多天线系统中BLAST算法和STBC算法的结合

提出了一种BLAST与STBC结合的算法,本算法适用于所有接收天线大于等于发射天线数的天线阵列.对于STBC的发射矩阵,每次只传榆矩阵的一行,在接收端对已接收的每行数据都进行检测.如果解码成功,发射端则停止发送矩阵数据;如果失败,就继续发射下一行.这样在发送第一行时等效于发送BLAST,可以获得空间复用增益,而在传输完最后一行时是完整的STBC,可以获得空问分集增益,在中间状态则可以获得部分的分集增益和部分的复用增益.本算法结合了BLAST和STBC的优势,相对于BALST算法有更低的误码率,而相对于STBC算法则有更高的传输速率.分别对基于正交空时码和准正交空时码的推荐算法进行了仿真,仿真结果支持了理论分析的结果.     

基于LDPC码与星座旋转准正交STBC的级联编译码方法

在4×4多输入多输出(multiple input multiple output, MIMO)系统中,为了同时达到全分集增益和全速率数据传输,进而达到降低系统误码率及提高系统可靠性的要求,提出将低密度奇偶校验(low density parity check, LDPC)码与基于星座旋转的准正交空时分组码级联的编码方案,并找出了在全数据传输速率的前提下能够获得满分集增益的最优旋转角度。仿真结果表明,该级联编码方案误码率低于传统的LDPC编码与空时分组码级联的编码方案,在误码率为10^-5的情况下,比LDPC码与正交空时分组码级联的编码方案有8 dB左右的增益。     

基于卷积神经网络的串行空时分组码盲识别算法

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。     

SIMO信道的卷积盲分离新算法

提出了一种"逐次替代"卷积混叠盲信号分离方法。针对观测信号数目多于源信号数目的混叠情形,基于最小均方误差准则,将问题转化为求解一个关于信道参数和源信号的优化问题。通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,通过对两个表达式的相互逐次替代来寻求源信号。由此给出了"逐次替代"卷积混叠盲分离方法。逐次替代盲解卷算法无需设置迭代步长,容易编程实现。仿真表明,该算法对于FIR SIMO情形能得到较好的效果。     

自适应调制STBC-MC-CDMA系统仿真分析

分别将G2、G3和H3三种空时分组码（STBC）与MC-CDMA结合构成STBC-MC-CDMA系统,并在上述系统中应用自适应调制技术。通过仿真研究了在瑞利衰落信道条件下,采用G2、G3和H3三种空时分组码的自适应调制STBC-MC-CDMA系统的误符号率性能,并对三种方案下的系统误符号率性能进行了比较。仿真结果表明,在相同信道条件下,编码速率为1/2的G3系统误符号率性能最好,全速编码G2系统误符号率性能最差,编码速率为3/4的H3系统的误符号率则介于二者的之间。

Abstract：

G2 ,G 3 ,H 3 three space-time block codes （STBC） were combined with MC-CDMA respectively to form STBC- MC-CDMA wireless communication systems.Then,adaptive modulation techniques were applied to the three systems.The symbol error rates （SER） of the three STBC-MC-CDMA systems were simulated and compared under Rayleigh fading channel.Simulation results show that under the same channel conditions,the SER performance of G 3 system with 1/2 coding rate is best among the three systems,the full-speed coding rate G 2 system performs worst,and the SER performance of H 3 system with 3/4 coding rate is between G 2 and G 3 system.     

矿井巷道的MIMO无线信道建模与性能仿真

矿井巷道电波传播环境非常复杂,建立MIMO无线信道模型有助于将无线通信技术应用到煤矿井下。针对矿井巷道中MIMO无线传输环境,提出一种随机独立的MIMO信道,然后根据矿井巷道的富散射环境,对该信道矩阵进行修正,建立了两种空间相关的MIMO信道模型。文章对包含完全独立路径的瑞利信道模型的奇异值和信道容量进行了分析比较,并对不同信道模型下的系统性能进行了仿真。仿真结果与文献的实测结果对比说明建立的模型不失一般性。

Abstract：

The radio propagation situation is very complex in mine laneway,so it is important to establish an efficient MIMO channel model for applying wireless communication technology to coal underground.A stochastic MIMO channel model was proposed firstly based on wireless propagation environment in mine tunnel,and then two spatial correlative channel models were established through correcting channel matrices based on abundant scatter environment.The singular values and the channel capacity obtained with a Rayleigh channel model were compared,and system performance of different channel models were simulated.The simulation results indicate that the established channel models are feasible by comparing with measurements results.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

Cramer-Rao bound of joint estimation of target location and velocity for coherent MIMO radar

The optimal estimation performance of target parameters is studied. First, the general form of Cramer-Rao bound （CRB） for joint estimation of target location and velocity is derived for coherent multiple input multiple output （MIMO） radars. To gain some insight into the behavior of the CRB, the CRB with a set of given orthogonal waveforms is studied as a specific case. Second, a maximum likelihood （ML） estimation algorithm is proposed. The mean square error （MSE） of the ML estimation of target location and velocity is obtained by Monte Carlo simulation and it approaches CRB in the high signal-to-noise ratio （SNR） region.     

Reduced K-best sphere decoding algorithm based on minimum route distance and noise variance

This paper focuses on reducing the complexity of K-best sphere decoding （SD） algorithm for the detection of uncoded multi-ple input multiple output （MIMO） systems. The proposed algorithm utilizes the threshold-pruning method to cut nodes with partial Euclidean distances （PEDs） larger than the threshold. Both the known noise value and the unknown noise value are considered to generate the threshold, which is the sum of the two values. The known noise value is the smal est PED of signals in the detected layers. The unknown noise value is generated by the noise power, the quality of service （QoS） and the signal-to-noise ratio （SNR） bound. Simulation results show that by considering both two noise values, the proposed algorithm makes an efficient reduction while the performance drops little.     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。     

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。     

非高斯杂波中的MIMO雷达信号分离

针对传统匹配滤波对非高斯杂波中的多输入多输出（multiple input multiple output, MIMO）雷达信号分离性能下降的问题,提出一种基于分数低阶统计量的匹配滤波算法。该方法将对称Alpha稳定分布(symmetric Alpha stable, SαS)作为MIMO雷达的非高斯杂波模型,以滤波器输出分数低阶信杂比最大为准则导出最优匹配滤波器系数。分别对相关SαS和非相关SαS杂波条件下的MIMO雷达信号分离进行了仿真。结果表明,该方法可有效实现非高斯杂波中的MIMO雷达信号分离,且在高斯杂波条件下与传统匹配滤波的性能是一致的。     

UBSS and blind parameters estimation algorithms for synchronous orthogonal FH signals

By using the sparsity of frequency hopping（FH） signals,an underdetermined blind source separation（UBSS） algorithm is presented. Firstly, the short time Fourier transform（STFT） is performed on the mixed signals. Then, the mixing matrix, hopping frequencies, hopping instants and the hooping rate can be estimated by the K-means clustering algorithm. With the estimated mixing matrix, the directions of arrival（DOA） of source signals can be obtained. Then, the FH signals are sorted and the FH pattern is obtained. Finally, the shortest path algorithm is adopted to recover the time domain signals. Simulation results show that the correlation coefficient between the estimated FH signal and the source signal is above 0.9 when the signal-to-noise ratio（SNR） is higher than 0 d B and hopping parameters of multiple FH signals in the synchronous orthogonal FH network can be accurately estimated and sorted under the underdetermined conditions.     

大规模MIMO系统中分布式压缩感知LMMSE信道估计

大规模多输入多输出(multiple input multiple output,MIMO)系统中,信道估计算法复杂度随着基站侧天线数量的增加而急剧增加,针对需要在信道估计算法复杂度与算法性能之间进行折中的问题,提出分布式压缩感知线性最小均方误差(distributed compressed sensing linea...     

非完美CSI情况下大规模MIMO系统的下行链路能效优化

为了满足密集的用户需求, 正在发展的蜂窝网络增加了移动系统下的能量消耗, 但更广的网络覆盖范围和功耗更低的无线通信系统也给无线通信系统带来了更多的挑战。针对这些持续增长的需求, 本文设计了一种能实现能量效率最大化的多小区大规模多输入多输出(multiple input multiple output, MIMO)系统下行链路的实现方法, 提出了在非完美信道状态信息(channel state information, CSI)情况下包含基站天线数、导频复用因子以及用户数量等参数的信干噪比最佳闭式表达, 通过最大比合并(maximal ratio combining, MRC)接收技术推导出大规模MIMO系统的下行链路频谱效率, 再根据功耗模型得到系统的整体能量效率, 利用交替迭代的优化算法进行优化求解, 得出最大能效时的相关参数数值。由仿真结果可知, 本文所提的多小区大规模MIMO系统的下行链路的实现方法与现有多小区方法相比, 能量效率有12.2%的提升, 并且对于环境的变化有更好的鲁棒性, 对于多小区大规模MIMO系统具有一定参考意义。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。