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.     

基于线性弥散空时码的有限反馈干扰对齐算法

干扰对齐(interference alignment,IA)作为极具潜力的干扰管理策略,能获得与用户数量成线性关系的自由度增益,但因其需要全局实时信道状态信息(channel state information,CSI)才能有效实现,使得IA理论向实用的转化将面临众多挑战。针对该问题,本文基于多小区蜂窝系统,提出了一种基于线性弥散空时码的有限反馈干扰对齐算法,该算法将预编码和线性弥散空时码编码进行级联,在只需反馈单个用户CSI的条件下,通过合理地设计预编码矩阵、线性弥散空时码块以及接收端的接收矩阵,来实现干扰的完全消除。仿真结果表明,相比已有研究,新IA算法在实现干扰完全消除的情况下,能够极大地降低系统CSI反馈开销。     

基于3GPP-SCM的智能天线系统信道模型仿真

无线通信信道的空时频特性是决定智能天线系统性能的重要因素。基于3GPP-SCM模型,从理论上对智能天线系统的信道进行了建模,针对3种通信场景,利用数值仿真研究了其空时频相关特性,及对应的波数谱、多普勒功率谱、功率时延谱,对该模型的衰落深度进行了研究。实验结果表明,SCM信道模型能反映智能天线系统空间信道的每次实现的变化特性,且可用于链路级和系统级仿真。     

基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

任意方向自然场景文本识别

自然场景文本识别是计算机视觉领域一项极具挑战性的任务,为此提出一种适用于任意方向的自然场景文本识别算法。使用高分辨分割网络作为基础框架提取文本的空间信息,利用卷积长短时记忆网络提取文本的时空序列信息,同时通过设计字符注意机制使模型专注于字符上,并采用可微分二值化函数进一步加大网络对前景的注意力,削弱对背景区域的关注,网络对每个像素点进行37分类,并使用文本转录模块将分类结果按照从左到右的顺序转换成文本。该算法在包括ICDAR2013,ICDAR2003,SVTP,CUTE,IIIT5k的多个标准数据集上进行测试,测试结果表明,无论是规则文本还是不规则文本都取得了不错的效果,其中,在弯曲文本CUTE上的识别精度高达83.3%,充分证明了提出算法的有效性。     

一种基于施密特正交化的MIMO预编码方法

提出了一种基于施密特正交化的MIMO（multiple-input multiple-output）预编码矩阵的构造方法。该方法以格拉斯曼空间装箱原理生成的码本为基础,依据信道状态信息（channel state information, CSI）,在接收端以最小误比特率（bit error rate,BER）为性能指标,选择最佳匹配当前CSI的预编码矢量,进而将该矢量在格拉斯曼码本中的索引反馈给发送端,基站端根据层映射数目,从格拉斯曼码本中寻找与该矢量最相近的矢量,采用施密特正交化的方法构造出当前预编码矩阵。数值仿真结果表明,依据该方法构造的预编码矩阵,在同等条件下,与3GPP LTE R8标准中根据Householder变换构造的预编码矩阵相比,其BER性能更佳,且该方法实现简单,灵活性好。     

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.     

结合三角分解和SLNR的同频干扰抑制算法

针对多小区多用户下行链路同频干扰问题，提出一种结合三角分解和信漏噪比(signal leakage noise ratio, SLNR)的干扰抑制算法，算法通过对联合信道的三角分解先将小区间干扰减少一半，然后利用SLNR算法和干扰抑制矩阵进一步消除小区间干扰。理论分析表明算法使得接收端不再需要增加用于抑制小区间干扰的矩阵及相应矩阵运算，从而降低了算法复杂度。计算机仿真表明较传统SLNR算法，该算法在系统容量和能量效率等性能方面得到改善。     

基于四阶累积量和时间平滑的相干信号DOA估计

高斯色噪声背景下，针对多径环境下的多用户波达方向（direction of arrival, DOA）估计问题，提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征，然后利用基于时间平滑的多重信号分类 (multiple signal classification，MUSIC)算法实现各用户多径信号的DOA估计。该算法突破了传统空间平滑类算法的局限，对于M元均匀线阵，新算法最多可估计M×(M－1)个DOA，且各DOA与各用户可自动实现配对。计算机仿真结果验证了算法的有效性。     

MIMO干扰信道下基于自适应复合代价函数的干扰对齐预编码设计

在多输入多输出(multiple-input multiple-output,MIMO)干扰信道中,针对传统的单边干扰对齐(interference-alignment,IA)算法不能有效地保留期望信号而导致系统容量受限的问题,提出一种利用辅助中间变量实现单边IA的设计思想,并以此为基础,给出一种基于自适应复合代价函数(adaptive composite cost function,ACCF)的IA预编码设计方法。该方法首先定义期望子空间内的残留干扰和有用信号功率的自适应加权差作为代价函数;进而通过一辅助函数,将干扰抑制矩阵转化为中间变量,以构造复合代价函数;最后利用格拉斯曼(Grassmann)流形上的梯度下降法实现复合代价函数的优化求解。数值仿真结果验证了基于ACCF的IA方法在MIMO干扰信道中的有效性。