基于四阶累积量的MIMO信道及其相关性的联合估计

MIMO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MIMO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MIMO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.     

多目标混沌MIMO雷达的模糊函数研究

将混沌信号作为MIMO雷达的正交信号,以均匀线阵布阵,对多个目标的混沌MIMO雷达的模糊函数进行了研究,给出了MIMO雷达模糊函数的表达式,并进行了计算机仿真,结果表明:混沌MIMO模糊函数对时延及多普勒频移不同的目标能够进行分辨,具有较高的目标定位能力和距离分辨力.     

用于TD-SCDMA下行链路联合检测的2×2MIMO FFT处理器设计

为了在TD-SCDMA移动终端实现高效联合检测,设计了一个用于2×2 MIMO系统的64/128点FFT处理器.设计的FFT处理器基于R2SDF的流水线结构,采用乘法器共享的电路结构,适合处理2路MIMO系统,在满足系统数据吞吐率的同时,节省了信号处理的硬件开销.设计采用Xilinx公司的Virtex4进行综合验证,同时采用SMIC13工艺综合,在50 MHz的时钟下,功耗估计为8.3 mW,实现了低开销的电路设计.     

采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。     

室内信道中多极化MIMO系统的容量

针对室内多径信道,提出一种研究系统信道容量的方法,利用结合信道特征设计的三维多极化测量系统测量信道中多径入射信号的三维空间分布,代入天线方向图与入射信号进行空间积分计算出系统容量。利用该方法和系统对典型室内环境进行了测量,研究了真实的三极化天线组成的MIMO(multiple-input-multiple-output)系统的容量和摆放方向对多极化天线系统容量的影响。结果表明:三极化系统具有比单极化系统更优越的性能,可以利用该特性对室内环境中多极化MIMO系统的设计和布局进行优化以实现更高的系统容量。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.     

存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能分析

为了进一步了解相位噪声和信道估计偏差在空相关多输入多输出正交频分复用(MIMO-OFDM)系统中的作用,对存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能进行了分析.利用模型表达了空相关MIMO-OFDM系统的复包络信号,推导了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的有效数据符号的信噪比表达式,给出了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的差错性能指标.研究表明,理论计算和计算机仿真的空相关MIMO-OFDM系统的差错性能结果在各种不同相位噪声和信道估计偏差影响下都比较吻合.     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

有限反馈的MIMO系统容量分析

容量是移动通信系统设计中的一个重要因素,该文研究了有限反馈下的MIMO系统容量,给出了确保系统获得正容量增益时所需的最小反馈比特数的表示式.数值计算对比了采用RVQ方法和LBG码本生成方法下的系统容量,并且分别列出了若干天线对和信噪比下所需的最小反馈比特数.结果表明:当反馈比特数大于等于某个门限值,系统将会产生正容量增益,反之相反;整体上来看,RVQ方法优于LBG方法.