基于QR分解的快速天线选择算法

天线选择是MI MO(Mnltiple input multiple output)系统中一项重要的技术,可以很小的性能损失换取成本的大幅降低,从而提高系统的性能价格比.通过对信道容量的深入分析,在次优递增算法的基础上,提出了一种基于QR分解的快速天线选择算法.该算法提供的信道容量几乎与最优天线选择算法相同,同时计算复杂度有明显的降低.     

分布式MIMO系统天线选择对信道容量的影响

研究了分布式多输入多输出系统的信道容量,对信道非满秩情况进行讨论,分析了天线选择对于信道容量的影响。对信道容量的仿真表明：在分布式MIMO系统中对发射天线进行选择可以提高信道容量。同时选择天线可以减小系统的复杂度和硬件成本。     

基于MMSE准则的发射天线子集选择算法

多天线无线系统可提供更大的信道容量和更好的抗衰落能力,发射端利用反馈的部分信道状态信息进行发射天线子集选择是降低MIMO系统实现复杂度和成本的有效手段。本文从差错概率最小化的观点出发,提出了基于MMSE准则的天线选择算法,它通过计算经MMSE检测后各去耦子信道的信噪比,选择较好的发射天线并反馈给发射端。仿真实验表明,该算法具有较优的性能。     

一种用于MIMO系统的改进型快速天线选择算法

通过比较信道容量公式中的参数,利用行列式结合律特性和逐级递增天线数量的指导思想,提出了一种改进型快速天线选择算法．该算法与传统的快速天线选择算法相比,能够更快地选择出对信道容量贡献最大的接收或发送端天线,在不影响信道容量和系统误码率性能的情况下,可显著降低计算复杂度．     

相关信道下低复杂度的发射天线选择算法

文中借助于矩阵奇异值最小下界的估计方法,提出了一种基于盖尔圆算法的天线选择新算法.该算法的关键就是在选择天线的每次迭代过程中,采用的是选择使信道矩阵最小奇异值下界最大的列.该算法在减小天线间的相关性的同时,也使得所优化的系统的容量最大化以及误码率最小化.仿真结果表明,该算法不仅降低了计算复杂度,而且所得到的信道容量明显优于随机选择算法和小幅度高于盖尔圆算法.     

MIMO系统中改进的天线选择算法

递增和递减两种选择算法,可以极大降低MIMO系统中选择天线时的计算量,同时又可以使MIMO系统的容量达到最大.但在天线规模较大时,选择天线时的计算量仍较大,有必要作进一步的处理以降低选择时的计算量.文中提出了基于上述两种方法的改进算法,以低于2%的容量代价,降低多达20%～30%计算量.     

二进制粒子群属性约简中的退火选择策略

分析了二进制粒子群优化算法和基于二进制粒子群优化的属性约简方法,提出了一种基于退火选择的二进制粒子群算法,在选择粒子更新位置时引入模拟退火算法的策略,通过调整退火速度,控制算法收敛,当温度下降的足够慢时,粒子不会轻易跳出有"希望"的搜索区域,从而增强了粒子的局部搜索能力,使优化算法具有更高的效率.将该算法应用到电力负荷预测的属性约简中,使原来65个属性下降为12个,显著降低了后续处理的复杂度.     

多输入多输出系统发射天线选择对系统信道容量的影响

针对多输入多输出(MIMO)系统信道矩阵秩亏引起信道容量下降的问题,基于信道容量上限提出了一种发射天线选择方法.该方法利用信道矩阵与发射空间相关矩阵秩相同的特点,重新构建了蕴含模型物理参数的信道模型.在对空间相关矩阵QR分解的基础上,采用随机矩阵理论推导了迫零接收机信噪比的概率密度函数,从而得到了MIMO系统信道容量的上限.该方法不需要已知信道的瞬时状态信息,只取决于衰落的空间相关,计算的复杂度较低,易于实现.仿真结果表明:在低散射环境中,适当地选择发射天线可以使系统的信道容量增加约1 b/s;当接收信噪比大于6.5 dB时,发射端采用均匀圆阵系统的性能要优于采用均匀线阵系统的性能.     

基于MMSE预编码天线选择的空间调制大规模MIMO系统性能研究

为提高大规模MIMO系统的可靠性及满足未来绿色高效通信的要求,本文提出了大规模MIMO系统中基于MMSE预编码技术的收信端天线选择算法,对基于MMSE预编码的空间调制大规模MIMO系统进行了仿真实验,并进行了复杂度分析.实验结果表明,基于MMSE预编码的天线选择算法相比于文献[6]已提出的ZF预编码天线选择算法,复杂度略有增加,但误比特率在系统相同配置时约有2 d B的提高.     

MIMO系统一种新的天线选择算法

在多径衰落环境中,MIMO 系统能够极大地提高无线通信系统的容量和可靠性,发射/接收天线选择方法能以很小的性能损失换取射频成本的大幅度降低,使 MIMO系统不完全受射频成本的限制.为快速选择出使系统容量最优的发射/接收天线子集,该文提出一种新的快速简单的天线选择算法.仿真结果表明,该算法降低了计算复杂度,在获得很高的系统容量的同时,大大降低了系统误码率.     

有限反馈多用户MIMO系统的低复杂度用户选择

为了降低有限反馈多用户MIMO系统中的用户选择算法的复杂度,使系统支持更多的用户,基于贪婪用户选择算法(GUS),提出了一种低复杂度用户选择算法。该算法将Schmidt正交化的思想引入GUS算法,通过计算相互正交的预编码向量来构成预编码矩阵,并估计信道容量,最后寻找最佳的用户组合进行下行数据的传输。该低复杂度算法利用预编码向量的正交性避免了矩阵求伪逆的过程,从而极大地降低了计算量。仿真结果表明,在相同反馈方式下,改进后的算法仍能取得和GUS近乎相同的系统总容量。     

一种改进的MIMO系统接收天线选择算法

天线选择技术能以很小的性能损失获得射频成本的大幅度降低,并能提高MIMO系统的容量.为了快速选择出使系统容量最大的接收天线子集,提出了一种基于逐增算法的改进算法.该算法通过实时更新优化参数,大大降低计算复杂度;采用每步处理2行的方法,使计算时间进一步减少.仿真结果表明,该算法计算时间大大减少,并且系统容量几乎不受影响.     

ZFDPC编码自组织传感器网络信道容量的研究

自组织的随机模式广播式多输入多输出(MIMO)系统信道容量的估计是基于系统接收端传感器天线数量是确定的,而发送端传感器天线数量是随机的.为了精确估算此系统的信道容量,把ZFDPC(ZEROFORCEDIRTYPAPERCODE)算法和贝叶斯(Bayes)方法结合起来,对发送端和固定端天线数量固定的MIMO系统的信道容量进行修正.仿真试验表明:这样的算法对于随机广播式MIMO系统信道容量的估算是合理的.     

基于遗传算法的多用户MIMO-OFDM系统的天线和子载波分配

以最大化信道容量为目标,基于遗传算法设计了一种在多用户MIMO—OFDM系统中的动态天线和子载波联合分配的方案．通过在每个子载波上将发射天线分配给不同的用户,充分利用MIMO提供的多用户分集增益．仿真结果表明：该方案与穷举法相比,有较小的性能损失,但是复杂度降低较明显．     

离散MIMO衰落信道容量的研究

 研究了发送端未知、接收端已知信道信息条件下,离散调制信号输入时MIMO衰落信道容量。提出了一种有效的信道容量估计方法,仿真结果表明,该估计方法降低计算的复杂度同时获得了很好的近似结果。通过该估计方法比较了接收天线不同时,PSK输入与高斯输入时的信道容量。低信噪比时,PSK输入可获得与高斯输入相同的传输速率,而且在天线数一定的情况下,应尽量增加接收端天线数来增加系统传输速率。     

基于SVM和混沌PSO的除钴过程工艺指标预测

针对锌湿法冶炼除钴过程存在非线性和大时滞的特点,提出一种基于支持向量机和混沌粒子群算法的工艺指标(钴离子浓度)预测方法。为提高粒子群算法的搜索性能,提出一种基于非优胜粒子混沌变异和全局最优值小范围扰动的混沌变异粒子群算法。采用混沌粒子群算法优化模型参数,采用二进制粒子群算法选择输入属性,以减少模型的复杂度,提高模型的预测精度。研究结果表明:所提出的模型精度满足当溶液杂质离子质量浓度在小于1 mg/L时绝对误差小于0.1 mg/L的现场工艺标准。     

矿井MIMO-OFDM通信系统的信道建模与仿真

在已有矿井MIMO信道模型的基础上,提出了一种基于Nakagami衰落的矿井MIMO空间相关信道模型建模方法。基于Nakagami衰落的非相关MIMO信道,通过计算收发天线间的空间相关性生成MIMO空间相关信道。对所建信道模型的空间相关性及信道容量进行仿真分析。仿真结果证明:MIMO信道的空间相关性随收发端天线单元间距的增大而减小;MIMO信道容量与信道空间相关性以及收发端天线数目有关;减小信道的空间相关性或者增加天线数目,可增加MIMO信道容量。基于Nakagami衰落的矿井MIMO空间相关信道模型适用于矿井无线通信系统。     

基于绿色通信的大规模多输入多输出天线选择算法

绿色通信是移动通信系统(例如5G系统)的主要特征之一。在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。     

基于绿色通信的大规模MIMO天线选择算法

绿色通信是移动通信系统（例如5G系统）的主要特征之一。在大规模多输入多输出（multiple-input multiple-output, MIMO）系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。     

基于可学习权重衰减的大规模MIMO信号检测

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统随着天线数的增加,信号检测的计算复杂度随之提高,使用更深层次的神经网络并不会显著提高检测性能,因此设计一种低复杂度、高性能的检测算法尤为重要.文中提出了一种基于深度神经网络的大规模MIMO信号检测算法.该神经网络基于投影梯度...