大规模MIMO系统中软输出信号检测方法

为解决在上行多用户大规模多输入多输出(MIMO)系统中,迫零(ZF)检测算法可取得近似最优性能,但ZF检测算法涉及复杂度高达O(K3)的矩阵求逆运算(其中K为用户数)的问题,基于Lanczos算法提出一种软输出信号检测方法,避免了高阶矩阵求逆运算,使复杂度由O(K3)降为O(K2).该方法为了计算软输出信息——对数似然比(LLR),通过对基于Lanczos算法的迭代计算解向量的过程进行分析,给出了一种低复杂度的LLR近似计算方法.仿真结果表明:提出的软输出信号检测方法的误比特率(BER)性能与计算复杂度均优于基于Neumann级数近似的信号检测算法,同时,最多仅需5次迭代就可取得逼近于ZF检测算法的性能.     

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。     

大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel...     

一种用于大规模 MIMO 信号检测的改进算法

近几年来,大规模多输入多输出(multi-input multi-output,MIMO)的信号检测问题已经引起了人们的关注,在研究了主动禁忌搜索(reactive tabu search,RTS)算法和置信度传播(belief propagation,BP)算法的基础上,提出了一种新的RTS-BP联合检测算法,给出了2种不同的信道模型下的仿真对比图.结果表明,在不同的调制阶数情况下,RTS-BP算法性能优于单一的RTS和BP算法,且在一定程度上降低了大规模MIMO检测的高维效应对信号层数的要求.     

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下降算法展开,并引入了单调非递增函数,在训练期间可以动态地对权重进行优先级排序,从而保留重要的权重,将不重要的权重进行衰减。为了进一步提高检测性能,防止梯度消失,将单调非递增函数设置为可训练参数,在网络训练中对其值进行优化。仿真结果表明,所提出的学习算法收敛速度快,并且在检测精度方面优于大规模MIMO独立同分布模型(Massive MIMO-independent identically distributed, MMNet-iid)和最小均方误差算法。     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比...     

大规模MIMO信号检测算法研究

大规模MIMO技术通过增加基站天线数大幅提高系统频谱效率和能量效率,是未来5G移动通信网络的关键技术。文中在大规模MIMO系统模型下,对多种信号检测算法进行仿真,研究其性能,对大规模MIMO技术的实际应用具有一定的指导意义。对仿真结果的分析表明,当基站天线数远远大于用户数时,简单的线性信号检测算法也能达到很好的系统性能。     

基于低秩张量分解的大规模MIMO信息检测算法研究

提出了一种改进的Tucker分解法,将二维的张量分解到两个维度中.分别通过改进Tucker和Tucker算法的矩阵减秩和收敛运算,得到保存完整信息的原张量的近似估计值.仿真实验结果表明,改进Tucker算法提高了系统的检测性能.     

一种大规模MIMO系统信道反馈算法

针对在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统中,信道状态信息（Channel State Information,CSI）反馈量过大以及反馈的CSI过时的问题,提出一种基于自回归（Autoregressive,AR）模型和主成分分析（Principal Component Analysis,PCA）方法的反馈算法。接收端进行信道估计获得CSI后,先利用AR模型预测出反馈所需时间之后的CSI,在此基础上计算压缩矩阵,然后利用PCA方法对预测的CSI进行压缩,再反馈给基站,最后基站端对接收到的CSI进行重构。从理论分析和仿真结果可以看出,该算法可以在降低反馈量的同时提高系统容量和信道恢复的准确性。     

多小区大规模MIMO中基于角度域的导频分配策略

在多小区大规模多输入多输出(multiple input multiple output,MIMO)系统中,导频污染(pilot contamination,PC)已成为限制整个系统性能的瓶颈。针对最小均方误差估计(minimum mean square error,MMSE)去污染方案复杂度高的问题,提出一种简便的导频分配方案,即利用信道离散傅里叶变换峰值位置和信道角度参数的关系,将导频资源映射到不同角度范围,从而基站可以从角度域恢复出信道信息。同时,给出了角度域信道恢复公式,分析了角度域分组数与去污染能力的关系。通过数值仿真结果表明,所提出的方案具有较好的导频污染抑制能力,同时具有更低的计算复杂度。     

基于改进梯度投影法的MIMO-NOMA系统迭代信号检测算法

针对多输入多输出-非正交多址(multiple-input multiple-output non-orthogonal multiple access,MIMO-NOMA)系统信号检测问题,基于改进梯度投影(improved gradient projection,IGP)方法,提出一种适用于多用户MIMO-NOMA系统的上行链路的迭代信号检测算法。在该算法中,利用MIMO-NOMA系统中活跃用户的稀疏特性,基于IGP方法实现对发送信号的迭代恢复;在每次迭代后,先对所得估计解向量进行预处理,以得到更为接近真实值的估计值,接着再对活跃用户支撑集进行更新,以便于下次迭代操作。仿真结果表明,与经典的基于压缩感知的信号检测算法相比,基于IGP的迭代算法具有更低的误比特率(bit error rate,BER),在计算复杂度基本相同的条件下,可取得更佳的BER性能。     

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.     

大规模MIMO网络中基于时间反演的预编码技术

针对大规模多输入多输出(multiple input multiple output,MIMO)网络中随基站天线数目与用户终端数目增多而引发的用户间干扰(inter user interference,IUI)问题,提出一种面向大规模MIMO的时间反演(time reversal,TR)预编码抗干扰技术。该方法在MIMO系统中先后历经信道探测、多径信道建模、干扰信道分析以及信道预编码矩阵设计,实现时间反演预编码信号在多径信道中IUI抑制传输,一方面在时间反演技术基础上进行信道优化,利用时间反演技术的时空聚焦性实现能量聚焦;另一方面利用迫零预编码技术降低大规模MIMO系统中用户间干扰与共道干扰。MATLAB仿真结果验证了基站天线数目、用户端终端数目对于大规模MIMO系统性能的影响,结果证明,时间反演预编码抗干扰技术可以使平均误比特率减小,并显著提高信干噪比和大规模MIMO系统的可达速率。     

K均值聚类的大规模MIMO导频分配策略

针对大规模多输入多输出(multiple input multiple output,MIMO)系统中亟待解决的导频污染问题,提出一种基于K均值聚类的导频分配策略来减轻导频污染问题.该方案基于大尺度衰落因子对用户进行门限分组,再基于用户位置信息对用户进行K均值聚类分组,并对不同组别的用户采用不同的导频分配方案.仿真结果...     

毫米波MIMO系统基于块对角化的混合预编码算法

在毫米波大规模多输入多输出(multiple-input multiple-output, MIMO)系统中,传统的数字预编码器需要给每一个天线配置一条独立的射频(radio frequency, RF)链路,这将会大大增加系统的成本和功耗,通过混合预编码可以有效地解决射频链路受限的问题。目前,混合预编码的研究大多都是针对多用户单天线场景,没有考虑到用户端配置多根天线的情况,为了消除多用户间干扰,增加系统的频谱效率,提出一种针对多用户多天线场景的混合预编码算法。在模拟端,通过基于矩阵迭代算法和模拟矩阵集合设计方法进行求解。在基带端,采用块对角化技术(block diagonalization,BD)消除多用户之间的干扰。仿真结果表明,所提出的多用户混合预编码算法相较于传统的块对角化混合预编码算法具有更好的性能表现,且更接近于纯数字预编码算法。     

基于深度学习的MIMO系统联合优化

自动编码器神经网络可将通信系统重新构建为端到端的任务,从而实现整个系统的联合优化。针对基于深度学习的2用户与4用户多输入多输出(multiple-input multiple-output,MIMO)系统联合优化问题,提出将自动编码器运用到系统中,将整个通信系统的发射端和接收端视为自动编码器的编码和译码部分,利用交叉熵损失加权和函数进行训练学习,从而获得优化的系统模型,并进一步分析得出每个用户的误比特率及所有用户的平均误比特率。实验结果表明,基于自动编码器所构建的MIMO通信系统相比于传统的通信系统具有更优的系统性能。