arXiv 1706.050912017-06-15cs.ETcs.ITmath.IT

分子MIMO的空间编码技术

Spatial Coding Techniques for Molecular MIMO

Martin Damrath, H. Birkan Yilmaz, Chan-Byoung Chae, Peter Adam Hoeher

摘要：

本文研究了空间分集技术在多输入多输出（MIMO）扩散分子通信（DBMC）中的应用。提出并分析了两种空间编码技术，即Alamouti型编码和重复MIMO编码。此外，我们考虑接收端等增益合并，这是相当于对称情况下的最大比合并。为了进行数值分析，利用训练好的人工神经网络获得了对称$2 \times 2$ MIMO-DBMC系统的信道冲激响应。结果表明，空间分集有可能提高系统性能，重复MIMO编码优于Alamouti型编码。

英文摘要：

This paper studies spatial diversity techniques applied to multiple-input multiple-output (MIMO) diffusion-based molecular communications (DBMC). Two types of spatial coding techniques, namely Alamouti-type coding and repetition MIMO coding are suggested and analyzed. In addition, we consider receiver-side equal-gain combining, which is equivalent to maximum-ratio combining in symmetrical scenarios. For numerical analysis, the channel impulse responses of a symmetrical $2 \times 2$ MIMO-DBMC system are acquired by a trained artificial neural network. It is demonstrated that spatial diversity has the potential to improve the system performance and that repetition MIMO coding outperforms Alamouti-type coding.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

分子通讯中的空间多样性

Spatial Diversity in Molecular Communications

在这项工作中，空间分集技术在多输入多输出（MIMO）扩散为基础的分子通信（DBMC）领域进行了研究。对于发射端空间编码，提出并分析了Alamouti型编码和重复MIMO编码。在接收端，研究了选择分集、等增益合并和最大比合并等合并策略。在整个数值分析中，假设一个对称的$2\times 2$ MIMO-DBMC系统。此外，训练的人工神经网络被用来获取信道冲激响应。数值分析表明，在分子通讯中实现多样性增益是可能的。此外，它表明，对于MIMO-DBMC系统的重复MIMO编码是优于Alamouti型编码。

2017-07-24cs.ETcs.ITmath.IT

扩散MIMO分子通信信道估计

Channel Estimation for Diffusive MIMO Molecular Communications

在基于扩散的通信中，对于分子系统，由于扩散的缓慢性质和严重的符号间干扰（ISI）的存在，可实现的数据率非常低。多输入多输出（MIMO）技术可以用来提高数据率。信道冲激响应（CIR）的知识对于MIMO系统中的均衡和检测是必不可少的。该文提出了一种基于训练的扩散MIMO（D-MIMO）信道CIR估计方法。最大似然估计和最小二乘估计推导，和训练序列的设计，以尽量减少相应的Cramér-Rao界。将次优估计与Cramér-Rao界进行比较，以验证其性能。

2018-01-22cs.ETcs.ITmath.IT

分子通讯中的MIMO操作：理论、原型和开放性挑战

MIMO Operations in Molecular Communications: Theory, Prototypes, and Open Challenges

生物纳米物联网是下一代通信技术的重大发展。由于传统的无线通信技术在实现新的应用（例如，由于用于健康监测的体内区域网络）和需要替换信息载体，研究人员已经将他们的兴趣转移到分子通信（MC）。尽管过去十年来在这一领域取得了显著进展，但就实现其应用目标而言，进展远未达到令人满意的程度。与基于波的传统通信相比，MC的一个关键问题是粒子动力学规范中固有的低数据率和高出错率。因此，重要的是要调查的资源，MC可以获得额外的信息路径，并提供策略，利用这些资源。本研究旨在探讨资源整合与开发的技术，为MC未来的发展提供前瞻性的方向。特别是，我们专注于国家的最先进的研究多输入多输出（MIMO）系统。我们讨论了应用MIMO到各种MC系统模型的可能优势。此外，我们调查了各种研究，旨在实现MIMO增益为各自的模型，从理论背景到原型。最后，我们通过总结需要解决的挑战来结束这项研究。

2021-07-05cs.ETcs.ITmath.IT

分子MIMO通信链路

Molecular MIMO Communication Link

在这个演示中，我们将展示世界上第一个分子多输入多输出（MIMO）通信链路，在空间域中提供两个数据流。我们表明，化学信号，如浓度梯度，可以用于MIMO方式传输顺序数据。到目前为止，还不清楚在现代无线电通信中广泛使用的MIMO技术是否可以应用于分子通信。在演示中，使用我们设计的MIMO设备和精心设计的检测算法，我们将表明，我们可以实现比单输入单输出（SISO）分子通信系统高约1.7倍的数据率。

2015-03-19cs.ET

基于机器学习的分子MIMO通信信道建模

Machine Learning based Channel Modeling for Molecular MIMO Communications

在基于扩散的分子通信中，信息粒子通过扩散过程移动，其特征在于随机运动和随机到达时间的重尾分布。因此，分子通信显示出较低的传输速率。为了弥补这种低速率，研究人员最近提出了分子多输入多输出（MIMO）技术。虽然通道模型存在单输入单输出（SISO）系统的一些简单的环境，扩展到多个分子发射器的结果复杂的建模过程。在本文中，我们介绍了一种技术建模的分子MIMO信道，并通过数值研究确认的有效性。

2017-04-04cs.ET

扩散基分子MIMO通信系统中分子空间调制（MSM）的性能分析

Performance Analysis of Molecular Spatial Modulation (MSM) in Diffusion based Molecular MIMO Communication Systems

在基于扩散的分子通信中，使用分子载体将信息从发射器传送到接收器。可实现的低数据率是基于扩散的分子相对于基于无线电的通信的主要缺点。克服该缺点的一种解决方案是分子MIMO通信。本文将分子空间调制技术引入到分子MIMO通信中，以提高系统的数据率。此外，使用特殊的检测方法，所有这些都是基于阈值电平检测方法。如果我们引入的信道矩阵是满秩的，那么他们在分子通信系统中使用分集技术。此外，对于2 $\times$ 1系统，我们定义了一个优化问题，以获得合适的数量的分子进行传输，以减少该系统的BER。然后将所提出的调制推广到$2\times2$和$4\times4$系统。在这些系统中的每一个中，使用基于阈值电平检测的特殊检测方法。最后，基于BER，将MSM系统与具有相似数据率的系统进行了比较。仿真结果表明，所提出的调制和检测方法降低了误码率。而所提出的方法对于分子体系是非常简单和实用的。

2018-09-16cs.ET

更多相关论文收起更多论文

基于DNA的分子通信与存储编码方法教程

A Tutorial on Coding Methods for DNA-based Molecular Communications and Storage

本文提供DNA存储及其在分子通信中应用的教程，涵盖MCS基础、传统编码方案的应用及数值结果，并展望未来研究方向。

2023-11-13cs.ETcs.ITmath.IT

适用于相位未同步的无蜂窝大规模多输入多输出下行链路的差分空时分组编码

Differential Space-Time Block Coding for Phase-Unsynchronized Cell-Free MIMO Downlink

University of Cassino and Southern Lazio（卡西诺和南拉齐奥大学）

针对无蜂窝大规模多输入多输出下行链路的相位同步难题，提出无需AP相位同步的DSTBC方案，可缓解相位失配影响，还研究了实现全码率的DQO-STBC方案。

2026-09-03cs.ETcs.ITeess.SP

分子MIMO的检测算法

Detection Algorithms for Molecular MIMO

在本文中，我们提出了一种新的分子通信设计，其中发射器和接收器都有，在一个3维的环境中，多个凸起（在RF通信，这对应于天线）。所提出的系统由流体介质、信息分子、发射器和接收器组成。我们用一个单次信号来模拟系统，以获得信道的有限冲激响应。然后，我们将此结果纳入我们的数学分析，以确定干扰。分子通信对低复杂度有很大的需求，因此，接收器可能具有关于系统和信道状态的不完整信息。因此，有限的信息集在接收机的情况下，我们提出了三种检测算法，即自适应阈值，实际迫零，和Genie辅助迫零。

2015-03-12cs.ET

分子MIMO：从理论到原型

Molecular MIMO: From Theory to Prototype

在基于扩散的分子通信中，信息传输由通过流体介质的扩散控制。与基于无线电的通信系统相比，这些信道可达到的数据率非常低，因为扩散可能是一个缓慢的过程。为了提高数据率，提出了一种新颖的用于分子通信的多输入多输出（MIMO）设计，该设计在发射机处利用多个分子发射器，在接收机处利用多个分子检测器（在RF通信中，这些都对应于天线）。使用基于粒子的模拟器，信道的脉冲响应得到和数学建模。然后，这些模型用于确定链路间干扰（ILI）和符号间干扰（ISI）。假设当接收机具有关于系统和信道状态的不完整信息时，低复杂度符号检测方法是优选的，因为接收机小而简单。因此，提出了四种检测算法-自适应阈值，实际的零强制与不包括/包括ILI和ISI的信道模型，和Genie辅助零强制。所提出的算法进行了广泛的评估，使用数值和分析评价。

2016-03-12cs.ET

一种用于基于里德堡原子量子接收机系统的新型空时编码架构

A Novel Space-Time Coding Architecture for Rydberg Atomic Quantum Receiver-Based Systems

Tampere University（坦佩雷大学）；Nokia Bell Labs（诺基亚贝尔实验室）

针对里德堡原子量子接收机与传统MIMO处理不兼容的问题，提出低复杂度空时编码框架，实现无需矩阵求逆的逐符号检测，可达成完整收发分集且性能优于空间复用基准。

2026-09-03cs.ET

扩散系统中分子通讯的折射率调制

Index Modulation for Molecular Communication via Diffusion Systems

分子扩散通信（MCvD）是一种利用载体分子的自由扩散在纳米尺度上传递信息的分子通信方法。由于载波分子的随机传播，码间干扰（ISI）是MCvD系统中的主要问题。除了ISI之外，链路间干扰（ILI）也是增加基于MCVD的多输入多输出（MIMO）方法的总干扰的问题。受传统通信系统中天线指数调制（IM）概念的启发，本文提出了一种新的MCvD系统中基于IM的传输方案。在本文中，分子空间移位键控（MSSK）被提出作为一种新的调制的分子MIMO系统，它被发现，该方法对抗ISI和ILI相当好地比现有的MIMO方法。对于可以访问两种不同分子的纳米机器，还提出了MSSK的直接扩展，正交分子空间移位键控（QMSSK）。QMSSK被认为是打击ISI相当不错，而不是对ILI引起的错误表现良好。为了更有效地对抗ILI，提出了另一种基于双分子的新型调制方案，称为分子空间调制（MSM）。结合Gray映射的天线指数，MSM被观察到产生可靠的出错率的分子MIMO系统。

2019-09-19cs.ET

通过分数编码训练DNA感知器

Training DNA Perceptrons via Fractional Coding

本文介绍了一种新的方法来合成分子反应训练感知器，即，单层神经网络，具有S形激活函数。该方法基于分数编码，其中变量由两个分子表示。分子计算中的分数编码和电子计算中的随机逻辑实现之间的协同作用是将已知的随机逻辑电路转换为分子计算的关键。在以前的工作中，提出了一种双极输入和单极输出的DNA感知器进行推理。本文的重点是合成的分子反应训练的DNA感知器。提出了一种新的基于分数编码的分子定标器。本文提出的感知器的训练是基于一个修改后的反向传播方程的精确方程不能很容易地映射到分子反应，使用分数编码。

2020-01-08cs.ETq-bio.QM

基于分数编码的分子和DNA人工神经网络

Molecular and DNA Artificial Neural Networks via Fractional Coding

本文研究了利用分子计算和基于分数编码的DNA实现人工神经网络（ANN）。先前的工作已经解决了具有二进制输入和任意权重的分子双层ANN。在使用分数编码的先前工作中，提出了一种简单的分子感知器，其计算输入的缩放加权和的sigmoid，其中输入和权重位于[-1，1]之间。即使对于计算感知器，先前的方法也受到两个主要限制。首先，它不能计算加权和的sigmoid，而只能计算缩放加权和的sigmoid。其次，许多机器学习应用要求系数是任意的正数和负数，不受[-1，1]之间的限制;这样的数字不能由使用分数编码的先前感知器处理。本文有四个贡献。首先，分子感知器，可以处理任意的权重，并可以计算加权和的S形。因此，这些分子感知器是回归应用和多层ANN的理想选择。引入了一种新的分子除法器，并将其用于计算sigmoid（ax），其中a > 1.第二，提出了一种基于分数阶编码的单隐层分子人工神经网络。第三，一个训练的神经网络分类器与一个隐藏层从癫痫发作预测应用脑电图映射到分子反应和DNA，并提出了他们的表现。第四，还提出了整流线性单元（ReLU）和softmax的分子激活函数。

2020-03-07cs.ETq-bio.QM