5G无线通信论文提纲

论文题目：面向B5G无线通信系统的智能信道感知与预测技术的研究

摘要：5G通信系统服务的设备种类繁多,且数量巨大。除了传统的4G用户,5G技术还为工业互联网、车联网等平台提供高质量的通信服务。获取准确的信道状态信息（Channel State Information,CSI）是5G通信系统提供高可靠,低延时的通信服务的前提。特别是在移动场景下,信道的相干时间较短,通过传统信道估计方法获得的信道状态信息很容易过时。因此,设计一种高效,准确的信道估计方法对5G通信系统至关重要。针对这一问题,本文提出了一种基于智能信息融合的信道感知技术。该技术将数据驱动的基于神经网络的信道预测方法与模型驱动的基于卡尔曼滤波的信道预测方法巧妙地结合,实现了一种预测准确率高,鲁棒性强的智能信道预测技术。该方法在信道预测准确度上对比现有算法有明显的提升,预测后的信道用于通信传输的误码率性能对比现有的卡尔曼滤波预测算法和基于神经网络的信道预测算法分别于有7dB和12dB的提升。本文的主要贡献如下:·提出了一种将卡尔曼滤波与深度神经网络结合的智能信道感知技术。该技术以深度神经网络作为特征提取器,提取接收端的历史信道状态信息的特征,再结合卡尔曼滤波器融合历史信道特征与当前不准确的信道预估计值,完成对当前时刻信道参数的估计。解决了现有基于模型的信道预测算法预测准确度低和基于神经网络的信道预测算法训练困难,鲁棒性差的问题。·结合数学分析与仿真实验说明了本文提出的基于智能信息融合的信道预测技术优于现有信道预测技术的原因。详细推导了本文提出的算法是如何解决基于神经网络的信道预测算法鲁棒性差和传统卡尔曼滤波预测效果差的问题。为后续利用本文提出的信道预测算法提升预测性能,减少通信中所用导频数量,提高传输效率提供理论支撑。·用射线追踪模型搭建了一个室内电磁波传输系统。该系统能仿真出室内通信环境下。同时还完成了一套26GHz的毫米波信道实测系统,并在校园环境中采集了毫米波视距传播（Line of Sight,LOS）和非视距传播（Non-Line of Sight,NLOS）场景下的实测数据集。在仿真和实测数据集上验证了所提出的基于智能信息融合的信道感知技术的有效性。

关键词：信道预测;智能信息融合;卡尔曼滤波;毫米波信道

学科专业：通信与信息系统

摘要

abstract

第一章 绪论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.3 本文的主要贡献与创新

1.4 本论文的结构安排

第二章 信道预测方法概述

2.1 基于深度神经网络的信道预测技术

2.2 基于卡尔曼滤波的信道估计

2.3 本章小结

第三章 基于深度卡尔曼滤波的信道预测

3.1 算法总体框架

3.2 基于LSTM的状态提取模块

3.3 基于深度卡尔曼滤波的信道估计模块

3.4 算法总结与训练方法

3.5 本章小结

第四章 深度卡尔曼滤波算法的原理分析

4.1 对比基于卡尔曼滤波的信道预测算法的性能分析

4.2 对比基于LSTM的信道预测算法的性能分析

4.3 本章小结

第五章 信道仿真模型与信道实测系统的搭建

5.1 信道仿真模型

5.2 26GHz毫米波实测平台搭建

5.2.1 平台整体架构

5.2.2 基带信号发射模块

5.2.3 26GHz射频天线模块

5.2.4 波束扫描模块

5.2.5 基带信号接收模块

5.3 仿真环境设置与数据库建立

5.4 26GHz实测信道数据库建立与信道特征分析

5.4.1 时延扩展

5.4.2 路径损耗

5.4.3 角度扩展

5.4.4 时延功率谱

5.4.5 莱斯K因子

5.5 基于智能信息融合的信道预测算法性能

5.6 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献