基于深度学习的MIMO系统联合优化

自动编码器神经网络可将通信系统重新构建为端到端的任务,从而实现整个系统的联合优化。针对基于深度学习的2用户与4用户多输入多输出(multiple-input multiple-output,MIMO)系统联合优化问题,提出将自动编码器运用到系统中,将整个通信系统的发射端和接收端视为自动编码器的编码和译码部分,利用交叉熵损失加权和函数进行训练学习,从而获得优化的系统模型,并进一步分析得出每个用户的误比特率及所有用户的平均误比特率。实验结果表明,基于自动编码器所构建的MIMO通信系统相比于传统的通信系统具有更优的系统性能。     

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output, MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error,LMMSE)估计算法,且不受信道统计信息的约束。     

基于译码可靠性的系统Polar码删余方法

为了研究删余系统Polar码的性能,提出了一种基于译码可靠性的系统Polar码删余方法.考虑到信道噪声对不同码字比特译码结果的影响并不相同,通过高斯近似的方法计算码字中每个比特的译码可靠性值并对其排序,选择可靠性值较低的码字比特位置作为删余位,构造删余系统Polar码.分析了不同删余方法对误比特率(BER)性能的影响,并将系统Polar码与非系统Polar码的性能进行了对比.仿真结果表明:在同等删余码率下,基于译码可靠性删余法的Polar码性能优于随机删余法的Polar码性能;与等条件下非系统Polar码相比,基于译码可靠性删余法的系统Polar码具有更好的误比特率性能.     

基于统计信道模型的MIMO多天线系统性能研究

由于多径效应的存在,MIMO无线传输系统的性能很大程度上取决于衰落信号空间相关性.研究基于统计的传输信道模型,及在此模型下MIMO多天线系统的接收性能.在理想基站天线结构下,用户终端(UT)的波达信号方位功率谱(APS)模型可应用到Kronecker MIMO信道模型中.研究在Kronecker MIMO信道模型中方位功率谱对MIMO分集和多天线系统性能的影响.数值仿真结果表明:此统计信道模型下的参数估计符合理论和经验;提出的统计信道模型及分析法扩展了以前的MIMO信道模型建模,降低了计算和分析的复杂度.     

有限反馈下大规模MIMO系统性能仿真

大规模多输入多输出(multiple input multiple output,MIMO)系统由于天线数目的急剧增加,其模型与传统多入多出系统有诸多不同,反馈信息对系统性能有较大影响.针对迫零波束成形、有限反馈等条件下,对大规模MIMO系统进行仿真,研究其性能,对其实际应用有一定的指导意义.仿真分析表明,有限反馈下的大规模MIMO系统在反馈比特数目较少时与传统MIMO系统性能相仿,当反馈比特达到一定数目后,系统容量性能将显著提升.     

基于可学习权重衰减的大规模MIMO信号检测

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统随着天线数的增加,信号检测的计算复杂度随之提高,使用更深层次的神经网络并不会显著提高检测性能,因此设计一种低复杂度、高性能的检测算法尤为重要.文中提出了一种基于深度神经网络的大规模MIMO信号检测算法.该神经网络基于投影梯度...     

一种基于深度学习的OFDM信号检测方法

针对传统算法在正交频分复用(OFDM)系统导频数量较少时误符号率较高的问题,提出一种基于深度学习的OFDM信号检测方法,该算法设计一种信号检测网络,其信号检测网络可以代替传统算法中的信道估计和均衡,主要包含:输入层、双向长短记忆神经网络(Bidirectional long short memory neural network,BiLSTM)层、全连接层、softmax层以及分类层。首先需要构建BiLSTM,然后利用3GPP TR38.901信道模型下生成的数据对已经构建好的神经网络进行训练,最后则可将训练好的神经网络应用于OFDM系统之中,对整个系统进行信号检测。仿真结果表明,BiLSTM信号检测网络采用的是端到端的方式进行OFDM信号检测,与传统的信号检测方法相比,BiLSTM信号检测网络在误符号率为10-3时,有5～6 dB的性能提升,与同类型的采用端到端的LSTM信号检测网络的算法相比,该算法在误符号率为10-3时,有2～3 dB的性能提升。     

一种改进的分组Turbo码译码算法

针对由扩展汉明码构建的分组Turbo码,提出了一种可行的估计无竞争码字比特外部信息值的取值方法,并与现有文献中的方法进行仿真比较.仿真结果表明,该方法在高斯信道和Rayleigh衰落信道中都得到较好的译码性能.     

编码分组空时块码多入多出正交频分复用系统中的迭代接收机

针对编码分组空时块码(G-STBC)多入多出正交频分复用(MIMO-OFDM)系统,提出了一种联合MIMO检测和信道译码的迭代接收机,其中MIMO解调器采用基于软符号并行干扰消除(PIC)和瞬时最小均方误差(MMSE)滤波的软入软出MIMO检测算法,不仅适用于M-PSK调制,也适用于M-QAM调制.仿真验证了文中迭代接收机在多径衰落信道中的高效检测能力.     

基于非理想信道状态信息的鲁棒矢量预编码设计

在多用户多输入多输出（MIMO）系统中,提出一种适用于非理想信道的鲁棒矢量预编码设计方法.使用非理想信道模型,发射端仅获得部分信道状态信息,即已知信道估计值及信道误差值的一阶和二阶统计量,利用已知的信道条件并最小化收发信号的均方误差,推导出鲁棒的矢量预编码矩阵和扰动矢量.仿真表明,该鲁棒预编码方法比传统方法具有更好的性能.     

Turbo码在DS／CDMA系统中的应用

基于多用户检测原理,针对传统的Turbo码通过信道信息来获得信息住的信息,修正了带校验位的并行级联Turbo码的BCJR算法,通过多用户提供的先验信息来获得信息位和校验位的信息,使其能和低复杂度的多用户检测器匹配,从而进行信息迭代,达到了消除多用户干扰的目的。     

去蜂窝大规模MIMO系统研究进展与发展趋势

去蜂窝大规模多天线(multiple input multiple output,MIMO)引入“以用户为中心”的思想,通过部署多个分布式接入点(access points,APs),利用相同的时频资源为所有用户服务,有效缩短AP与用户的距离,获得空间宏分集增益,大幅降低路径损耗,并利用大量AP带来的有利传播,减少多用户干扰,从而使全区域均匀覆盖并大幅提升用户体验。去蜂窝大规模MIMO技术刚刚提出,发展尚处于探索阶段。结合国内外移动通信发展的最新趋势,对去蜂窝大规模MIMO系统的基本特点、关键技术、核心挑战与发展趋势进行了介绍和展望,并分为信息理论分析和信号处理技术2个部分,重点论述了信道硬化、有利传播、空间相关、导频分配、信道估计、信号检测等关键技术。指出了去蜂窝大规模MIMO有望成为后5G(beyond 5G)和6G的核心关键技术之一。     

宽带快衰落MIMO信道中高斯插值算法研究

对时变多输入多输出（MIMO）信道的估计和跟踪是实现MIMO系统接收端准确检测、解码等的前提。将低阶高斯插值算法应用于宽带Rayleigh快衰落MIMO信道，对其快速变化实现估计，与采用信道跟踪相比，该方案算法复杂度低，且易于实现。同时对该算法进行了仿真，分析了影响算法性能的主要因素。仿真和分析表明，高斯插值估计算法与单纯的最小二乘相比可以较好地反映快衰落信道的变化，较大地降低系统的估计误差，改善系统的性能。     

基于并行部分干扰对消检测的迭代多用户解码

基于用户信息比特最大后验概率解码的因子图表示及和-积算法，通过干扰估计值的渐进性能分析，提出了一种基于并行部分干扰对消检测的迭代多用户解码器，多用户检测模块的基本结构类似于并行部分干扰对消检测，但干扰估计来自信道译码模块，同时，信道译码模块还提供干扰估计误差特性，多用户检测模块据此选取消除估计多址干扰的比例，仿真结果表明，随着迭代次数的增加，这种接收器接近单用户系统性能。     

Iteration-stopping scheme of turbo receiver in turbo-MIMO systems

The iteration-stopping scheme of turbo receiver, consisting of an inner multiple-input multiple-output （MIMO） detector and an outer turbo decoder, was studied in this paper. In the inner MIMO detector, only the reliabilities of bits in those channel slots which included unreliable information bits were updated when the outer turbo code was a systematical one. In conjunction with the trigger events for stopping the turbo decoding, an iteration-stopping scheme of turbo receiver was proposed. Simulation results show that the proposed scheme has lower complexity, but almost the same error performance compared to the scheme with predetermined maximum iterations.     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。     

基于NSFC-OFDM的非协作式虚拟MIMO

针对多用户配对虚拟MIMO(multiple input multiple output)安全性差,对信道估计器依赖性强的问题,提出一种基于非相干空频码(non-coherent space frequency code,NSFC)和正交频分复用(orthogonal frequency division multiplexing,OFDM)的非协作式虚拟MIMO.在分析NSFC成对错误概率的基础上,给出能满足全分集阶数和最大编码增益的编码准则.为了获得平行子信道传输效果,利用信道循环矩阵奇异值分解(singular value decomposition,SVD)后得到的酉矩阵分别进行预编码和预解码.基于最优NSFC和OFDM预编解码,提出一种新颖的虚拟MIMO策略.该虚拟MIMO在收发两端均无需信道瞬时信息,以非协作方式在单天线内模拟多天线收发效果.理论和仿真分析结果表明,虚拟MIMO系统能有效逼近实际理想MIMO的系统容量和误比特率性能,显著降低了虚拟MIMO系统的检测门限.     

基于STBC-OFDM的非协作虚拟MIMO传输策略

针对多用户配对虚拟MIMO(multiple input multiple output)安全性差、对信道估计器依赖性强的问题,在分析理想MIMO系统和多径SISO(single input single output)系统本质关系的基础上,提出一种基于空时分组编码STBC(space-time block coding)和正交频分复用(orthogonal frequency division multiplexing,OFDM)的非协作式虚拟MIMO传输策略.在发送端,为了获得最佳发射分集增益,利用信道循环矩阵奇异值分解(singular value decomposition,SVD)后得到的左酉矩阵进行预编码;在接收端,为了获得平行子信道传输效果,提出一种基于低复杂度线性STBC译码和傅里叶变换预解码的非协作虚拟MIMO接收方案.该虚拟MIMO在收发两端均无需信道瞬时信息,以非协作方式在单天线内模拟多天线收发效果.仿真分析结果表明该虚拟MIMO系统能有效逼近实际理想MIMO的系统容量和误比特率性能,显著降低了虚拟MIMO系统的检测门限.该结果验证了其有效性和优越性.