文档摘要：为提高无人机通信网络的稳定性和可靠性,提出了一种基于信道全域特性的信道子空间聚类与识别方法.首先,利用距离域、时延域、空间域和多普勒域特性对信道进行完备表征,并提出了一种信道子空间聚类方法,将全域特性相似的信道组成信道子空间,作为无人机通信场景分类的依据.然后,提出了一种基于反向传播神经网络的信道子空间识别方法,判断新的信道数据是否属于原有信道子空间的结构,并利用信道全域特性作为特征张量以提高识别精度.同时,通过计算信道与信道子空间中心的距离,消除训练数据异常值的影响,从而提高识别的鲁棒性.最后,通过入射及反弹射线法/镜像法对176个典型数字城市场景进行仿真,获得176000个信道的全域特性和对应信道状态信息,用于验证本文提出的聚类和识别方法的准确性.仿真结果表明,本文提出的场景识别方法可以将传统场景分类方法的176个识别目标减少至20个,且信道子空间中信道状态特性的吻合度达到99％,识别方法的准确度也达到98.7％.因此,本文提出的方法可以精确识别无人机通信工作中所处的信道子空间,为无人机通信性能优化提供依据.
Abstract：Inordertoimprovethestabilityandreliabilityofunmannedaerialvehicle(UAV)communicationnetworks,achannelsubspaceclusteringandidentificationschemebasedonchannelfull-domaincharacteristicsisproposedinthispaper.Firstly,thechannelsarecharacterizedcompletelyusingdistancedomain,timedelaydomain,spatialdomainandDopplerdomaincharacteristics,andachannelsubspaceclusteringmethodisproposedtoformthechannelsubspaceofchannelswithsimilarfulldomaincharacteristicsasabasisforclassificationofUAVcommunicationscenarios.Then,achannelsubspaceidentificationmethodbasedonback-propagationneuralnetworkisproposed,whichcandeterminewhetherthenewchanneldatabelongstothestructureoftheoriginalchannelsubspaceandchannelfull-domaincharacteristicsareusedasthefeaturetensortoimprovetheidentificationaccuracy.Meanwhile,theinfluenceoftrainingdataoutliersiseliminatedbycalculatingthedistancebetweenthechannelandthecenterofthechannelsubspace,thusimprovingtherobustnessofidentificationmethod.Finally,176typicaldigitalcityscenariosaresimulatedinthispaperbyshootingandbounceray/imagemirrortoobtainthefull-domaincharacteristicsof176000channelsandthecorrespondingchannelstateinformation,whichareusedtoverifytheaccuracyoftheclusteringandidentificationmethodproposedinthispaper.Simulationresultsshowthatthescenarioidentificationmethodproposedinthispapercanreducethe176identificationtargetsofthetraditionalscenarioidentificationmethodto20,andtheaccuracyofthechannelstatecharacteristicsinthechannelsubspaceandidentificationmethodreaches99％and98.7％.Therefore,themethodproposedinthispapercanaccuratelyidentifythechannelsubspaceintheUAVcommunicationandprovideabasisforUAVcommunicationperformanceoptimization.
作者：朱古月 李双德 刘芫健 朱秋明 张静怡 毛开 周哲豪 Author：ZHUGuyue LIShuangde LIUYuanjian ZHUQiuming ZHANGJingyi MAOKai ZHOUZhehao
作者单位：南京邮电大学电子与光学工程学院,南京210003南京航空航天大学电子与信息工程学院,南京211100
刊名：电波科学学报 ISTICPKU
Journal：ChineseJournalofRadioScience
年，卷(期)：2024, 39(3)
分类号：TN92
关键词：无人机 信道子空间 信道全域特性 聚类和识别 特征张量
Keywords：unmannedaerialvehicle channelsubspace full-domainchannelcharacteristics clusteringandidentification featuretensor
机标分类号：TP391TN92TP181
在线出版日期：2024年7月24日
基金项目：南京邮电大学引进人才自然科学研究启动基金，国家自然科学基金，江苏省研究生科研与实践创新计划项目面向无人机通信网络的信道全域特性空间聚类和识别[
期刊论文] 电波科学学报--2024, 39(3)朱古月 李双德 刘芫健 朱秋明 张静怡 毛开 周哲豪为提高无人机通信网络的稳定性和可靠性,提出了一种基于信道全域特性的信道子空间聚类与识别方法.首先,利用距离域、时延域、空间域和多普勒域特性对信道进行完备表征,并提出了一种信道子空间聚类方法,将全域特性相似的信...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：无人机,信道子空间,信道全域特性,聚类和识别,特征张量,
|
|
1
