未来语义通信将广泛运用于蜂窝无线网络。针对设备到设备(device-to-device,D2D)内容推荐场景,研究了蜂窝网络中按需求语义通信的问题。提出了一种以目标用户接收体验(quality of experience,Qo E)为指标的语义传输模式,使簇头目标用户...未来语义通信将广泛运用于蜂窝无线网络。针对设备到设备(device-to-device,D2D)内容推荐场景,研究了蜂窝网络中按需求语义通信的问题。提出了一种以目标用户接收体验(quality of experience,Qo E)为指标的语义传输模式,使簇头目标用户可根据时延和图像保真度的需求来调节语义压缩比例与选择接入链路,进而从语义压缩比例和信道分配的角度设计了资源优化问题。为解决所提问题,针对图像语义通信中的语义编码解码过程,设计了比例压缩因子,提出了一种小批量模型训练方法,通过随机选择批次来训练子语义模型,兼顾模型性能与训练复杂度。引入博弈论的方法解决信道分配与语义比例压缩因子选择问题,该问题被建模为势能博弈问题,设计了效用函数和势能函数,并证明纳什均衡的存在。提出了参数修正的空间自适应算法来达到纳什均衡。仿真结果证明了所提方法在目标用户整体Qo E上的有效性。展开更多
雷达信号分选是电子战系统中的关键技术,是战场态势感知的重要环节,新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的...雷达信号分选是电子战系统中的关键技术,是战场态势感知的重要环节,新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题,提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion,WWCD)优化算法和Canopy算法相结合,实现了Canopy算法距离阈值的优选,并为后续K-means聚类优化了K值的选择,有效降低了K-means算法对初始聚类数选择的敏感性。实验中,主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证,并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明,所提方法有较高的聚类分选准确率,且对初始参数的设置不敏感。展开更多
为了适应民航市场中客舱通信需求的飞速增长,近几年来航空宽带卫星通信系统成为卫星通信领域的一个研究热点课题。针对工作在极高频(Extremely High Frequencies,EHF)频段的航空卫星通信系统,研究了其系统中断性能和系统遍历容量(Ergodi...为了适应民航市场中客舱通信需求的飞速增长,近几年来航空宽带卫星通信系统成为卫星通信领域的一个研究热点课题。针对工作在极高频(Extremely High Frequencies,EHF)频段的航空卫星通信系统,研究了其系统中断性能和系统遍历容量(Ergodic Capacity,EC)。具体而言,在通信卫星为高通量卫星(High Throughput Satellite,HTS)且采用高增益点波束天线进行信号发送,而飞机采用相控阵天线接收卫星信号的情况下,分析了EHF频段衰落特性以及相控阵天线相移误差对系统性能的影响,推导出系统中断概率(Outage Probability,OP)和遍历容量的闭合表达式。计算机仿真不仅验证了理论分析的正确性,而且分析了典型参数对系统性能的影响,从而为航空宽带卫星通信系统的设计提供了参考。展开更多
文摘未来语义通信将广泛运用于蜂窝无线网络。针对设备到设备(device-to-device,D2D)内容推荐场景,研究了蜂窝网络中按需求语义通信的问题。提出了一种以目标用户接收体验(quality of experience,Qo E)为指标的语义传输模式,使簇头目标用户可根据时延和图像保真度的需求来调节语义压缩比例与选择接入链路,进而从语义压缩比例和信道分配的角度设计了资源优化问题。为解决所提问题,针对图像语义通信中的语义编码解码过程,设计了比例压缩因子,提出了一种小批量模型训练方法,通过随机选择批次来训练子语义模型,兼顾模型性能与训练复杂度。引入博弈论的方法解决信道分配与语义比例压缩因子选择问题,该问题被建模为势能博弈问题,设计了效用函数和势能函数,并证明纳什均衡的存在。提出了参数修正的空间自适应算法来达到纳什均衡。仿真结果证明了所提方法在目标用户整体Qo E上的有效性。
文摘雷达信号分选是电子战系统中的关键技术,是战场态势感知的重要环节,新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题,提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion,WWCD)优化算法和Canopy算法相结合,实现了Canopy算法距离阈值的优选,并为后续K-means聚类优化了K值的选择,有效降低了K-means算法对初始聚类数选择的敏感性。实验中,主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证,并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明,所提方法有较高的聚类分选准确率,且对初始参数的设置不敏感。
