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。     

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。     

不完全信道信息下基于信号特征的MIMO检测算法研究

针对接收端信道信息不全的情况提出一种基于信号特征利用的多输入多输出(multiple input multiple output,MIMO)接收机算法,该算法通过利用非循环信号的特征,扩展了接收机的处理维数以更好地抑制噪声.理论证明和数字仿真均表明,与传统的迫零(zero-forcing,ZF)和最小均方误(minimum mean square error,MMSE)接收机相比,提出的算法可以将噪声和信道估计错误的影响减少一半以上,而提出算法的复杂度却几乎保持不变.结合排序串行干扰消除(ordered successive interference canceling,OSIC)法,提出算法可以达到和最大似然法相当的误码率性能.     

基于集员估计的线性MIMO系统故障检测方法

考虑了一类具有未知有界噪声的线性多输入多输出(MIMO)系统的故障检测问题,提出了一种基于集员估计的故障检测方法.通过当前时刻系统状态范围和测量输出值的一致性检验来检测系统是否发生故障.如果系统正常运行,则利用系统测量输出信息校正当前时刻系统状态范围.利用三容水箱系统模型进行了仿真研究,结果表明了所提方法的有效性.     

MIMO系统中复数球形译码算法改进

多输入多输出（MIMO）系统在信道容量和频谱利用效率方面有显著的优势,但是在MIMO系统中南于接收信号空间大,用传统的最大似然译码准则（ML）来译码几乎是不可能的．而球形译码算法（spheredeco—ding）通过减小搜索半径大大降低了计算量,且可以达到ML的性能．本文在实数球形算法的基础上,着重对复数球形算法进行了分析,对二者做了比较．针对复数球形算法的特点,提出了一种简化方法．分析和仿真表明,相比实数球形算法,复数球形算法不仅可以减小搜索的维数,还有着更广的适用范同．该方法可以进一步减少复数球形算法的计算量,提高其实用性．     

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。     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。     

MIMO信道下空时迭代均衡译码系统及算法

目的提出一种在M IMO衰落信道下的低复杂度的接收结构。方法通过交织器和解交织器将SISO的均衡器和译码器以及M IMO信道估计器级联起来,进行未知信道条件下迭代均衡译码。结果采用次优的基于最小均方误差均衡算法和Max-Log-MAP译码算法,使系统复杂度大大降低。结论不但可以消除M IMO信道中的码间干扰和多径干扰,而且大大降低系统的复杂度。     

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。     

MIMO系统中基于交织的联合迭代信道估计和多用户检测

提出一种QPSK调制的多输入多输出交织分多址(MIMO-IDMA)系统的联合迭代信道估计和多用户检测结构．用户间通过不同的码片级交织序列来区分．每个用户每次迭代每信息比特的归一化复杂度与用户数K无关．瑞利信道通过提出的半盲迭代估计得到．仿真结果表明提出的多用户检测方案有较低的误码率和复杂度。     

基于3GPP-SCM的MIMO信道多普勒功率谱性能研究

多普勒功率谱是分析无线信道的一项重要指标,对接收机的调制解调都存在一定的影响.随着多输入多输出(multiple-input multiple-output,MIMO)系统的发展,经典多普勒功率谱已经不再适用于MIMO信道的分析.为了更好地分析与更准确地预估MIMO系统的多普勒功率谱.基于第三代合作伙伴计划(3rd generation partnership project,3GPP)的空间信道模型(spatial channel model,SCM),对角度谱为拉普拉斯分布时无线信道的多普勒功率谱进行了理论分析与推导,并结合SCM模型的空时相关性提出了统计多普勒功率谱的方法.在MATLAB仿真平台上,通过配置特殊的发射信号提取各径的衰落系数并统计了数值结果.仿真结果表明,MIMO信道下的多普勒功率谱不仅由用户终端移动速度、中心载波决定,入射波角度分布对其分布也起着决定性的影响.     

Selective transmission and channel estimation in massive MIMO systems

Massive MIMO systems have got extraordinary spectral efficiency using a large number of base station antennas, but it is in the challenge of pilot contamination using the aligned pilots.To address this issue, a selective transmission is proposed using time-shifted pilots with cell grouping, where the strong interfering users in downlink transmission cells are temporally stopped during the pilots transmission in uplink cells.Based on the spatial characteristics of physical channel models, the strong interfering users are selected to minimize the inter-cell interference and the cell grouping is designed to have less temporally stopped users within a smaller area.Furthermore, a Kalman estima-tor is proposed to reduce the unexpected effect of residual interferences in channel estimation, which exploits both the spatial-time correlation of channels and the share of the interference information. The numerical results show that our scheme significantly improves the channel estimation accuracy and the data rates.     

一种基于电磁散射理论的多天线无线信道模型

技术被认为是现代通信技术中的重大突破之一,越来越成为宽带无线接入、3G等无线通信领域的研究热点。研究了现有应用环境下MIMO无线通信系统的信道建模理论与方法,提出了一个基于电磁散射理论的多天线无线信道模型,对其性能进行了计算机仿真,并与相关文献结果进行了比较分析。     

一种适用于MIMO SC-FDMA系统的高效时域信道估计

提出一种由Golay互补序列构造双边梳状导频的低开销时隙结构和时域信道估计方案,其适用于时变频率选择性衰落信道中的MIMO SC-FDMA系统.结合左循环移位的快速周期Golay相关和右循环移位的快速周期Golay相关,提出一种在时域中高效实现MIMO信道估计的对称格形结构.对比采用快速傅里叶变换的频域信道估计方案,采用该格形结构实现时域信道估计,其计算复杂度显著降低.低复杂度能降低处理器功耗,有助于实现"绿色通信".仿真结果表明,在高速移动信道中,对于信道估计均方误差和平均误码率性能,提出的方案具有优势.     

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。     

MIMO系统中基于树形码本的高效反馈方案

为了进一步降低有限反馈系统的反馈量,提出一种基于树形码本的高效反馈方案.对于具有时间相关性的信道,下一时刻最优码字的分布取决于当前时刻波束成形矢量,树形码本的特点是同一支上的码字在矢量空间上距离较近,在已知当前时刻码字的条件下,将搜索范围限定在一个小码本内,从中搜索最优码字,从而降低反馈量.仿真结果表明:基于树形码本设计的高效反馈方案能在不降低系统性能的前提下有效地减少系统反馈信息量;反馈量的减少和信道多普勒频偏有关,多普勒频偏越小,信道的变化越缓慢,搜索码本也越小,反馈量改善效果就越明显.因此,在具有时间相关信道中,利用所提出的基于树形码本的高效反馈方案,能以较低的反馈量获取与传统方案相似的系统性能.