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...     

混合ADCs大规模MIMO放大转发中继系统安全性能分析

为了改善大规模多输入多输出(multiple-input multiple-output,MIMO)中继系统的能量效率和安全性能,提出了基于混合模数转换器(analog-to-digital converters,ADC)的大规模MIMO放大转发中继系统,该系统的中继天线由独立的两部分构成,M0个天线配置中分辨率(5 ～ 12) ADCs和M1个天线配置1 bit低分辨率ADCs.该大规模MIMO放大转发中继系统,通过采用随机矩阵理论,首先获得系统总的安全中断速率,然后根据构建的能量消耗模型,获得系统的安全能量效率(secrecy energy efficiency,SEE).仿真分析表明,在基于混合ADCs的大规模MIMO中继系统中,用中等分辨率ADCs代替高分辨率ADCs不仅能保证系统的安全中断性能,同时还能有效地改善系统的SEE;且存在使系统SEE最大的信源最优发射功率;同时,中分辨率天线数M0和低分辨率天线数M1的比例也是影响系统性能的重要参数.     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

基于最大比传输预编码天线分组技术的大规模多入多出系统能效研究

大规模多输入多输出(MIMO)系统中,大型天线阵列之间的强天线相关性会导致系统性能降低.针对下行链路场景,提出基于最大比传输预编码的联合天线分组和天线选择算法,把大规模天线阵列划分为若干组,在每组中基于信道矩阵最大列范数选择天线,构造所选天线与接收天线间的信道矩阵,并计算对应的预编码矩阵.建立能效模型,分析联合天线分组和天线选择算法对系统能效的影响.仿真结果表明,在基站天线数为200、发射功率为10 dB、天线相关因子为0.8的假设下,当分组数为24时,与最大范数天线选择算法相比,该算法使系统能效提高了约24.4%.     

大规模MIMO系统中基于DFT信道估计的导频污染消除方案

在大规模MIMO系统中,当基站不存在协作时,随着基站天线数的无限增加,快衰落效应和非相关噪声都能被平均掉,导频污染成为制约大规模MIMO系统性能的瓶颈。基于此,本文提出了一种基于离散傅立叶变换(DFT)信道估计的导频污染消除方法,在时域信道冲击响应中通过DFT和IDFT变换把有用的信号长度之外的污染信号当成一个样本,利用有用信号之外的污染信号样本生成一个阀值,通过引入这个预设的判决阀值,筛选出有效的信道冲击响应,消除导频污染造成的干扰。改善了信道估计的性能。仿真结果表明,在大规模MIMO系统的信道环境下,本文提出的方法可以进一步提高信道估计的精度,提高大规模MIMO的性能。     

基于分支定界和有效集的信号检测算法

大规模多输入多输出（multi-input multi-output,MIMO）系统中,随着天线数量的增多,现有传统信号检测算法在高阶调制时不能很好地平衡系统的检测性能和算法复杂度。为了解决以上问题,基于二次规划（quadratic programming,QP）检测器应用了有效集法和具有可变二分法的深度优先分支定界算法,提出了一种适用于大规模MIMO高阶调制系统的低复杂度检测算法,并提出了一种修剪策略和引入了近似因子,改善了系统性能,在复杂度和性能之间进行了更好地折中。复杂度分析表明,所提出算法复杂度比QP算法和二阶QP算法高,但比传统分支定界算法要低。仿真分析结果表明,在收发天线均为32的大规模MIMO场景下;在256QAM调制、误码率（bit error ratio,BER）为10^-4时,比传统分支定界算法提升了约3 dB的性能增益,验证了算法对高阶调制的适应性。     

一种大规模MIMO低精度量化检测算法

为解决大规模MIMO中低精度量化器的使用带来的性能下降问题,提出了一种新的消息解量化算法(MPDQ)。该算法以低精度ADC接收机为基础,搭建了一个大规模MIMO系统模型。利用ADC的结构特性提出了1-bit量化系统的MPDQ检测算法,并将其推广到n-bit量化系统,推导了MPDQ算法在n-bit量化系统中的迭代计算公式。在不同基站天线数量、不同用户数量条件下,仿真验证了该算法的准确性和有效性。仿真结果表明,低精度ADC可以提高系统的频谱效率,MDPQ算法在n-bit量化系统中具有优异的性能,3-bit量化在综合考虑成本和性能的情况下是一种理想的方案。     

基于绿色通信的大规模MIMO天线选择算法

绿色通信是移动通信系统（例如5G系统）的主要特征之一。在大规模多输入多输出（multiple-input multiple-output, MIMO）系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。     

大规模多输入多输出系统中基于离散傅里叶变换信道估计的导频污染消除方案

在大规模多输入多输出(multiple input multipte-output,MIMO)系统中,当基站不存在协作时,随着基站天线数的无限增加,快衰落效应和非相关噪声都能被平均掉,导频污染成为制约大规模MIMO系统性能的瓶颈。因此,提出了一种基于离散傅里叶变换(DFT)信道估计的导频污染消除方法,在时域信道冲击响应中通过DFT和IDFT变换把有用的信号长度之外的污染信号当成一个样本,利用有用信号之外的污染信号样本生成一个阀值,通过引入这个预设的判决阀值,筛选出有效的信道冲击响应,消除导频污染造成的干扰。仿真结果表明,在大规模MIMO系统的信道环境下,提出的方法可以进一步提高信道估计的精度,提高大规模MIMO的性能。     

大规模MIMO网络中基于时间反演的预编码技术

针对大规模多输入多输出(multiple input multiple output,MIMO)网络中随基站天线数目与用户终端数目增多而引发的用户间干扰(inter user interference,IUI)问题,提出一种面向大规模MIMO的时间反演(time reversal,TR)预编码抗干扰技术。该方法在MIMO系统中先后历经信道探测、多径信道建模、干扰信道分析以及信道预编码矩阵设计,实现时间反演预编码信号在多径信道中IUI抑制传输,一方面在时间反演技术基础上进行信道优化,利用时间反演技术的时空聚焦性实现能量聚焦;另一方面利用迫零预编码技术降低大规模MIMO系统中用户间干扰与共道干扰。MATLAB仿真结果验证了基站天线数目、用户端终端数目对于大规模MIMO系统性能的影响,结果证明,时间反演预编码抗干扰技术可以使平均误比特率减小,并显著提高信干噪比和大规模MIMO系统的可达速率。