一种低复杂度的基于加权速率和最大化的多用户MIMO系统调度算法

针对多用户多输入多输出系统中,基于脏纸编码的迭代注水算法加权速率和最大化复杂度很高的问题,提出了一种基于迫零 脏纸编码的低复杂度多用户资源调度算法.该算法在发射功率限制条件下,结合功率分配和多用户调度,根据信道状态信息构造用户选择参量,依次选择用户.由于只需要有限次循环,同时根据用户摒弃准则去除了信道状态不好的用户,从而降低了复杂度.仿真结果表明, 所提出的算法与迭代注水算法相比,在相同的仿真条件下,可以获得后者90%以上的加权速率和,随着用户数的增加,加权速率和性能趋向于后者,同时复杂度由与用户数的平方成正比降到了与用户数成正比.     

毫米波大规模天线系统中的混合波束成型技术

混合波束成型通过模拟和数字两级混合处理,可以在少量射频链路的支持下实现对更高频谱效率的支持,是毫米波大规模天线系统走向实用化的关键技术.本文首先论述了混合波束成型系统的基本架构与面临的挑战,并给出了常用的毫米波信道模型.进一步地,分别针对单用户和多用户场景下分析了混合波束成型器设计的基本思路和代表性算法.最后,对码本设计以及波束训练和跟踪方面的研究工作进行了总结.     

基于正交随机波束成型的多用户多波束选择策略

针对正交随机波束成型(ORBF)当系统用户少时性能下降严重的问题,提出一种基于ORBF的多用户多波束选择策略.其基本思想是针对ORBF选定的优化用户集再次反馈部分信道信息,使得在系统用户数较少时系统总速率得到有效提高,并对功率平均分配和自适应功率分配两种情况分别进行了分析.仿真结果表明,该策略在增加部分反馈信息和提高发射机复杂性的条件下,可极大地提高系统总速率.     

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。     

混合有-无源智能反射面辅助大规模MIMO安全传输

针对存在恶意窃听者的大规模MIMO网络安全传输问题,提出了一种混合有-无源智能反射面辅助的下行安全传输方法。受基站总发射功率、混合有-无源智能反射面功率和反射相位模量约束,讨论了最大化系统总保密速率的优化问题,该问题为多变量耦合的非凸优化。提出了基于逐次凸近似的主动波束成形和反射相位优化算法,首先利用交替优化算法将原始问题转变为两个单变量的子问题,然后采用逐次凸逼近或半定松弛算法分别求解每个子问题的最优主动波束成形和反射相位。仿真结果表明,相比传统的被动智能反射面辅助安全传输方案,提出的方案能够有效利用混合有-无源智能反射面高增益的技术优势,进一步提高级联链路的信道增益,获得更高的保密速率。     

一种通信链路安全速率均衡算法

针对全双工系统上下行通信的信息安全问题, 以安全速率为设计参数, 提出一种全双工上下行通信链路安全速率均衡算法. 该算法在安全速率准则下, 通过对信息波束成形向量及噪声波束成形向量的联合设计, 可以保证全双工上下行通信链路信息的保密. 在全双工基站发射功率约束下实现了全双工上下行通信链路安全速率均大于零的保密信息传输, 并通过仿真验证了所给算法的性能.     

LTE系统中基于估计波束到达角的多用户调度算法

根据3GPP TR 25.996中描述的空间信道模型(SCM),提出了波束到达角估计算法和基于波束到达角的多用户调度算法.针对具有明显来波方向的无线通信系统,基站首先根据上行信道信息估计出每个用户的波束到达角,然后根据用户无线信道到达角将多用户进行分组,从每个分组中选择信道质量最好的用户,以实现多用户分集增益.相对于传统的波束到达角估计算法,该估计算法具有较低的复杂度.与基于信道容量的用户调度算法相比,该调度算法能够明显降低运算量,在系统中更容易实现.仿真结果表明,该调度算法可以在有效降低系统计算复杂度和反馈信息量的前提下,获得与传统方案相近的多用户调度性能增益,同时还能获得较好的公平性.     

一种基于效用函数的多用户MIMO系统低复杂度调度算法

针对多输入多输出(MIMO)广播信道的多用户调度问题,提出了一种新的低复杂度用户选择算法.该算法基于迫零波束成形策略,以一个效用函数最大化为准则迭代选取用户,构造的效用函数综合考虑了用户信道模值和信道间相关性,使基站能够快速寻找一组信道条件较好的用户子集同时进行数据传输.仿真结果表明,在不同发射天线数、信噪比及用户数条件下,基于效用函数的算法比传统用户选择算法有了较大的性能增益,同时复杂度大为降低.     

基于有限反馈MIMO下行多用户调度算法

针对基于有限反馈ZF预编码的MIMO多用户下行系统,提出了一种用户较少情况下的低复杂度调度算法.本算法以系统吞吐量的下限为目标函数,通过吞吐量下限最大化的办法选择用户,使系统获得多用户分集增益,从而增加了系统吞吐量.同时为了解决总反馈量随用户数线性增加的问题,提出了基于门限反馈的办法降低总的反馈速率.仿真结果表明：本算...     

基于深度学习的上行传输过程毫米波通信波束选择方法

文章研究了多用户上行传输过程毫米波大规模多输入多输出(multi-input and multi-output,MIMO)系统的波束选择问题,提出了一种基于深度学习的波束选择方法。针对使用透镜的多用户毫米波大规模MIMO上行传输过程,提出一种面向波束选择的深度学习框架,通过信道数据预先对神经网络进行离线训练,然后将实测信号输入训练好的神经网络在线预测信道直达径对应的波束,从而实现波束选择;基于该深度学习框架制定了具体的训练细则,采用柔性最大值交叉熵函数作为损失函数,使用自适应矩估计优化器优化神经网络参数。仿真结果表明,该文提出的基于深度学习的波束选择方法优于现有的正交匹配追踪方法。     

多入多出(MIMO)系统中的可变速率多用户分集技术

提出一种在MIMO系统中采用自适应调制实现可变速率多用户分集的方案。这种方案在仅需反馈子信道信噪比的条件下,最大化系统的总比特率。在发射端利用随机波束成形矩阵对发射信号进行波束成形,并根据‘灌水原理’对不同天线的发射信号进行功率分配;接受端对接收信号进行相应的线性处理后,估计出子信道的有效信噪比并将其反馈回发射端。发射端根据反馈的信噪比,采用比例调度算法选出期望用户。最后,在满足一定误码率的条件下,对期望用户的子信道进行自适应调制。仿真结果表明,当小区内的用户数足够多时,所提出的方案获得的系统吞吐量将收敛于在发射端使用特征波束成形矩阵的吞吐量。     

移动场景下基于深度学习的图像辅助毫米波波束预测方案

针对移动环境下毫米波大规模MIMO通信系统下行链路的快速波束预测问题,提出了一种基于深度学习的图像辅助波束预测方案.该方案将基站采集的RGB图像上传至MEC服务器,通过Faster RCNN目标检测模型与DNN神经网络结合,预测通信环境中用户图像与毫米波下行链路波束向量的高维非线性关系.仿真结果表明：该方案预测下行链路波束向量的可达速率接近理论最优,在模型复杂度和高天线数低信噪比情况下的性能等方面均优于基线算法.     

多波束机会波束成形系统性能比较

研究了在多输入单输出(MISO)系统中通过加大、加快信道的波动来提高多用户分集增益的机会波束成形技术,并在此基础上研究了在每个时隙中采用多个加权矢量的多波束机会波束成形技术,着重对它们的性能作了仿真比较.结果表明,多波束机会波束成形技术可以提高系统吞吐量.     

毫米波MIMO系统基于块对角化的混合预编码算法

在毫米波大规模多输入多输出(multiple-input multiple-output, MIMO)系统中,传统的数字预编码器需要给每一个天线配置一条独立的射频(radio frequency, RF)链路,这将会大大增加系统的成本和功耗,通过混合预编码可以有效地解决射频链路受限的问题。目前,混合预编码的研究大多都是针对多用户单天线场景,没有考虑到用户端配置多根天线的情况,为了消除多用户间干扰,增加系统的频谱效率,提出一种针对多用户多天线场景的混合预编码算法。在模拟端,通过基于矩阵迭代算法和模拟矩阵集合设计方法进行求解。在基带端,采用块对角化技术(block diagonalization,BD)消除多用户之间的干扰。仿真结果表明,所提出的多用户混合预编码算法相较于传统的块对角化混合预编码算法具有更好的性能表现,且更接近于纯数字预编码算法。     

基于智能反射面的无线携能认知网络鲁棒传输设计

针对智能反射面辅助的无线携能认知网络,提出了一种基于用户非完美信道状态信息的波束成形方案,提高网络的频谱和能量收集效率。在假设用户信道误差范数有界的条件下,建立了以信息接收用户最小可达速率最大化为目标函数,以满足信息接收用户和能量接收用户需求、主用户干扰阈值和基站最大发射功率为约束条件的优化问题。针对此非凸问题,提出利用三角不等式、交替方向乘子法和交替优化的迭代算法,以较低的计算复杂度求解得到基站的有源波束成形权矢量和智能反射面的无源波束成形矩阵。最后,仿真验证了所提方案相较于随机相位方案能够有效提高系统的性能,证明了在携能认知网络中引入智能反射面的可行性和有效性。     

多天线FD-SWIPT中继信道下功率分裂和波束成形的联合优化

设计了多天线全双工(full-duplex,FD)中继信道下联合优化功率分裂因子和波束成形矩阵的能量与信息同传(simultaneous wireless information and power transfer,SWIPT)算法.不同于现有的FD-SWIPT方案,考虑较为复杂的多天线中继系统,并用功率分裂(power splitting,PS)代替传统的时间切换(time switching,TS),使得信息传输和能量采集过程可以同时进行.给出了基于迫零算法(zero-forcing algorithm,ZF)的波束成形方案,研究了系统低复杂度的次优解,其中波束成形的使用增强了能量采集和回路自干扰抑制的能力,从而达到更大的吞吐量.还优化了PS,并利用二次插值法求出最优的PS因子,最终得到整个系统的次优解.仿真结果表明,联合优化方案可以提升系统的最大吞吐量,另外,PS因子的选择对系统吞吐量起着至关重要的作用,同时这2个优化因子都与发射功率的大小有关.     

多输入多输出系统下行链路发射与接收的联合线性预编码

针对多用户多输入多输出系统下行链路线性预编码中的迫零法及正交化法对接收端的噪声有较强放大作用的问题，提出了一种发射与接收联合预编码的波束成形迭代法．该方法把联合预编码直接转变为波束成形问题，以惟一确定的最小范数解作为预编码矩阵，通过迭代得到各用户的预编解码矩阵．由于所得到的解码矩阵具有最小范数的特性，在解码时产生的噪声能量最小，从而有效地减少了对噪声的放大作用．同时，在基站总发射功率一定的条件下，根据用户的信道质量动态地分配功率可以使信道质量较差的用户得到较多的发射功率．仿真实验表明，所提出的方法与迫零法相比，在相同的仿真条件下，在平均误比特率为10^-4时可以获得约9dB的性能增益．     

多用户大规模 MIMO 系统中能效的研究

针对多用户下行大规模多输入多输出（multiple input multiple output ,MIMO）无线通信系统,提出一种基于能效的联合优化方案。该方案在采用同时考虑发射功耗和电路功耗的功耗模型以及迫零（zero forcing ,ZF）预编码的情况下,推导出天线数、天线子集以及发射功率与系统能效之间的关系式,从而建立联合优化天线数,天线子集和发射功率的能效优化模型,并提出一种新的迭代搜索算法来求解此模型。该迭代算法首先对天线数进行遍历,当天线数确定后,采用基于信道矩阵范数的天线选择算法进行天线子集的选取,随后利用凸优化理论来调整发射功率,不仅提高了系统能效而且降低了算法复杂度。仿真结果表明,与使用全部天线和只考虑天线数的方案相比,所提联合优化方案的能效有明显的提高。     

可重构智能表面辅助大规模MIMO通信波束成形设计

可重构智能表面(reconfigurable intelligent surface, RIS)在无线通信系统中能够提高信道性能。为了降低传统波束成形方案中功率分配的复杂度,结合毫米波(millimeter wave, mmWave)特点建立信道模型,提出一种基于正交匹配追踪(orthogonal matching pursuit, OMP)和统一信道分解(uniform channel decomposition, UCD)的RIS辅助mmWave多输入多输出(multiple input multiple output, MIMO)系统混合波束成形设计方案。利用视距(line of sight, LoS)信道的到达角(angle of arrival, AoA)和离开角(angle of departure, AoD)设计了RIS的反射矩阵。该方法不需要复杂的功率分配,能够使得多个并行数据流具有相同的信道增益。仿真结果表明,该混合波束成形方案具有更好的误比特率(bit error rate, BER)性能及频谱效率。     

认知无线电中基于压缩感知的非重构频谱检测算法

基于压缩感知的频谱感知研究多是要重构出原始信号,而重构的精确度却直接影响到频谱检测的效果,为降低由此因素而造成的低检测率以及计算复杂度,提出一种在压缩感知框架下的非重构频谱检测算法,将信道划分为多个小信道,依次感知每个小信道,得出所划分信道组的采样协方差矩阵,再与能量检测算法结合分析最终得到每个小信道中的占用情况。对不同的压缩率、信噪比以及用户数分别进行仿真,仿真的结果表明,当压缩率在30%以上和信噪比在-6 d B以上时检测效果较为理想,且多用户的情况下检测概率更高。相对于重构算法,本算法的检测概率更高,计算复杂度更低,检测时间也更短。