构建基于无人机基站(Unmanned Aerial Vehicle Base Station, UBS)的空地网络是解决移动通信网络覆盖等问题的重要途径。区别于地面移动通信网络,空地网络需要对UBS位置和用户关联进行联合优化。针对上述问题,首先通过构建二进制无线电...构建基于无人机基站(Unmanned Aerial Vehicle Base Station, UBS)的空地网络是解决移动通信网络覆盖等问题的重要途径。区别于地面移动通信网络,空地网络需要对UBS位置和用户关联进行联合优化。针对上述问题,首先通过构建二进制无线电地图(Binary Radio Map, BRM)使得UBS能够有效获取整个任务区域中用户位置关联的信道知识,在此基础上提出基于BRM的离线多UBS部署与用户关联联合规划方法。该方法以最大化网络效用函数为目标,通过互嵌套的启发式UBS部署位置搜索和基于匹配博弈的UBS-用户匹配实现UBS位置和用户关联的离线优化。在复杂城市环境下,相比于参考方案,所提方法可使得用户和速率性能提升10%~40%。展开更多
文摘构建基于无人机基站(Unmanned Aerial Vehicle Base Station, UBS)的空地网络是解决移动通信网络覆盖等问题的重要途径。区别于地面移动通信网络,空地网络需要对UBS位置和用户关联进行联合优化。针对上述问题,首先通过构建二进制无线电地图(Binary Radio Map, BRM)使得UBS能够有效获取整个任务区域中用户位置关联的信道知识,在此基础上提出基于BRM的离线多UBS部署与用户关联联合规划方法。该方法以最大化网络效用函数为目标,通过互嵌套的启发式UBS部署位置搜索和基于匹配博弈的UBS-用户匹配实现UBS位置和用户关联的离线优化。在复杂城市环境下,相比于参考方案,所提方法可使得用户和速率性能提升10%~40%。
文摘大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的性能增益依赖可靠的信道估计,传统信道估计方案主要面向准静态场景,在用户高速移动场景中性能下降明显。本文研究频分双工(Frequency Division Duplex,FDD)大规模MIMO系统中的时变信道估计问题,利用信道向量在角度域的空时稀疏特性,提出软结构先验模型驱动的稀疏贝叶斯信道估计(Soft-Structured Prior Model based Sparse Bayesian Estimation,SSPM-SBE)方案,针对方案涉及的复杂贝叶斯估计问题,给出基于变分优化的低复杂度求解方法。SSPM-SBE方案能够充分利用当前和历史接收导频数据改善时变信道的估计性能,且无需信道大尺度信息的先验认知,仿真结果验证了方案的优越性。
