多用户MIMO中基于SLNR预编码的动态功率分配

在多用户MIMO系统中,基于信漏噪比（SLNR）的预编码由于同时消除了共信道干扰（CCI）和噪声而提高了系统性能。由于各用户的信道衰落不相同,信道质量的好坏直接影响了系统的性能。使用了一种动态功率分配算法,在SLNR预编码的基础上乘以功率分配系数,进一步改善系统性能。仿真结果说明了基于SLNR的预编码优于迫零（ZF）预编码,且采用动态功率分配后系统性能得到了进一步改善。     

MU-MIMO系统的线性预编码和功率分配算法

针对下行链路多用户MIMO系统,提出了一种联合预编码和功率分配的算法.该算法能够优化系统的信道容量,同时也保证了每个用户的服务质量要求.首先求解线性预编码;在此基础上,通过分布式的功率分配,使得在满足各个用户服务质量要求的前提下,信道容量最大化.算法与现有的结合功率分配的预编码策略相比,在达到较高的信道容量的同时,也能满足各用户的最低速率要求(QoS).仿真试验表明:高信噪比(10～20dB)的情况下,在达到相等的信道容量时,算法平均可获得1dB的增益;在低信噪比(0～6dB)的情况下也能满足各用户的QoS要求.     

多用户多输入多输出系统下行链路的线性预编码和功率分配

针对下行链路多用户多输入多输出(MIMO)系统,提出了一种简单的联合预编码和动态功率分配的方法.该方法把复杂的联合线性预编码设计和功率分配的优化问题分解成两步实现,简化了问题的求解.首先求解线性预编码,然后在此基础上,通过优化不同用户的功率分配,使各用户的信干噪比(SINR)相同且最大化,改善了的系统的误码率(BER)性能.仿真表明,所提出的方法与现有的方法相比,可以获得较大的信噪比(SNR)增益.     

基于SLNR的MU-MIMO系统预编码和用户调度算法研究

在MU-MIMO通信系统中,允许多个用户在相同的频率和时隙上进行通信,可以有效增大系统吞吐量、提高系统性能,如何设计高效的预编码方案和用户调度方案以减少用户间的干扰是MU-MIMO系统面临的主要问题之一。本文首先利用最小均方误差方法的改进信道矩阵来有效减少估计信道误差的影响,提出了一种基于信漏噪比(SLNR)的MU-MIMO系统预编码方案;在此基础上,针对传统的贪婪用户调度算法复杂度过高的特点,提出一种基于SLNR准则的低复杂度的用户调度方案。通过仿真分析,提出的预编码方案能够有效降低系统误码率,用户调度方案有效降低了算法计算复杂度。     

容量优化的多用户MIMO T-H预编码算法

针对多用户多输入多输出(MIMO)系统的下行链路,提出一种优化系统容量的Tomlinson-Harashima预编码(THP)算法.该算法根据用户子信道的衰落状况,对各个用户分别采用不同的缩放因子进行干扰预抵消处理,有效降低了等效噪声的熵值.同时结合多用户预编码排序算法来改变THP算法的预编码顺序,改善了用户子信道的衰落系数.仿真表明:与传统的THP算法相比,该算法能够有效提高系统容量(特别是在低信噪比情况下).当信噪比为5 dB时,采用该算法的10×10 MIMO系统在容量上有4 (bit*s-1)/Hz的增益.     

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。     

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.     

反馈受限的多用户多输入多输出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。     

空间复用MIMO系统的功率分配新算法

研究空间复用多输入多输出系统的功率分配问题,提出一种新的功率分配算法--残余功率再分配. 在满足服务质量要求的前提下充分利用星座图尺寸的离散性,将残余功率按照各子信道的不同优先级进行二次分配,并结合自适应调制编码技术改善低信噪比时的系统吞吐量. 仿真结果表明,在准静态平坦衰落信道下,与传统算法(如注水算法)相比,新算法能进一步改善系统的吞吐量,提高发射功率的使用效率,减少不可用子信道个数,且无附加复杂度.     

LTE-A系统协作多点传输联合处理预编码方法

针对目前多用户协作多点传输（MU-CoMP）中常用的预编码算法、迫零（ZF）算法和块对角化（BD）算法中同一用户的各子信道的等效信道增益不同,导致系统整体误码率较高这一现象,提出将块对角化几何均值分解的模代数（BD-GMD-THP）预编码算法应用于MU-CoMP系统.此方法可实现系统每用户内各子信道增益一致,均衡了用户内各子信道的误码率性能.仿真结果表明,该算法可以有效降低系统总误码率,提高MU-CoMP系统性能,有一定的实用价值.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于OFDM的认知无线电系统最优功率分配算法

在基于OFDM的认知无线电系统中,授权用户会受到认知用户带内子载波带外旁瓣泄漏功率的干扰。这里引入了功率控制参数来调整授权用户的干扰功率约束值,提出了一种认知用户子载波间的最优功率分配算法,通过求解一个凸优化问题来获得最优的功率分配方案。仿真结果表明:与其他算法相比,采用该方法获得的功率分配方案,在满足授权用户干扰功率约束值的条件下,可以使认知用户的信道容量最大化。     

基于目标转换的低复杂度幂次迭代混合预编码算法

为了使大规模毫米波(millimeter wave,mmWave)多输入多输出系统能耗与性能得到更好的均衡,通过基于目标转换的幂次迭代算法、Aitken加速算法、数学归纳法研究了信道混合预编码矩阵的设计问题.结果表明,与现有的其他预编码方案相比,所提算法可获得更高的系统总可达率、更低的计算复杂度、更小的误码率,性能逼近...     

MIMO-OFDM系统中自适应比特和功率分配

高速多媒体业务的发展要求无线通信能够提供更高的数据速率和服务质量.为了提高系统容量和性能,MIMO技术、OFDM技术以及自适应传输技术得到了广泛的研究.在完全已知信道状态信息假设前提下,提出了一种针对单用户MIMO-OFDM系统的自适应传输方案.该方案基于子载波上预编码优化设计,在多入多出信道的特征子信道中进行功率注水和动态比特分配,能在满足平均功率约束和给定误比特率条件下最大化系统传输速率.仿真结果表明,所提算法与贪婪算法相比,具有较快的收敛速度,同时其性能在不同的误比特率要求和时延扩展条件下, 都优于传统的波束成形和正交空时编码方案.     

OFDM系统中一种改进的低复杂度自适应比特功率分配算法

针对正交频分复用(orthogonal frequency division multiplexing,OFDM)系统在进行自适应比特功率分配时存在过高复杂度的问题,提出了一种基于边缘自适应(margin adaptive,MA)准则的改进低复杂度自适应比特功率分配算法.与贪婪(Greedy)算法相比,提出的改进算法通过预分配和迭代分配2部分来降低算法的计算量.改进算法先在预分配中根据信道条件预先分配部分比特,在迭代分配中通过增大内存开销的方法减少Greedy算法中计算和比较每个子信道功率增量的次数,从而降低算法的复杂度.仿真结果表明,在相同的仿真环境下算法的自适应分配效果和Greedy算法的自适应分配效果基本一致,同时该算法和Greedy算法具有几乎相同的误比特性能.且随着子信道数量的增加,与Greedy算法相比,该算法的运行时间更短,进而说明所提出的算法具有较低的复杂度.     

基于OFDM的认知无线电系统中的一种改进的功率分配算法的研究

改进了应用于基于OFDM的认知无线电系统中的功率分配算法。迭代分块注水算法,目标是在总的功率约束和每个子信道的功率约束的条件下最大化系统的容量。在主用户的功率约束非常严格时,尤其考虑了相邻子载波的功率泄露,并且在主用户的频谱和认知用户的频谱之间设置保护带,使其他子载波的功率分配呈现梯形分布。所以只是在功率约束比较严格的子载波上实施迭代分块注水算法。仿真结果表明,改进的功率分配算法性能接近迭代分块注水算法,而且具有较低的复杂性。     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.