摘要:在部署了大规模 MIMO 的卫星通信系统中,当用户数量远超卫星的波束数时,即便增加射频链的数量,即增加同时服务用户的数量,仍然难以满足卫星通信系统的时延要求。针对以上问题,提出一种基于用户分组的动态跳波束方案,根据用户组进行通信服务覆盖。所提方法利用信道角域分布的稀疏性,根据用户能量最大的波束方向自适应划分用户分组。由于卫星上功率限制使得射频链数量受限,且增加同时服务的用户组会增加用户组间的干扰,因此共信道用户组的数量受到功率和干扰约束,限制了通信业务服务时延减小。于是进一步提出波束簇分组的跳波束方案,此时波束簇通过增加同一时刻服务用户的数量,来减小用户的时延。由于以上问题是非凸的,采用数据驱动的行列式点过程方法简化跳波束方案中的波束调度。仿真结果表明,基于用户分组的动态跳波束算法能够有效减小用户的平均时延,与单波束方案相比,平均时延减少超过52%。同时在仿真结果中也验证了行列式点过程模型的泛用性。
摘要:低轨卫星由于具有低成本、低时延和较小的路径损耗等特点而具有较优越的发展前景,在物联网、B5G等领域应用广泛。针对 LEO 卫星与其覆盖区域处于移动状态的问题,提出一种基于凸优化的长时多星跳波束功率分配算法以实现系统容量最大化。重点关注一段时间内的多星跳波束场景,根据长时同轨多星跳波束场景与长时异轨多星跳波束场景分别建立了系统模型。考虑星间干扰、负载均衡和星间资源分配优先级等因素的影响,以加权目标函数作为优化目标,对两种长时多星跳波束场景进行资源分配算法设计,提出基于凸优化的长时跳波束资源分配算法。仿真结果表明,与传统方案相比,所提方案可以提高系统的资源利用率。
摘要:利用银行网点内边缘计算设备进行客流分析、安全保护、风险防控等应用日益广泛,其中 AI 推理芯片的性能和功耗已经成为边缘计算设备选型的一个非常重要的因素。针对递归神经网络由数据依赖性和低数据重用性导致的功耗大、推理性能弱、能效低,难以在低功耗平台上处理等问题,利用FPGA实现了一种电压可扩展的稀疏循环神经网络(RNN)低功率加速器,并在边缘设计算设备上进行了验证。首先,对稀疏RNN进行分析并采用网络压缩的方法设计了处理阵列;其次,由于稀疏RNN的工作负载不平衡,引入电压缩放方法以保持低功耗和高吞吐量。试验表明,该方法可以显著提高系统的RNN 推理速度并降低芯片的处理功耗。