.6

【相似文献】

中国期刊全文数据库 前10条

1 陈增明;梁昌勇;蒋翠清;沈磊;;证据理论悖论消除的一种新方法[J];计算机应用研究;2006年11期

2 黄冠亚;赵全明;刘锋国;李玲玲;高朝晖;;D-S证据理论在综合评估中的应用[J];微计算机信息;2007年15期

3 易昆南;袁中萸;于菲菲;;D-S证据理论改进方法的应用[J];中南林业科技大学学报;2008年03期

4 谭玮;宋维;;基于D-S证据理论的网络设备故障诊断算法[J];计算机仿真;2008年08期

5 孙钦清;张元;廉飞宇;;证据理论在粮库储粮空洞检测中的研究[J];计算机与数字工程;2009年02期

6 邓三鹏;杨雪翠;苗德华;郭世杰;王创荣;;基于D-S证据理论的驾驶员疲劳监测方法研究[J];车辆与动力技术;2010年02期

7 曾元鉴;;D-S证据理论及其改进算法研究[J];舰船电子工程;2010年10期

8 夏祖勋，，刘同明，解洪成;关于证据理论中辨识框不同类型下的信息综合[J];华东船舶工业学院学报;1994年02期

9 刘大有，李岳峰;广义证据理论的解释[J];计算机学报;1997年02期

10 吴根秀;模糊证据理论[J];计算机与现代化;1998年02期

中国重要会议论文全文数据库 前10条

1 马永一;沈怀荣;彭颖;;对D-S证据理论几种改进方法的分析与讨论[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

2 郑德玲;汤新蓓;方巍;王俊然;;基于D-S证据理论的多专家意见综合方法[A];1996年中国控制会议论文集[C];1996年

3 孙怀江;杨静宇;;证据理论的改进及其应用[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 潘巍;王阳生;;一种基于D-S证据理论的情感辨识算法[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

5 周凌柯;刘瑞兰;;对证据理论检测显著误差的研究[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

6 孔鹏程;周健;;基于D-S证据理论的改进算法的研究[A];2011中国仪器仪表与测控技术大会论文集[C];2011年

7 赵韩;方艮海;王勇;;证据理论在机构评价与选型中的应用[A];第十四届全国机构学学术研讨会暨第二届海峡两岸机构学学术交流会论文集[C];2004年

8 谢楠;李靖;李建爽;黄绚烨;;基于证据理论的施工中人为过失改错效果的评估方法[A];第22届全国结构工程学术会议论文集第Ⅲ册[C];2013年

9 马小平;汪永东;樊阳;;模糊证据理论的深入研究[A];第二十六届中国控制会议论文集[C];2007年

10 朱靖;王晨熙;鄢茂林;郑义成;;D-S证据理论在多传感器身份融合中的改进[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

中国博士学位论文全文数据库 前8条

1 张哲;基于证据理论的结构可靠性分析方法[D];湖南大学;2016年

2 李海生;基于证据理论的分类方法研究[D];华南理工大学;2013年

3 肖建于;证据理论研究及其在矿井突水预测中的应用[D];中国矿业大学;2012年

4 栗峥;后现代证据理论研究[D];中国政法大学;2008年

5 梁伟光;基于证据理论的在轨航天器故障诊断方法研究[D];中国科学技术大学;2011年

6 缪燕子;多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D];中国矿业大学;2009年

7 锁斌;基于证据理论的不确定性量化方法及其在可靠性工程中的应用研究[D];中国工程物理研究院;2012年

8 肖明珠;基于证据理论的不确定性处理研究及其在测试中的应用[D];电子科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 贺晓;基于改进D-S证据理论的高速列车走行部故障诊断研究[D];西南交通大学;2015年

2 王睿虹;基于广义证据理论的多模式智能推理与融合研究[D];上海交通大学;2015年

3 宋姝婷;基于Rough集、T-范数和证据理论的属性约简研究[D];江西师范大学;2015年

4 何俊;基于证据理论的在线消费者备选商品评价研究[D];电子科技大学;2015年

5 杨星亚;基于证据理论的中小企业信用评级研究[D];合肥工业大学;2015年

6 郭威;基于证据理论的多源信息融合技术研究与应用[D];解放军信息工程大学;2015年

7 吴尚;基于证据理论的风电机组故障诊断研究[D];上海电机学院;2016年

8 田佳霖;基于D-S证据理论的融合算法及其在交通事件检测中的应用[D];长安大学;2016年

9 杨亿;基于证据理论的多天线双向中继相关技术研究[D];北京工业大学;2016年

10 刘晓光;基于D-S证据理论的推理系统研究[D];合肥工业大学;2010年

本文编号：1278363