基于压缩感知的波束选择算法研究

针对大规模毫米波多输入多输出(MIMO)数字波束成形射频链多、成本高且功耗大等难题,研究了低硬件复杂度和功耗的混合波束成形算法,基于第三代合作伙伴计划(3GPP)的TR 38.901 V16.1.0构建了毫米波无线信道仿真模型,以系统“和速率”最大化和总发射功率最小化为优化目标,获得了基于压缩感知的波束选择算法。仿真结果表明：本文所研究基于压缩感知波束选择算法的混合波束成形系统“和速率”随着用户数K近似对数增长。系统“和速率”会受到多用户干扰的限制,在信噪比为10 dB且用户数K较大时,波束选择算法比全数字多用户波束成形算法的系统总发射功率高约2 dB,但波束选择方案有着较低的系统复杂度。     

毫米波大规模MIMO系统混合波束赋形技术综述

针对毫米波通信中混合波束赋形技术，描述了毫米波传输特性及信道模型，概述了大规模毫米波 MIMO混合波束赋形系统及其数学模型，并在此基础上综述了混合波束赋形传输方案，介绍了毫米波波束对齐的2种可行方案，最后展望并预测了毫米波通信与其他技术融合的几种典型应用场景及未来的研究热点.     

超大规模MIMO中包含球面波特征的最优传输方法研究

在超大规模多输入多输出(multiple input multiple output,MIMO)通信场景下，无线传输信道存在球面波特性，目前超大规模MIMO研究中多采用平面波模型，对球面波特征认识不足，忽略了其对系统传输设计的影响。针对此问题，基于球面波模型，利用统计信道状态信息，研究了多用户超大规模MIMO中的传输设计问题，分析了影响最优传输的关键特征参数，获得了包含球面波特征的最优发射策略的闭式表达式。研究结果表明，球面波模型下的最优发射策略与多用户所处位置有关，采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上，提出了一种基于贪婪思想的低复杂度多用户调度策略，仿真结果显示，所提传输策略能以较低复杂度达到近似最佳性能。     

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。     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度.仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能.     

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...     

基于深度学习的D2D毫米波通信中继选择

针对毫米波(mmWave)环境下,设备到设备(D2D)直接通信链路遇到阻碍时的中继选择问题,提出一种基于深度学习的解决方案.采用卷积神经网络(CNN)框架构建能够成功决策和精确预测的智能模型,并基于能量效率最大准则,实现最优化D2D中继链路选择.仿真实验采用毫米波多天线MIMO数据集对所提模型进行了训练和测试.仿真结果表明,提出的基于深度学习的中继选择方案在吞吐量和能量效率方面优于常用的基于快速频率切换的解决方案.     

移动场景下基于深度学习的图像辅助毫米波波束预测方案

针对移动环境下毫米波大规模MIMO通信系统下行链路的快速波束预测问题,提出了一种基于深度学习的图像辅助波束预测方案.该方案将基站采集的RGB图像上传至MEC服务器,通过Faster RCNN目标检测模型与DNN神经网络结合,预测通信环境中用户图像与毫米波下行链路波束向量的高维非线性关系.仿真结果表明：该方案预测下行链路波束向量的可达速率接近理论最优,在模型复杂度和高天线数低信噪比情况下的性能等方面均优于基线算法.     

空分和频分混合接入方式下的无线资源调度算法

为进一步引入分集增益以提高无线资源频谱利用率,针对多用户多输入多输出正交频分复用(MIMO-OFDM)系统下行传输,提出联合OFDM和多用户空间复用MIMO混合接入方式下的用户调度和功率分配算法。采用这种混合接入方式不仅能够通过频率信道和空间信道的调度产生多用户分集增益,也能有效避免空分复用(SDMA)中频率复用产生的共信道干扰问题。在资源分配上,基于广义处理机共享(GPS)优化模型提出基于信道状态的并行加权公平队列(Cap-WFQ)调度和功率分配算法,算法在保证多媒体用户的最小数据率要求的同时优化系统吞吐量。     

空分和频分混合接入方式下的无线资源调度算法

为进一步引入分集增益以提高无线资源频谱利用率,针对多用户多输入多输出-正交频分复用(MIMO-OFDM)系统下行传输,提出联合OFDM和多用户空间复用MIMO混合接入方式下的用户调度和功率分配算法。采用这种混合接入方式不仅能够通过频率信道和空间信道的调度产生多用户分集增益,而且能有效避免空分复用(SDMA)中频率复用产生的共信道干扰问题。在资源分配上,基于广义处理机共享(GPS)优化模型提出基于信道状态的并行加权公平队列(Cap-WFQ)调度和功率分配算法,算法在保证多媒体用户的最小数据率要求的同时优化系统的吞吐量。     

基于非凸秩近似的大规模MIMO信道估计

针对大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中信道估计训练开销大、计算复杂度高的问题,利用信道矩阵的低秩特性,提出了基于低秩矩阵近似的信道估计方法.采用非凸的γ-范数近似信道矩阵秩函数,提高了信道矩阵秩近似的精确性.利用交替方向乘子法求解信道矩阵,选择较少的信道参...     

基于旋转直积码本的3D有限反馈SDMA方案

为平衡反馈开销和系统性能,在频分双工(FDD)系统下,针对三维多输入多输出(3D MIMO)系统的多用户预编码问题,提出一种应用于3D MIMO系统的基于统计信道信息的空分多址(SDMA)方法.首先,基于三维信道的空间相关性,提出3D MIMO中基于旋转直积的用户分簇码本设计,码本中每个分簇基的列向量相互正交,可作为发送方向用于下行预编码;其次,用户根据下行信道估计所得到的发端相关矩阵选取所在的分簇基及发送方向,并以长周期将其索引反馈至基站;最后,基站调度用户实现下行多用户传输.仿真结果表明:在信道相关性较高的情况下,该方法可以显著提升系统的吞吐量,且只须长时间向基站反馈信息,上行反馈开销极小.     

基于线性神经网络的物理层安全波束赋形方案

对物理层安全传输中的安全波束赋形技术进行研究,提出一种新的波束赋形方案。在多输入单输出系统中,将信道估计、信道状态信息反馈、波束赋形设计3个过程合并为一个利用线性神经网络的反向训练过程。利用信道的互易性,由单天线合法接收端发送训练序列,通过神经网络训练得到多天线的发送方保密信号和人工噪声波束赋形的权值。对误比特率和保密容量进行仿真,表明该权值训练方法可行且有效,方案的安全性能非常接近理想信道状态信息条件下的常规安全方案的性能。相比较常规方案,所提方案复杂度显著降低。     

MIMO系统中基于TH预编码的多用户空间复用方案

Tomlinson-Harashima(TH)预编码是一种非线性串行预均衡技术.为了优化多输入多输出(MIMO)系统中的多用户空间复用策略以获取更大的系统容量,提出一种基于TH预编码的多用户空间复用方案.在该方案中,接收端进行波束成形,发送端通过TH预编码进行用户间干扰抑制,同时采用层间轮换的用户调度机制.理论分析和仿真结果均表明,与传统的基于奇异值分解(SVD)的单用户空间复用和基于线性迫零(ZF)的多用户空间复用相比,该方案能获得更大的等效信道增益和系统容量,且兼顾用户间的公平性.     

采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

MIMO OFDM系统中统计信道信息的速率最大化

提出了一种利用多输入多输出正交频分复用(MIMO OFDM)系统的统计信道信息进行自适应资源分配的算法,并进行了仿真.该算法采用Alamouti空时编码、自适应波束成形以及自适应比特和功率分配等技术,其在恒定发射功率的条件下使得目标函数传输速率达到最大并保证系统的误码性能.与利用完整信道信息的算法相比,该算法考虑了信道时延、估计误差等因素,并减小了传输信道信息占用的开销.仿真结果显示,该方法能够大大提高系统的传输速率.     

一种基于优化阈值的有限反馈预编码算法

在上行链路总反馈量受限的多用户MIMO系统中,小数量用户配合高速率反馈比大数量用户配合低速率反馈具有更优的和速率.但较少的用户反馈却不利于获得多用户分集.针对该问题,提出了一种基于优化阈值的用户选择算法,并根据最优反馈速率从选出用户中确定实施反馈的用户.在用户反馈的信道方向信息和信道质量信息基础上,利用迫零波束成形(ZFBF)算法进行预编码.仿真结果表明,该方案具有比最优反馈速率算法更高的和速率.     

基于CSI-RS的3D MU-MIMO有限反馈预编码算法

利用三维多输入多输出(3D MIMO)信道矩阵的克罗内克积结构,传输预编码可分成水平与垂直维预编码,有效挖掘空间自由度可以提高系统性能。针对现有算法未能更好利用空间自由度及单流传输的不足,本文提出了一种基于信道状态信息参考信号(CSI-RS)的多用户MIMO(MU-MIMO)有限反馈预编码算法。该算法采用新码本,依据最大信干噪比准则选取最优的预编码矩阵索引(PMI)返回给基站(BS)供调度。验证结果显示该算法较已有算法,实现了多流传输,拥有更优的和速率(SR)及误码率(BER)。     

一种基于效用函数的多用户MIMO系统低复杂度调度算法

针对多输入多输出(MIMO)广播信道的多用户调度问题,提出了一种新的低复杂度用户选择算法.该算法基于迫零波束成形策略,以一个效用函数最大化为准则迭代选取用户,构造的效用函数综合考虑了用户信道模值和信道间相关性,使基站能够快速寻找一组信道条件较好的用户子集同时进行数据传输.仿真结果表明,在不同发射天线数、信噪比及用户数条件下,基于效用函数的算法比传统用户选择算法有了较大的性能增益,同时复杂度大为降低.     

基于离散微粒群优化的MIMO系统多用户盲检测

充分利用移动通信发送信号属于有限字符集的特点。把MIMO（多输入多输出）系统多用户盲检测问题转换为带二值约束的二次规划问题，从而突破信道辨识条件即MIMO信道传递函数必须不可简约且列简化的苛刻限制。采用离散微粒群优化算法求解二次规划问题，利用接收数据阵的补投影算子构成适应度函数。仿真实验表明：不管传统的信道辨识条件是否满足，该算法都具有较低的信号误码率和较好的稳健性。