一种下行波束赋形与功率控制联合优化的新算法

在无线蜂窝系统中，当采用下行波束赋形技术时，所有用户所接收到的信号必须满足给定的信噪干扰比。由于信噪干扰比的大小与天线的辐射方向图有关，故平常所用的技术（如空间相关矩阵特征值分解技术）都必须再加以额外的功率控制。提出了一种新的下行波束赋形与功率控制的联合优化算法，这种算法不但能够调整权系数以使所有用户具有相同的信噪干扰比，而且可以使用户的功率辐射最小。     

一种下行波束赋形与功率控制联合优化的新算法

在无线蜂窝系统中 ,当采用下行波束赋形技术时 ,所有用户所接收到的信号必须满足给定的信噪干扰比。由于信噪干扰比的大小与天线的辐射方向图有关 ,故平常所用的技术 (如空间相关矩阵特征值分解技术 )都必须再加以额外的功率控制。提出了一种新的下行波束赋形与功率控制的联合优化算法 ,这种算法不但能够调整权系数以使所有用户具有相同的信噪干扰比 ,而且可以使用户的功率辐射最小     

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。     

基于智能反射面与用户关联的1比特反馈波束赋形算法

针对多智能反射面辅助的多接入点多用户系统中的智能反射面选择与主被动联合波束赋形问题,设计了不依赖瞬时信道状态信息的智能反射面-用户关联与波束赋形方案。首先基于大尺度衰落参数设计关联方案。之后提出了基于1比特反馈的被动波束赋形算法,利用接收信号强度调整反射单元的相位。仿真结果表明用户关联方案对平均信干噪比存在显著影响,收敛后的1比特反馈算法能够接近主被动波束赋形相位对齐时的性能。     

发射波束赋形消除感知用户对主用户干扰算法

针对如何完全消除感知用户对主用户的干扰问题,探讨了如何利用发射端的波束赋形消除感知用户对主用户的干扰.给出了感知网络和主用户网络共存的系统模型和一种最佳波束赋形算法.并对这种最佳波束赋形算法进行了性能仿真,仿真结果表明,该算法较迫零波束赋形算法在性能上更有优势.与经典的迫零波束赋形方法比较,该算法既能消除对主用户的干扰...     

基于干扰控制的多小区分布式波束成形

在多小区干扰信道中,基于分布式竞争设计,提出一种优化基站发射波束成形矩阵的设计,使每个小区的最差信干噪比最大.在竞争设计中加入干扰控制,利用差异化的干扰系数,抑制小区间的干扰,提高系统性能.这种设计,既能保持算法的分布式特性,又能有效地提高用户信干噪比.仿真分析表明,基于干扰控制的设计性能更接近协同设计的性能.     

多用户全双工无线携能系统中的波束赋形研究

针对多用户全双工蜂窝通信系统,提出了一种基于功耗最小及能量收获最大双目标准则的联合优化方案。该方案采用迫零消除上行链路中多用户干扰,在下行链路,为了实现信息和能量的有效传递,全双工基站分别采用信息波束赋形及能量波束赋形为用户提供通信服务,在保证用户的服务质量及功率约束的同时,实现了功率效率和频谱效率的同步改善。由于功率问题为非凸问题,通过半定松弛将其转化为凸优化问题。仿真结果表明,所提方案相比传统方案能够节约大量的功率,此外全双工基站通过能量波束赋形向下行用户传递能量,有效提高了系统的功率效率。     

MU-MISO场景下最优化和速率的波束赋形

研究了在一个多用户的下行网络中,基于完美信道状态信息(CSI)的波束赋形设计问题.在该场景下,基站配备多天线,每一个用户为单天线.基站将采用发送波束赋形与用户进行通信.考虑在发送总功率受限的情况下,最大化所有用户的和速率.由于目标函数形式复杂并且是非凸的,导致求解困难.为此,提出了一种基于迫零准则的波束赋形方案.该方案将原问题分解为两个子问题,分别求解.仿真结果表明:相比于传统的基于SLNR的波束赋形方案,所提的方案的性能更好.     

基于MIMO-D2D异构网络的干扰抑制算法

将多输入多输出(MIMO)技术引入到蜂窝用户和端到端(D2D)用户构成的异构网络中,提出了一种基于最大信干噪比因子的资源分配算法,实现了多个D2D用户复用一个蜂窝用户的下行资源.在此基础上联合最大信漏噪比(SLNR)的预编码算法,在基站到蜂窝用户信号功率最大化的同时,降低了泄漏到D2D用户组的功率,大幅减少了用户之间的同频干扰.结果表明:当平均信噪比为35dB时,相比于单天线异构网络,基于联合干扰抑制算法的MIMO(4×2)异构网络容量可增大12.33bps/Hz;而针对多个用户复用一个资源提出的最大SLNR的预编码算法相比于最小均方误差(MMSE)和块对角化(BD)算法,容量最多可增大36.2%;并且无论是在高信噪比还是低信噪比下,所提出的联合算法均能使系统性能得到明显的增益.     

用智能天线和功率控制提高感知系统信干噪比

为了减小干扰和降低误码率,达到性能优化。将智能天线和功率控制两种技术相结合,通过智能天线对信号进行波束成形处理,再利用基于博弈论的发送端功率控制。考虑其他用户发送功率等级策略的影响,通过不断迭代功率,实现各个用户发送功率值的改善。比较纯粹使用功率控制的方法,可以使感知系统的信干噪比、吞吐量、发送功率等性能得到更多改善,仿真实验证明了其优越性。     

多蜂窝MISO通信系统中干扰消除策略研究

针对部分信道状态信息下的小区间干扰消除问题,通过使用2个独立的随机矢量量化(RVQ)码本分别量化期望信道和干扰信道,首次分析了2个小区MISO有限反馈系统模型下3种波束形成传输策略(特征波束形成、迫零波束形成、最大化信漏噪比)和速率性能,并根据用户在小区中的位置和小区边缘的平均信噪比,研究了基站最优的波束形成传输策略选择.仿真结果表明:当用户噪声受限时,相邻小区基站应选择特征波束形成传输策略;当用户干扰受限时,相邻小区基站应选择最大化信漏噪比传输策略.     

最大化信干噪比的动态功率分配干扰对齐算法

干扰对齐作为一种新颖的干扰处理方法,近些年来得到了学术界的广泛关注,其中分布式迭代算法由于实用性好而使得应用前景良好.传统的分布式迭代算法中并未考虑功率分配的问题,其算法性能有进一步提升的空间.为了进一步提高分布式干扰对齐算法的信干噪比性能,提出了一种基于功率分配和干扰对齐的联合迭代优化方法.该算法中通过建模得到多用户MIMO干扰信道的等效信道,根据信道矩阵的迹来计算分配功率,并通过最大化信干噪比的方法来得到预编码矩阵和接收滤波器矩阵.仿真结果表明,该方法与等功率分配算法相比,其平均信干噪比大幅提高,证明了所提方法的优势.     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

低复杂度MISO干扰信道协同波束成形算法

针对单发射节点功率约束条件下的多入单出(MISO)干扰信道,研究确保用户公平性的最大-最小信干噪比(RSIN)优化问题.利用分层方法将原始优化问题分解为两个优化步骤,提出一种新颖的、低复杂性的单调协同波束成形算法,并验证其有效性.仿真结果表明:文中算法大约需要4次即可达到稳定点,且非常逼近穷举算法的性能.     

一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰（CCI）。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

一种基于基站协同的波束形成算法

将MIMO和波束形成相结合,可以有效地消除用户间的干扰,在多小区环境下,用户还受到来自小区内的同频干扰(CCI)。针对小区用户受到的CCI,改进了基于信号漏损比的波束形成算法,将其应用于多小区环境。该算法考虑小区内用户所受同频干扰影响的差异,根据用户信号功率、漏损给本小区内用户的干扰功率和临近小区用户的干扰功率重新定义信号漏损比。按照用户信号漏损比最大化的原则,利用基站协同,多小区联合选择波束形成矢量,并对该算法在不同条件下进行了仿真分析,结果表明该算法降低了多小区覆盖的用户的误比特率。     

多输入多输出干扰信道中的功率分配方法

针对分布式迭代干扰协调(DIIA)算法没有充分利用信道对称性的问题,在收发信机干扰协调矩阵的基础上级联预编码矩阵,并分别对不同的数据流分配不同的功率,提出了考虑功率分配的分布式迭代干扰协调(PA-DIIA)算法.对于最大信干噪比(Max-SINR)算法也设计了考虑功率分配的最大信干噪比(PA-Max-SINR)算法.仿真结果表明:PA-DIIA算法与PA-Max-SINR算法在低分配功率下能获得更好的性能;在多数据流与高分配功率下PA-Max-SINR算法是次优的,此时选取PA-DIIA算法可获得更好的性能.     

基于干扰效率的星地认知网络功率分配算法

针对Underlay模式基于能量效率的功率控制算法未能准确反映次用户与主用户之间干扰性能导致系统容量下降的问题,综合考虑次用户能量有限及卫星链路和地面链路的差异性,定义干扰效率为认知卫星用户总的传输速率与地面基站接收到的干扰的比值,建立了基于干扰效率的星地认知网络上行链路功率分配模型,在此基础上提出一种基于干扰效率的功率分配算法.通过引入干扰门限约束及信干噪比约束条件,利用非线性分式规划理论和拉格朗日对偶法求解出最优功率.仿真结果表明:该算法能在较好满足次用户通信质量的前提下,有效减少对主用户的干扰,提升系统的干扰效率.     

基于分组的D2D通信功率控制算法

为解决现有蜂窝网络中设备对设备（Device to Device,D2D）通信的功率控制算法中路径损耗补偿系数固定导致基站与D2D用户之间产生同频干扰的问题,文章提出了一种基于分组的功率控制算法。所提算法在传统闭环功率控制算法的基础上,利用D2D用户到基站的距离和D2D用户到蜂窝用户的距离,计算出路径损耗补偿系数增补量,并设定3组干扰区域对路径损耗补偿系数的增补量大小进行区分,最后采用联合闭环功率对系统进行干扰抑制。通过仿真实验可得知,该算法比使用传统闭环功率控制算法的系统的信干噪比（Signal to Interference Plus Noise Ratio,SINR）和吞吐量得到了提高,可以显著提高蜂窝网络中D2D通信的功率控制性能,达到干扰抑制的作用。     

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%。