分布式移动通信场景下的参数化信道建模及预测优化机制研究

Distributed cooperative communication framework will be applied in future broadband mobile communication networks. With various advanced wireless access schemes and spatial diversity technologies, distributed communications can improve the DoF and QoS of whole networks. That will ensure any user can access the best network at any time. Complicated distributed network framework demands more knowledge of the propagation channel of multi-links. Building an excellent parameterized model can provide stronger support for algorithm design and optimization in different layers of mobile communication systems. Based on traditional channel statistical modeling, this proposal introduces artificial neural network modeling scheme from the intelligent control theory. The proposed neural network optimization method can solve a series of problems in traditional channel modeling, such as difficult data analysis, high computational complexity, low modeling flexibility and non-linearity etc. Combined the geometric random graph theory with wavelet neural network, a high-resolution analysis method for distributed mobile channels is proposed in this project. Based on the proposed scheme, we will research on the broadband multipath fading, Doppler characteristics, and multi-link correlation in distributed mobile channels. The particle filter is applied for tracing time-variant non-steady state of mobile channels. Through the model evaluation and optimization using the measurement data obtained from typical mobile scenarios, an integrated channel modeling theory and simulation scheme will be set up for distributed mobile communications. The optimized channel model based on the neural network can better adapt the complicated variable mobile propagation environments. Therefore the research must be of important theoretical significance and practical value.

新一代宽带移动通信网络将采用分布式协作架构，并结合多种异构接入机制和空域分集技术，提高整个网络的自由度和服务质量，从而保证任何用户在任何时刻都能接入最佳网络。复杂的分布式网络架构要求准确掌握底层多链路信道传播的特性，构建参数化仿真模型，为通信系统不同层次的算法设计与优化提供有力保障。本课题在传统的信道统计建模基础上，引入智能控制理论中的人工神经网络优化技术，针对传统信道建模中的数据分析难、计算复杂度高、模型灵活性低及其非线性等问题，利用基于几何随机图论和小波神经网络优化相结合的高精度分析方法，研究分布式移动信道的宽带多径特征、多普勒特性及多链路相关性，并利用粒子滤波器对移动信道的时变非稳态特性进行跟踪建模，构建一套适用于分布式移动通信的建模理论及仿真方法，并通过典型场景下的实测数据进行模型评估和优化。基于神经网络优化的信道模型能够适应复杂多变的移动传播环境，具有较好的理论意义和实用价值。

复杂的分布式网络架构要求准确掌握底层多链路传播信道的特性，其统计特征既包括大尺度、小尺度参数在不同网络形态下的分布情况，也包含多链路在时域、频域、空域上的多维相关性，因此，对分布式移动通信场景下的信道特性进行建模意义重大。本项目通过研究分布式移动传播信道的特性和统计模型的构建，探索建立适合分布式移动通信研究的理论和方法。研究了从单链路信道特性分析扩展到多链路分布式信道的联合特性分析，针对分布式传播信道的多链路相关性进行了研究；建立了针对分布式传播信道的参数化建模方法；设计了分布式信道的分析与建模流程、建模参数设定、以及模型评估方法等。通过多维信道分析与感知，对信道的多维特征进行提取，产生移动信道建模所需的信道样本，根据样本空间特性，建立神经网络结构，经过预处理和权重参数初始化之后，进行模型的训练，最终得到优化的神经网络模型，从而进一步优化了移动信道模型的环境适应性。提出了基于几何随机分布的车辆移动信道的建模与仿真方法，并通过随机分布V2V信道响应中的各种散射分量，对V2V信道的时变脉冲响应进行了仿真分析；特别针对高速公路场景下的分布式漫散射分量进行了特性分析与仿真，对其时延功率谱、Doppler功率谱、双向角度功率谱及其联合功率谱分布特性进行了建模仿真，并通过高速公路实测数据分析，验证了漫散射信道建模方法的合理性；提出将基于DPSS子空间的低复杂度算法，引入到V2V通信的漫散射分量的建模与仿真中，利用DPS波动函数计算基本矢量系数，从而有效降低计算复杂度，提高了仿真效率。本项目按照信道特征分析、统计模型构建、随机信道仿真与测试这三个阶段层层递进，通过理论分析和实际测试相结合的方式，系统地研究了分布式移动通信场景下的参数化信道建模及预测优化机制，发表SCI论文4篇、EI论文9篇、国家发明专利2项、学术专著1部，项目成果达到预期目标，对后续研究起到了重要支撑作用。