基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题, 通过分析变量特征将其分类再分别优化是当前较为有效的求解方法, 但存在变量分类不够准确、变量处理不够有针对性等不足。对此, 提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先，通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量, 使变量分类更为准确。其次，通过对收敛性变量主成分分析降噪，降低计算成本, 并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明, 所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。     

基于时间相关性的梯度追踪多用户检测算法

为降低大规模机器类型通信基站端多用户检测的复杂度, 结合活跃设备在相邻时隙间的相关性和梯度追踪算法提出了相关性辅助的梯度追踪多用户检测(correlation-assisted gradient pursuit multi-user detection, CAGP-MUD)算法, 不仅避免了矩阵求逆的过程, 还减少了除第一时隙的其他时隙的迭代次数。为了进一步降低多用户检测算法的复杂度, 在CAGP-MUD算法框架内引入决策衰弱的思想, 对梯度最大值进行衰弱, 并以此作为阈值, 每次迭代可挑选出多个活跃设备, 以减少迭代次数, 称为相关性辅助的组梯度追踪多用户检测算法。对提出的两种算法进行了复杂度计算。理论分析和仿真实验表明, 和同类算法相比, 这两种算法的计算消耗降低了60%以上。     

页岩储层水平井固井水泥浆体系应用研究进展

我国的页岩储层具有埋藏深,地温梯度高,封固段顶底温差大等特点,能够在深层水平井高温及大温差条件下固井,并在后期大规模体积压裂期间保持井筒完整性的固井水泥浆体系的选择成为近年来的焦点。为明确页岩储层深层水平井固井水泥浆技术的发展方向,本文基于页岩储层水平井固井对前期水泥浆流变性能要求与后期水泥环力学性能要求,分别从外加剂适用条件,外加剂反应机理以及微观结构的形成三方面探讨了页岩储层水平井的固井水泥浆技术难点及研究现状,汇总了国内外各大油气田页岩储层水平井固井硅酸盐水泥浆体系的应用实效,提出了相应的技术措施及未来固井水泥浆体系的研究重点。     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下, 针对毫米波大规模多输入多输出(multiple input multiple output, MIMO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题, 提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法。首先, 设定参数产生模拟真实环境的数据集, 将所产生的信道矩阵看作二维图像。然后, 构建注意力机制网络以增强图像中噪声特征的显著性, 并将注意力机制网络嵌入卷积神经网络中进行特征融合。最后, 通过网络模型提取噪声并得到去噪的图像, 即估计信道矩阵。仿真结果表明, 与最小二乘法(least square, LS)、最小均方误差(minimum mean square error, MMSE)、卷积神经网络(convolutional neural network, CNN)和去噪CNN (denoising CNN, DnCNN)算法相比, 所提出的Attention-CNN方法信道估计精度平均提升约1.86 dB。     

一种修正三项Hestenes-Stiefel共轭梯度投影算法及其应用

提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法, 用于求解大规模非线性方程组问题和信号恢复问题. 该算法通过构造一个新的修正Hestenes-Stiefel搜索方向, 结合经典线搜索方法和超平面投影技术而得, 新搜索方向在不需要任何线搜索条件下自动满足充分下降性, 在常规假设条件下, 新算法具有全局收敛性质. 数值实验结果表明,  新算法高效且稳定.     

基于MIMO阵列的混合波束赋形算法

低轨(low earth orbit，LEO)卫星通信可以克服恶劣地形影响实现远距离通信，面对突发灾害能快速部署解决通信问题，但是，卫星在保持高速运动的同时采用高频段的信号，容易导致通信时产生严重的信号衰落。针对此问题，基于传统遗传算法提出一种适用于混合波束赋形架构的算法。固定模拟域对数字域进行迭代优化，然后固定数字域对模拟域进行迭代优化，通过共同的待优化矩阵进行联合求解，在固定功率的前提下不断迭代优化矩阵，采用混合波束赋形方法有效减少硬件复杂度，更加接近数字波束赋形的性能。仿真表明，在混合波束赋形架构应用上，相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法，所提算法性能提升了6.61%。     

一种解大规模无约束优化问题的BB型算法

基于BB算法和IMPBOT算法的思想，结合修正割线方程得到2种新的BB步长，并利用Armijo线搜索，提出一种求解大规模无约束优化问题的BB型混合算法.在适当的条件下对其收敛性证明，并通过大量的数值试验来验证所提算法的有效性.     

相干多径环境下的毫米波大规模MIMO混合波束赋形方案

针对传统全数字域的解相干算法无法直接运用于混合波束赋形场景的问题，设计了一种混合波束赋形下的解相干方案。在模拟域，基于设计的码本波束，提出一种新的模拟波束赋形方案,分别搜索与每个信号方向最为接近的波束，形成波束集合,利用所得到的波束集合，对阵列接收信号分别进行模拟波束赋形得到一级输出。在数字域，提出“阵列信号重构”的思想，对一级输出进行阵列信号重构,将重构信号作为输入，进行空间平滑处理，在相干干扰方向和非相干干扰方向均可形成较深的“零陷”。通过理论分析和仿真，对不同方案的波束方向图、信干噪比、频谱效率等性能进行了研究。结果表明，所提出的混合波束赋形方案的信干噪比和频谱效率等性能几乎逼近于纯数字波束赋形方案。     

低精度ADC下大规模机器类通信中的 低复杂度信号检测算法

免授权大规模机器类通信(massive machine-type communication, mMTC)系统上行链路面临低分辨率量化、相关衰落信道以及机器类设备(machine-type device，MTD)活跃概率未知等实际挑战。针对上述问题，引入广义期望一致性(generalized expectation consistent, GEC)算法，然而GEC算法涉及高维矩阵求逆，其复杂度高达O(N³)，其中N为MTD数量。结合Woodbury公式与诺曼级数近似，并利用发射数据帧的结构稀疏性，提出了一种基于多测量矢量的近似广义期望一致性(approximate generalized expectation consistent multiple measurement vector, AGEC-MMV)算法，在mMTC系统中(基站天线数量M)，该算法能够规避GEC中的高维矩阵求逆，使其复杂度由O(N³)降至O(N²M)。仿真结果表明，所提AGEC-MMV算法能以较低复杂度取得接近GEC算法的性能，且在鲁棒性方面优于现有先进算法。     

大规模MIMO-NOMA双向中继认知系统物理层安全研究

针对基于中继辅助传输的认知无线电-非正交多址(CR-NOMA)系统中，频谱利用率低及安全性较差的缺点，提出将大规模多输入多输出(MIMO)技术应用到基于双向中继的CR-NOMA网络中，使两组认知非正交多址(NOMA)用户在双向中继的协助下交换信息.在不完全信道状态信息的约束下，推导出受发射功率、信道估计误差和天线数量影响的安全中断概率的闭合表达式.仿真结果表明，随着中继天线数量的增加，安全中断概率收敛到特定数值，同时可得到复杂度较低且安全性能最优天线数量.