基于Grid-PARAFAC的毫米波大规模多输入多输出系统联合信道估计算法

针对在毫米波大规模多输入多输出系统中超密集组网存在干扰的问题,提出了基于Grid-PARAFAC(grid-parallel factor analysis)的联合信道估计方法。首先,将大规模天线的高维接收信号映射到大尺度张量空间,利用Grid-PARAFAC张量分解将其分解为子张量接收信号;然后对子张量接收信号并行张量分解得到符号、接收天线和子载波的子投影矩阵;最后,通过交替最小二乘准确求得隐藏高维接收信号中的信道信息。通过Grid-PARAFAC张量分解能够在保留原始空间信息的条件下深度挖掘数据隐藏因子,并对其处理而不是整个数据张量,降低了接收信号维度,同时又保留着高维接收信号的空间结构互相关信息。仿真结果表明,所提算法减少了超密集组网所存在高维度信道干扰,降低了计算复杂度,提高了系统性能。     

基于张量分解的大规模多输入多输出天线预编码

提出基于张量分解的大规模多输入多输出(MIMO)天线预编码方案,利用张量分解对高维天线发送数据的降维,保持数据的低秩多维结构特征,获得更加有效的数据表示;同时,通过联合天线和用户信号的空域和时域的相关性,实现发射分集,克服大规模MIMO信道衰落和降低发射误码.通过仿真结果表明该方案适用于大规模MIMO系统.在相同条件下,与传统方案相比,误比特率更低.     

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...     

基于多线性主成分分析的支持高阶张量机

为了处理张量数据,传统的学习算法常常把张量展成向量,但会造成破坏原始数据固有的高阶结构和内在相关性,导致信息丢失,或产生高维向量,使得后期学习过程中容易出现过拟合、维度灾难和小样本问题.近年提出了许多基于张量模式的分类算法,而支持高阶张量机算法是张量分类算法中最有效的方法之一.考虑到张量的高维性和高冗余性,本文提出基于多线性主成分分析的支持高阶张量机分类算法(Multilinear Principle Component Analysis Based Support High-Order Tensor Machine,MPCA+SHTM).该算法首先利用多线性主成分分析对张量进行降维,然后利用支持高阶张量机对降维后的张量进行学习.在12个张量数据集上的实验表明:MPCA+SHTM在保持测试精度的情况下有效地降低了SHTM的计算时间.     

基于多径的双极化信道信息反馈方法

天线部署空间限制和信道信息精度是影响大规模天线性能的重要因素,双极化天线能够有效地减少天线尺寸,在有限的空间内部署更多的天线,成为了大规模天线部署时的主流选择。但是由于信道的维度较大,目前,反馈技术面临码本中码字数目巨大、设计困难的问题,并且同时导致反馈开销大以及码字选择计算复杂度高。本文提出了一种新的基于多径的双极化信道反馈方法,这种方法仅仅需要少量的长周期宽带反馈的多径方向和幅度信息,结合一些短周期子带反馈的相位合并信息即可获得更加精确的预编码。结果表明这种方法能够有效地提高量化反馈效率并降低终端侧复杂度。      

分布式低秩张量子空间聚类算法

现有基于低秩表示的子空间聚类算法(LRR)无法有效地处理大规模数据,聚类正确率不高,以及分布式低秩子空间聚类算法(DFC-LRR)不能直接处理高维数据.为此,文中提出了一种基于张量和分布式方法的子空间聚类算法.该算法首先将高维数据视为张量,在数据的自表示中引入张量乘法,从而将LRR子空间聚类算法拓展到高维数据;然后采用分布式并行计算得到低秩表示的系数张量,并对系数张量的每个侧面切片稀疏化,得到稀疏相似度矩阵.在公开数据集Extended YaleB、COIL20和UCSD上与DFC-LRR的对比实验结果表明,文中算法能有效地提高聚类正确率,且分布式计算能明显降低算法的运行时间.     

一种超宽带系统中的多天线加权预处理方案

针对高传输速率超宽带系统中的符号间干扰问题,提出一种新的多天线加权预处理方案.当发射端已知所有子信道的信道状态信息时,通过信道系数翻转即可以获得每个子信道的预处理抽头系数及等效信道.采用基于广义瑞利商方法求得的最优天线加权系数,能够使得在接收端采样处的信干噪比最大化.采用该发射方案,接收端仅需单天线即可实现捕获多径能量和抑制符号间干扰的折中.仿真结果表明:相对简单的天线合并方案,所提方案在4发射天线下能够获得至少2 dB的误码性能提升.     

部分反馈信息下多用户多输入多输出下行链路的容量优化

针对多用户多输入多输出下行链路中，基于部分信道状态信息反馈的联合发送方法不能有效抑制多用户间相互干扰的问题，提出了一种支持各用户信号独立检测的多用户联合发送方案．该方案只需要各用户信道响应矩阵的主右奇异向量作为反馈信息，在计算预处理矩阵时引入正变化操作，与已有方案相比，在增加少量前馈信息的条件下，可以最小化多用户问相互干扰，提升系统容量．仿真结果表明，所提出的方案能够提高检测信干噪比，降低系统的平均误码率，在发送、接收天线数为4、平均发送信噪比为20dB时，系统容量比无正交化时提高了1倍以上．     

基于最大比传输预编码天线分组技术的大规模多入多出系统能效研究

大规模多输入多输出(MIMO)系统中,大型天线阵列之间的强天线相关性会导致系统性能降低.针对下行链路场景,提出基于最大比传输预编码的联合天线分组和天线选择算法,把大规模天线阵列划分为若干组,在每组中基于信道矩阵最大列范数选择天线,构造所选天线与接收天线间的信道矩阵,并计算对应的预编码矩阵.建立能效模型,分析联合天线分组...     

大规模多天线无线信道及容量特性研究

基站端配置大量天线构成的大规模多天线系统,可以进一步挖掘空间域增益,大幅度提升无线通信系统传输容量和功率效率.从理论上看,大规模多天线系统获得空间域增益的前提条件是传播环境中的各子信道满足正交条件.准确的获取无线信道信息是通信系统研究的基础,它为通信系统的链路级仿真、样机试验和标准制定提供理论基础和技术支撑.本文研究了大规模多天线无线信道的特点,总结了国内外大规模无线信道的测量与建模,通过随机矩阵特征值经验概率密度函数角度研究了Massive MIMO无线信道的信道容量,并给出了球面波信道建模和阵列域的相关性与非平稳特性为下一步的两个研究方向.     

一种频域多路径电磁干扰对消方法

针对实际环境中背景干扰相关性差导致干扰对消误差较大的问题，提出一种频域多路径电磁干扰对消方法。利用变分模态分解(VMD)的分频特性将两通道信号分解为多个具有相同中心频率和分解带宽的模态信号，利用分解后的模态信号构造多路径干扰对消系统。然后利用反向传播(back propagation, BP)神经网络对每一路径上的信号进行非线性拟合并对消，从而获得真实的被测设备(EUT)辐射发射信号。结果表明，与真实EUT辐射发射信号相比，所提方法得到的EUT辐射发射信号功率误差低于1 dB且信号相关性高于96%;与变步长LMS算法、EMD-LMS算法相比，功率误差至少降低3.6 dB,信号相关性至少提高15%。所提方法对在开阔场中大型、可移动的EUT电磁辐射发射原位测试研究具有参考价值。     

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     

应用于CDMA系统的迭代DOA估计算法

提出一种应用于CDMA系统的高分辨率迭代DOA估计算法,这种算法利用迭代逐步从空间谱中移出被检测出的信号,然后从残留空间谱进一步搜寻信号.算法对信号的相关性没有做任何假设,所以在相干多径环境中不需要进行运算量很大的特征值分解或空间平滑.实验证明这种方法的性能优于MUSIC算法或MVM算法.     

EMD算法应用于OFDM系统频偏估计的新方法

提出了一种利用经验模态分解（empirical mode decomposition,EMD）技术估计正交频分复用系统（orthogonal frequency division multiplexing,OFDM）频偏的新方法。传统的OFDM系统频偏估计算法通常需要获得多路混合信号,而新方法仅需要利用相关检测处理单路的OFDM信号,再通过EMD模态分解算法分离出各路子载波信息,即可估计出OFDM系统频偏。与传统的OFDM系统频偏估计方法相比,新方法不依赖源信号的统计特性和信道状态信息,不需要额外带宽,降低了系统的实现复杂度。仿真结果表明,该方法具有较高的频偏估计精度。     

Efficient Signal Separation Method Based on Antenna Arrays for GNSS Meaconing

As an effective deceptive interference technique for military navigation signals, meaconing can be divided into two main types: those that replay directly and those that replay after signal separation. The latter can add different delays to each satellite signal and mislead the victim receiver with respect to any designated position,thus has better controllability and concealment capability. A previous study showed there to be two main spatial processing techniques for separating military signals, whereby either multiple large-caliber antennas or antenna arrays are used to form multiple beams that align with all visible satellites. To ensure sufficient spatial resolution,the main lobe width of the antenna or beam must be sufficiently narrow, which requires the use of a large antenna aperture or a large number of array elements. In this paper, we propose a convenient and effective signal separation method, which is based on an antenna array with fewer elements. While the beam of the array is pointing to a specified satellite, the other satellite signals are regarded as interference and their power is suppressed to a level below the receiver's sensitivity. With this method, the number of array elements depends only on the number of visible satellites, thus greatly reducing the hardware cost and required processing capacity.     

基于卡尔曼自回归的LTE天线端口数检测算法

在长期演进(long term evolution, LTE)系统中,传统天线端口数检测使用盲检测的方式分别对1,2和4端口数进行解码,直至物理广播信道系统消息成功通过循环冗余码校验,该方法会产生大量的计算冗余和时延。针对这一问题,提出一种改进的卡尔曼自回归天线端口数检测算法,该算法通过提取不同天线端口对应的小区参考信号得到信道状态信息,并将信道状态的相位信息进行卡尔曼自回归拟合,将自回归拟合后的相位与接收信号相位作差得到的平均值与预设判决门限进行比较,以得到天线端口数判决结果。理论分析与仿真结果表明,改进算法相较于传统盲检测算法节省的时间开销可达49%。在相同信噪比下,相较于其他优化后的门限判决算法,改进算法最多提高约10%的检测成功率且具有更优的抗频偏性能。     

相关信道多天线系统中基于Hadamard变换的分解选择策略

对于多输入多输出系统，指出了选择天线将节省费用较高的RF链路，阐述了在相关信道多天线系统中天线选择技术．为降低传统天线选择系统复杂度，提出了分解选择策略：在选择前进行Hadamard变换，根据Hadamard变换的对称性，进而提出分解选择策略，Monte Carlo仿真分析，系统的容量变换很小，而复杂度大大降低．     

多载波码分多址系统的上行空频信道盲估计

把均匀线阵应用于宏蜂窝制同步多载波码分多址系统的基站,给出了相应的空频信道模型,并构造了蕴涵空频信道信息和波达方向信息的辅助矩阵,利用子空间方法对辅助矩阵进行特征分解,实现了对同步多载波码分多址系统上行空频信道和波达方向联合盲估计,与借助旋转不变技术估计信号参数类方法不同,该方法巧妙回避了多个矩阵的联合对角化问题,基于对小区内各活动用户上行空频信道的估计,进一步实现了空频联合多用户符号检测,仿真结果表明,与基站仅使用单天线的同步多载波码分多址系统相比,该方法能够更好地减轻多用户情形下的多址干扰。