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.     

一种新型的针对频率选择性MIMO信道的空时分层检测算法

在FS-BLAST算法的基础上,提出了一种改进的适用于频率选择性多输入多输出(MIMO)信道的接收方案,该方案采用部分最大似然分层检测,其主要思想是在空时分层检测的基础上,部分地引入最大似然(ML)检测,从而有效地克服FS-BLAST类算法由于误差扩散所导致的系统性能下降的缺点.该方法的特点是仅对接收信号的一部分使用最大似然检测,因此,计算量并没有太大的增加.另外,该方法可以自由地选取进行最大似然检测的信号维数,因此可根据实际系统特点在计算复杂度和误码率性能间选取最优折衷.     

基于QR分解的信号检测算法的研究

研究了VBLAST-OFDM系统基于QR分解的几种信号检测算法,分析了各种算法优缺点,指出信号检测顺序是降低误码率的关键,针对VBLAST算法计算量大的缺点,建议采用SQRD算法,该算法利用迭代运算代替矩阵求逆运算,降低了VBLAST算法的计算量,并采用MMSE准则对该算法进行进一步推广,仿真结果表明采用MMSE-SQRD算法优于除ML(最大似然)算法以外的检测算法.     

MIMO-OFDM系统信号检测和信道估计算法

文章针对MIMO-OFDM系统提出了一种局域化的最大似然信号检测算法,通过调整每个发送天线信号集中的搜索点邻域大小,在计算复杂度与系统性能之间折衷。仿真结果表明,该信号检测算法显著降低了计算复杂度;同时提出了一种基于导频训练序列的信道估计算法,采用该算法得到的信道估计均方误差结果接近理论极限值,系统误码率非常接近已知信道频响情况的性能。     

空时分组码MC-CDMA系统中基于遗传算法的多用户检测

文章研究了采用空时分组码的多载波码分多址(MC-CDMA)系统在工作于时分双工(TDD)模式下的上行链路中基于遗传算法(GA)的多用户检测方法.采用基于子空间分解的盲算法对空时分组码MC-CDMA系统进行信道估计,并运用信道估计值得出最小均方误差(MMSE)解.通过遗传操作将MMSE解扩展为遗传算法的目标种群,并对目标种群运用最大似然(ML)搜索,获得最佳的检测结果.该方案在较小的复杂度代价下能大幅提高系统性能,当存在信道估计误差时也具有良好的误比特性能.     

空时分组码MC-CDMA系统中基于遗传算法的多用户检测

文章研究了采用空时分组码的多载波码分多址(MC-CDMA)系统在工作于时分双工(TDD)模式下的上行链路中基于遗传算法(GA)的多用户检测方法.采用基于子空间分解的盲算法对空时分组码MC-CDMA系统进行信道估计,并运用信道估计值得出最小均方误差(MMSE)解.通过遗传操作将MMSE解扩展为遗传算法的目标种群,并对目标种群运用最大似然(ML)搜索,获得最佳的检测结果.该方案在较小的复杂度代价下能大幅提高系统性能,当存在信道估计误差时也具有良好的误比特性能.     

最优外插Jacobi信号检测算法

针对大规模多输入多输出(multiple input multiple output,简称MIMO)系统中最小均方误差(minimum mean square error,简称MMSE)信号检测算法复杂度过高及传统Jacobi信号检测算法收敛较慢的问题,提出最优外插Jacobi(optimal extrapolation Jacobi,简称OEJ)信号检测算法.在Jacobi迭代计算中,通过最优外插因子将当前解与下次迭代解进行组合,以加快迭代收敛速度.OEJ信号检测算法的复杂度比MMSE信号检测算法的复杂度低一个数量级.仿真实验结果表明：相对于传统Jacobi及阻尼Jacobi信号检测算法,OEJ信号检测算法的误码率最低,随迭代次数的增加误码率减小最明显、收敛最快.     

基于增强蚁群优化算法与排序的 MIMO 检测算法

基于最大似然比的多输入多输出(multiple input multiple output,MIMO)检测算法的计算复杂度随着天线阵的规模呈指数级增加,提出一种计算复杂度较优的MIMO检测算法.采用基于对数似然比的排序QR分解技术将信道矩阵分解为正交矩阵与上三角矩阵,相应地修改信号的发射顺序,降低错误判断引起的错误传播效应;为传统人工蚁群优化算法的信息素更新策略引入负信息素概念,有效地控制系统的拥塞;根据优化路径的距离积累了信息素.该方法设计了基于负信息素的信息素更新策略,增加MIMO系统的拥塞控制能力,考虑信道的衰落本性,基于路径的距离积累信息素.为了测试该算法的性能,进行了多组对比实验,结果表明,误码率性能优于其他智能优化算法,且对于64×64等大规模天线阵,该算法的计算复杂度随天线规模增长较小.     

不完全信道信息下基于信号特征的MIMO检测算法研究

针对接收端信道信息不全的情况提出一种基于信号特征利用的多输入多输出(multiple input multiple output,MIMO)接收机算法,该算法通过利用非循环信号的特征,扩展了接收机的处理维数以更好地抑制噪声.理论证明和数字仿真均表明,与传统的迫零(zero-forcing,ZF)和最小均方误(minimum mean square error,MMSE)接收机相比,提出的算法可以将噪声和信道估计错误的影响减少一半以上,而提出算法的复杂度却几乎保持不变.结合排序串行干扰消除(ordered successive interference canceling,OSIC)法,提出算法可以达到和最大似然法相当的误码率性能.     

改进DCO-OFDM系统中的接收端检测算法

为了减轻DCO-OFDM系统中因截断噪声对误码率性能的影响,研究了上、下限幅截断系统的检测算法优化问题.分析了ML算法在DCO-OFDM中不适用的原因,提出ML迭代算法和权重因子ML算法:ML迭代算法通过对残留限幅噪声的迭代估算更新原始估计序列,得到ML算法的析出信号;通过权重因子将限幅噪声高斯白化,使得最大似然估计检测算法满足最优线性估计条件,再通过迭代算法得出接收机析出信号.文中提出的2种算法虽然复杂度高,但相比于M L算法具有更好的链路误码率性能.     

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.     

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.     

基于MMAS的MIMO-OFDM系统上行多用户检测

在多输入多输出-正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统上行多用户检测(multi-user detection,MUD)中,针对基本蚁群算法(ant colony optimization,ACO)在搜索过程中易出现过早停滞及收敛于局部最优解等问题,提出一种基于最大最小蚁群系统(max-min ant system,MMAS)的MUD新算法.该算法在蚁群每次循环结束后,仅处于最优路径上的单只蚂蚁释放信息素;同时,通过限制每条路径上信息素的取值范围,避免路径间信息素的差值过大,从而使蚂蚁在每次循环时尽可能地选择不同的路径,提高算法的搜索能力.仿真结果表明,MMAS算法能够有效降低蚁群陷入局部最优解的概率,进而提高了检测性能;同时,随用户数的增加,该算法的计算复杂度却远低于最大似然(maximum likelihood,ML)检测算法,因此,该算法能够在检测性能与计算复杂度之间取得较好的折中.     

一种降低STTC译码复杂度的编译码方案

提出一种空时网格码(STTC)码字设计思想,在发射信号之间引入确定的空间和时间关联性,并设计了一种称为反馈-干扰抵消检测的新解调方法.该方案在保证频谱利用率不变的情况下,使得接收端在解调时仅对少数信号进行最大似然判决,取代了传统的最大似然序列估计方案,大大降低了STTC的译码复杂度.在理论分析中,推导了传统解调方案和新解调方案的计算复杂度并进行了比较,随着编码器约束长度的增长,反馈-干扰抵消检测方案在计算复杂度上的优势将更加明显.在此基础上,对发射天线数为2和3时的情况,提出了具体的编译码范例并进行了仿真.仿真结果表明,所提出的解调方案具有在天线相关时保证误码性能不降低的优点.     

认知无线电中基于压缩感知的非重构频谱检测算法

基于压缩感知的频谱感知研究多是要重构出原始信号,而重构的精确度却直接影响到频谱检测的效果,为降低由此因素而造成的低检测率以及计算复杂度,提出一种在压缩感知框架下的非重构频谱检测算法,将信道划分为多个小信道,依次感知每个小信道,得出所划分信道组的采样协方差矩阵,再与能量检测算法结合分析最终得到每个小信道中的占用情况。对不同的压缩率、信噪比以及用户数分别进行仿真,仿真的结果表明,当压缩率在30%以上和信噪比在-6 d B以上时检测效果较为理想,且多用户的情况下检测概率更高。相对于重构算法,本算法的检测概率更高,计算复杂度更低,检测时间也更短。     

一种迭代频偏估计算法

提出一种适于低信噪比条件下工作的数据辅助型(data-aided)频偏估计算法。计算接收信号自相关函数的辐角,基于最大似然策略合成频偏估计,并通过迭代消除估计模糊。仿真结果表明：迭代算法具有较大的频偏估计范围(估计范围达±40%符号速率),与M&M算法相比,迭代算法信噪比门限有接近3dB性能改善,其估计性能更接近FFT最大似然算法和克拉美-劳下界(CRLB),并且计算量有所降低;基于迭代算法的简化版本与迭代线性预测(ILP)算法相比信噪比门限更低,并且降低了计算复杂度。     

基于卡尔曼自回归的LTE天线端口数检测算法

在长期演进(long term evolution, LTE)系统中,传统天线端口数检测使用盲检测的方式分别对1,2和4端口数进行解码,直至物理广播信道系统消息成功通过循环冗余码校验,该方法会产生大量的计算冗余和时延。针对这一问题,提出一种改进的卡尔曼自回归天线端口数检测算法,该算法通过提取不同天线端口对应的小区参考信号得到信道状态信息,并将信道状态的相位信息进行卡尔曼自回归拟合,将自回归拟合后的相位与接收信号相位作差得到的平均值与预设判决门限进行比较,以得到天线端口数判决结果。理论分析与仿真结果表明,改进算法相较于传统盲检测算法节省的时间开销可达49%。在相同信噪比下,相较于其他优化后的门限判决算法,改进算法最多提高约10%的检测成功率且具有更优的抗频偏性能。     

改进的自适应最优低秩信道估计算法

针对正交频分复用系统中线性最小均方误差(LMMSE)信道估计算法计算复杂度高,且存在当信道的统计特性与先验知识不匹配时估计性能恶化的问题,利用信道频域冲激响应的移动平均自相关函数,结合子空间分解、跟踪和序列正交原理,提出一种改进的自适应最优低秩信道估计算法.对比文中算法和LMMSE算法、LS算法和联合AIC(akaike criterion)秩估计准则的自适应低秩信道估计算法,结果表明:文中算法的秩估计更为精确;在插入导频数量较少的情况下,改进的信道估计算法能获得更高的信噪比性能增益.     

一种用于电力线通信系统的改进MIMO检测算法

目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。采用了二元Middleton class A分布对MIMO PLC系统中噪声进行建模,提出了基于该噪声分布的最大似然检测改进算法,由于改进最大似然检测算法实现复杂度高,为了便于实现,进一步提出了用近似函数降低复杂度的2种次优的检测算法,优化了算法复杂度。仿真结果表明,与传统的基于高斯噪声分布的最大似然检测算法相比,提出的基于二元Middleton class A类噪声分布的信号检测算法在MIMO PLC系统能获得更好的性能。在性能损失较小的情况下,次优算法的复杂度明显低于最大似然检测改进算法。