一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰（CCI）。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

基于加权信号泄漏比的多小区协作波束成型算法

为了减小多天线蜂窝通信系统中存在的小区间干扰,提出了基于加权信号泄漏比的多小区协作波束成型算法。该算法利用有用信号的均值对不同用户接收到的泄漏信号功率进行加权,之后各个小区独立设计并使用能够最大化加权信号泄漏比的波束。利用上下行信道的对偶性,得到了最优波束的闭式解。仿真结果表明:在不同的系统调度策略下,提出的基于加权信号泄漏比的多小区协作波束成型算法都可以在不影响用户公平性的基础上提高系统平均吞吐率,同时保持较低的实现复杂度。     

非理想信道下的分布式认知多小区波束形成

针对非理想信道下的波束形成问题,将传统稳健波束形成设计推广至认知多小区,在认知干扰和认知用户速率约束下,构造基于最小化认知系统总功率准则的优化问题.通过半定松弛及S-Procedure算法将其转化为凸优化问题,并采用Primal分解将该凸优化问题分解为一组独立的子问题,从而实现了分布式求解,在降低复杂度的同时减少所需的反馈信息.仿真结果表明:算法不仅对信道误差稳健,而且收敛速度很快.     

OFDM系统下基于MBER准则的自适应波束形成器

宽带无线通信系统采用正交频分复用(OFDM)调制和智能天线技术来克服限制系统容量的符号间干扰(ISI)和同信道干扰(CCI).在OFDM调制技术下,针对数字通信系统传输中最主要的性能参数之一误比特率(BER),研究了基于最小误比特率(MBER)准则的自适应波束形成器.与现有的基于最小均方误差(MMSE)准则的波束形成器相比,MBER自适应波束形成器直接最小化OFDM系统的BER,保证了信号传输的有效性,提高了系统性能.仿真实验表明,基于MBER准则的自适应波束形成器比基于MMSE准则的波束形成器能更好地接收期望用户的信号,系统的BER更低.     

基于最小化系统功率的多小区蜂窝中继波束成形研究

为了减少小区间干扰给用户通信带来的不利影响,研究了多小区通信系统协作传输技术.提出了一种联合优化多小区基站和中继波束成形权重的迭代优化策略,在用户信干噪比限制下达到了最小化系统总功率的目标.利用半正定放松技术把上述优化问题转化为半正定规划问题,从而通过内点法得到最优解.仿真结果表明,提出的多小区基站和中继波束成形权重的迭代优化策略只需要有限的几次迭代就可达到最优的性能,并给出了在性能与基站天线和中继数目之间的折中,从而利用最少的系统资源,达到降低相邻小区用户干扰,保证用户的正常通信质量的目标.     

解析未来移动通信系统中的智能天线技术

如何消除同信道干扰（CCI）、多址干扰（MAI）与多径衰落的影响是提高无线移动通信系统性能的主要因素。智能天线利用数字信号处理技术,产生空间定向波束,使天线主波束对准用户信号到达方向,旁瓣或零陷对准干扰信号到达方向,可以达到高效利用移动用户信号并抑制干扰信号的目的。     

高速环境下多小区联合信道估计算法

在已经投入运行的高铁列车环境下,存在着频繁的小区切换和小区接入过程,而这两个过程都产生强的相邻小区干扰.在接收端进行信号检测时,单个小区联合检测必须扩展到多个小区联合检测,相应的信道估计算法也必须扩展到多小区.传统信道估计算法对本小区和相邻小区进行信道估计时,其他小区的用户信号均被视为噪声,增加了噪声的总功率,低了信道估计精度,最终降低了多个小区联合检测算法的性能.本文提出的信道估计算法把相邻小区的强干扰用户纳入信道估计矩阵来降低噪声,达到提高信道估计精度的目的.仿真表明,该算法同时提高了本小区用户信道估计精度和邻小区强干扰用户信道估计精度.     

基于MIMO-D2D异构网络的干扰抑制算法

将多输入多输出(MIMO)技术引入到蜂窝用户和端到端(D2D)用户构成的异构网络中,提出了一种基于最大信干噪比因子的资源分配算法,实现了多个D2D用户复用一个蜂窝用户的下行资源.在此基础上联合最大信漏噪比(SLNR)的预编码算法,在基站到蜂窝用户信号功率最大化的同时,降低了泄漏到D2D用户组的功率,大幅减少了用户之间的同频干扰.结果表明:当平均信噪比为35dB时,相比于单天线异构网络,基于联合干扰抑制算法的MIMO(4×2)异构网络容量可增大12.33bps/Hz;而针对多个用户复用一个资源提出的最大SLNR的预编码算法相比于最小均方误差(MMSE)和块对角化(BD)算法,容量最多可增大36.2%;并且无论是在高信噪比还是低信噪比下,所提出的联合算法均能使系统性能得到明显的增益.     

多小区多输入多输出正交空分复用系统中低复杂度用户选择算法

针对抑制协作小区外干扰的多小区多输入多输出(MIMO)正交空分复用系统,提出了一种低复杂度的用户选择算法.该方法通过贪心搜索迭代选择用户,在用户选择的每一步中选择使得小区平均系统容量增幅最大的用户,并自适应地调整服务用户数而使小区平均系统容量最大化.仿真结果表明,在相同信噪比和干扰噪声比条件下,与抑制协作小区外干扰的多小区MIMO块对角化系统用户选择算法相比,该算法提高了小区平均系统容量,且增加了同时服务的用户数.     

基于粒子群算法的多小区用户分组调度研究

在多小区多用户多天线(MIMO)系统中,为减轻共道干扰(CCI),实现系统容量最大化的协同用户分组调度机制可归结为优化问题,而新型粒子群算法(PSO)就是解决非线性多元函数优化的有效手段.提出了一种基于粒子群优化算法(PSO)实现容量最大化的多用户调度解决方案.根据当前协同小区簇内各用户的信道特性,对发送信号进行迫零(...     

一种新的基于多用户去相关的波达方向估计方法

以直接序列码分多址 (DS/CDMA)系统中的天线阵为背景 ,讨论了一种新的基于多用户去相关的波达方向 (DOA)估计方法 .该方法在基站对各用户波达时延估计的基础上 ,根据扩频序列表现出的周期性和非完全正交的性质 ,通过充分利用多址干扰部分表现出的信息 ,自相关处理后再去相关 ,进而同时实现对各用户的DOA、信号功率与噪声功率的精确估计 .该方法不是简单地将多址干扰部分当作噪声进行处理 ,而是通过去相关的方法来消除它们的影响 ,因此 ,该方法不仅在低信噪比下具有高估计精度 ,对系统中存在的远近效应的影响也有一定的抵抗能力 .仿真实验验证了该方法的有效性 .     

认知无线网络中基于免疫优化的比例公平资源分配

针对认知无线网络中基于OFDM技术的资源分配,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法. 算法采用两阶段资源分配方法,即先将子载波分配给用户,然后基于免疫优化算法给不同的子载波分配功率. 此外,算法充分考虑了主用户可容忍的干扰约束及次用户对资源的比例需求,更符合实际要求. 根据问题本身特点,设计了适合算法求解的编码、克隆、变异算子. 仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰等约束下,本算法可以获得较高的数据吞吐量,并保证次用户对资源需求的公平性.      

认知多址接入系统中的能量消耗优化研究

考虑认知多址接入系统中的多个次用户与主用户同时共享多个信道的能量消耗问题,次用户能够同时感知和接入多个主用户信道并把对主用户的干扰维持在一定的范围内。为了减少能量消耗,需要对感知时间、信道以及功率进行合理的分配,同时,把干扰功率作为约束条件以保证主用户的服务质量。在基于多用户多信道感知的频谱共享方案中,所建立的初始优化问题为非凸整型组合分式规划问题,为了对感知时间、信道及功率进行联合优化,将其进行凸松弛并进一步转化为一个含参数的线性问题,从而提出一种最小化能量消耗的算法。通过实验仿真讨论次用户数量,信道数量及干扰功率对能量消耗和最优感知时间的影响,同时也验证了分析结果。     

认知无线电网络中的动态权值频谱切换判定算法

为了克服认知无线电网络中衬垫传输覆盖范围的限制,基于对衬垫传输范围的估计,提出了多小区的频谱切换机制。当认知用户超出衬垫传输范围时,采用动态权值调整的简单加权判定算法选择最优目标小区,进行频谱切换,继续保持数据传输。理论分析和仿真结果表明,该方案和算法能够降低认知用户的切换失败概率和服务中断概率,提高认知用户的服务质量。     

MIMO干扰信道下基于功率分配的干扰抑制算法

为了抑制MIMO干扰信道下的多小区干扰,采用子空间干扰抑制算法和功率分配相结合的干扰抑制方案,该方案充分利用系统总功率,将多小区干扰尽可能地重叠,以提高系统的性能.理论分析及仿真结果表明,与传统干扰抑制方案相比,该方案仅牺牲极微小的系统容量,却明显地降低了系统的干扰功率.     

基于异构业务QoS的滤波器组CR跨层资源分配算法

滤波器组多载波(FBMC)技术比正交频分复用(OFDM)带外泄露小,频谱利用率高。提出基于异构业务QoS的FBMC认知无线电(CR)跨层资源分配算法。针对CR网络中的异构场景,在干扰约束和总功率约束条件下构建代价函数进行资源分配,首先对实时用户实施跨层资源分配,将媒体介入控制层的时延约束转化为物理层的传输速率约束,然后对非实时用户按照比例公平原则分配剩余资源。实验结果表明,该算法保证了请求实时业务的用户数据包的平均时延门限不超过最大时延门限,同时实现了非实时用户间资源的比例公平分配。     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

基于叠加调制和自适应功率分配的干扰抵消

为消除协作通信系统中各用户的相互干扰并自适应分配各用户的发送功率,提出基于叠加调制和自适应功率分配的多用户干扰抵消算法。各用户在发送自己信息的同时协助其他用户进行信息转发,采用联合设计的叠加调制函数形成重构信号,接收端利用该函数完成干扰消除。针对无线信道的多样性,以最大化系统容量为准则对各用户的重构信号进行自适应功率分配。多种网络模型中的仿真结果表明,本文算法能有效消除干扰,降低系统错误概率。相比结合固定功率分配的干扰抵消算法,该算法可获得1.5 dB的比特错误概率性能改善和5 dB的帧错误概率性能改善。