毫米波大规模MIMO系统混合波束赋形技术综述

针对毫米波通信中混合波束赋形技术，描述了毫米波传输特性及信道模型，概述了大规模毫米波 MIMO混合波束赋形系统及其数学模型，并在此基础上综述了混合波束赋形传输方案，介绍了毫米波波束对齐的2种可行方案，最后展望并预测了毫米波通信与其他技术融合的几种典型应用场景及未来的研究热点.     

相干多径环境下的毫米波大规模MIMO混合波束赋形方案

针对传统全数字域的解相干算法无法直接运用于混合波束赋形场景的问题,设计了一种混合波束赋形下的解相干方案。在模拟域,基于设计的码本波束,提出一种新的模拟波束赋形方案,分别搜索与每个信号方向最为接近的波束,形成波束集合,利用所得到的波束集合,对阵列接收信号分别进行模拟波束赋形得到一级输出。在数字域,提出“阵列信号重构”的思想,对一级输出进行阵列信号重构,将重构信号作为输入,进行空间平滑处理,在相干干扰方向和非相干干扰方向均可形成较深的“零陷”。通过理论分析和仿真,对不同方案的波束方向图、信干噪比、频谱效率等性能进行了研究。结果表明,所提出的混合波束赋形方案的信干噪比和频谱效率等性能几乎逼近于纯数字波束赋形方案。     

MIMO系统中有限反馈条件下的低功耗波束设计

为减小能量受限的多输入多输出(M IM O)系统的发射功率,该文提出了一种低功耗波束成形算法。该算法用特征矢量作为波束系数,用凸函数优化的方法优化波束之间的功率分配,使得系统在满足一定误符号率(SER)的前提下,发射功率最小。为减少反馈,该算法在发端仅需用有限的信道反馈信息——信道的相关矩阵信息或信道的均值信息,而不需完全的信道信息。结合正交空时码,该算法没有任何速率损失。仿真结果表明,与等功率波束成形算法相比,该算法能够有效地降低功耗。     

有限反馈下大规模MIMO系统性能仿真

大规模多输入多输出(multiple input multiple output,MIMO)系统由于天线数目的急剧增加,其模型与传统多入多出系统有诸多不同,反馈信息对系统性能有较大影响.针对迫零波束成形、有限反馈等条件下,对大规模MIMO系统进行仿真,研究其性能,对其实际应用有一定的指导意义.仿真分析表明,有限反馈下的大规模MIMO系统在反馈比特数目较少时与传统MIMO系统性能相仿,当反馈比特达到一定数目后,系统容量性能将显著提升.     

异构网中大规模MIMO场景下波束赋形设计

近年来,人们对于无线通信系统的数据传输速率的需求越来越大.大规模多输入多输出技术(MIMO)与小小区技术是能够满足人们高速增长的无线通信需求的关键技术.研究在一个异构网中的波束赋形问题,其中宏小区基站的配置为Massive MIMO,同时宏小区中包含小小区.在这样的场景下,宏基站配置大量天线,小小区基站配置少数天线,用户配置单天线.研究在这样的场景下,通过波束赋形设计,最大化所有用户的传输速率.该问题的目标函数是一个非凸的问题.通过运用半正定松弛(SDR)方法以及基于泰勒展开的一阶近似方法,将原问题转化为一个凸的近似问题,然后运用迭代方法求解.仿真结果证明,方案可以有效地提高包含Massive MIMO的异构网场景下的系统吞吐率以及能量效率.     

宽带太赫兹大规模MIMO系统中的混合预编码

针对宽带太赫兹大规模多输入多输出(multiple input multiple output, MIMO)通信系统中更大的带宽和更多的天线导致的波束分裂问题,构建了基于时延的宽带太赫兹大规模MIMO系统的混合预编码通信模型,并提出了一种高效且可实现的联合时延和相位的宽带太赫兹混合预编码算法。考虑到时延器值的硬件限制,通过最小化最优模拟预编码与等效模拟预编码之间的差来联合优化模拟预编码矩阵和数字预编码矩阵,将联合优化问题转换成目标优化问题,通过将非凸问题转换成等价的凸问题来求全局最优解。仿真结果表明,提出的算法可以获得接近最优的可实现速率性能,且可以提高能量效率。     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。     

结合接收波束成形的Tomlinson-Harashima预编码方法

给出了一种利用Tomlinson-Harashima预编码(Tomlinson-Harashima precoding,THP)结合接收波束成形的多用户多输入多输出系统的广播信道预编码方案。当移动台有多个接收天线时,基站采用迫零Tomlinson-Harashima预编码(zero-forcing THP,ZF-THP)消除多用户间干扰,同时每个移动台利用接收波束成形保证系统拥有最大和容量。进而分析了预编码时QR分解的2种最佳的排序方法,揭示出ZF-THP系统存在和容量最大和误码性能最优不能兼顾的问题,而提出方案作为一种有效折衷,比传统的未排序的ZF-THP系统具有更高的和容量与更好的误码率性能。     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

多输入多输出单载波频分多址系统的鲁棒波束赋形算法

针对多输入多输出(MIMO)单载波频分多址(SC-FDMA)系统中现有波束赋形算法在非理想信道状态信息下性能下降以及对信道信息误差敏感的问题,提出了一种鲁棒波束赋形算法。该算法利用谱范数对信道状态信息误差进行建模,并基于均方误差和准则将波束赋形优化问题建模为一个极小极大化问题,然后利用优超理论以及奇异值不等式理论证明该优化问题的鞍点特性并得出最优的波束赋形结构,最后利用凸优化得到最优的功率分配算法。仿真结果表明:与非鲁棒波束赋形和等功率分配算法相比,该鲁棒波束赋形算法在误码率以及频谱效率方面都能获得更好的性能,信道状态信息误差增大时,该鲁棒波束赋形算法与非鲁棒波束赋形算法相比在高信噪比时误码率性能约有1dB增益,频谱效率约提升6%。     

基于MIMO模式选择的IEEE802.11n节能算法

多入多出(multiple input multiple output,MIMO)是IEEE 802.11n的重要特征,其利用空分复用技术提升系统吞吐量,但同时也带来了新的问题,即MIMO技术的使用会大幅增加通信终端的能耗。IEEE 802.11n标准中增加了空分复用节能机制,但该机制只针对接收端的节能,对于发送端没做任何规定。针对这一问题,该文研究了IEEE 802.11n发送端的能耗问题,提出了一种基于MIMO模式选择的发送端节能算法。该算法以单位比特能耗为优化目标,根据聚合帧大小和已有速率自适应模块的统计信息预测每个MIMO模式的单位比特能耗,据此为每一个待发送的聚合帧动态地选择能效最优的MIMO模式,进而达到优化发送端能耗的效果。基于真实实验数据的数值分析结果表明:该算法能够很好地优化发送能耗,同时降低对系统吞吐量的影响。     

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。     

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。     

双向中继网络多对大规模MIMO系统安全性研究

在配备有大量天线的多对大规模多输入多输出(MIMO)系统中,研究了多个用户通过双向中继网络交换消息的安全问题.首先,推导出用户的安全容量表达式;然后,通过分析结果,讨论信道容量、天线数和用户对数之间的数学关系,得出系统安全容量的近似表达式.仿真结果表明:当中继的传输功率和用户发射功率远远大于噪声功率时,安全容量与天线数量成正比,与干扰用户对数成反比.     

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.     

一种基于优化阈值的有限反馈预编码算法

在上行链路总反馈量受限的多用户MIMO系统中,小数量用户配合高速率反馈比大数量用户配合低速率反馈具有更优的和速率.但较少的用户反馈却不利于获得多用户分集.针对该问题,提出了一种基于优化阈值的用户选择算法,并根据最优反馈速率从选出用户中确定实施反馈的用户.在用户反馈的信道方向信息和信道质量信息基础上,利用迫零波束成形(ZFBF)算法进行预编码.仿真结果表明,该方案具有比最优反馈速率算法更高的和速率.     

反馈受限的多用户MIMO下行链路预编码算法研究

在上行链路反馈受限的MIMO信道系统中,通过最大化反馈的信道质量信息可以获得相关门限阈值。现有研究在提高用户和速率方面已达到较好效果,但同时也提高了算法复杂度。为了在不损失多用户分集增益的前提下降低反馈开销,提出一种基于门限的次优下行链路预编码方案。在反馈信道方向信息(CDI)和信道质量信息(CQI)的基础上,应用迫零波束成形(ZFBF)算法进行预编码。实验结果表明,该算法在保证较高和速率的同时有效降低了计算复杂度。     

基于深度图强化学习的低轨卫星网络动态路由算法

为了解决高移动性导致卫星网络路由难以计算的问题,融合图神经网络和深度强化学习,提出一种基于深度图强化学习的低轨卫星网络动态路由算法。考虑卫星网络拓扑和卫星间链路的可用带宽、传播时延等约束,构建卫星网络状态,通过图神经网络对其进行表示学习;根据此状态的图神经网络表示,深度强化学习智能体选择相应的决策动作,使卫星网络长期平均吞吐量达到最大并保证平均时延最小。仿真结果表明,所提算法在保证较小时延的同时,还能提升卫星网络吞吐量和降低丢包率。此外,图神经网络强大的泛化能力使所提算法具有更好的抗毁性能。     

基于随机网格张量分解的多用户毫米波大规模MIMO系统信道估计

利用毫米波信道的稀疏散射特性和张量的空间结构,提出了一种随机网格张量分解的信道估计方法,接收信号被表示为一个四阶张量,采用随机张量压缩对单个用户信道进行解耦;采用网格张量分解方式,将大尺度的用户信道张量分解为若干个小尺度张量,并行且独立地分解所有子张量,由相关因子矩阵估计信道参数.仿真结果表明,该算法能获得较为准确的信...