大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

基于神经网络的计算机通信系统干扰信号分离

为了解决当前通信系统干扰信号分离方法存在的误码率高、通信质量差等问题,提出一种基于神经网络的计算机通信干扰信号分离方法.首先通过分析当前计算机通信干扰信号的分离研究现状,指出其局限性;然后建立计算机通信系统的信道模型,并采用神经网络对计算机通信系统的稳定性进行优化控制,将干扰信号分离;最后采用仿真实验对其有效性和优越性进行分析.结果表明,该方法可实现对计算机通信干扰信号的准确分离,提高了输出信号的信噪比,降低了通信系统的误码率.     

一种改进的FDD大规模MIMO CSI反馈方法

大规模MIMO技术因具有高数据率、频带利用率和能量效率等优点被认为是第5代移动通信系统的核心技术之一.在频分双工(FDD)模式下,由于上、下行信道不具有互易性,因此大规模MIMO系统基站如何获得准确的下行信道信息是一个具有挑战性的问题.本文对这一问题进行了研究,提出一种利用信道稀疏性和线性滤波的有效方法.仿真结果表明,与传统方法相比,本文所提方法可以极大提高系统性能.     

基于压缩感知的时频双选信道估计研究

针对时频双选信道,利用信道的时间相关性,即同一条时延径在相邻时刻对应的信道系数之间具有很强的相关性,提出一种线性近似方法对时频双选信道进行建模,有效降低了未知参数的个数.考虑到无线信道在时延域具有稀疏性,基于压缩感知(Compressed sensing,CS)理论对线性近似模型进行了恢复重构.分别对未线性近似模型和线性近似模型的系统性能进行了仿真,并结合最小二乘(leastsquare,LS)算法、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)算法给出了系统的归一化均方误差(Normalized Mean Square Error,NMSE)曲线.仿真结果显示,线性近似方法能有效对时频双选信道进行建模,针对本研究提出的线性近似模型,SBL算法能精确恢复出信道响应,并能有效地克服多谱勒效应.     

基于MATLAB/Simulink的LDPC码研究与设计

低密度奇偶校验码是一类性能接近香农限的具有稀疏校验矩阵的线性分组码,译码复杂度较低,结构灵活,是现今信道编码领域的研究热点.通过MATLAB/Simulink对所设计的低密度奇偶校验码在AWGN信道下进行了性能仿真,分析了所设计低密度奇偶校验码的编译码性能、误比特率和误码率.仿真测试结果表明,该低密度奇偶校验码具有较低的译码复杂度和良好的性能,可满足基本的数字通信系统编解码要求.     

基于阈值的车联网信标传输功率控制算法

研究了基于阈值的车联网信标传输功率控制算法.在保证网络最大连通性前提下,通过预设信道负载阈值,规定信道负载的合理区间,根据阈值调整目标节点载波侦测范围内所有车辆的信标传输功率,将信道负载控制在一定范围内,从而避免信道拥塞.通过仿真八车道高速公路基本路段和实际行车实验,对算法进行了验证及相关分析.结果表明该算法能有效地控制信道负载,避免信道拥塞,增强了车载网络无线信标传输的稳定性和健壮性.     

瑞利多径衰落信道下OFDM/OQAM系统容量分析

系统容量是分析通信系统性能的一个重要指标,提出了正交频分复用/偏移正交幅度调制(OFDM/OQAM)系统在瑞利多径衰落信道中的信道容量均值和方差进行研究。分析得到瑞利信道模型的概率密度函数并推导出任意两个相关瑞利信道间联合概率密度函数,进而得到OFDM/OQAM系统在瑞利信道下的容量均值和方差的数学表达式,式中以系统的子载波数、信道的信噪比和多径数目为参数。通过对系统进行仿真,分析子载波数、信噪比和多径数对系统容量均值和方差的影响。仿真结果表明:系统容量均值与信噪比成正比,与系统子载波数成反比;系统的容量方差由系统的信噪比和信道的多径数共同影响决定。     

基于快速MCVI算法实现CR信道接入*

在认知无线电(CR)技术中,无线网接入是一个极为重要的问题。针对这一问题,当前主流的解决思路包括博弈算法和基于部分可观测马尔科夫决策过程模型(POMDP)的算法。相比于博弈算法,基于POMDP模型的算法具有更好的环境适应性。在此背景下,本文提出了基于POMDP模型的快速蒙特卡罗值迭代算法(Fast MCVI)解决无线网接入问题。与其它解决POMDP模型的算法不同,该算法可解决值连续状态空间下的POMDP模型,具有更好的可靠性和稳定性。另外,相比于传统MCVI算法,快速MCVI算法使用非可支配排序遗传算法(NSGA2)进行优化,加快了算法收敛速度,使其在相同运行时间内能获得更好的决策结果。实验证明,通过值连续状态空间的POMDP模型对CR接入问题建模并使用快速MCVI算法进行决策,网络吞吐率比传统MCVI算法提高了1~1.7个百分点,比贪心算法提高了2.8~5个百分点。     

声矢量传感器目标方位估计

对偶极子型声矢量传感器应用于水声目标方位估计的信号处理方法进行了分析和研究 ,并采用傅立叶分解方法 ,将一般的窄带信号偶极子定向处理方法推广到宽带 ,推导出了相应的处理算法 .经计算机模拟计算 ,在特殊角度用波束旋转后 ,方位估计精度一般高于 2°,海上试验也验证了本文方法的有效性     

基于SARSA算法的水声通信自适应调制

水声信道复杂多变,自适应调制系统中反馈信息存在较大的时延,实际信道状态与接收到的反馈信息无法匹配,带来反馈信道状态信息过时问题,发送端不能准确做出自适应决策进而导致传输误码高及吞吐量低等问题。针对该问题,利用强化学习中的SARSA算法学习信道的变化并进行行为策略的选择,根据信道的变化,择优选出最佳的调制方式,以改善系统的传输误码和通信吞吐量。对比固定调制方式和直接反馈情况下的系统的误码率和吞吐量,结果表明,经强化学习后的系统误码率和吞吐量均优于其他两种方式,可见,强化学习算法在时变水声信道自适应调制中改善传输误码和吞吐量的问题上是有效可行的。