XiaoMi-AI文件搜索系统
World File Search System衰落信道
衰落信道中操作分集阶的分析表征
I. 引言 随着微电子技术和计算能力的不断进步，新一代无线技术的涌现使几代人之前看似未来主义的用例成为可能 [1]。然而，在这些新技术成为商业现实之前，需要彻底评估和评估它们的性能，并且必须充分了解与其性能扩展规律和操作限制相关的见解。深入研究通信理论基础，不可否认的是，渐近分析几十年来一直是评估系统性能的非常有用的工具 [2]。里程碑式的工作 [3] 为无线通信系统的渐近性能分析奠定了基础。在与信噪比 (SNR) 的概率密度函数 (PDF) 的平滑度相关的合理温和条件下，当平均 SNR γ 足够大时，错误概率度量可以表示为 P op ≈ α ( γ th /γ ) b ，其中 γ th 是给定性能所需的阈值 SNR 值。编码增益或功率偏移（由 α 捕获）和分集阶（DO，由 b 捕获）的概念在无线文献中无处不在，作为表征性能缩放定律的一种方式：通过将平均 SNR 增加一定量，我们可以获得多少性能提升？直到今天，Wang 和 Giannakis 的幂律
自由空间中的指数威布尔衰落信道模型...
自由空间光通信 (FSO) 作为一种有前途的技术，正受到越来越多的关注，以克服日益拥挤的无线市场的带宽短缺问题。目前，射频 (RF) 技术难以应对日益增长的高带宽数据需求。此外，随着用户数量的增加，RF 频谱变得如此拥挤，以至于几乎没有空间提供新的无线服务，此外，使用 RF 频段的带宽限制有限，并且必须为此类频段支付许可费，这还带来了额外的不便。FSO 通信与其他替代方案相比具有明显的优势，例如更窄、更安全的波束、几乎无限的带宽以及对使用光频率和带宽没有监管政策。此外，在太空领域，由于与 RF 相比，FSO 技术的质量和功率要求较低，因此对卫星通信系统来说，FSO 技术正变得越来越有吸引力。基于 FSO 技术部署无线链路的主要缺点是光波在湍流大气中传播时会受到扰动。会产生许多影响，其中最明显的是信号承载激光束辐照度（强度）的随机波动，这种现象称为闪烁，由闪烁指数 (SI) 量化。FSO 链路中随机辐照度波动的统计分析是通过概率密度函数 (PDF) 进行的，从中可以获得其他统计工具来测量链路性能，例如衰落概率和误码率 (BER)。如今，辐照度数据最广泛的模型是 Lognormal (LN) 和 Gamma-Gamma (GG) 分布。尽管这两种模型在大多数情况下都符合实际数据，但它们都无法在所有大气湍流条件下拟合有限接收孔径尺寸的辐照度数据，即在存在孔径平均的情况下。此外，在某些情况下，LN 或 GG 模型似乎都无法准确拟合辐照度数据，特别是在 PDF 的左尾。本文介绍的工作致力于提出一种新的模型，用于在存在孔径平均的情况下，大气湍流下的 FSO 链路中的辐照度波动；从而得到指数威布尔 (EW) 分布。在这里，使用半启发式方法来找到一组将 EW 参数直接与 SI 相关联的方程。经过测试，这些表达式可以很好地拟合辐照度数据的实际 PDF。提供了新模型出现的物理依据，以及弱到强湍流状态下的大量测试场景（包括数值模拟和实验数据），以评估其在 PDF 和衰减概率方面对辐照度数据进行建模的适用性。此外，
在 Nakagami-q/n 衰落信道中使用改进的能量检测器和多天线进行能量高效协作频谱感知的分析
如今，空气和噪音污染的持续增加已成为一种长期的滋扰，同时也是一个令人担忧的问题。在本期刊中，我们将提供一个系统来测量和监控环境参数，并在空气质量和噪音水平超过安全水平时发出警报。该系统使用必要的传感器来检测大气中的气体以及特定区域的噪音水平，并将其传输到微控制器 NodeMCU。现在，通过 Wi-Fi 凭证连接到 Node MCU 的云平台 Blynk 会获取数据并通过与被视为安全水平的值进行比较来处理数据。当每个空气质量和噪音污染变量超过允许水平时，这个基于云的监控应用程序 Blynk 还会提供一个警报系统。它通过向 Android 设备发送电子邮件或消息来通知用户，甚至可以激活蜂鸣器作为警报。这些数据被连续传输，并被存储以供进一步解释。这种基于云的污染监测系统是最经济、最可靠、最具成本效益的，并且可以增强以应对即将到来的挑战。2021 Elsevier Ltd. 保留所有权利。由第二届国际创新技术和科学会议 (iCITES 2020) 的科学委员会负责选择和同行评审。
无人机空对地传播信道建模调查
摘要 — 近年来，无人机（UAV）的使用急剧增加，尤其是小型无人机，因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外，无人机被视为 5G 无线技术及其他技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比，这些 AG 传播模型尚未得到详细研究。本文对可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向进行了全面的调查。索引术语 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
无人机空对地传播信道建模综述
摘要 — 近年来，无人机 (UAV) 的使用急剧增加，尤其是小型无人机，因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外，无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比，这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引词 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
空对地传播信道建模调查...
摘要 — 近年来，无人机 (UAV) 的使用急剧增加，尤其是小型无人机，因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外，无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要准确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比，这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引术语 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
无人机空对地传播信道建模综述
摘要 — 近年来，无人机 (UAV) 的使用急剧增加，尤其是小型无人机，因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外，无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比，这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引词 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
无人机空对地传播信道建模综述
摘要 — 近年来，无人机 (UAV) 的使用急剧增加，尤其是小型无人机，因为它们价格实惠、易于获得且易于操作。无人机的现有和未来应用包括远程监视和监控、救援行动、包裹递送和通信回程基础设施。此外，无人机被视为 5G 及更高版本无线技术的重要组成部分。无人机的独特应用场景需要精确的空对地 (AG) 传播信道模型来设计和评估用于控制/非有效载荷以及有效载荷数据传输的无人机通信链路。与地面传播模型相比，这些 AG 传播模型尚未得到详细研究。本文全面概述了可用的 AG 信道测量活动、大规模和小规模衰落信道模型、它们的局限性以及无人机通信场景的未来研究方向。索引词 — 空对地 (AG)、信道测量、信道建模、无人机、大规模和小规模衰落、探测、无人机 (UAV)。
数字信号处理
在无线传感器网络中，多级量化是必要的，以便在最小化传感器功耗和最大化融合中心 (FC) 的检测性能之间找到一个折衷点。以前的方法一直在这种量化中使用距离度量，例如 J 散度和 Bhattacharyya 距离。这项工作提出了一种不同的方法，该方法基于两种假设下的传感器输出的最大平均熵，并在基于 Neyman-Pearson 标准的分布式检测方案中利用该方法检测点源。当传感器输出在 FC 上无误差可用时，以及当使用非相干 M 元频移键控通信通过瑞利衰落信道传输基于 MAE 的多级量化传感器输出时，都对所提出的最大平均熵 (MAE) 方法在量化传感器输出方面的接收器操作特性进行了评估。模拟研究表明，在无误差融合和已纳入无线信道影响的情况下，MAE 都是成功的。正如预期的那样，性能随着量化级别的提高而提高，并且六级量化接近非量化数据传输的性能。
通过大脑启发的几何透镜重新思考最大流问题和波束形成设计
摘要 — 可以通过双管齐下的方法提高无线网络（如车载网络）的数据速率，即 1）通过并行独立路由提高网络流速率；2）通过波束成形码本自适应提高用户的链路速率。移动中继（如移动路边单元）由于其定位灵活，可用于实现这些目标。首先在网络层面，我们将正则化拉普拉斯矩阵建模为黎曼流形上的点，该矩阵是表示中继相关网络图的对称正定 (SPD) 矩阵。受大脑网络中不同任务的几何分类的启发，黎曼度量（如对数欧几里德度量 (LEM)）用于选择可实现最大 LEM 的中继位置。仿真结果表明，与其他传统度量（如代数连通性）相比，所提出的基于 LEM 的中继定位算法可实现并行路由并实现最大网络流速率。其次，在链路层，我们提出了一种无监督几何机器学习 (G-ML) 方法来学习每个中继相关环境的独特信道特性。鉴于空间相关衰落信道具有 SPD 协方差矩阵，它们可以在黎曼流形上表示。因此，基于 LEM 的黎曼度量用于环境信道的无监督学习，并据此构建匹配的波束成形码本。仿真结果表明，所提出的 G-ML 模型在短暂的训练期后提高了链路速率。