提出同时将透射和反射可重构智能表面(Simultaneously transmitting and reflecting reconfigurable intelligent surfaces,STAR-RIS)与通信感知一体化(Integrated sensing and communication,ISAC)系统结合,以实现全空间的通信与感知...提出同时将透射和反射可重构智能表面(Simultaneously transmitting and reflecting reconfigurable intelligent surfaces,STAR-RIS)与通信感知一体化(Integrated sensing and communication,ISAC)系统结合,以实现全空间的通信与感知。同时在STAR-RIS上应用一种低成本的传感器实现了在STAR-RIS上进行目标感知,解决了雷达感知的严重路径损耗问题。基于此,本文研究了STAR-RIS辅助位于STAR-RIS两侧的多用户多输入单输出(Multi-usermulti-input single-output,MU-MISO)以及一个位于STAR-RIS透射侧的目标的ISAC系统,旨在联合优化STAR-RIS的被动波束成形矩阵和ISAC基站处的主动波束成形矩阵,以最大化用户的通信和速率,同时满足目标感知的最低信噪比要求。为了解决优化过程中的非凸问题,提出了一种基于分式规划的块坐标上升算法,将优化变量分为几个块变量交替优化。在迭代优化后续波束成形问题上,应用了连续凸逼近和半正定松弛算法。与传统的可重构智能表面相比,仿真结果验证了在ISAC系统中部署STAR-RIS的优点。同时将所提的基于分式规划的算法与基于加权最小均方误差的算法进行了对比并验证了所提算法在提高通信和速率上的优势和有效性。展开更多
脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual c...脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual convolutional neural network,SCF-RCNN)模型的情绪识别方法。该方法从经预处理的脑电信号中提取皮尔逊相关系数(Pearson correlation coefficient,PCC)、锁相值(Phase-locked value,PLV)和互信息(Mutual information,MI)作为空间连通特征,使用包含两个残差模块的卷积神经网络模型来提取情感信息。在SEED数据集上的实验结果显示,PLV构造的连接矩阵与脑电情绪关系更为密切,其平均准确率可达93.38%,标准差为3.35%。与传统算法相比,SCF-RCNN在情绪识别领域的分类任务中表现更为优越,表明该方法在情绪识别领域具有重要的应用潜力。展开更多
超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计...超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计的导频开销,提出了一种基于凸优化方法的混合场信道估计方案,上行混合场XL-MIMO系统信道经过远场角域变换和近场极域变换后呈现稀疏性,信道估计问题为具有l_(0)范数约束的优化问题。由于所得到的问题的非凸性,通过将l_(0)范数放松为l_(1)范数,将问题转化为凸问题,分别结合近端梯度(proximal gradient,PG)和交替方向乘子法(alternating direction method of multipliers,ADMM)提出两种混合场信道估计算法。太赫兹无线通信系统不同频率子载波不能近似相等,因此对不同频率的子载波使用相应频率下的字典。相比于传统的基于正交跟踪匹配的近场和远场的信道估计算法,所提的混合场算法不需要近场和远场的路径数目作为先验条件,且有更高的精度。展开更多
文摘超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计的导频开销,提出了一种基于凸优化方法的混合场信道估计方案,上行混合场XL-MIMO系统信道经过远场角域变换和近场极域变换后呈现稀疏性,信道估计问题为具有l_(0)范数约束的优化问题。由于所得到的问题的非凸性,通过将l_(0)范数放松为l_(1)范数,将问题转化为凸问题,分别结合近端梯度(proximal gradient,PG)和交替方向乘子法(alternating direction method of multipliers,ADMM)提出两种混合场信道估计算法。太赫兹无线通信系统不同频率子载波不能近似相等,因此对不同频率的子载波使用相应频率下的字典。相比于传统的基于正交跟踪匹配的近场和远场的信道估计算法,所提的混合场算法不需要近场和远场的路径数目作为先验条件,且有更高的精度。
