删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

存在干扰下的星地融合协作传输系统平均误符号率分析

本站小编 Free考研考试/2021-12-29
摘要:卫星通信技术作为构建新一代泛在无线通信网不可或缺的一种手段, 近几年来受到了国内外****的广泛关注. 本文研究了引入多天线中继技术构成的星地融合协作传输系统在干扰条件下的性能. 首先, 针对用户同时接收到直达信号和中继译码转发信号, 并且受到干扰的情况下, 得到经过最大比合并后的输出信干噪比表达式. 其次, 假设卫星链路和地面链路的衰落分别服从阴影莱斯分布和瑞利分布, 基于Meijer-G函数, 分别推导出直达链路和中继链路的矩母函数闭合表达式, 并进一步得到系统平均误符号率的闭合表达式. 最后, 计算机仿真不仅验证了理论性能分析的正确性, 而且定量分析了天线数、干扰数目和调制方式等对系统性能产生的影响.
关键词: 卫星通信/
协作传输/
译码转发/
平均误符号率

English Abstract


全文HTML

--> --> -->
1.引　言
近几年来, 我国的通信基础设施建设取得了前所未有的成就, 将有线通信和无线通信相结合构成的现代通信网已经颇具规模. 尽管地面移动通信网络经过几十年的快速发展, 已经覆盖了人口聚集的地域, 但在人口稀少的偏远地区, 由于通信设施建设成本过高, 还无法满足用户随时随地进行无线接入的需求. 相比于地面无线通信系统, 卫星通信具有覆盖范围广、传输距离远、不受地理条件限制、组网灵活等优点[1], 已被广泛应用于导航定位[2,3]、天气预报[4]、地震救灾等领域, 并成为新一代无线通信系统不可或缺的关键技术之一[5]. 由于卫星通信通常工作在微波或者毫米波频段, 要求卫星与地面终端之间存在直达链路. 但在实际应用时, 遮蔽效应往往导致稳定的卫星通信链路很难建立起来. 因此, 基于中继转发的星地融合协作传输技术被认为是提升卫星通信服务质量的一种有效手段[6].
在星地融合协作传输系统中, 分布在卫星覆盖区域内的地面中继站通常将接收到的卫星信号经过放大转发(amplify-and-forward, AF)协议或者译码转发(decode-and-forward, DF)协议转发给用户, 以达到扩大覆盖范围、提升系统性能的目的. 在假设地面用户采用最大比合并(maximal ratio combining, MRC)的情况下, 文献[7]和文献[8]分别针对地面中继采用AF协议和DF协议的星地融合协作传输网络, 推导出系统平均误符号率(average symbol error rate, ASER)的闭合表达式; 针对星地融合协作传输网络的下行链路, 文献[9]推导出系统遍历容量的闭合表达式; 针对地面多用户的星地融合协作传输网络, 文献[10]研究了最优用户选择方案下系统中断概率和遍历容量性能. 与此同时, 多天线技术具有抑制干扰、增加系统容量[11]、提高频谱利用率[12]等优势, 在无线通信领域得到了广泛的研究, 并逐渐应用于卫星通信中. 文献[13]采用波束成形技术, 首先推导出DF协议下的星地融合协作传输系统中断概率的闭合表达式, 然后分析了高信噪比(signal-to-noise ratio, SNR)下中断概率的渐近性能, 并进一步得到系统的分集增益和阵列增益; 文献[14]推导出地面中继接收时采用MRC、发射时采用最大比发射(maximal ratio transmission, MRT)波束成形方案下系统ASER的闭合表达式和高SNR下的渐近表达式.
文献[7—10]对星地融合协作传输系统的性能进行了分析, 并且验证了基于中继的协作传输技术能显著提升卫星通信的链路质量和覆盖范围. 但需要指出的是, 考虑到当前频谱资源稀缺, 无线通信广泛采用频率复用技术提升频谱效率, 导致地面用户受到同频信号的干扰, 而上述文献都没有考虑到同信道干扰, 这在无线通信系统当中是不切实际的. 虽然文献[15]和文献[16]分别针对用户和中继受干扰情况下的星地融合协作传输网络, 推导出中继链路的输出信干噪比(signal-to-interference-plus-noise ratio, SINR)的矩母函数(moment generating function, MGF), 并进一步得到系统的ASER, 但他们只考虑单天线的场景, 没有充分利用空间资源, 改善通信质量. 因此, 基于多天线中继的星地融合协作网络仍然需要深入的研究.
本文考虑卫星链路信道服从阴影莱斯分布以及地面链路信道服从瑞利分布的条件下, 对用户端存在多个同信道干扰的星地融合协作网络进行研究. 具体而言, 本文针对地面多天线中继采用DF协议来提升卫星通信可靠性的场景, 在中继采用波束成形方案和用户采用MRC, 同时用户受到同信道干扰的条件下, 分别推导出直达链路和中继链路的SINR的MGF表达式, 并进一步得到系统ASER的闭合表达式. 最后, 计算机仿真不仅验证了理论推导的正确性, 而且进一步分析了调制方式、信道参数、中继天线个数以及干扰对系统性能的影响. 因此本文工作为估算星地融合协作传输系统的性能提供了更加快速、有效的公式, 也可为实际的系统设计提供参考.
符号说明: $E\left[ \cdot \right]$, 数学期望; $\left| \cdot \right|$, 绝对值; ${N_{\rm{c}}}\left( { \cdot , \cdot } \right)$, 复高斯分布; $\left\| \cdot \right\|$, 向量范数; ${ I}_N$, 单位矩阵; ${\mathbb{C}^{N \times M}}$, $N \times M$维空间; $\min \left( { \cdot , \cdot } \right)$, 最小值.
2.系统模型
如图1所示, 本文考虑的星地融合协作传输网络由通信卫星(S), 配置${N_{\rm{r}}}$根天线的中继(R), 以及配置单根天线的地面用户(D)组成. 在该系统中, 地面用户既接收到卫星的信号, 又接收到中继的信号, 同时还接收到K个同信道干扰${s_i}\left( t \right) $$\left( {i = 1,2, \cdots ,K} \right)$. 整个信息传输过程分为两个时隙. 在第一个时隙, S以广播的形式发射信号${x_{\rm{s}}}\left( t \right)$, 满足$E\left[ {{{\left| {{x_{\rm{s}}}\left( t \right)} \right|}^2}} \right] = 1$. 那么地面用户D接收到的信号可以表示为
图 1 系统模型
Figure1. System model.

${y_{{\rm{sd}}}}\left( t \right) = \sqrt {{P_{\rm{s}}}} {h_{{\rm{sd}}}}{x_{\rm{s}}}\left( t \right) + \sum\limits_{i = 1}^K {\sqrt {{P_{{\rm{I}}i}}} {g_i}{s_i}\left( t \right)} + {n_0}\left( t \right),$
其中${P_{\rm{s}}}$和${P_{{\rm{I}}i}}$分别表示卫星的发射功率和地面第i个同频干扰的功率; ${n_0}\left( t \right)$是均值为0, 方差为${\sigma ^2}$的高斯加性白噪声(additive white Gaussian noise, AWGN); $\left\{ {{s_i}\left( t \right)} \right\}_{i = 1}^K$表示地面用户接收到的干扰信号, 且满足$E\left[ {{{\left| {{s_i}\left( t \right)} \right|}^2}} \right] = 1$; ${h_{{\rm{sd}}}}$为S-D链路信道增益; ${g_i}\left( {i = 1, 2, \cdots, K} \right)$为干扰源和地面用户间的信道增益. S-D链路的SINR可表示为
${\gamma _{\rm{d}}} = \frac{{{\gamma _{{\rm{sd}}}}}}{{{\gamma _{\rm{I}}} \!+\! 1}} = \frac{{\displaystyle\frac{{{P_{\rm{s}}}{{\left| {{h_{{\rm{sd}}}}} \right|}^2}}}{{{\sigma ^2}}}}}{{\displaystyle\sum\limits_{i = 1}^K {\displaystyle\frac{{{P_{{\rm{I}}i}}{{\left| {{g_i}} \right|}^2}}}{{{\sigma ^2}}} \!+ \!1} }} \triangleq \displaystyle\frac{{{{\bar \gamma }_{{\rm{sd}}}}{{\left| {{h_{{\rm{sd}}}}} \right|}^2}}}{{\displaystyle\sum\limits_{i = 1}^K {{{\bar \gamma }_{{\rm{I}}i}}{{\left| {{g_i}} \right|}^2}\! +\! 1} }},$
其中$ {\bar \gamma _{{\rm{sd}}}} = { {P_{\rm{s}}} / {{\sigma ^2}}} $和${\bar \gamma _{{\rm{I}}i}} = {{{P_{{\rm{I}}i}}} / {{\sigma ^2}}}$.
为了得到最大输出SNR, 在中继R处采用接收波束成形方案. 因此, 中继R接收到的信号可以表示为
${y_{{\rm{sr}}}}\left( t \right) = \sqrt {{P_{\rm{s}}}} {{w}}_1^H{{{h}}_{{\rm{sr}}}}{x_{\rm{s}}}\left( t \right) + {{w}}_1^H{{{n}}_1}\left( t \right), $
其中${{{n}}_1}\left( t \right)$表示中继处的AWGN, 且满足${{{n}}_1}\left( t \right) \sim$$ {N_{\rm{c}}}\left( {{\bf{0}},{\sigma ^2}{{{I}}_{{N_{\rm{r}}}}}} \right)$; ${{{h}}_{{\rm{sr}}}} \in {\mathbb{C}^{{N_{\rm{r}}} \times 1}}$为S-R链路的信道矢量, ${{{w}}_{\bf{1}}} \in {\mathbb{C}^{{N_{\rm{r}}} \times 1}}$为接收波束成形权矢量, 满足$\left\| {{{{w}}_{\bf{1}}}} \right\|_F^2 = $1. 与文献[13, 14]相同, 考虑中继已知准确信道状态信息采用MRC准则, 即${{{w}}_{\bf{1}}} = {{{{{h}}_{{\rm{sr}}}}} / {{{\left\| {{{{h}}_{{\rm{sr}}}}} \right\|}_F}}}$, 那么, (3)式可等效为
${y_{{\rm{sr}}}}\left( t \right) = \sqrt {{P_{\rm{s}}}} {\left\| {{{{h}}_{{\rm{sr}}}}} \right\|_F}{x_{\rm{s}}}(t) + {{{w}}_1}^H{{{n}}_1}(t).$
根据(4)式, S-R链路的输出SNR可表示为
${\gamma _{{\rm{sr}}}} = \frac{{{P_{\rm{s}}}{{\left| {{{{h}}_{{\rm{sr}}}}} \right|}^2}}}{{{\sigma ^2}}} = {\bar \gamma _{{\rm{sr}}}}{\left| {{{{h}}_{{\rm{sr}}}}} \right|^2},$
其中${\bar \gamma _{{\rm{sr}}}} = {{{P_{\rm{s}}}} / {{\sigma ^2}}}$.
在第二个时隙, 地面中继R采用DF协议, 先对接收到的信号${y_{{\rm{sr}}}}\left( t \right)$进行解码, 然后把重新编码后的信号${x_{\rm{r}}}\left( t \right)$经过发射波束成形权矢量${{{w}}_2} \in$$ {\mathbb{C}^{{N_{\rm{r}}} \times 1}}$处理后发送到地面用户D. 因此, D接收到的来自中继R的信号可表示为
${y_{{\rm{rd}}}}\left( t \right) = \sqrt {{P_{\rm{r}}}} {{h}}_{{\rm{rd}}}^H{{{w}}_2}{x_{\rm{r}}}\left( t \right) + \sum\limits_{i = 1}^K {\sqrt {{P_{{\rm{I}}i}}} {g_i}{s_i}\left( t \right)} + {n_2}\left( t \right),$
其中${P_{\rm{r}}}$为中继发射功率; ${{{h}}_{{\rm{rd}}}} \in {\mathbb{C}^{{N_{\rm{r}}} \times 1}}$为R-D链路的信道增益矢量; ${n_2}\left( t \right)$表示均值为0, 方差为${\sigma ^2}$的AWGN. 在(6)式中, 发送信号满足$E\left[ {{{\left| {{x_{\rm{r}}}\left( t \right)} \right|}^2}} \right] = $1, 而中继采用MRT准则后, 发送权矢量满足${{{w}}_2} = {{{{{h}}_{{\rm{rd}}}}} / {{{\left\| {{{{h}}_{{\rm{rd}}}}} \right\|}_F}}}$. 因此, (6)式可以进一步表示为
${y_{{\rm{rd}}}}\left( t \right) = \sqrt {{P_{\rm{r}}}} {\left\| {{{{h}}_{{\rm{rd}}}}} \right\|_F}{x_{\rm{r}}}\left( t \right) + \sum\limits_{i = 1}^K {\sqrt {{P_i}} {g_i}} {s_i}\left( t \right) + {n_2}\left( t \right),$
从而, R-D链路的SINR可表示为
${\tilde \gamma _{{\rm{rd}}}} = \frac{{{\gamma _{{\rm{rd}}}}}}{{{\gamma _{\rm{I}}} + 1}} = \displaystyle\frac{{\dfrac{{{P_{\rm{r}}}{{\left| {{{{h}}_{{\rm{rd}}}}} \right|}^2}}}{{{\sigma ^2}}}}}{{\sum\limits_{i = 1}^K {\displaystyle\frac{{{P_{{\rm{I}}i}}{{\left| {{g_i}} \right|}^2}}}{{{\sigma ^2}}} + 1} }} \triangleq \frac{{{{\bar \gamma }_{{\rm{rd}}}}{{\left| {{{{h}}_{{\rm{rd}}}}} \right|}^2}}}{{\sum\limits_{i = 1}^K {{{\bar \gamma }_{{\rm{I}}i}}{{\left| {{g_i}} \right|}^2} + 1} }},$
其中${\bar \gamma _{{\rm{rd}}}} = {{{P_{\rm{r}}}} / {{\sigma ^2}}}$.
由于中继采用DF协议, 中继链路的输出SINR可表示为
${\gamma _{\rm{c}}} = \min \left( {{\gamma _{{\rm{sr}}}},{{\widetilde \gamma }_{{\rm{rd}}}}} \right)=\min \left( {{\gamma _{{\rm{sr}}}},\frac{{{\gamma _{{\rm{rd}}}}}}{{{\gamma _{\rm{I}}} + 1}}} \right),$
其中${\widetilde \gamma _{{\rm{rd}}}} \triangleq {{{\gamma _{{\rm{rd}}}}} / {\left( {{\gamma _{\rm I}} + 1} \right)}}$. 地面用户D将来自S和R处的信号采用MRC后, 地面用户D处接收的输出SINR可表示为
${\gamma _{{\rm{MRC}}}} = {\gamma _{\rm{d}}} + {\gamma _{\rm{c}}}.$

3.性能分析
在本节中, 将基于(2), (9)和(10)式, 推导星地融合协作传输网络在常用调制方式下ASER的闭合表达式.
ASER是衡量无线系统性能的一项重要指标. 根据文献[17], 各种常用调制方式下的ASER可表示为
${P_{\rm{s}}} = \int_0^\varphi {a{M_{{\gamma _{\rm{d}}}}}\left( {\frac{b}{{{{\sin }^2}\theta }}} \right)} {\rm{d}}\theta , $
其中$a$, $b$和$\varphi $为特定调制系数. 例如多进制相移键控(M-ary phase-shift keying, M-PSK)$( {a = 2,\;}b =$$ {{\sin }^2}\left( {{{\text{π}} / M}} \right) )$. 令${M_\gamma }\left( s \right)$表示$\gamma $的MGF, 它的定义为
${M_\gamma }\left( s \right) = E\left[ {{{\rm{e}}^{ - sx}}} \right] = \int_0^\infty {\exp } \left( { - sx} \right){f_\gamma }\left( x \right){\rm{d}}x.$
考虑到每个链路的独立性, (10)式中${\gamma _{{\rm{MRC}}}}$的MGF可由下式计算得到
${M_{{\gamma _{{\rm{MRC}}}}}}\left( s \right) = {M_{{\gamma _{\rm{d}}}}}\left( s \right) \cdot {M_{{\gamma _{\rm{c}}}}}\left( s \right).$
显然, 为了得到系统的ASER, 需要分别推导直达链路和DF中继链路的MGF. 下面将分别讨论这两个问题.
2
3.1.直达链路的矩母函数
-->

3.1.直达链路的矩母函数

根据MGF的定义, 直达链路的MGF ${M_{{\gamma _{\rm{d}}}}}\left( s \right)$可表示为
${M_{{\gamma _{\rm{d}}}}}\left( s \right) = E\left[ {{{\rm{e}}^{ - s{\gamma _{\rm{d}}}}}} \right] = \int_0^\infty {{{\rm{e}}^{ - sx}}{f_{{\gamma _{\rm{d}}}}}\left( x \right){\rm{d}}x} , $
其中${f_{{\gamma _{\rm{d}}}}}\left( x \right)$可表示为
${f_{{\gamma _{\rm{d}}}}}\left( x \right) = \int_0^\infty {\left( {1 + z} \right){f_{{\gamma _{{\rm{sd}}}}}}\left[ {x\left( {1 + z} \right)} \right]{f_{{\gamma _{\rm I}}}}\left( z \right){\rm{d}}z} .$
由文献[18]可知, S-D链路满足阴影莱斯衰落的特性, 故${\gamma _{{\rm{sd}}}}$的概率密度函数可表示为
$\begin{split} {f_{{\gamma _{{\rm{sd}}}}}}\left( x \right) =& \frac{1}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}{\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}}\exp \left( { - \frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}} \right) \\ &\times {}_1{F_1}\left( {{m_0},1,\frac{{{\varOmega _0}x}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}\left( {2{b_0}{m_0} + {\varOmega _0}} \right)}}} \right) ,\end{split} $
其中${\varOmega _0}$为直达径分量的平均功率, ${b_0}$为多径分量的平均功率, ${m_0} > 0$为衰落参数. (16)式中的${}_1{F_1}\left( {a,b,z} \right)$为合流超几何函数, 其定义如下[19]:
${}_p{F_q}\left( {{a_1},...,{a_p};{b_1},...,{b_q};z} \right) = \sum\limits_{n = 0}^\infty {\frac{{{{\left( {{a_1}} \right)}_n}...{{\left( {{a_p}} \right)}_n}}}{{{{\left( {{b_1}} \right)}_n}...{{\left( {{b_q}} \right)}_n}}}\frac{{{z^n}}}{{n!}}}. $
根据${}_1{F_1}\left( {a,b,z} \right)$的定义, 展开(16)式, ${f_{{\gamma _{{\rm{sd}}}}}}\left( x \right)$可进一步得到
$\begin{split} {f_{{\gamma _{{\rm{sd}}}}}}\left( x \right) =\;& \frac{1}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}{\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}}\exp \left( { - \frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}} \right) \\& {\rm{ }} \times \sum\limits_{n = 0}^\infty {\frac{{\varGamma \left( {{m_0} + n} \right)}}{{n!\varGamma \left( {{m_0}} \right)\varGamma \left( {n + 1} \right)}}} \\& {\rm{ }} \times \frac{{\varOmega _0^n{x^n}}}{{{{\left( {2{b_0}{{\bar \gamma }_{{\rm{sd}}}}} \right)}^n}{{\left( {2{b_0}{m_0} + {\varOmega _0}} \right)}^n}}} .\end{split} $
与大多数文献一样, 假设同信道干扰链路服从瑞利分布, 那么${\gamma _{\rm{I}}}$的概率密度函数可表示为[20]
${f_{{\gamma _{\rm{I}}}}}\left( x \right) = \sum\limits_{i = 1}^K {\frac{{{\rho _i}}}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \exp \left( { - \frac{x}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right),$
其中${\rho _i} = {\left. {\left[ {\prod\limits_{k = 1,k \ne i}^K {\displaystyle\frac{1}{{\left( {1 + s{{\bar \gamma }_{{\rm{I}}k}}} \right)}}} } \right]} \right|_{s = - {{\bar \gamma }_{{\rm{I}}i}}^{ - 1}}}$.
根据(15)式, ${f_{{\gamma _{\rm{d}}}}}\left( x \right)$可表示为
$\begin{split}{f_{{\gamma _{\rm{d}}}}}\left( x \right) =\; & \exp \left( { - \frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}} \right){\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}} \\& \times \sum\limits_{i = 1}^K {{\rho _i}}\sum\limits_{n = 0}^\infty {\frac{{\left( {n + 1} \right)\varGamma \left( {{m_0} + n} \right)}}{{\varGamma \left( {{m_0}} \right)\varGamma \left( {1 + n} \right)\varGamma \left( {n - j + 2} \right)}}} \\ & \times \frac{{{x^n}}}{{{{\left( {2{b_0}{{\bar \gamma }_{{\rm{sd}}}}} \right)}^{1 + n}}}}{\left( {\frac{{{\varOmega _0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^n}\\& \times \sum\limits_{j = 0}^{n + 1} {{{\bar \gamma }_{{\rm{I}}i}}^j} {\left( {1+\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}x} \right)^{ - j - 1}} .\end{split}$
证明　见附录A.
于是, 把(20)式代入(14)式, ${M_{{\gamma _{\rm{d}}}}}\left( s \right)$可表示为
$\begin{split} {M_{{\gamma _{\rm{d}}}}}\left( s \right) \!=\, &{\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} \!+\! {\varOmega _0}}}} \right)^{{m_0}}}\sum\limits_{i = 1}^K {{\rho _i}} \!\!\sum\limits_{n = 0}^\infty {{\left( {\frac{{{\varOmega _0}}}{{2{b_0}{m_0} \!+\! {\varOmega _0}}}} \right)}^n}\\&\times {\frac{{\left( {n + 1} \right)\varGamma \left( {{m_0} + n} \right)}}{{\varGamma \left( {{m_0}} \right)\varGamma \left( {1 + n} \right)\varGamma \left( {n - j + 2} \right)}}} \\ & \times \frac{1}{{{{\left( {2{b_0}{{\bar \gamma }_{{\rm{sd}}}}} \right)}^{1 + n}}}}\sum\limits_{j = 0}^{n + 1} {{{\bar \gamma }_{{\rm{I}}i}}^j} \int_0^\infty {{\rm{e}}^{ - sx}}{x^n} \\&\times\exp \left( { - \frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}} \right){{\left( {1+\frac{{\bar \gamma }_{{\rm I}i}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}x} \right)}^{ - j - 1}}{\rm{d}}x .\end{split}$
(21)式中$\left( 1+\dfrac{{\bar \gamma }_{{\rm I}i}x }{2{b_0}{\bar \gamma }_{{\rm sd}}}\right)^{ - j - 1} $可利用Meijer-G函数展开式表示为
$\begin{split}{\left( {1+\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}x} \right)^{ - j - 1}}\!\!\! =\;& \frac{1}{{\varGamma \left( {j + 1} \right)}}\\& \times G\begin{array}{*{20}{c}} {1,1} \\ {1,1} \end{array}\left[ {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}x} \right|\begin{array}{*{20}{c}} { - j} \\ 0 \end{array}} \right].\end{split}$
将(22)式代入(21)式, ${M_{{\gamma _{\rm{d}}}}}\left( s \right)$可表示为
$\begin{split} {M_{{\gamma _{\rm{d}}}}}\left( s \right) =\; &\frac{1}{{\varGamma \left( {{m_0}} \right)}}{\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}}\\&\times \sum\limits_{i = 1}^K {{\rho _i}}\sum\limits_{n = 0}^\infty {{{\left( {\frac{{{\varOmega _0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)}^n}} \\&\times \sum\limits_{j = 0}^{n + 1} {\frac{{{{\bar \gamma }_{{\rm{I}}i}}^j}}{{{{\left( {2{b_0}{{\bar \gamma }_{{\rm{sd}}}}} \right)}^{n + 1}}}}} \frac{{(n + 1)}}{{\varGamma \left( {n - j + 2} \right)\varGamma \left( {j + 1} \right)}} \\ & \times \frac{{\varGamma \left( {{m_0} + n} \right)}}{{\varGamma \left( {n + 1} \right)}}\!\!\int_0^\infty \!\!{x^n}\exp \left[ {\!-\!\left( {\frac{1}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}} \!+\! s} \right)\!x} \right]\\&\times G\begin{array}{*{20}{c}} {1,1} \\ {1,1} \end{array}\left[ {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}x} \right|\begin{array}{*{20}{c}} { - j} \\ 0 \end{array}} \right] {\rm{d}}x.\end{split} $
利用文献[19]的积分公式
$\begin{split}&\int_0^\infty {{x^\rho }\exp \left( { - \beta x} \right)} G\begin{array}{*{20}{c}} {m,n} \\ {p,q} \end{array}\left( {\left. {\alpha x} \right|\begin{array}{*{20}{c}} {{a_1},...,{a_p}} \\ {{b_1},...,{b_q}} \end{array}} \right){\rm{d}}x \\&\quad = {\beta ^{ - \rho - 1}}G\begin{array}{*{20}{c}} {m,n+1} \\ {p+1,q} \end{array}\left( {\left. {\frac{\alpha }{\beta }} \right|\begin{array}{*{20}{c}} { - \rho ,{a_1},...,{a_p}} \\ {{b_1},...,{b_q}} \end{array}} \right)\end{split}$
并通过一系列的数学计算, ${M_{{\gamma _{\rm{d}}}}}\left( s \right)$的闭合表达式可得出
$\begin{split} {M_{{\gamma _{\rm{d}}}}}\left( s \right) =\; &\frac{1}{{\varGamma \left( {{m_0}} \right)}}{\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}}\\&\times \sum\limits_{i = 1}^K {\sum\limits_{n = 0}^\infty {\sum\limits_{j = 0}^{n + 1}{\frac{{{\rho _i}{{\bar \gamma }_{{\rm{I}}i}}^j(n + 1)\varGamma \left( {{m_0} + n} \right)}}{{j!n!\left( {n - j + 1} \right)!}}} } } \\ & \times {\left( {\frac{{{\varOmega _0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^n}{\left( {\frac{1}{{1 + 2{b_0}{{\bar \gamma }_{{\rm{sd}}}}s}}} \right)^{n + 1}}\\&\times G\begin{array}{*{20}{c}} {1,2} \\ {2,1} \end{array}\left( {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + 2{b_0}{{\bar \gamma }_{{\rm{sd}}}}s} \right)}}} \right|\begin{array}{*{20}{c}} { - n, - j} \\ 0 \end{array}} \right) \\ \end{split} .$

2
3.2.中继链路的矩母函数
-->

3.2.中继链路的矩母函数

根据MGF的定义, ${M_{{\gamma _{\rm{c}}}}}\left( s \right)$可表示为
$\begin{split}{M_{{\gamma _{\rm{c}}}}}\left( s \right) &= E\left[ {{{\rm{e}}^{ - s{\gamma _{\rm{c}}}}}} \right] = \int_0^\infty {{{\rm{e}}^{ - sx}}{f_{{\gamma _{\rm{c}}}}}\left( x \right){\rm{d}}x}\\& \approx \int_0^\infty {s{{\rm{e}}^{ - sx}}{F_{{\gamma _{\rm{c}}}}}\left( x \right){\rm{d}}x}.\end{split}$
由于中继链路使用DF准则, 所以
$\begin{split} {F_{{\gamma _{\rm{c}}}}}\left( x \right)&=\Pr \left\{ {{\gamma _{\rm{c}}} < x} \right\} = \Pr \left\{ {\min \left( {{\gamma _{{\rm{sr}}}},{{\tilde \gamma }_{{\rm{rd}}}}} \right) < x} \right\} \\& = 1 - \left[ {1 - {F_{{\gamma _{{\rm{sr}}}}}}\left( x \right)} \right]\left[ {1 - {F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right)} \right] \\& = 1 - \left[ {1 - \int_0^x {{f_{{\gamma _{{\rm{sr}}}}}}\left( t \right){\rm{d}}t} } \right]\left[ {1 - \int_0^x {{f_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( t \right){\rm{d}}t} } \right], \end{split} $
其中, ${F_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$和${F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right)$分别是${\gamma _{{\rm{sr}}}}$和${\tilde \gamma _{{\rm{rd}}}}$的累积分布函数(cumulative distribution function, CDF). 接下来分别计算${F_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$和${F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right)$.
因S-R链路满足阴影莱斯衰落的特性, 由文献[18]可知, ${\gamma _{{\rm{sr}}}}$的概率密度函数可表示为
$\begin{split} {f_{{\gamma _{{\rm{sr}}}}}}\left( x \right) =\;& \frac{{{x^{{N_{\rm{r}}} - 1}}}}{{{{\left( {2{b_1}{{\bar \gamma }_{{\rm{sr}}}}} \right)}^{{N_{\rm{r}}}}}\varGamma \left( {{N_{\rm{r}}}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\\ &\times \exp \left( { - \frac{x}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right) \\& \times {}_1{F_1}\left( {{N_{\rm{r}}}{m_1},{N_{\rm{r}}},\frac{{{\varOmega _1}x}}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}\left( {2{b_1}{m_1} + {\varOmega _1}} \right)}}} \right), \end{split} $
其中${\varOmega _1}$为直达径分量的平均功率, ${b_1}$为多径分量的平均功率, ${m_1} > 0$为衰落参数. 根据${}_1{F_1}\left( {a,b,z} \right)$的定义, 展开(28)式, ${f_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$可进一步得
$\begin{split} {f_{{\gamma _{{\rm{sr}}}}}}\left( x \right) =\;& \frac{{{x^{{N_{\rm{r}}} - 1}}}}{{{{\left( {2{b_1}{{\bar \gamma }_{{\rm{sr}}}}} \right)}^{{N_{\rm{r}}}}}}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\\&\times \exp \left( { - \frac{x}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right) \\& \times \sum\limits_{n = 0}^\infty {\frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right)}}\frac{{{x^n}}}{{n!}}}\\& \times {\left( {\frac{{{\varOmega _1}}}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}\left( {2{b_1}{m_1} + {\varOmega _1}} \right)}}} \right)^n}. \end{split} $
而R-D链路服从瑞利分布, ${\gamma _{{\rm{rd}}}}$的概率密度函数可表示为[20]
${f_{{\gamma _{{\rm{rd}}}}}}\left( x \right) = \frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}^{{N_{\rm{r}}}}\left( {{N_{\rm{r}}} - 1} \right)!}}{x^{{N_{\rm{r}}} - 1}}\exp \left( { - \frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}}} \right).$
将(19), (29)和(30)式代入(27)式, 可推导出${F_{{\gamma _{\rm{c}}}}}\left( x \right)$,
$\begin{split} {F_{{\gamma _{\rm{c}}}}}\left( x \right) =\;&1 - \sum\limits_{i = 1}^K {{\rho _i}\sum\limits_{k = 0}^{{N_r} - 1} {{{\left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}}} \right)}^k}\sum\limits_{q = 0}^k {\frac{{{{\bar \gamma }_{{\rm{I}}i}}^q}}{{(k - q)!}}} } } \\&\times \exp \left( { - \frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right){\left( {1 + \frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right)^{ - q - 1}} \\& \times \left[ {1 - \frac{1}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)}}{{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)}^{{N_{\rm{r}}}{m_1}}}} \right. \\ &\times \left. {\sum\limits_{n = 0}^\infty {{{\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)}^n}} \frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{\varGamma \left( {{N_{\rm{r}}} + n} \right)\varGamma \left( {n + 1} \right)}}} \right. \\ &\times \left. {\sum\limits_{p = 0}^\infty {\frac{{{{\left( { - 1} \right)}^p}}}{{p!\left( {{N_{\rm{r}}} + n + p} \right)}}{{\left( {\frac{x}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right)}^{{N_{\rm{r}}} + n + p}}} } \right]. \end{split} $
证明　见附录B.
将(31)式代入(26)式中, ${M_{{\gamma _{\rm{c}}}}}\left( s \right)$可表示为
$\begin{split} {M_{{\gamma _{\rm{c}}}}}\left( s \right) =\; &1 - s\int_0^\infty \sum\limits_{i = 1}^K {\rho _i}\sum\limits_{k = 0}^{{N_r} - 1} \left( {\frac{x}{{\bar \gamma }_{\rm rd}}} \right)^k\\&\times \sum\limits_{q = 0}^k {\frac{{\bar \gamma _{{\rm{I}}i}^q}}{(k - q)!}} \exp \left[ { - \left( {\frac{1}{\bar \gamma }_{{\rm{rd}}} + s} \right)x} \right] \\ & \times {\left( {1 + \frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right)^{ - q - 1}}\\&\times \left[ 1 - \frac{1}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\right. \\& \times \left.\sum\limits_{n = 0}^\infty {{{\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)}^n} \!\! \frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{\varGamma \left( {n + 1} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right)}}}\right. \\ & \times \left. {\sum\limits_{p = 0}^\infty {\frac{{{{\left( { - 1} \right)}^p}}}{{p!\left( {{N_{\rm{r}}} + n + p} \right)}}{{\left( {\frac{x}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right)}^{{N_{\rm{r}}} + n + p}}} } \right]{\rm{d}}x. \end{split} $
对${\left( {1 + \displaystyle\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right)^{ - q - 1}}$采用Meijer-G函数展开, ${M_{{\gamma _{\rm{c}}}}}\left( s \right)$可进一步表示为
$\begin{gathered} {M_{{\gamma _{\rm{c}}}}}\left( s \right) = 1 - \underbrace {\sum\limits_{i = 1}^K {\sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\sum\limits_{q = 0}^k {\frac{{s{\rho _i}{{\bar \gamma }_{{\rm{I}}i}}^q}}{{{{\bar \gamma }_{{\rm{rd}}}}^k(k - q)!q!}}} } } \times \int_0^\infty {{x^k}\exp \left( { - \left( {\frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}} + s} \right)x} \right)G\begin{array}{*{20}{c}} {1,1} \\ {1,1} \end{array}\left[ {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right|\begin{array}{*{20}{c}} { - q} \\ 0 \end{array}} \right]} {\rm{d}}x}_{{I_3}} \\ \underbrace {\begin{gathered} + \frac{s}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\sum\limits_{i = 1}^K {\sum\limits_{k = 0}^{{N_r} - 1} {\sum\limits_{q = 0}^k {\frac{{{\rho _i}{{\bar \gamma }_{{\rm{I}}i}}^q}}{{{{\bar \gamma }_{{\rm{rd}}}}^kq!(k - q)!}}} } } \sum\limits_{n = 0}^\infty {\sum\limits_{p = 0}^\infty {{{\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)}^n}{{\left( {\frac{1}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right)}^{{N_{\rm{r}}} + n + p}}} } \\ \times \frac{{{{\left( { - 1} \right)}^p}\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{n!p!\left( {{N_{\rm{r}}} + n + p} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right)}}\int_0^\infty {{x^{{N_{\rm{r}}} + n + p + k}}\exp \left( { - \left( {\frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}} + s} \right)x} \right)G\begin{array}{*{20}{c}} {1,1} \\ {1,1} \end{array}\left[ {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right|\begin{array}{*{20}{c}} { - q} \\ 0 \end{array}} \right]} {\rm{d}}x. \\ \end{gathered}} _{{I_4}} \end{gathered} $
利用积分公式(24), 并通过一系列的数学计算, ${I_3}$和${I_4}$可分别计算得
$ {I_3} =\sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\frac{{{{\bar \gamma }_{{\rm{rd}}}}s}}{{{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}^{k + 1}}}}} \sum\limits_{i = 1}^K {\sum\limits_{q = 0}^k {\frac{{{{\bar \gamma }_{{\rm{I}}i}}^q{\rho _i}}}{{q!(k - q)!}}} } G\begin{array}{*{20}{c}} {1,2} \\ {2,1} \end{array}\left( {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right|\begin{array}{*{20}{c}} { - k, - q} \\ 0 \end{array}} \right), $
$\begin{split} {I_4} =\; & \frac{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}s}}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\sum\limits_{i = 1}^K {{\rho _i}} \sum\limits_{n = 0}^\infty {\frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{n!\varGamma \left( {{N_{\rm{r}}} + n} \right)}}} {\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^n} \\ & \times \sum\limits_{p = 0}^\infty {\frac{{{{\left( { - 1} \right)}^p}}}{{p!\left( {{N_{\rm{r}}} + n + p} \right)}}{{\left( {\frac{{{{\bar \gamma }_{{\rm{rd}}}}}}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right)}^{p + n + {N_{\rm{r}}} + 1}}} \sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\frac{1}{{{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}^{k + p + n + {N_{\rm{r}}} + 1}}}}} \sum\limits_{q = 0}^k {\frac{{{{\bar \gamma }_{{\rm{I}}i}}^q}}{{q!(k - q)!}}}\\& \times G\!\!\begin{array}{*{20}{c}} {1,2} \\ {2,1} \end{array}\left( {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right|\begin{array}{*{20}{c}} { - {N_{\rm{r}}} - n - p - k, - q} \\ 0 \end{array}} \!\!\right). \\ \end{split} $
将${I_3}$和${I_4}$的值代入(33)式, 得到${M_{{\gamma _{\rm{c}}}}}\left( s \right)$的闭合表达式为
$\begin{split} {M_{{\gamma _{\rm{c}}}}}\left( s \right) = \;&1 - \sum\limits_{i = 1}^K {{\rho _i}\sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\sum\limits_{q = 0}^k {\frac{{{{\bar \gamma }_{{\rm{I}}i}}^q{{\bar \gamma }_{{\rm{rd}}}}s}}{{q!(k - q)!{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}^{k + 1}}}}} } } \left[ {G\begin{array}{*{20}{c}} {1,2} \\ {2,1} \end{array}\left( {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right|\begin{array}{*{20}{c}} { - k, - q} \\ 0 \end{array}} \right)} \right. \\ & - \sum\limits_{n = 0}^\infty {\sum\limits_{p = 0}^\infty {\frac{{\varOmega _1^n{{\left( { - 1} \right)}^p}\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right){{\left( {2{b_1}{m_1}} \right)}^{{N_{\rm{r}}}{m_1}}}}}{{n!p!\left( {{N_{\rm{r}}} + n + p} \right)\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right){{\left( {2{b_1}{m_1} + {\varOmega _1}} \right)}^{{N_{\rm{r}}}{m_1} + n}}}}} } \\ & \times \left. {{{\left( {\frac{{{{\bar \gamma }_{{\rm{rd}}}}}}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}\left( 1+ s{{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right)}^{{N_{\rm{r}}} + n + p}}G\begin{array}{*{20}{c}} {1,2} \\ {2,1} \end{array}\left( {\left. {\frac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right|\begin{array}{*{20}{c}} { - {N_{\rm{r}}} - n - p - k, - q} \\ 0 \end{array}} \right)} \right]. \\ \end{split} $

2
3.3.最大比合并后的系统矩母函数和平均误符号率
-->

3.3.最大比合并后的系统矩母函数和平均误符号率

考虑到前面已经推导出直达链路和DF中继链路的MGF, 将(25)和(36)式代入(13)式, 即可得到${M_{{\gamma _{{\rm{MRC}}}}}}\left( s \right)$,
$ \small\begin{split}{M_{{\gamma _{{\rm{MRC}}}}}}(s) = & \Bigg[\dfrac{1}{{\varGamma \left( {{m_0}} \right)}}{\left( \dfrac{{2{b_0}{m_0}}}{{2{b_0}{m_0} +i {\varOmega _0}}} \right)^{{m_0}}} \displaystyle\sum_{i = 1}^K \displaystyle\sum_{n = 0}^\infty \displaystyle\sum_{j = 0}^{n + 1} \dfrac{{{\rho _i}{{\bar \gamma }_{{\rm{I}}i}}^j(n + 1)\varGamma \left( {{m_0} + n} \right)}}{{j!n!\left( {n - j + 1} \right)!}} \\ & \times \left( {\dfrac{{{\varOmega _0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^n \left( {\dfrac{1}{{1 + 2{b_0}{{\bar \gamma }_{{\rm{sd}}}}s}}} \right)^{n + 1} G\begin{array}{*{20}{c}}{1,2}\\{2,1}\end{array}\bigg(\dfrac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + 2{b_0}{{\bar \gamma }_{{\rm{sd}}}}s} \right)}} \bigg| \begin{array}{*{20}{c}}{ - n, - j}\\ 0 \end{array} \bigg) \Bigg] \\& \times \Bigg\{1 - \displaystyle\sum\limits_{i = 1}^K {{\rho _i}\displaystyle\sum\limits_{k = 0}^{{N_r} - 1} {\displaystyle\sum\limits_{q = 0}^k {\dfrac{{{{\bar \gamma }_{{\rm{I}}i}}^q{{\bar \gamma }_{{\rm{rd}}}}s}}{{q!(k - q)!{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}^{k + 1}}}}} } } \Bigg[ G\begin{array}{*{20}{c}}{1,2}\\{2,1}\end{array} \bigg(\dfrac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}} \bigg| \begin{array}{*{20}{c}}{ - k, - q}\\0\end{array} \bigg) \\ & - \displaystyle\sum\limits_{n = 0}^\infty {\displaystyle\sum\limits_{p = 0}^\infty {\dfrac{{\varOmega _1^n{{\left( { - 1} \right)}^p}\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right){{\left( {2{b_1}{m_1}} \right)}^{{N_{\rm{r}}}{m_1}}}}}{{n!p!\left( {{N_{\rm{r}}} + n + p} \right)\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right){{\left( {2{b_1}{m_1} + {\varOmega _1}} \right)}^{{N_{\rm{r}}}{m_1} + n}}}}} } \\& \times {\left( {\dfrac{{{{\bar \gamma }_{{\rm{rd}}}}}}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}\left( 1+ s{{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right)}^{{N_{\rm{r}}} + n + p} G \begin{array}{*{20}{c}}{1,2}\\{2,1}\end{array} \bigg(\left.{\dfrac{{{{\bar \gamma }_{{\rm{I}}i}}}}{{\left( {1 + s{{\bar \gamma }_{{\rm{rd}}}}} \right)}}} \right|\begin{array}{*{20}{c}}{ - {N_{\rm{r}}} - n - p - k, - q}\\0\end{array} \bigg) \Bigg] \Bigg\}.\end{split} $
虽然(11)式提供了准确求解ASER的方案, 它仍需一个非常复杂的数学方案来计算积分. 在这种情况下, 根据文献[21, 22], 对于常用的调制方式, 即M-PSK、多进制正交振幅调制(M-ary quadrature amplitude modulation, M-QAM), 它的近似公式可以由MGF计算得到, 即

$\begin{split} {P_{{\rm{M \text{-} PSK}}}}& = \frac{1}{{\text{π}}}\int_0^{\frac{{\left( {M - 1} \right){\text{π}}}}{M}} {{M_{{\gamma _{{\rm{MRC}}}}}}\left( {\frac{{{{\sin }^2}\left( {{{\text{π}} / M}} \right)}}{{{{\sin }^2}\theta }}} \right)} {\rm{d}}\theta \\ & \approx \left( {\frac{{M - 1}}{{2M}} - \frac{1}{6}} \right){M_{{\gamma _{{\rm{MRC}}}}}}\left( {{{\sin }^2}\left( {{{\text{π}} / M}} \right)} \right) + \frac{1}{4}{M_{{\gamma _{{\rm{MRC}}}}}}\left( {\frac{4}{3}{{\sin }^2}\left( {{{\text{π}} / M}} \right)} \right) \\ &\quad + \left( {\frac{{M - 1}}{{2M}} - \frac{1}{4}} \right){M_{{\gamma _{{\rm{MRC}}}}}}\left( {\frac{{{{\sin }^2}\left( {{{\text{π}} / M}} \right)}}{{{{\sin }^2}\left( {{{{\text{π}}\left( {M - 1} \right)} / M}} \right)}}} \right), \end{split} $
$\begin{split} {P_{{\rm{M \text{-} QAM}}}} &= \frac{{4\left( {1 - {1 / {\sqrt M }}} \right)}}{{\text{π}}}\int_0^{\frac{{\text{π}}}{2}} {{M_{{\gamma _{{\rm{MRC}}}}}}\left( {\frac{{{3 / {\left( {2\left( {M - 1} \right)} \right)}}}}{{{{\sin }^2}\theta }}} \right)} {\rm{d}}\theta - \frac{{4{{\left( {1 - {1 / {\sqrt M }}} \right)}^2}}}{{\text{π}}}\int_0^{\frac{{\text{π}}}{4}} {{M_{{\gamma _{{\rm{MRC}}}}}}\left( {\frac{{{3 / {\left( {2\left( {M - 1} \right)} \right)}}}}{{{{\sin }^2}\theta }}} \right)} {\rm{d}}\theta \\ & \approx \left( {\frac{{\left( {1 - {1 / {\sqrt M }}} \right)}}{3} - \frac{{{{\left( {1 - {1 / {\sqrt M }}} \right)}^2}}}{2}} \right){M_{{\gamma _{{\rm{MRC}}}}}}\left( {{3 / {\left( {2\left( {M - 1} \right)} \right)}}} \right) + \left( {1 - {1 / {\sqrt M }}} \right){M_{{\gamma _{{\rm{MRC}}}}}}\left( {{2 / {\left( {M - 1} \right)}}} \right) \\ &\quad - \frac{{{{\left( {1 - {1 / {\sqrt M }}} \right)}^2}}}{2}{M_{{\gamma _{{\rm{MRC}}}}}}\left( {{3 / {\left( {M - 1} \right)}}} \right).\end{split} $

再将表达式(37)代入(38)和(39)式, 就可以简便地计算出系统在M-PSK, M-QAM调制方式下的ASER.
4.计算机仿真与分析
本节通过计算机仿真来验证理论推导结果的正确性, 并定量分析各种参数对系统ASER的影响. 在仿真中, 根据衰落程度的不同, 卫星-中继信道衰落场景为陆地移动卫星(land mobile satellite, LMS)信道, 分别考虑了重度阴影衰落(frequent heavy shadowing, FHS)、中度阴影衰落(average shadowing, AS)和轻度阴影衰落(infrequent light shadowing, ILS), 相对应的参数在表1中列出[18], 而考虑到通常卫星直达链路很差, 需采用中继传输, 因此卫星-用户链路选择了FHS分布. 此外, 假设${\bar \gamma _{{\rm{sd}}}} = {\bar \gamma _{{\rm{sr}}}} =$$ {\bar \gamma _{{\rm{rd}}}} = \bar \gamma $, 噪声功率为${\sigma ^2}= 0$ dBW, 并且每个干扰的功率均相等.
阴影类型参数
bm Ω
FHS0.0630.739 8.97 × 10–4
AS0.12610.1 0.835
ILS0.15819.4 1.29


表1LMS信道参数
Table1.Channel parameters of LMS.

图2为不同调制方式下系统的ASER随$\bar \gamma $的变化, 其中中继天线数${N_{\rm{r}}} = 3$和干扰数目$K = 3$, 卫星-中继链路服从中度阴影衰落信道参数. 从图2可看出, 推导的闭合表达式得到的结果与Monte Carlo仿真高度一致, 从而证明了所推导的理论表达式的正确性. 此外, 可明显看出二进制相移键控(BPSK)调制方式下的系统性能要优于四进制相移键控(QPSK)和八进制相移键控(8PSK)调制方式. 这是因为在相同的ASER条件下, BPSK需要的SNR更低, 但同时传输速率也更低.
图 2 不同调制方式下ASER随的SNR变化
Figure2. Influences of different modulation modes on the ASER of the considered system.

图3给出了不同卫星信道参数下的星地融合协作网络ASER随$\bar \gamma $的变化, 其中中继天线数${N_{\rm{r}}} = 3$和干扰数目$K = 3$, 且调制方式为QPSK. 从图3可以看出, 轻度阴影衰落参数组的ASER性能优于中度阴影衰落和重度阴影衰落参数组. 随着卫星链路中的阴影增加$\left( {{\rm{ILS}} \to {\rm{AS}} \to {\rm{FHS}}} \right)$ 会导致ASER出现明显下降, 这是由于阴影衰落的增加导致信道质量下降, 从而造成输出SINR降低.
图 3 不同卫星信道参数下的ASER随的SNR变化
Figure3. Influences of different satellite channel parameters on the ASER of the considered system.

图4给出了在信道参数采用中度阴影衰落, 且中继天线数目${N_{\rm{r}}}$和干扰数目$K$不同时, 采用QPSK调制方式的系统的ASER随$\bar \gamma $的变化. 可以看出, 在中继天线数相同的情况下, 干扰数目越多, 系统ASER性能越差; 在干扰数目相同的情况下, 天线数目越多, 系统ASER性能越好, 表明配置多天线能够提高系统传输的可靠性. 这是因为多天线技术可以提供阵列增益, 提高地面用户的接收信号强度, 而同信道干扰会降低地面用户的接收SINR. 因此, 可通过增加地面中继的天线数和抑制同信道干扰来提高星地融合协作网络的性能.
图 4 不同天线数和干扰数下的ASER随的SNR变化
Figure4. Influences of different antenna numbers and interference numbers on the ASER of the considered system.

我们对其他调制方式, 例如十六进制正交振幅调制(16-QAM)也进行了仿真, 并得到相同的结论. 由于受到篇幅的限制, 这里无法给出更多的仿真结果.
5.结　论
本文分析了地面多天线中继采用DF协议辅助卫星通信构成的星地融合协作网络的性能. 首先, 针对受到同信道干扰的地面用户采用MRC方案, 得到相应的输出SINR表达式. 其次, 基于Meijer-G函数推导出直达径和中继链路的MGF, 并进一步得到系统ASER的闭合表达式. 最后, 计算机仿真验证了理论推导的正确性, 并分析了各种参数的影响. 因此本文工作可以为星地融合通信网的设计提供参考和依据.
附录A.(20)式的推导
将(18)和(19)式代入(15)式, ${f_{{\gamma _{\rm{d}}}}}\left( x \right)$可表示为
$ \begin{split} {f_{{\gamma _{\rm{d}}}}}\left( x \right) &= \int_0^\infty {\left( {1 + z} \right){f_{{\gamma _{{\rm{sd}}}}}}\left[ {x\left( {1 + z} \right)} \right]{f_{{\gamma _{\rm{I}}}}}\left( z \right){\rm{d}}z} \\ & = {\left( {\frac{{2{b_0}{m_0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)^{{m_0}}}\exp \left( { - \frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}} \right)\sum\limits_{i = 1}^K {\frac{{{\rho _i}}}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \\ & \quad \times \sum\limits_{n = 0}^\infty {{\left( {\frac{{{\varOmega _0}}}{{2{b_0}{m_0} + {\varOmega _0}}}} \right)}^n}\\&\quad \times \frac{{\varGamma \left( {{m_0} + n} \right)}}{{\varGamma \left( {{m_0}} \right)\varGamma \left( {n + 1} \right)\varGamma \left( {1 + n} \right)}} \frac{{{x^n}}}{{{{\left( {2{b_0}{{\bar \gamma }_{{\rm{sd}}}}} \right)}^{n + 1}}}}{I_1} \end{split} , \tag{A1}$
其中
$ \begin{split} {I_1}& = \int_0^\infty {{{\left( {z + 1} \right)}^{n + 1}}} \exp \left[ { - \left( {\frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}} + \frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)z} \right]{\rm{d}}z \\& = \sum\limits_{j = 0}^{n + 1} {\frac{{\varGamma (n + 2)}}{{\varGamma \left( {n - j + 2} \right)\varGamma \left( {j + 1} \right)}}} \\&\quad \times \int_0^\infty {{z^j}}\exp \left[ { - \left( {\frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}+\frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)z} \right]{\rm{d}}z .\end{split} \tag{A2}$
利用积分公式
$ \int_0^\infty {{x^n}\exp \left( { - ux} \right){\rm{d}}x = n!{u^{ - n - 1}}} ,\tag{A3}$
${I_1}$可进一步表示为
$ {I_1} = \sum\limits_{j = 0}^{n + 1} {\frac{{\varGamma (n + 2)}}{{\varGamma \left( {n - j + 2} \right)}}} {\left( {\frac{x}{{2{b_0}{{\bar \gamma }_{{\rm{sd}}}}}}+\frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)^{ - j - 1}}.\tag{A4}$
将(43)式代入(40)式, ${f_{{\gamma _{\rm{d}}}}}\left( x \right)$可推导出来.
附录B.(31)式的推导
首先对${f_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$进行积分, ${F_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$可计算出
$ \begin{split} {F_{{\gamma _{{\rm{sr}}}}}}\left( x \right) =\;& \frac{1}{{\varGamma \left( {{N_{\rm{r}}}{m_1}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_{\rm{r}}}{m_1}}}\\ &\times \sum\limits_{n = 0}^\infty {\frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{\varGamma \left( {n + 1} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right)}}} \\ & \times \frac{1}{{{{\left( {2{b_1}{{\bar \gamma }_{{\rm{sr}}}}} \right)}^{{N_{\rm{r}}} + n}}}}{\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^n}\\& \times \int_0^x {{y^{{N_{\rm{r}}} + n - 1}}\exp \left( { - \frac{y}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right){\rm{d}}y} .\end{split} \tag{B1}$
根据积分公式
$ \int_0^z {{x^n}} \exp \left( { - ux} \right){\rm{d}}x = {u^{ - n - 1}}\Upsilon \left( {n + 1,uz} \right),\tag{B2}$
其中$\Upsilon \left( {\alpha ,x} \right) = \displaystyle\sum\limits_{p = 0}^\infty {\displaystyle\frac{{{{\left( { - 1} \right)}^p}{x^{\alpha + p}}}}{{p!\left( {\alpha + p} \right)}}} $为不完全伽马函数. 并经过一系列数学计算, ${F_{{\gamma _{{\rm{sr}}}}}}\left( x \right)$可得出
$\begin{split} {F_{{\gamma _{{\rm{sr}}}}}}\left( x \right) =\;& \frac{1}{{\varGamma \left( {{N_r}{m_1}} \right)}}{\left( {\frac{{2{b_1}{m_1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^{{N_r}{m_1}}}\\& \times \sum\limits_{n = 0}^\infty {\frac{{\varGamma \left( {{N_{\rm{r}}}{m_1} + n} \right)}}{{\varGamma \left( {n + 1} \right)\varGamma \left( {{N_{\rm{r}}} + n} \right)}}} \\ & \times {\left( {\frac{{{\varOmega _1}}}{{2{b_1}{m_1} + {\varOmega _1}}}} \right)^n}\\& \times \sum\limits_{p = 0}^\infty\frac{{\left( { - 1} \right)}^p}{{p!\left( {{N_{\rm{r}}} + n + p} \right)}}{{\left( {\frac{x}{{2{b_1}{{\bar \gamma }_{{\rm{sr}}}}}}} \right)}^{{N_{\rm{r}}} + n + p}} .\end{split} \tag{B3}$
${F_{{{\widetilde \gamma }_{{\rm{rd}}}}}}\left( x \right)$定义为
$ \begin{split} {F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right) &= {P_{\rm{r}}}\left\{ {{{\tilde \gamma }_{{\rm{rd}}}} < x} \right\} = {P_{\rm{r}}}\left\{ {\frac{{{\gamma _{{\rm{rd}}}}}}{{{\gamma _I} + 1}} < x} \right\} \\ &= \int_0^\infty {{F_{{\gamma _{{\rm{rd}}}}}}\left( {x\left( {z + 1} \right)} \right)} {f_{{\gamma _{\rm{I}}}}}\left( x \right){\rm{d}}z .\end{split} \tag{B4}$
首先, 运用积分公式(B2)和不完全伽马函数, 可得到${F_{{\gamma _{rd}}}}\left( x \right)$为
${F_{{\gamma _{{\rm{rd}}}}}}\left( x \right) = 1 - \exp \left( - \frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}}x \right)\sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\frac{1}{{k!}}} {\left( {\frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right)^k}.\tag{B5}$
将(19)和(B5)式代入(B4)式中, ${F_{{{\widetilde \gamma }_{{\rm{rd}}}}}}\left( x \right)$可表示为
$ \begin{split}{F_{{{\widetilde \gamma }_{{\rm{rd}}}}}}\left( x \right) =\; &1 - \sum\limits_{i = 1}^K {\frac{{{\rho _i}}}{{{{\bar \gamma }_{{\rm{I}}i}}}}\sum\limits_{k = 0}^{{N_{\rm{r}}} - 1} {\frac{1}{{\varGamma \left( {k + 1} \right)}}} } {\left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}}} \right)^k}\\&\times \exp \left( { - \frac{1}{{{{\bar \gamma }_{{\rm{rd}}}}}}x} \right){I_2},\end{split}\tag{B6}$
其中
$ \begin{split} {I_2} &= \int_0^\infty {{{\left( {z + 1} \right)}^k}\exp \left[ { - \left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}} + \frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)z} \right]} {\rm{d}}z \\ & = \sum\limits_{q = 0}^k {\frac{{\varGamma \left( {k + 1} \right)}}{{\varGamma \left( {q + 1} \right)\varGamma (k - q + 1)}}} \\& \quad \times \int_0^\infty {z^q} \exp \left[ { - \left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}} + \frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)z} \right] {\rm{d}}z .\end{split} \tag{B7}$
利用积分公式
$\int_0^\infty {{x^m}\exp \left( { - \beta {x^n}} \right)} {\rm{d}}x = \frac{{\varGamma \left( \tau \right)}}{{n{\beta ^\tau }}},\;\;\tau = \frac{{m + 1}}{n},\tag{B8}$
${I_2}$可计算出
$ {I_2} = \sum\limits_{q = 0}^k {\frac{{\varGamma \left( {k + 1} \right)}}{{\varGamma (k - q + 1)}}} {\left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}} + \frac{1}{{{{\bar \gamma }_{{\rm{I}}i}}}}} \right)^{ - q - 1}}.\tag{B9}$
将${I_2}$的值代入(B6)式中, 得到${F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right)$的表达式为
$\begin{split}{F_{{{\tilde \gamma }_{{\rm{rd}}}}}}\left( x \right) =\;& 1 - \sum\limits_{i = 1}^K {\sum\limits_{k = 0}^{{N_r} - 1} {\sum\limits_{q = 0}^k {\frac{{{\rho _i}{{\bar \gamma }_{{\rm{I}}i}}^q}}{{(k - q)!}}} } } {\left( {\frac{x}{{{{\bar \gamma }_{{\rm{rd}}}}}}} \right)^k}\\&\times \exp \left( { - \frac{1}{{\bar \gamma }_{{\rm{rd}}}}x} \right){\left( {1 + \frac{{\bar \gamma }_{{\rm I}i}}{{\bar \gamma }_{\rm rd}}x} \right)^{ - q - 1}}.\end{split}\tag{B10}$
将(B3)和(B10)式代入(27)式, 可以得到${F_{{\gamma _{\rm{c}}}}}\left( x \right)$的表达式.
相关话题/系统 干扰 文献 信号 卫星
  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ...
    考试优惠券 本站小编 Free壹佰分学习网 2022-09-19
  • 自旋轨道耦合系统中的整数量子霍尔效应
    摘要:研究了Rashba自旋轨道耦合作用下的二维无限长条形样品中的电子输运,计算了样品的霍尔电导和纵向电阻,得到了完整的整数量子霍尔效应.在一定强磁场范围内,由于样品两边缘的限制,能级在大波矢范围快速上升,在小波矢范围形成平坦的朗道能级.强磁场下自旋轨道耦合完全解除自旋简并.位于朗道能级上升和下降区 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 基于指数加权-核在线序列极限学习机的混沌系统动态重构研究
    摘要:利用指数加权在线核序列极限学习机(exponentialweightedonlinesequentialextremelearningmachinewithkernel,EW-KOSELM)辨识算法,开展了针对混沌动力学系统的动态重构研究.EW-KOSELM算法将核递归最小二乘(kernelr ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 线极化Bell-Bloom测磁系统中抽运光对磁场灵敏度的影响
    摘要:利用适用于线极化Bell-Bloom测磁系统的布洛赫方程和含有自旋弛豫的速率方程,以铯原子为研究对象,分析了抽运光对磁场灵敏度的影响,并在实验上分别采用与铯原子D1线和D2线共振的线偏光作为抽运光和探测光,用充有缓冲气体的气室进行了实验.实验结果与理论分析一致,均表明只有在一定的光强范围内,增 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 级联四波混频系统中纠缠增强的量子操控
    摘要:各类系统中的纠缠操控是量子信息科学的重要问题之一.本文研究了热原子蒸气的级联四波混频过程中产生的纠缠增强及纠缠增强的相位敏感特性.研究表明,该级联四波混频过程第二级输出的探针光和共轭光的量子纠缠较第一级明显增强,最大可达5dB以上,且随着强度因子的增大可实现完美纠缠.文中还详细讨论了量子关联类 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 基于强耦合Duffing振子的微弱脉冲信号检测与参数估计
    摘要:耦合Duffing振子在检测强噪声中的微弱脉冲信号时具有可检测信噪比低等优点,但目前检测模型还存在系统性能与初始状态有关、只能工作在倍周期分岔状态等缺陷.为此本文构建了一种能克服上述缺点的新的微弱脉冲信号检测模型,通过对两个Duffing振子同时施加较大的恢复力和阻尼力耦合,可使振子间产生广义 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 基于共心球透镜的多尺度广域高分辨率计算成像系统设计
    摘要:针对实时广域高分辨率成像需求,充分利用具有对称结构的多层共心球透镜视场大且各轴外视场成像效果一致性好的特点,设计基于共心球透镜的多尺度广域高分辨率计算成像系统.该系统基于计算成像原理,通过构建像差优化函数获得光学系统设计参数,结合球形分布的次级相机阵列进行全局性优化,提高系统性能的同时有效简化 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 具有多物理特性的X射线脉冲星导航地面验证系统
    摘要:导航地面验证是X射线脉冲星导航研究必不可少的环节.针对导航算法验证需要真实连续的脉冲星信号的需求,同时避免X射线调制及探测难度大、成本高的问题,提出了一种基于可见光源的X射线脉冲星导航地面验证系统.该系统利用太阳系质心处脉冲星信号模型和航天器轨道信息,建立航天器处实时光子到达速率函数,再通过硬 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 单光束扩束扫描激光周视探测系统参数对探测能力的影响
    摘要:针对现有单光束激光同步扫描周视探测对脉冲重复频率要求较高,难以实际应用的问题,提出单光束扩束扫描激光周视探测方法.基于单光束扩束扫描激光周视探测工作原理,推导了最低扫描频率和脉冲频率解析式;分析了圆柱目标回波特性及关键参数截面衰减系数,建立了脉冲扩束激光圆柱目标回波功率数学模型,讨论了系统参数 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 极低温散粒噪声测试系统及隧道结噪声测量
    摘要:介观体系输运过程中载流子的离散性导致了散粒噪声.通过测量散粒噪声可以得到传统的基于时间平均值的电导测量无法得到的随时间涨落信息,因而作为一种重要手段在极低温量子输运研究中得到了一定的应用.极低温环境下的噪声测量是一种难度很大的极端条件下的微弱信号测量,通常需要在低温端安装前置放大器并且尽量靠近 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29
  • 原子辅助光力系统中快慢光的量子调控
    摘要:随着纳米科技以及半导体技术的迅猛发展,光力诱导透明、快慢光和光存储以及其他在光力系统中发现的量子光学和非线性光学效应成为人们目前研究的热点.本文将薄膜腔光力系统同被束缚在腔中的二能级冷原子系综相耦合,通过直接在薄膜振子上引入弱辅助驱动场来研究该原子辅助光力系统中原子和相位对量子相干性质及其快慢 ...
    中科院物理研究所 本站小编 Free考研考试 2021-12-29

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.