RIS辅助毫米波MIMO级联信道的角度估计

智能反射表面（RIS）用低成本的无源反射元件控制入射信号的相位,将增强第6代移动通信系统的无线覆盖范围,并提高信道容量.由于RIS辅助毫米波多入多出（MIMO）级联信道仅有少量的弥散空间角度和相应的路径损耗,提出采用无网格的原子范数最小化方法来估计下行链路基站处的离开角和用户处的到达角,把级联信道的角度估计问题转化为凸优化模型进行求解.仿真结果表明,仅用少量的快拍数就能得到精确的角度参数.     

融合注意力机制的PSPnet多目标语义分割

采用加强特征提取网络为MobileNetV2的融合多特征金字塔场景解析网络（PSPnet）来实现复杂场景下的图像语义分割.相对于深度残差网络ResNet50和MobileNetV1,引入了线性瓶颈结构和反向残差结构,利用金字塔池化模块（PPM）来处理不同层级的图像特征信息,并将其进行特征拼接,有效避免了不同分割尺寸下,子区域之间关键特征信息的缺失.在此基础上,引入注意力机制模块,结合通道注意力机制（CAM）和空间注意力机制（SAM）,进一步提高分割精度.实验结果表明：该方法可以提高图像识别的准确率,并节省训练时间.     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督 单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度 估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深 度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿 估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机 制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不 同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集 上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相 对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论 使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度 估计效果,改善了轮廓细节。     

平衰落信道CSI不理想时的M-QAM优化方法

多电平正交幅度调制(M-QAM)应用于平衰落信道时,解调器需要对信道状态信息(CSI)进行估计,而CSI的估计值不可能是完全准确的.针对此问题修改了传统的M-QAM软解调方案,同时在发送端可以得到CSI不准确程度的反馈的前提下,提出了一种方形M-QAM星座图的优化方法.仿真结果表明 在Rayleigh衰落信道下, CSI不理想时,文中提出的M-QAM调制解调优化方法应用于编码调制系统时,系统性能可以获得较大改善.对于64-QAM调制和1/2的编码效率,当CSI上归一化噪声功率为0.04时,系统性能改善可达7 dB.     

基于全息RIS的太赫兹MIMO信道估计研究

基于全息通信研究的大背景,提出了可重构智能表面(RIS)的全息版本。推导出了全息RIS的光束模式,并通过分析表明,理想全息RIS的光束模式可以近似于具有更实用硬件架构的超密集RIS的光束模式;提出了一种闭环信道估计(CE)方案,是以有效估计表征全息RIS辅助的THz大规模MIMO系统的宽带信道;为了减少导频开销,利用THzMIMO信道在角域和延迟域中的双重稀疏性,引入了一种基于压缩感知的CE算法。仿真结果证明,全息RIS优于非全息RIS,提出的CE方案有效。     

RIS辅助的无小区大规模MIMO系统中信道估计及谱效分析

无小区大规模多输入多输出（cell-free massive multiple input multiple output,Cell-Free mMIMO）技术打破传统蜂窝小区边界,从根本上解决了小区间干扰问题,从而大幅度提高系统吞吐量;同时,基于超材料的可重构智能表面（reconfigurable intelligent surface,RIS）可实现对无线电磁环境的智能操控。针对RIS辅助的无小区mMIMO系统,基于叠加导频（superimposed pilot,SP）复用模式,提出了一种基于吉洪诺夫正则化（Tikhonov regularization,TR）的迭代信道估计方法,在此基础上,从理论上推导了系统上行频谱效率（spectral efficiency,SE）的闭合表达式,通过最大化系统SE研究了SP复用模式的最优功率分配因子。仿真结果表明,采用该信道估计方法可有效提升系统SE。     

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output, MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error, LMMSE)估计算法,且不受信道统计信息的约束。     

无线通信中智能超表面设计综述

针对智能超表面(RIS)的硬件结构,从单元设计和原型机系统两方面综述了RIS的设计工作．首先从固定单元结构的超表面追溯了RIS的发展起源,并从可调节的角度深入剖析了现有RIS的单元结构种类和设计思路;其次基于物理信息和统计信息对了RIS辅助通信的信道建模研究进行分类和梳理;然后从原型机的设计特点和系统功能两个方面介绍了目前主要的RIS实验系统和相关实验结果;此外,提出了设计的RIS原型机,并进行了多跳RIS的信号增益,图像成像以及实际室内信号覆盖测试实验．实验结果表明：RIS可以有效减小信号覆盖盲区和辅助无线电波成像,经RIS辅助增强,室内平均信号增益达到8 d B以上．     

一种改进的卷积神经网络的室内深度估计方法

针对单幅图像的室内深度估计缺少显著局部或全局特征问题,提出了一种基于多种网络(全卷积网络分别与通道注意力网络、残差网络结合)构成的编码器解码器结构.该网络采用端到端的学习框架.首先使用全卷积网络与通道注意力网络结合的全卷积通道注意力网络模块作为编码器,通过信道信息获取全局感受野,提高特征图精度,并适当地将全连接层改为卷积层以达到减少网络参数的目的.然后将全卷积网络与残差网络结合构成的上采样模块作为解码器,利用ResNet的特点——跳层连接,将解码器网络加深,提高深度图的精度,将卷积网络与残差网络结合,实现端对端,并减少网络运行所用时间.最后,使用L1损失函数优化模型.在公开数据集NYUDepth v2的测试下,实验结果表明,和现有的其他单目深度估计方法相比,本文所提出的网络模型不仅精简了繁琐的精化粗图的过程,而且所预测的深度图精度更高,阈值精度的提升不少于0.5%,运行网络结构的平均用时21 ms,为实现实时性奠定了基础,具有一定的理论研究价值和实际应用价值.     

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法（LS）进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块（RDB）充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,...     

基于克莱姆—施密特正交化法则的多用户检测器

提出了码分多址（CDMA）系统中一种基于克莱姆-施密特正交化法则的多址干扰抑制算法,不同于传统的多用户检测算法中采用扩频序列对接收信号进行解扩,该算法运用克莱姆-施密特准则递推地完成最优欠妥 扩码的求解,进而对接收信号进行解扩处理,可以实现对多址干扰的完全抑制,性能分析和仿真结果均表明,该算法能有效地抑制CDMA系统中的多址干扰,改善系统的性能。     

LTE-Advanced MIMO低SNR下调制技术性能研究

采用多输入多输出（multiple input multiple output,MIMO）技术来提高无线信道的传输增益,从而提高调制系统中的信噪比、降低调制系统的比特误码率;仿真量化分析了在LTE-Advanced MIMO不同无线场景中,调制系统中信噪比与MIMO技术的天线数,以及调制系统中信噪比与MIMO技术天线的发射功率之间的关系。仿真结果表明,MIMO技术能提高低功率无线场景中调制系统中的信噪比,进而提高调制系统的可靠性。     

基于最小均方误差的多用户MIMO系统下行链路预编码

针对多输入多输出(multple input multiple output,MIMO)系统下行链路的迫零预编码方法在块对角化的基础上追求最大化系统和容量,而并未考虑接收信号的均方误差,从接收信号具有最小均方误差的角度设计了多用户MIMO系统的下行链路预编码的方案,称为块对角化最小均方误差方案.理论分析和仿真结果表明,该方案相较于迫零算法具有较小的接收信号均方误差及较好的误码率性能,并且保持了迫零算法绝大部分的系统和容量,它在系统误码率与和容量方面提供了一种较好的折中.     

多进多出中继系统中基于失真信道估计的线性预编码

在放大转发多进多出(MIMO)中继系统基础上,提出了一种基于失真信道估计的中继线性预编码设计方案.该方案将信道估计误差建模为高斯随机变量,并根据最小均方误差（MMSE）准则,通过理论推导给出了闭式解.数值仿真结果表明,与不考虑信道估计误差时的方案相比,该方案有效降低了系统的均方误差和误码率.     

Transmit Antenna Selection with Power and Rate Allocation for Spatial Multiplexing in Distributed Antenna Systems

Introduction Future mobile and wireless applications will require significantly higher data rates and significantly-reduced costs per transmitted bit as compared to the third generation systems.However,single antenna sys-tems cannot meet the requirements …     

基于非理想信道状态信息的鲁棒矢量预编码设计

在多用户多输入多输出（MIMO）系统中,提出一种适用于非理想信道的鲁棒矢量预编码设计方法.使用非理想信道模型,发射端仅获得部分信道状态信息,即已知信道估计值及信道误差值的一阶和二阶统计量,利用已知的信道条件并最小化收发信号的均方误差,推导出鲁棒的矢量预编码矩阵和扰动矢量.仿真表明,该鲁棒预编码方法比传统方法具有更好的性能.     

A time domain multiple-CFOs and CIRs estimation algorithm over wireless multimedia sensor networks

Channel parameters estimation in an orthogonal frequency division multiple access(OFDMA)systemfor the receiver station is a multi-dimensional(MD)optimization problem,because every user node has aseparate local oscillator and every transmitter to receiver link has individual carrier frequency offset(CFO)and channel impulse response(CIR)parameters .In order to reduce the computational complexityfor MD optimization,a time domain CFOs and CIRs estimation algorithm over the OFDMA based wirelessmultimedia sen...     

直接序列码分多址的多输入多输出系统中的空时多用户检测

针对直接序列码分多址(DS—CDMA)的多输入多输出(MIMO)系统，设计了几种天线结构，提出利用空时分组码分别进行空时线性多用户检测和空时串行干扰对消多用户检测．通过分析误码率和算法的复杂性，比较了这两种方法的性能．仿真结果表明，空时线性多用户检测方法优于空时串行干扰对消多用户检测方法．     

多输入多输出系统广播信道有限反馈的用户调度算法

针对多输入多输出（MIMO）系统广播信道多用户调度的问题,提出了一种有限反馈条件下的用户快速调度算法.算法中用户端将信道对应码字和可达传输速率估计值反馈给基站;基站预先将码字分组,调度时根据接收到的反馈信息将用户归入不同码字代表区域进行快速筛选;然后比较各码字组对应用户确定最优的用户组.仿真结果表明,该算法的系统传输速率较高,能够实现多用户分级,并且算法复杂度较低,在实际系统中易于实现.