高速鐵路由于其經(jīng)濟(jì)性、環(huán)保性以及可全天候運(yùn)行等優(yōu)勢(shì)受到了越來(lái)越多的注意,經(jīng)濟(jì)與科學(xué)技術(shù)的進(jìn)步促進(jìn)了高速鐵路的快速發(fā)展,目前國(guó)內(nèi)高鐵車速已可以達(dá)到300km/h甚至更快的速度。高速鐵路作為5G-NR的重要使用場(chǎng)景之一,其通信需求日益增多,同時(shí)對(duì)于通信系統(tǒng)質(zhì)量等指標(biāo)的要求也更加嚴(yán)格。國(guó)際電信聯(lián)盟在關(guān)于5G-NR的關(guān)鍵性能制定中要求在車載速度達(dá)500km/h的高鐵通信場(chǎng)景下下行鏈路速率達(dá)到50Mbit/s,上行鏈路達(dá)到25Mbit/s。在5G-NR應(yīng)用時(shí)代,高鐵寬帶移動(dòng)通信技術(shù)面臨著巨大的挑戰(zhàn),其主要包括:高鐵車廂對(duì)信號(hào)的衰減大、頻繁的基站小區(qū)切換以及列車高速行駛帶來(lái)的大多普勒頻移。因此,為了達(dá)到5G-NR高鐵通信場(chǎng)景下關(guān)鍵性能的要求,需要對(duì)有關(guān)通信技術(shù)進(jìn)行深入研究�？紤]到5G-NR通信系統(tǒng)的整體性能及要求,3GPP在評(píng)估了單載波及多個(gè)子載波波形的優(yōu)缺點(diǎn)后,最終選用正交頻分復(fù)用(OFDM,Orthogonal Frequency Division Multiple)作為上下行傳輸技術(shù)。然而,在5G-NR高速移動(dòng)通信場(chǎng)景下列車的更高速移動(dòng)(>=500km/h),以及更高的載波頻率將引起更...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于4G-LTE的HSR場(chǎng)景中多普勒頻偏估計(jì)研究現(xiàn)狀
        1.2.2 基于5G-NR的HSR場(chǎng)景中多普勒頻偏估計(jì)研究現(xiàn)狀
    1.3 本論文的研究工作
    1.4 本論文的組織結(jié)構(gòu)
第二章 5G-NR高速移動(dòng)傳輸系統(tǒng)相關(guān)基礎(chǔ)理論
    2.1 5G-NR系統(tǒng)概述
        2.1.1 5G-NR概述
        2.1.2 5G-NR應(yīng)用場(chǎng)景
        2.1.3 5G-NR與4G的區(qū)別
        2.1.4 5G-NR數(shù)據(jù)幀格式
        2.1.5 正交頻分復(fù)用技術(shù)概述
        2.1.6 毫米波技術(shù)概述
    2.2 高速移動(dòng)場(chǎng)景的信道模型
        2.2.1 信道特性與模型
        2.2.2 多普勒頻移
    2.3 多普勒頻偏對(duì)系統(tǒng)性能的影響
    2.4 本章小結(jié)
第三章 基于環(huán)境地圖與導(dǎo)頻聯(lián)合的多普勒頻偏估計(jì)方法
    3.1 引言
    3.2 信號(hào)模型
    3.3 現(xiàn)有相關(guān)估計(jì)方法
        3.3.1 基于導(dǎo)頻相關(guān)的頻偏估計(jì)算法(PCBE)
        3.3.2 基于循環(huán)前綴的頻偏估計(jì)算法(CPBE)
        3.3.3 基于無(wú)線環(huán)境圖的頻偏估計(jì)算法(REME)
        3.3.4 基于導(dǎo)頻分段的頻偏估計(jì)算法(ESBE)
    3.4 新型的基于環(huán)境地圖與導(dǎo)頻的多普勒頻偏估計(jì)方法
        3.4.1 方法原理
        3.4.2 理論性能分析
        3.4.3 計(jì)算機(jī)仿真與分析
    3.5 本章小結(jié)
第四章 基于神經(jīng)網(wǎng)絡(luò)的多普勒頻偏估計(jì)方法
    4.1 引言
    4.2 信號(hào)模型
    4.3 現(xiàn)有相關(guān)估計(jì)方法
        4.3.1 基于相鄰符號(hào)序列的頻偏估計(jì)算法(Moose)
        4.3.2 基于循環(huán)前綴的頻偏估計(jì)算法(CPBE)
    4.4 新型的基于神經(jīng)網(wǎng)絡(luò)的多普勒頻偏估計(jì)方法
        4.4.1 BP神經(jīng)網(wǎng)絡(luò)
        4.4.2 方法原理
        4.4.3 計(jì)算機(jī)仿真與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3815111