去蜂窝大规模MIMO系统研究进展与发展趋势

去蜂窝大规模多天线(multiple input multiple output,MIMO)引入“以用户为中心”的思想,通过部署多个分布式接入点(access points,APs),利用相同的时频资源为所有用户服务,有效缩短AP与用户的距离,获得空间宏分集增益,大幅降低路径损耗,并利用大量AP带来的有利传播,减少多用户干扰,从而使全区域均匀覆盖并大幅提升用户体验。去蜂窝大规模MIMO技术刚刚提出,发展尚处于探索阶段。结合国内外移动通信发展的最新趋势,对去蜂窝大规模MIMO系统的基本特点、关键技术、核心挑战与发展趋势进行了介绍和展望,并分为信息理论分析和信号处理技术2个部分,重点论述了信道硬化、有利传播、空间相关、导频分配、信道估计、信号检测等关键技术。指出了去蜂窝大规模MIMO有望成为后5G(beyond 5G)和6G的核心关键技术之一。     

大规模多天线无线信道及容量特性研究

基站端配置大量天线构成的大规模多天线系统,可以进一步挖掘空间域增益,大幅度提升无线通信系统传输容量和功率效率.从理论上看,大规模多天线系统获得空间域增益的前提条件是传播环境中的各子信道满足正交条件.准确的获取无线信道信息是通信系统研究的基础,它为通信系统的链路级仿真、样机试验和标准制定提供理论基础和技术支撑.本文研究了大规模多天线无线信道的特点,总结了国内外大规模无线信道的测量与建模,通过随机矩阵特征值经验概率密度函数角度研究了Massive MIMO无线信道的信道容量,并给出了球面波信道建模和阵列域的相关性与非平稳特性为下一步的两个研究方向.     

采用迫零接收机的大规模MIMO上行链路支持用户数研究

文中主要研究了采用迫零接收机的大规模MIMO系统上行链路所支持的用户数。通过严格的数学推导,给出了适用于任何基站天线数的用户可达上行速率下界,并依据此理论计算结果,分别在用户无最低速率限制和用户有最低速率限制条件下,对小区所支持的用户数进行了研究,给出了可令小区总速率最大的用户数表达式,并同时提出了得到此最大速率的用户调度算法。仿真结果显示不论用户有无最低速率限制条件,小区总速率最大时所支持的用户数都是随着基站天线数的增加而呈近似线性增长的,这进一步表明了大规模MIMO对提高小区系统性能和提升服务用户数方面有显著的作用。     

基于空间相关性的大规模MIMO信道压缩反馈算法

针对传统的信道状态信息(channel state information,CSI)反馈方法并不适用于大规模MIMO频分双工(frequency-division duplexing,FDD)系统的问题,提出一种基于导频设计的压缩反馈算法.基站通过对发送相关矩阵的平方根进行特征值分解(eigenvalue decomposition,EVD)得到稀疏基;根据最小二乘法(least squares,LS)设计出导频矩阵;根据该导频矩阵提出了一种基于导频设计的压缩反馈算法.理论分析与仿真结果表明,该算法能够以较低的反馈量获取较高的CSI反馈精度.     

基于参数估计风险的拟合有效证券组合方法

研究了当投资者在某个证券子集上存在一定约束时,其构建的证券组合在证券全集上的有效性问题。将参数估计风险融入到投资组合决策过程,提出了拟合有效证券组合的概念,并且得到了拟合有效证券组合的判定条件及统计检验方法,最后,结合我国股票市场数据,进行了一些实证研究。研究结果表明,当在某个证券子集上增加投资约束时,虽然原来的证券组合未必有效,但通过选择合适的证券集划分仍然可以实现其拟合有效性,并且可以得到基本相同的样本外业绩表现。     

利用多级社区中心标签实现大规模图上距离查询

距离查询是图数据挖掘应用中的最基本的操作之一,但是目前的现存查询算法均无法高效处理大规模图数据.针对这个问题,提出建立多级社区中心的标签机制,即首先在原图中将结点按社区划分为多个集合,然后再将各集合中的中心结点建成带权查询子图,经过多次递归操作,最终为各结点建立一个基于社区中心的树状结构标签集,该标签集可以实现利用较短的创建时间和较小的存储代价大幅度提高距离查询的效率.从实验结果可以看出,该方法综合效率明显优于现存的高效算法.     

基于双支持向量机的大样本分类算法

针对支持向量机(Support Vector Machine,SVM)处理大规模样本分类的学习效率降低问题,提出两阶段学习的支持向量机算法。该方法首先在正负类分别进行无监督聚类,提取各个聚类质心组成约简训练集,进行初次SVM训练;然后,根据初次训练结果选取边界样本集,参与第二次SVM训练。在UCI数据集上的实验结果表明,所提方法在保持分类泛化性能的同时,提高了模型的训练速度。     

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...     

大规模MIMO预编码中降低反馈开销的方法

研究大规模多输入多输出(MIMO)系统下,天线数增多反馈开销随之显著增大的问题,提出一种分割码本的预编码方法。该方法将有限反馈的大码本等间隔地分成k个码本,信道变化一次k个码本中的多个码本就被循环一次,选出一个最优码字Fi。Fi放入新开辟的储存空间,方便与下次选出的最优码字比较,循环一次Fi更新一次。同时将注水算法与之结合,使系统性能大大提高,而不会增加反馈量。仿真表明：正交移相键控(QPSK)调制、离散傅立叶变换(DFT)码本的预编码、反馈比特数为4的条件下,系统误码率与单一码本下预编码误码率对比,约提升3dB;用较少反馈量便可取得与大码本预编码几乎相同的误码率。     

大规模数据库实时自主存取控制方法研究

近年来数据库存取压力逐渐增大,当前存取控制方法扩展性差、效率低、并发性能低。为此,提出一种新的大规模数据库实时自主存取控制方法。通过贝尔-拉帕丢拉模型对大规模数据库关系分析,将其划分成能够完成操作的主动元素和储存信息的被动元素。大规模数据库关系模型依据元素级的密级标识将密级划分成4个等级:绝密、机密、秘密、公开,依据密级实现对数据库模型的定义。介绍了大规模数据库关系模型中的密级区间、用户与角色及数据范围。依据实际应用中的特点,针对某类信息或某些"字段"将数据的密级划分至属性级,实现大规模数据库实时自主存取控制。给出数据库存取规则,详细分析了读规则、更新规则和插入规则。实验结果表明,所提方法查询效率、读取和更新效率及插入效率均较高,存取性能优。