可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.     

井下WPT技术机理研究

为解决井下无线传感器电池容量受限的问题,根据井下无线传感器带壮分布的特点,提出了井下无线运动充电的思想.构建充电系统模型,讨论了充电信道建模、接收微带天线设计、多天线协作三个方面的技术路线.本文在研究井下微波输能传输特性的基础上,探讨在低功率密度下,多天线协作的移动无线充电技术在井下运动式充电特性,使用这个技术对无线传感器节点充电,解决井下无线传感器网络能量补充问题,突破现有节点单纯依靠电池供电的局限.     

“翻转课堂”概念探析

随着信息技术的发展和普及,很多学校出现了新的教学模式和学习方法,“翻转课堂”作为教学模式的重要变革引起了社会各界的广泛关注,但仍有很多教师对“翻转课堂”存在误解。文章旨在探求该教学模式的概念产生过程及其本质,同时对其功能进行分析和反思,从而为现阶段我国的教育信息化进程提供助益。     

一种优化嵌套MIMO的无孔差合阵列设计

针对现有嵌套MIMO阵列自由度有限的问题,提出一种基于优化嵌套阵的优化改进方案。其不止保留了嵌套MIMO阵列设计的原有优势,具有阵元位置以及自由度的闭合表达式,而且极大程度地提高了阵列孔径以及自由度。优化嵌套MIMO阵列设计首先将优化嵌套阵作为发射和接收阵,其次对MIMO阵列的合阵进行做差处理,得到阵元位置的差合阵列。通过合理的设计发射和接收阵的阵元间距,可以获得一个无孔的差合阵列。当阵元总数给定的时候,通过分析阵列结构的特点,可以得到发射和接收阵的最佳阵元数目。仿真实验表明,与嵌套MIMO阵列设计相比,所提方法在不增加实际阵元数目的情况下可以有效扩展阵列孔径,增加自由度,从而提高MIMO雷达波达方向估计精度。     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

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。     

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。     

多用户MIMO系统预编码的技术研究

预编码是一种应用于发射端以达到抑制多用户间干扰的预均衡方法。MIMO预编码技术可有效防止误码扩散,大大降低接收端的复杂度。该文对多用户MIMO系统预编码的几种算法进行了研究,分析了其各自的优缺点,并提出了改进方法。其中包括迫零（ZF）线性预编码、块对角化（BD）线性预编码、最小均方误差（MMSE）线性预编码及信漏比（SLR）线性预编码。