GMD V-BLAST系统天线选择

基于最大容量和最小差错率准则,研究了在GMD V-BLAST系统中的天线选择问题.选用以信道矩阵非零奇异值的几何均值最大化为目标函数,可以避免容量与差错率性能之间的矛盾.在所有可用天线中进行选择的全搜索算法虽有最佳性能,但复杂度太高.基于贪婪算法,对发射天线采用快速的逐增选择策略.对接收天线采用快速的逐减选择策略,可以显著降低计算的复杂性.计算机仿真结果表明,所采用的快速天线选择算法可以较低的复杂度获得接近全搜索法的容量和分集增益.     

空间调制系统中优化的SD检测算法

空间调制系统(Spatial Modulation, SM)中的球形译码(Sphere Decoding, SD)检测算法不同于最大似然(Maximum Likelihood, ML)检测算法的搜索方式，SD算法采用深度搜索方式，在降低计算复杂度的同时使检测性能尽可能的接近ML算法.通过分析SD检测算法可知，信道增益矩阵直接影响接收信号及信号检测过程.利用这一特点，本文提出了hrSD算法.该算法根据信道增益矩阵来改变传统SD算法的搜索结构，进而可以更快速的找到完整的搜索路径；此外，为了降低算法的计算复杂度，给出了简化的hrSD(s)算法.通过仿真结果与分析可知，在计算复杂度相同的情况下，hrSD(s)算法的检测性能更优.     

一种自适应广义空间调制及其低复杂度算法

针对广义空间调制(GSM)算法不能充分地利用信道状态信息的缺陷,提出了一种适用于GSM系统的自适应调制算法(AGSM),该算法利用已知信道状态信息,通过最大化空间调制星座点的最小欧氏距离,实现天线组合和符号调制星座的联合优化。进一步提出了一种低复杂度AGSM算法(LA-GSM),通过减少可选符号调制星座数量,并在传统天线组合集合与剩余天线组合集合中分别自适应选择相同符号调制星座,实现较低复杂度的天线组合和符号调制星座的联合优化,同时兼顾系统空间分集增益。仿真结果表明:在相同系统频谱效率5b/(s·Hz)和6根发射天线条件下,所提的AGSM和LA-GSM算法以一定的算法复杂度为代价,均获得了相比于传统GSM算法更低的误码率性能,特别是在较高信噪比时AGSM算法和LA-GSM算法的误码率分别近似为GSM算法误码率的1/10和1/3;同时,LA-GSM算法获得了低误码率性能与低算法复杂度的较好折中。     

空间调制信号的QRD-M检测算法及其改进

针对空间调制(spatial modulation,SM)系统中最优检测算法,即最大似然(maximum likelihood,ML)算法存在的高复杂度问题,提出了基于QRD-M(QR-decomposition with M-algorithm,QRD-M)算法的空间调制信号检测算法.该算法运用M算法树搜索策略,每层只计算最优的M个分支,其性能近似最优且运算量较低,有利于硬件实现.但随着发收天线数增多,传统QRD-M算法的检测性能会下降并需要较长的算法执行时间.因此,采用并行检测的思想,提出了PQRD-M(parallel QRD-M,PQRD-M)检测算法.该算法在各个分支上分别独立地进行搜索,提高了执行效率.对所提出的算法进行了复杂度分析,并在不同天线数目和不同保留节点数下对其误码性能进行了仿真,结果表明,相比于QRD-M算法,PQRD-M算法以增加一定的计算量为代价,能显著地改善空间调制信号检测性能,同时还能节约硬件资源.     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

一种低复杂度的联合信号检测算法

空间调制(Spatial Modulation,SM)技术每一时刻只激活一根发送天线用于信息数据的传输,大大改善了传统多输入多输出(Multiple Input Multiple Output,MIMO)系统存在的问题.然而,SM系统的性能好坏多取决于接收端的信号检测算法.因此,为有效提高系统性能,在对现有的SM系统信号检测算法的优缺点进行分析的基础上,提出了一种联合信号检测算法.该算法将归一化最大比合并(Normalized Maximum Ratio Merging,NMRC)算法与拥有硬限判决条件的最大似然(Hard Limiting-Maximum Likelihood,HL-ML)算法相结合,取长补短,以达到既能保证系统最优检测性能又可以减小计算复杂度的目的.仿真结果表明,该联合算法的误比特率检测性能接近于最优检测算法,同时其计算复杂度被大大降低.     

空间调制系统中一种低复杂度比特映射算法

空间调制(spatial modulation,SM)通过激活发射天线的索引在空间域中传输信息比特,将比特到符号映射技术引入到SM系统中,可以提高SM系统的性能.一般而言,在判决准确率一定的情况下,采用相邻SM符号汉明距离较小的映射方式将获得较优的系统性能.提出一种低复杂度的比特到符号映射算法,称为符号最近法(symbol nearest method,SNM).该算法从具有最小距离的符号对开始对SM符号进行排序,寻找下一个最近的SM符号,直到所有SM符号排序结束为止,将格雷编码的比特映射分配给排序后的SM符号.分析和仿真结果表明,SNM算法在发射端使用全信道状态信息(channel state information,CSI)时,其系统性能接近于SM和空间移位键控(space shift keying,SSK)误码率(bit error rate,BER)性能的下界,并且所提出的算法复杂度为O(K2),其复杂度也较低.     

一种用于MIMO系统的改进型快速天线选择算法

通过比较信道容量公式中的参数,利用行列式结合律特性和逐级递增天线数量的指导思想,提出了一种改进型快速天线选择算法．该算法与传统的快速天线选择算法相比,能够更快地选择出对信道容量贡献最大的接收或发送端天线,在不影响信道容量和系统误码率性能的情况下,可显著降低计算复杂度．     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。     

采用星座旋转的高速率空时分组码空间调制算法

针对空时分组码空间调制(STBC-SM)算法中由空间维度调制所能提供的频谱效率较低的问题,提出了一种采用星座旋转的高速率空时分组码空间调制(CR-STBC-SM)算法。该算法首先从所有有效天线组合中选择2根天线,然后从M-PSK/QAM星座图中选择一组符号对,最后以Alamouti编码或其对应的星座旋转编码的形式将符号传输出去,并且为了最大化发射分集增益与编码增益,进一步对旋转角度进行了优化。此外,CR-STBC-SM算法还利用Alamouti码的正交性来实现低复杂度的最大似然译码。仿真结果表明:与STBC-SM算法相比,在发射天线数相同时,CR-STBC-SM算法可以获得额外0.5b/(s·Hz)的频谱效率;当频谱效率为4b/(s·Hz)时,2种算法的性能非常接近,但是CR-STBC-SM算法可以节省3根发射天线,从而节约了硬件资源。     

基于信道衰落相关矩阵的自适应多天线技术

为了在满足目标频谱效率和目标误码率前提下减小多天线系统的发送功率,针对采用线性接收机的无编码空间复用系统,提出了一种发送天线选择及速率(调制方式)分配、功率分配准则。该准则利用了信道衰落的空间相关矩阵,以各子码流的误码率为约束条件,对发送功率进行优化。仿真结果表明:该准则相比于目前已有的天线集合及调制方式选择准则有2 dB的信噪比增益。给出了逼近该准则性能的简化算法,该算法在很大范围内能达到穷举搜索的性能。     

一种应用小数编码GA算法的MIMO天线选择方法

针对多输入多输出（MIMO）技术传统遗传算法（GA）的天线选择在进行遗传运算操作时,会遇到二进制染色体编码与选择天线数不匹配的问题,提出了一种用小数编码的GA遗传算法用于MIMO天线选择,所提方法可以有效解决传统GA在遗传操作上的问题,并具有较低的复杂度。     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题，新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数，用线性迭代的方法搜索最大GE，并利用最陡下降法更新权向量；提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明，与其他算法相比，在未牺牲系统BER性能的同时，提出算法具有更快的收敛速度和更低的计算复杂度；算法总的计算复杂度约为O(7N)(N为天线元数目)．     

基于Householder-QR分解的低复杂度天线选择算法

对多天线空分复用系统中以符号误码率为准则的天线选择算法进行了深入分析,针对以往传统天线选择算法对所有天线子集搜索计算复杂度高的问题,提出了基于复域Householder-QR分解的天线选择算法.所提算法深入分析了线性接收机接收端信噪比与系统信道矩阵之间的关系,利用接收端信噪比近似边界值得到了低复杂度的选择方案,该算法不仅有效地降低了计算复杂度,同时误码率性能与以往算法相近,提高了空分复用系统的传输可靠性,适用于实际相关信道传播环境.仿真实验表明,与传统算法相比该算法具有良好的性能.     

低复杂度的正交空间调制检测算法

正交空间调制(quadrature spatial modulation,QSM)系统通过增加空间维来提高传统空间调制(spatial modulation,SM)的频谱利用率(频谱效率), 这在传统的多输入多输出 (multiple-input multiple-output,MIMO)技术中引起了极大的关注。虽然最大似然(maximum likelihood,ML)检测算法能够实现最优性能,但其穷尽搜索带来了极高的计算复杂度。而经典的线性检测算法最小均方误差(minimum mean square error,MMSE)和迫零(zero forcing,ZF) ,虽然在复杂度方面较最大似然ML最优检测低,但其误比特性能却比最大似然ML检测算法差很多。为了更好实现系统在计算复杂度和误比特性能之间的均衡,提出一种基于迫零的线性检测算法——增强型迫零(enhance zero forcing,EZF)。仿真结果表明,提出的检测算法不仅能够实现比传统检测算法(如迫零和最小均方误差)更好的性能,而且在复杂度方面较ML有明显的降低。     

Antenna selection based on large-scale fading for distributed MIMO systems

An antenna selection algorithm based on large-scale fading between the transmitter and receiver is proposed for the uplink receive antenna selection in distributed multiple-input multiple-output ( D-MIMO) systems.By utilizing the radio access units ( RAU) selection based on large-scale fa-ding , the proposed algorithm decreases enormously the computational complexity .Based on the characteristics of distributed systems , an improved particle swarm optimization ( PSO) has been pro-posed for the antenna selection after the RAU selection .In order to apply the improved PSO algo-rithm better in antenna selection , a general form of channel capacity was transformed into a binary expression by analyzing the formula of channel capacity .The proposed algorithm can make full use of the advantages of D-MIMO systems , and achieve near-optimal performance in terms of channel ca-pacity with low computational complexity .     

基于QR分解的快速天线选择算法

天线选择是MI MO(Mnltiple input multiple output)系统中一项重要的技术,可以很小的性能损失换取成本的大幅降低,从而提高系统的性能价格比.通过对信道容量的深入分析,在次优递增算法的基础上,提出了一种基于QR分解的快速天线选择算法.该算法提供的信道容量几乎与最优天线选择算法相同,同时计算复杂度有明显的降低.     

基于树形搜索的NOMA系统功率分配算法

功率分配是影响非正交多址接入(non-orthogonal multiple access,NOMA)系统性能的一个重要因素.传统树形搜索功率分配算法在吞吐量方面虽然能达到全搜索算法的性能,但该算法具有较高的计算复杂度,而固定功率分配算法和分数阶功率分配算法虽然计算复杂度低,但不能达到较好的吞吐量性能.为了解决这个问题,提出了一种基于树形搜索的递增功率分配算法.该算法以最大化用户吞吐量的几何平均作为目标函数,采用功率递增的分配方式,将用户分配到树形模型中,并对用户逐层搜索筛选,根据给定的功率系数标准和吞吐量标准,舍去多余节点,保留幸存节点,直到完成所有用户的功率分配.仿真结果表明,该算法的吞吐量性能与全搜索算法相比,在没有明显下降的情况下,较大地降低了计算复杂度.