【摘要】：為優(yōu)化5G移動自組織網(wǎng)絡數(shù)據(jù)編碼效率與誤碼率,提出基于信源-信道互感知機制的5G移動自組織網(wǎng)絡數(shù)據(jù)高速編碼優(yōu)化算法。采取馬爾科夫信道轉(zhuǎn)移模型對節(jié)點信道編碼,構建信道高速編碼預測機制,獲取信源-信道激發(fā)狀態(tài);通過激發(fā)狀態(tài)節(jié)點的信道編碼偏移特性,使用級聯(lián)方式修正其偏移值,得到最佳傳輸狀態(tài)的數(shù)據(jù)交互率;依據(jù)中心-外圍分組方式,構建信源權重映射機制,利用最高傳輸速度及最低編碼誤碼率進行傳輸劃分。仿真結果表明,與信道信源聯(lián)合優(yōu)化感知算法(source-channel optimal joint cutting algorithm,SOJC)、歐式幾何混沌感知自適應算法(european geometric chaos aware adaptive algorithm,EGCA)相比,該算法的G編碼質(zhì)量與編碼速率更高,誤碼率更低。
文內(nèi)圖片：
圖片說明： 源－信道數(shù)據(jù)的狀態(tài)分解與建模［９］，，從而達到進行信道感知的目的。由于５Ｇ網(wǎng)絡節(jié)點及數(shù)據(jù)的頻率偏移及跳變特性，ＳＮＲ（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅｒａｔｉｏ）處于不斷的更迭過程中［８］。在固定的頻率跳變時間段Ｔ內(nèi)，可對ＳＮＲ實現(xiàn)矢量離散Ｔ＝｛Ｔ１，Ｔ２，Ｔ３，…，Ｔｎ｝，Ｔｎ∈［Ωｎ，Ωｎ＋１］（１）式中：［Ωｎ，Ωｎ＋１］是信源ＳＮＲ的跳變范圍。信源ＳＮＲ進行跳變過程［９］中的狀態(tài)轉(zhuǎn)移如圖１所示，跳變概率Ｓｎ，ｎ＋１可由下式規(guī)定Ｓｎ，ｎ＋１＝Ｓｔ｛Ｓｔ＋１＝ｎ＋１｜Ｓｔ＝ｎ｝（２）式中：Ｓｎ，ｎ＋１是ｔ到ｔ＋１ＳＮＲ跳變概率�？紤]到５Ｇ信號在瑞利信道中進行數(shù)據(jù)傳輸時，不妨設ＳＮＲ為ｎｉ（ｘ），則ｎｉ（ｘ）可由下式規(guī)定為［９］圖１狀態(tài)轉(zhuǎn)移［９］ｎｉ（ｘ）＝∫ｘｅｘs裕洌ǎ常┝⑹劍ǎ玻┛傻瞇藕旁冢鄶福�，Ωｎ＋１Ｊ~奶浠剩睿椋ǎ睿┪睿椋ǎ睿健姚福睿寶福睿睿椋ǎ洌ǎ矗┪撲閌劍ǎ矗┓獎�，定义函数Ｆ（ｘ）瓤z攏疲ǎ劍媯瞚幡校澹穡玻ǎ│校ǎ擔┯墑劍ǎ常劍ǎ擔┛芍簦筆笨探詰闋刺⑸頻母怕剩睿椋ǎ睿簦潁幔釵睿椋ǎ睿簦潁幔睿劍裕疲é福睿睿椋ǎ睿ǎ叮┢渲�，模型（厘P嫖鼻敖詰愕鈉德勢�，模型（�

本文編號：2513517