基于自适应链路技术的快速分集复用折中算法

对多天线系统误码率性能进行了深入分析,针对以往研究多侧重于分别提高系统分集增益或复用增益,未能充分利用多天线系统性能的问题,提出了基于自适应码率、功率分配技术的多天线系统分集复用折中算法,并进一步给出具有较低计算量的快速折中算法.所提算法以系统误码率为准则,根据信道实时状态信息选择多天线系统工作方式,充分利用系统分集复用增益的同时提供了较好的抗扰动性能,具有较低的计算复杂度,适于实际的通信环境.仿真结果表明与传统算法相比,该算法具有较好的性能.     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

一种用于数字电视地面广播的编码调制方案

为提高数字电视地面广播(DTTB)系统的传输性能,在传统的串行级联编码结构中,引入Turbo码的思想,同时结合16QAM映射和多载波正交频分复用(OFDM)调制,构造了一种新的并行级联格型码(PCTC)作为内码方案.在接收端采用基于MAX-LOG-MAP准则的"滑动窗"迭代Turbo译码算法,以达到性能和复杂度的折衷并避免了归零处理.在加性高斯白噪声信道下的误码率性能仿真证明:在视觉门限下该方案所需的比特信噪比Eb/No仅为3.4 dB,比参考方案有约1.8dB的增益.在此场强水平下,该系统可提供净信息速率约为12.5Mb/s的可靠视频广播.     

基于修正Gram-Schmidt的QR分解的天线选择算法

针对传统天线选择算法在以误码率作为性能指标进行天线选择时，需要对所有可能的天线子集进行全搜索的缺点，提出了基于修正Gram-Schmidt的QR分解的天线选择算法，并对算法的计算复杂度进行了分析．与以往算法相比。该算法可用于相关信道的场合。并且复杂度明显降低。仿真结果证明了其算法的有效性。     

基于信道衰落相关矩阵的自适应多天线技术

为了在满足目标频谱效率和目标误码率前提下减小多天线系统的发送功率,针对采用线性接收机的无编码空间复用系统,提出了一种发送天线选择及速率(调制方式)分配、功率分配准则。该准则利用了信道衰落的空间相关矩阵,以各子码流的误码率为约束条件,对发送功率进行优化。仿真结果表明:该准则相比于目前已有的天线集合及调制方式选择准则有2 dB的信噪比增益。给出了逼近该准则性能的简化算法,该算法在很大范围内能达到穷举搜索的性能。     

MIMO系统发射端天线选择对性能的影响

基于发射端天线选择对MIMO系统性能的影响进行研究.首先建立信道模型,然后对采用ZF接收机的情况下误码率性能进行分析,并讨论了天线选择标准.仿真结果表明,不进行天线选择,获得误码率为10-2所需要的信噪比至少为22.5 dB;进行天线选择,获得误码率为10-2所需要的信噪比为18 dB,证明天线选择能改善系统性能.     

一种新的非线性预编码算法

为解决传统模代数预编码算法在信道条件不好时误码率高的问题,提出了将格点减少技术与模代数算法相结合的新的非线性预编码算法.该算法利用格点减少技术对实际信道矩阵进行正交处理,以提升系统的整体误码性能及保证用户间的公平性.仿真结果表明,该算法能够明显地改善系统的误码性能,且随着信噪比的提高,该算法的性能也逐渐提升.     

MIMO-OFDM系统信号检测和信道估计算法

文章针对MIMO-OFDM系统提出了一种局域化的最大似然信号检测算法,通过调整每个发送天线信号集中的搜索点邻域大小,在计算复杂度与系统性能之间折衷。仿真结果表明,该信号检测算法显著降低了计算复杂度;同时提出了一种基于导频训练序列的信道估计算法,采用该算法得到的信道估计均方误差结果接近理论极限值,系统误码率非常接近已知信道频响情况的性能。     

发送天线选择对MIMO系统性能的影响

提出一种在接收端结合最大比合并的发送天线选择新算法。该算法中,发送端从N个可用天线中 选择信道增益最佳的L个天线,而接收端不进行天线选择并进行最大比合并。并对该算法在准静态瑞利衰 落信道的成对差错性能进行了深入地分析。理论分析和仿真试验证明了尽管发送端天线选择对MIMO系 统的分级阶数会造成一定程度的损伤,但同不进行天线选择（L;M）相比,应用该算法仍能获得较大的分 级增益,明显提高了相同频谱效率和相同分集阶数条件下空时码的性能。     

基于802.16d的OFDM导频信道估计

以基于导频的信道估计展开研究.首先总结一般无线信道的多径时变统计特性,给出SUI-3信道模型的仿真实现.在此基础上,研究现有的块状导频插入方式下信道估计算法的原理和性能.基于Alamouti空时编码方案,构建1种具有2个发射天线和1个接收天线的时-频空时编码的正交频分复用(OFDM)系统,提出适用于虚载波系统的基于DFT变换的信道估计算法.该方法利用DFT迭代算法来重构虚载波的频域信道状态信息,通过时域滤波方法来抑制噪声.仿真结果表明:该算法实现了良好的信道估计性能,有效可行.     

基于增强蚁群优化算法与排序的 MIMO 检测算法

基于最大似然比的多输入多输出(multiple input multiple output,MIMO)检测算法的计算复杂度随着天线阵的规模呈指数级增加,提出一种计算复杂度较优的MIMO检测算法.采用基于对数似然比的排序QR分解技术将信道矩阵分解为正交矩阵与上三角矩阵,相应地修改信号的发射顺序,降低错误判断引起的错误传播效应;为传统人工蚁群优化算法的信息素更新策略引入负信息素概念,有效地控制系统的拥塞;根据优化路径的距离积累了信息素.该方法设计了基于负信息素的信息素更新策略,增加MIMO系统的拥塞控制能力,考虑信道的衰落本性,基于路径的距离积累信息素.为了测试该算法的性能,进行了多组对比实验,结果表明,误码率性能优于其他智能优化算法,且对于64×64等大规模天线阵,该算法的计算复杂度随天线规模增长较小.     

基于QR分解的快速天线选择算法

天线选择是MI MO(Mnltiple input multiple output)系统中一项重要的技术,可以很小的性能损失换取成本的大幅降低,从而提高系统的性能价格比.通过对信道容量的深入分析,在次优递增算法的基础上,提出了一种基于QR分解的快速天线选择算法.该算法提供的信道容量几乎与最优天线选择算法相同,同时计算复杂度有明显的降低.     

Antenna selection based on large-scale fading for distributed MIMO systems

An antenna selection algorithm based on large-scale fading between the transmitter and receiver is proposed for the uplink receive antenna selection in distributed multiple-input multiple-output ( D-MIMO) systems.By utilizing the radio access units ( RAU) selection based on large-scale fa-ding , the proposed algorithm decreases enormously the computational complexity .Based on the characteristics of distributed systems , an improved particle swarm optimization ( PSO) has been pro-posed for the antenna selection after the RAU selection .In order to apply the improved PSO algo-rithm better in antenna selection , a general form of channel capacity was transformed into a binary expression by analyzing the formula of channel capacity .The proposed algorithm can make full use of the advantages of D-MIMO systems , and achieve near-optimal performance in terms of channel ca-pacity with low computational complexity .     

TD-HSPA~+下行链路基于双流发送的天线选择算法

针对TD-HSPA+下行8天线发送双流系统,提出了一种序贯天线选择算法.首先,根据系统的数学模型推导出特征波束赋形后双流各自的信噪比公式.然后根据此表达式设计出5种天线选择准则,并且通过引入序贯选择代替遍历算法以降低选择算法的计算复杂度.仿真结果表明:最大化发送端等效信道相关阵第二特征值的优化准则是5种准则中性能最优的;采用序贯选择算法性能仅比遍历算法损失0.1 dB,但前者所需的计算量仅为后者的四分之一.     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

基站协作系统中的低复杂度天线选择算法

根据多基站协作系统的特点,提出了2种次优的低复杂度天线选择算法：基于协作基站总体信道矩阵范数的天线选择算法(aggregate channel frobenius norm antenna seltction,ACFAS）和基于每个协作基站信道矩阵范数的天线选择算法(individual channel frobenius norm antenna seltction,ICFAS）。 ACFAS算法以全部协作基站与用户的整体信道矩阵的Frobenius范数为天线选择的目标函数,而ICFAS算法则以参与协作的每个基站与用户的信道矩阵的Frobenius范数为天线选择的目标函数。仿真结果和复杂度分析表明,提出的多基站协作系统天线选择算法复杂度较低,但是系统的容量性能受到损失,是一种次优的低复杂度天线选择算法。     

MIMO下预编码辅助空间调制的接收天线选择

预编码辅助空间调制(pre-coding aided spatial modulation,PSM)通过激活接收天线的索引在空间域中传输信息比特。将接收天线选择(receive antenna selection,RAS)技术引入到PSM系统中,可以提高PSM系统的性能。在传统的PAS算法中,穷举搜索算法的系统性能最优,但穷尽搜索会导致其计算复杂度较高;快速RAS算法的计算复杂度较低,但其系统性能较差。因此,针对PSM系统的RAS算法,需要寻找一个折中的方案以适用于实际的通信系统。通过利用信道矩阵的最大和最小特征值(maximum and minimum eigenvalue,MME),设计了MME-RAS算法。分析和仿真结果表明,该算法相比于快速RAS算法计算复杂度略有提升,但可以使系统性能提高1 dB左右;相比于穷举搜索算法可以使计算复杂度降低70%以上,并且其系统性能接近于穷举搜索算法。