低复杂度的MIMO-OFDM系统自适应调制方案

以最小化发射总功率为目标,提出了一种低复杂度的MIMO-OFDM无线通信系统的自适应调制方案.在发射端,基于已知信道状态信息,应用奇异值分解将空分复用信道转化为并行的子信道,并将表征信道增益的信道矩阵特征值用于子信道自适应调制优化设计中.针对MQAM调制,采用变步长的贪婪算法得到优化的子信道比特加载及功率分配方案.仿真结果表明,所提出的简化算法与一种近似最优的自适应调制算法性能接近,但复杂度降低了30%以上.     

用于MIMO-OFDM系统盲信道估计的斜投影子空间法

为实现多输入多输出-正交频分复用(MIMO-OFDM)的盲信道估计,文中提出了斜投影子空间法,在满足算法识别系统的条件下,将接收信号空间划分为"过去"、"现在"、"将来"3个子空间,然后将"现在"子空间分别向"过去"、"将来"子空间进行斜投影,可以有效降低多径效应给接收系统带来的影响.文中给出了信道模糊矩阵的估计方法,采用了奇异值分解方法来提高算法的抗噪性能.通过与噪声子空间算法的比较,发现文中算法在牺牲少量估计精度的情况下可以大大降低计算复杂度.仿真结果表明该算法能有效地完成信道估计.     

实矩阵降维的稀疏贝叶斯跳频信号DOA估计

提出一种基于实数域矩阵降维的稀疏贝叶斯跳频信号到达角(DOA)估计算法.该算法通过酉矩阵变换将复数域信号稀疏表示转换至实数域,利用奇异值分解对实数域数据矩阵进行降维,降低了计算复杂度;通过改进稀疏贝叶斯算法中预设阈值的比较方式和噪声方差初始值的设置方法,减少算法迭代次数.仿真结果表明:在低信噪比或低快拍数条件下,该算法DOA估计精度优于传统的稀疏贝叶斯学习算法,所需计算时间更少,且不受跳频信源相干性影响.     

MIMO-OFDM系统中稀疏信道估计算法研究

 针对多输入多输出正交频分复用系统,利用信道冲激响应的稀疏特性,提出1种新的MIMO-OFDM信道估计算法,简称为MIMO-MP算法.首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的2次估计,从而通过减少信道估计参数的个数降低算法复杂度.该算法具有较好的性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到另一种性能更优的算法简称为MIMO-MMP算法.仿真结果验证了算法的有效性.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

基于伪逆的多小区FDD系统中的联合空分复用方法

云无线接入网(cloud radio access network,C-RAN)架构实现了小区间的联合处理,大规模多输入多输出(massive multiple-input multiple-output,Massive MIMO)技术在系统容量和频谱效率方面具有巨大的优势,但由于训练和反馈开销较大使得Massive MIMO难以应用于频分双工(frequency division duplex,FDD)系统.C-RAN架构下,考虑在不同小区之间引入联合空分复用(joint spatial division and multiplexing,JSDM)技术减少导频序列检测和信道信息反馈开销,在高酉条件不满足时,采用基于伪逆的方法来减少组间干扰,通过迫零(zero-forcing,ZF)滤波实现组内用户间干扰消除.理论分析和仿真结果表明,设计的一阶预编码矩阵相对于块对角化(block diagonalization, BD)算法复杂度得到降低,其和速率有一定改进.     

基于IEEE802.16e的MIMO-OFDM系统的信道估计研究

研究了基于IEEE802.16e的MIMO-OFDM系统导频辅助的信道估计算法。分别对LS信道估计算法和LMMSE信道估计算法进行了研究,导出其估计均方差。为降低算法复杂度,利用奇异值分解进行简化,实验表明能有效地降低计算复杂度,并获得较好的估计性能,最后在IEEE802.16e环境下进行了仿真。     

正交频分复用系统中改进的FFT插值算法

提出了一种基于快速傅里叶变换的边缘扩展信道插值算法(EFFT),该算法对正交频分复用(OFDM)符号有效频带边缘的两端频点作镜像线性扩展,使增加的导频信息能改善有效频带边缘附近的信道估计性能.仿真结果表明,在低阶调制且信噪比(SNR)较低时,EFFT插值算法的性能与维纳滤波信道估计算法相当,且较传统快速傅里叶变换(FFT)插值算法的均方误差(MSE)提升1dB左右.在实现复杂度方面,EFFT算法与FFT算法相当,与维纳滤波算法相比运算量明显降低.EFFT算法不需要对现有技术标准进行改动,也不会降低系统的传输效率.     

基于802.16d的OFDM导频信道估计

以基于导频的信道估计展开研究.首先总结一般无线信道的多径时变统计特性,给出SUI-3信道模型的仿真实现.在此基础上,研究现有的块状导频插入方式下信道估计算法的原理和性能.基于Alamouti空时编码方案,构建1种具有2个发射天线和1个接收天线的时-频空时编码的正交频分复用(OFDM)系统,提出适用于虚载波系统的基于DFT变换的信道估计算法.该方法利用DFT迭代算法来重构虚载波的频域信道状态信息,通过时域滤波方法来抑制噪声.仿真结果表明:该算法实现了良好的信道估计性能,有效可行.     

基于最小发射功率的自适应调制多输入多输出系统

在对多输入多输出信道进行奇异值分解的基础上,推荐了一种新的最小化发射功率的自适应调制算法.通过在不同信道假设条件下的性能仿真,证明了推荐算法能够在满足用户要求服务质量的条件下,以尽可能小的系统发射功率实现数据传输.     

基于EM的MIMO-OFDM系统LMMSE信道估计

最小均方误差(MMSE)信道估计算法应用于MIMO-OFDM系统时将带来高计算复杂度且不易实现,根据这个问题,提出了一种基于期望最大化(EM)的线性最小均方误差(LMMSE)信道估计算法,并分析了该算法的性能.EM算法可以把多输入多输出(MIMO)信道估计问题转化为一系列单输入单输出(SISO)信道估计问题,避免了大规...     

基于奇异值分解无迹卡尔曼滤波的锂电池荷电状态估计

锂电池的荷电状态(state of charge, SOC)是电池管理系统(battery management system, BMS)对锂电池进行管理的重要指标。针对传统SOC估计方法存在的精度低、计算复杂和鲁棒性差等问题,本文提出了一种基于奇异值分解无迹卡尔曼滤波(singular value decomposition unscented Kalman filter, SVD-UKF)的SOC估计方法。该方法利用无迹变换(unscented transformation,UT)提高了计算精度的同时降低了计算量,并且克服了UKF在状态协方差矩阵P非半正定时会出现滤波发散的缺点,提高了算法的鲁棒性。实验结果表明,该算法能够快速收敛于真值,并且将估算误差降低至1%。     

鲁棒的基于几何均值分解的矢量预编码算法

针对非理想信道的多输入多输出（MIMO）系统,提出了一种鲁棒的基于几何均值分解方法的矢量预编码算法.利用非理想信道误差矩阵的二阶统计信息,以最小化收发信号的均方误差为准则,求出基于几何均值分解矢量预编码的最优扰动矢量和预编码矩阵.仿真结果表明,该鲁棒算法优于现有的基于几何均值分解矢量预编码算法性能.在高信噪比时,误码率可提高2dB以上.     

一种主奇异三元组提取的快速神经网络算法

为了对两路高维数据流的互协方差矩阵进行在线奇异值分解,提出了一种快速稳定的主奇异三元组提取神经网络算法。首先,提出了一个新颖信息准则,并且基于该准则推导出了一个动态系统。然后,基于该动态系统,推导出了一种快速稳定的在线神经网络算法。该算法可以提取两路高维数据流的互协方差矩阵的左右主奇异向量。另外,算法中奇异向量的长度会收敛到一个与相应主奇异值相关的值,因而该主奇异值也可以被估计出来。相比于传统算法,该算法可以提取该矩阵的主奇异三元组而非仅仅是主奇异向量。与已有算法相比,该算法具有较低计算复杂度、较高收敛速度和稳定性。     

编码CDMA系统中的一种迭代多用户接收器

编码CDMA系统中的迭代多用户接收器通过在采用软输入软输出算法的多用户检测和信道译码之间反复传递软信息而提高接收系统性能。最优的软输入软输出多用户检测器具有指数的计算复杂度，文中提出了一种简化的软输入软输出多用户检测算法。仿真结果表明，这种迭代多用户接收器的性能接近基于最优多用户检测的迭代多用户接收器。     

多用户MIMO-OFDM自适应子载波组分配的优化算法

针对于多用户多输入多输出-正交频分复用(MIMO-OFDM)下行传输,提出一种基于用户信道特征反馈自适应调整多用户子载波分配的优化算法.该算法提出的简化技术将信道相关带宽信息和动态子带分配算法联合起来,将连续子载波分配的最小单元由单个子载波变为子载波组,从而能在不明显影响系统性能的基础上有效改善传统子载波自适应算法中运算量较大的问题.仿真结果表明:该算法运算量获得较大的简化,但在性能上接近于传统动态子载波分配的效果,是一种有效的多用户动态自适应子载波分配算法.     

基于稀疏谱匹配的高分辨DOA估计方法

针对迭代加权最小二乘类稀疏重构算法性能易受过完备基条件数影响的缺陷,提出了一种基于稀疏谱匹配的高分辨DOA估计新方法.对过完备基进行奇异值分解,采用TSVD方法剔除较小奇异值对应的特征向量,获得一个良态矩阵,并用此矩阵替代的过完备基矩阵,采用l_p范数约束正则化FOCUSS算法进行稀疏重构,解决了因网络划分过细造成的过完备基条件数过大带来的病态问题,并用粗、细两步网格划分来降低算法的复杂度.仿真结果表明,相对于MFOCUSS方法,本文方法不仅具有较低的计算复杂度,而且具有更高的分辨率和噪声鲁棒性.