空时分组码MC-CDMA系统中基于遗传算法的多用户检测

文章研究了采用空时分组码的多载波码分多址(MC-CDMA)系统在工作于时分双工(TDD)模式下的上行链路中基于遗传算法(GA)的多用户检测方法.采用基于子空间分解的盲算法对空时分组码MC-CDMA系统进行信道估计,并运用信道估计值得出最小均方误差(MMSE)解.通过遗传操作将MMSE解扩展为遗传算法的目标种群,并对目标种群运用最大似然(ML)搜索,获得最佳的检测结果.该方案在较小的复杂度代价下能大幅提高系统性能,当存在信道估计误差时也具有良好的误比特性能.     

多输入多输出系统下低复杂度的自适应预编码方法

针对多输入多输出衰落信道中存在的码间干扰和多径干扰问题，提出了一种具有低复杂度的自适应预编码方案．该方案在发送端和接收端分别放置了预编码器和基于迫零算法的接收机，这样接收机在进行均衡译码的同时，将信道信息反馈给发送端，发送端便可以随之选择发送子载波的数目以及预编码矩阵，完成自适应预编码．该方案可有效降低系统的误码率．仿真结果表明，当误码率为10^-3时，在传输信道信息未知的情况下，该方案的信噪比比信道信息已知的基于最小均方误差预编码方案高1．3dB，且复杂度大大降低．     

空时分组码MC-CDMA系统中基于遗传算法的多用户检测

文章研究了采用空时分组码的多载波码分多址(MC-CDMA)系统在工作于时分双工(TDD)模式下的上行链路中基于遗传算法(GA)的多用户检测方法.采用基于子空间分解的盲算法对空时分组码MC-CDMA系统进行信道估计,并运用信道估计值得出最小均方误差(MMSE)解.通过遗传操作将MMSE解扩展为遗传算法的目标种群,并对目标种群运用最大似然(ML)搜索,获得最佳的检测结果.该方案在较小的复杂度代价下能大幅提高系统性能,当存在信道估计误差时也具有良好的误比特性能.     

多输入多输出天线OFDM系统的信道估计

研究利用导频训练信号对多输入输出(M IMO)天线OFDM(正交频分复用)系统进行信道估计。首先推导出了该系统所需最佳导频序列、及其最小数目和最佳位置集以及信道估计的均方误差极限值,分析比较了几种内插的方法,然后提出了一种针对某些无线局域网系统的信道估计方法。仿真实验显示采用该方法得到的信道估计均方误差接近极限值,不同调制方式(BPSK、QPSK、16QAM)下M IMO-OFDM系统的误码率非常接近已知信道频响时的情况。     

相关衰落多输入多输出系统的参数化信道估计

针对多输入多输出(MIMO)系统中信道空域相关影响信道估计性能的问题,提出了一种基于多径参数估计的信道估计方法.该方法适用于多径稀疏信道环境下的双端部署均匀线性阵列的MIMO系统,通过构建信道的多径参数化模型,用多径的径参数描述信道矩阵和信道空域相关,将信道估计问题转化为多径参数的估计,并采用波达矩阵算法估计出多径参数以完成信道估计.由于利用了信道的多径结构,在不需预知信道空域相关的情况下,能够获得比Least-Square方法更好的信道估计性能.仿真实验表明,与Least-Square方法相比,当信道估计均方误差达到10-1时,该方法在4×4和6×6的MIMO系统中分别能够获得2.5 dB和5 dB的信噪比增益.     

存在信道估计误差的DSTTD系统的性能分析

现有的双空时传输分集(DSTTD)系统研究主要基于完全信道估计,且信道估计总存在误差.为此,文中采用假定存在估计误差矩阵的分析方法考察信道估计误差对DSTTD系统性能的影响,发现统计判决量中的干扰矩阵是影响系统性能的主要因素,同等估计误差下独立同分布信道比相关衰落信道更能容忍估计偏差.仿真结果表明,不同情形下不同信道估计误差的误差矩阵对系统性能的影响与实际情况一致,从而验证了误差矩阵分析方法的正确性.     

多用户多输入多输出系统预编码技术的研究

主要研究了非理想信道状态信息(Channel State Information,CSI)条件下,多用户多输入多输出(MIMO)系统的Tomlinson-Harashima Precoding(THP)算法.首先分析了信道估计误差对系统误码率(BER)性能的影响,仿真结果表明:信道估计误差对系统BER性能影响较大.在此基础上,应用best-first算法对系统性能进行改进,提高了系统的BER性能.     

一种基于压缩感知的大规模多入多出系统信道压缩反馈方法

大规模无线多入多出系统由于在无线收发端配置了多天线构成的天线阵列,信道数量大幅度增加,传统的信道反馈方法面临巨大挑战。鉴此,提出一种基于压缩感知的信道信息压缩反馈方案,以减少计算复杂度与降低反馈量。结合双向主成分分析理论推导在空间相关瑞利信道下的双向投影矩阵,可以有效地将信道信息矩阵稀疏化,并给出了一个合适的比特分配方案。与主成分分析压缩信道算法对比,本方法可明显提升信道反馈的归一化均方误差(NMSE)性能,降低计算复杂度。     

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output, MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error, LMMSE)估计算法,且不受信道统计信息的约束。     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

基于非理想信道状态信息的鲁棒矢量预编码设计

在多用户多输入多输出（MIMO）系统中,提出一种适用于非理想信道的鲁棒矢量预编码设计方法.使用非理想信道模型,发射端仅获得部分信道状态信息,即已知信道估计值及信道误差值的一阶和二阶统计量,利用已知的信道条件并最小化收发信号的均方误差,推导出鲁棒的矢量预编码矩阵和扰动矢量.仿真表明,该鲁棒预编码方法比传统方法具有更好的性能.     

基于EM的MIMO-OFDM系统LMMSE信道估计

最小均方误差(MMSE)信道估计算法应用于MIMO-OFDM系统时将带来高计算复杂度且不易实现,根据这个问题,提出了一种基于期望最大化(EM)的线性最小均方误差(LMMSE)信道估计算法,并分析了该算法的性能.EM算法可以把多输入多输出(MIMO)信道估计问题转化为一系列单输入单输出(SISO)信道估计问题,避免了大规...     

能量均衡的协作中继选择算法

为了最大化协作多中继通信系统的网络寿命,研究了在放大-转发(amplification-forward, AF)中继协作方式下网络寿命的折中优化问题,提出了一种最优能量均衡(optimal energy equilibrium, OEE)的中继协作节点选择方案。通过对AF中继每一跳接收端信噪比(signal noise rate, SNR)的计算,推导了AF两跳中继目的终端的误码率表达式,同时联合节点的剩余能量信息和信道状态信息(channel state information, CSI),利用能量均衡的思想,合理引入和设置优化因子来有效选择转发中继,延长网络寿命。理论分析和仿真结果表明,相比CSI中继选择和模糊综合评价(fuzzy comprehensive evaluation, FCE)中继选择方案,提出的中继选择方案不仅有效地提高了系统的网络寿命,而且在相同信噪比的情况下误码率性能有明显的改善。     

基于块稀疏的低复杂度宽带MIMO-OFDM稀疏信道估计方案

CoSaMP压缩采样匹配追踪算法是一种有效且可靠的稀疏信号重构算法。针对大多数宽带MIMO-OFDM稀疏信道估计方案中常被忽略的信号内部特殊结构问题,采用MIMO-OFDM系统模型,分析信号块稀疏结构特性,研究了CoSaMP算法的改进问题。仿真结果表明,与其他信道估计方案相比,所提方案在未知信号稀疏度值的情况下依旧获得了接近理想状态下的系统和速率、归一化均方误差和信号重构效率,有效降低了计算复杂度。可见,所提方案具有很好的信道估计性能。     

Multivariate Statistical Process Monitoring Using Robust Nonlinear Principal Component Analysis

The principal component analysis （PCA） algorithm is widely applied in a diverse range of fields for performance assessment, fault detection, and diagnosis. However, in the presence of noise and gross errors, the nonlinear PCA （NLPCA） using autoassociative bottle-neck neural networks is so sensitive that the obtained model differs significantly from the underlying system. In this paper, a robust version of NLPCA is introduced by replacing the generally used error criterion mean squared error with a mean log squared error. This is followed by a concise analysis of the corresponding training method. A novel multivariate statistical process monitoring （MSPM） scheme incorporating the proposed robust NLPCA technique is then investigated and its efficiency is assessed through application to an industrial fluidized catalytic cracking plant. The results demonstrate that, compared with NLPCA, the proposed approach can effectively reduce the number of false alarms and is, hence, expected to better monitor real-world processes.     

基于压缩感知的mMTC系统信道估计

为解决海量机器类通信（massive machine-type communications,mMTC）上行传输中活跃用户设备检测和信道估计问题,提出一种基于分布式多矢量测量的子空间追踪（distributed multiple measurement vector subspace pursuit,DMMV-SP）算法.采用免授权海量随机接入的方案,以降低海量机器类通信的时延和信号开销.考虑多载波传输方案并结合子空间追踪算法,利用接收天线和子载波存在的结构稀疏性,检测活跃用户设备的同时进行信道估计.通过计算检测错误概率以及均方误差对活跃用户设备检测和信道估计性能进行评估.仿真结果显示,提出的DMMV-SP算法相较于传统正交匹配追踪（orthogonal matching pursuit,OMP）算法取得更理想的结果.      

MIMO-OFDM系统信号检测和信道估计算法

文章针对MIMO-OFDM系统提出了一种局域化的最大似然信号检测算法,通过调整每个发送天线信号集中的搜索点邻域大小,在计算复杂度与系统性能之间折衷。仿真结果表明,该信号检测算法显著降低了计算复杂度;同时提出了一种基于导频训练序列的信道估计算法,采用该算法得到的信道估计均方误差结果接近理论极限值,系统误码率非常接近已知信道频响情况的性能。     

一种MIMO-OFDM信道估计方法

为提高现有MIMO-OFDM系统信道估计算法性能,降低算法运算的复杂性,提出一种基于变换域的MIMO-OFDM信道估计方法.该算法不需要任何信道统计信息,通过变换域内自适应低通滤波器降低了高斯白噪声和子载波间干扰对该估计算法准确度的影响,并且利用在变换域内得到的导频位置的信道估计结果,通过补零内插算法得到其他子载波位置的信道估计结果.仿真结果表明:该算法的误码率性能优于最小平方算法,稍逊于线性最小均方误差算法;该算法计算复杂度低,易于在实际系统中实现.