例会提纲-20151212

例会提纲-20151212孔德进：基于大规模MIMO系统的一种差分QAM检测方案1. 背景背景：利用大规模MIMO正交信道矩阵，一种差分QAM能被用于实现系统的信号检测。这种方法不需要信道估计和导频。这次例会主要汇报我的这篇论文的一些结果-基本原理、多用户扩展及仿真、莱斯信道下扩展及仿真。2. 内容a. 多用户扩展及仿真：多个用户采用差分QAM编码，基站天线分组安放在不同位置。利用下面公式可以区分多用户信息b. 提出的方案可以应用在多个信道模型下-瑞利信道、莱斯信道。马亚辉1. 主要讲解一下几个内容：a. 什么是分集，什么是复用？什么是分集增益？什么是复用增益？1b. 分集的具体做法有哪些？（有些看似是分集，实际上并没有分集增益1c. 一种满分集编码方案：空时编码。22. 参考文献1 David Tse, Pramod Viswanath. Fundamentals of Wireless Communication.2 V. Tarokh, H. Jafarkhani, A. R. Calderbank. Space-Time Codes from Orthogonal Designs. IEEE Trans. On Information Theory.邱玉：注水算法(water filling)1. 注水算法的基本应用：在频率选择性衰落明显的信道中，OFDM的不同的子信道受到不同的衰落，因此有不同的传输能力，将自适应技术应用于OFDM系统，根据子信道的瞬时特性动态地分配数据速率和传输功率，可以优化系统性能。在单用户OFDM系统中，由于频率选择性衰落的缘故，有相当一部分子信道由于衰落严重而不应被使用，而在多用户OFDM系统中，由于传输路径不同，使得相对于某一用户衰落严重的子信道，对于其他用户的衰落并不一定严重，事实上，各用户的衰落时相互独立的，很少会出现对所有用户都严重衰落的子信道，因此，在OFDM系统中，采用自适应资源分配和调制技术，即根据信道的瞬时特性在每个OFDM符号周期内分配给每个子信道不同的信息比特数，使系统达到最大比特率，各子信道信息分配应遵循信息论中的“注水定理”，亦即优质信道多传送，较差信道少传送，劣质信道不传送的原则。2. 注水算法的基本思想： 注水算法是根据某种准则，并根据信道状况对发送功率进行自适应分配，通常是信道状态好的时刻，多分配功率，信道差的时候，少分配功率，从而最大化传输速率。实现功率的“注水”分配，发送端必须知道CSI.当接收端完全知道信道而发送端不知道信号时，发送天线阵列中的功率平均分配是合理的，当发送端知道信道，可以增加信道容量。3. 注水算法优化目标：限制条件： ， if if 定义，则每个子信道对应的发送功率可以表示为：满足龙长春1. 背景作者针对无线宽带接入网络（LTE或者WiMAX）中基于http的自适应流媒体协议（DASH）的可分级视频的传输问题，提出三种提高DASH用户QoE的方法。三种方法分别为：（1）在流媒体准备阶段，应用SVC（可分级视频编解码）技术实现SVC层到DASH层的映射，可以提供特定的比特率视频，提高系统吞吐量和减少HTTP通信瓶颈；（2）在资源分配和媒体传输阶段，通过跨层方式整合媒体传输和物理层无线电资源分配（例如用户的请求优先级越高，则分配更多的无线资源），利用用户缓存状况来显著地降低视频播放中断的可能性；（3）针对视频播放，提出一个提高视频播放流畅度（实现播放的视频质量和播放稳定性的折衷）的算法（DPBS）。2. 系统框架3. 分别讲述三种提高DASH用户QoE的方法a. 从SVC层到DASH层的映射b. 无线电资源分配算法（DFSRA算法）c. 视频比特率稳定化算法（DPBS算法）4. 论文分析与思考a. 用户是如何确定其选择的segment比特率的？未具体说明。b. 吞吐量预测还是根据以前的segment的吞吐量进行预测。c. SVC层到DASH层的映射与以往的方式相比，优势在哪？没有具体进行验证。d. 如何协调用户选择播放的segment比特率和基站分配的资源的关系？未具体说明。考虑多服务器，多用户，多资源，SVC编码的联合，是否具有可行性。任静：Estimation and Adaptation for Bursty LTE Random Access1. 背景在在LTE中，Ue在进行数据传输之前都要执行RACH过程以建立网络连接。RACH过程中的信令流程主要分为4个阶段，如下图（a）所示。阶段1：在一个RACH时隙，用户发送RACH preamble，然后设置随机接入响应窗并且等待基站响应。阶段2：基站响应用户，允许接入。阶段3：用户向基站发送RRC连接请求，并开启Msg4计时器。阶段4：基站向用户发送允许RRC连接建立消息。2. 以往研究弊端大多数研究都是在有限PDCCH资源制的前提下估计了RACH的性能。因此在有限PDCCH资源下，还可以进一步研究。3. 1.3 DB方案所提的方案仅仅修改了基本RACH方案的第一步，其余保持不变。在baseline scheme中，preamble的传输率由preamble到达率决定。而在DB方案中，eNB根据RACH试图估计结果直接调整preamble的传输量，因此RACH的性能不能受到突发的preamble到达率影响。核心：eNB估计发送前导码的UE数目，根据RACH通信量，动态配置backoff window size。过程：见下图（例会时再详细说明）。4. 本文的贡献a. 估计了有限PDCCH资源对RACH性能的影响。b. 并非人工设置，而是直接估计试图接入RACH的用户的数量，从而计算在满足预期RACH成功接入率的前提下使得RACH吞吐量最大的backoff window size。金宇琛：Modeling Multi-factor Multi-site Riskbased Offloading for Mobile Cloud Computing1. 基本概要背景： 移动云计算网络中任务可以加载给其他手机或者虚拟机现行的技术： 就计算代价、网络时延、能量等因素进行 offloading（负载） 的设置， 在风险性上的考虑尚显不足。因此，本文主要从两个方面考量了负载设置的问题：其一，隐私问题，负载者可能会恶意窥探、截获任务从而造成隐私泄露其二，可靠性问题，负载者所在的链路状态不稳定， 从而造成计算不能顺利传达本文的脉络：将问题设计成一个多目标联合优化的问题，本文中的优化目标有四个：性能类别的包括负载增益、能量消耗两个；风险类别的包括隐私和可靠两个。同时，设计了一个蚁群算法来求最优解。在任务模型方面，本文考虑的是一个任务被分配给多个协助者的情况。2. 问题描述3. 求解算法例会提纲-20151205孔德莹：在仿真中遇到的问题及其解决方法1. 背景TDD大规模MIMO系统中的天线刻度（Antenna Calibration）问题。2. 问题对不同莱斯信道下的天线刻度效果进行了仿真，发现在高信噪比时，刻度系数的估计效果随着莱斯信道的系数K值的增大而逐渐变好。然而在较低信噪比时，不同K值系数下的仿真曲线有交叠。3. 解决办法控制变量法。（着重讲解）刘佩1. 关于当天先数目无穷大时并且物理空间有限时，用户之间的信道正交性到底怎样的研究得到结论，在空间受限的情况下。用户间的信道不一定完全正交。张体操1. 参考文献1 S. Wu, L. Kuang, Z. Ni, Q. Guo, J. Lu, and others, “Message-Passing Receiver for Joint Channel Estimation and Decoding in Broadband Massive MIMO Systems,” arXiv preprint arXiv:1509.09059, 2015.2 S. Wu, L. Kuang, Z. Ni, J. Lu, D. D. Huang, and Q. Guo, “Expectation propagation approach to joint channel estimation and decoding for OFDM systems,” in 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2014, pp. 19411945.3 F. R. Kschischang, B. J. Frey, and H.-A. Loeliger, “Factor graphs and the sum-product algorithm,” IEEE Transactions on Information Theory, vol. 47, no. 2, pp. 498519, 2001.2. Motivationa. 大规模MIMO的导频开销过大，基带数据处理的能耗过高，因此我们需要降低导频开销b. 迭代接收机（iterative receiver）在估计信道的同时也能检测数据，其导频开销更小c. 本次例会介绍一种基于消息传递（message passing）的迭代接收机。3. Implementationa. 介绍大规模SISO-OFDM以及MIMO-OFDM结构图b. 介绍因子图3以及sum-product算法c. 迭代接收机（iterative receiver）在估计信道的同时也能检测数据，其导频开销更小d. 本次例会介绍一种基于消息传递（message passing）的迭代接收机。4. Analysisa. 信道估计性能分析b. 数据检测性能分析c. 复杂度分析5. Conclusion刘光华1. 场景极高的路径损耗，使得在WUSNs中的能耗问题尤为严重，而能量传输是一个有效的解决方案。本文考虑的场景是地上节点通过广播为地下节点传输无线能量，而地下节点则利用收集到的无线能量选择合适的功率进行上行无线数据传输，即WUPSN。2. 问题在上述场景下，WUSNs中的最小化能耗问题就转化为上传速率最大化问题。特别地，由于地质环境不同，对各个地下节点的数据传输速率要求有所不同，比如含水量大的区域往往是用户极为关心的地方，需要更多的数据去更准确刻画该区域的现有状态，也就是对速率要求会更高，然而这些区域的地下无线信道状态却更差，这就形成了一个矛盾，这也是本文要解决的问题。意义3. 模型等价转化为4. 求解最优解5. 最优值其中6. 存在问题问题一：如何进行结论分析；问题二：如何进行仿真对比。蔡坤昱1. 参考文献1 Free Market of Crowdsourcing: Incentive Mechanism Design for Mobile Sensing意义2. 本文主要是介绍了Crowdsensing问题中的三种incentive mechanism算法。文中考虑两种情况。一类是offline settings, 就是不考虑系统能够随时响应的情况，这种模型的性质是离线批处理和同步。第二类是online settings, 也就是无需等到大批用户都到达时再做决定，对随机进入系统的用户的响