基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

活性污泥过程MISO神经网络模型

用误差反向传递 ( BP)神经网络模拟了活性污泥过程 ,发现使用多输入多输出 ( MIMO)神经网络来模拟活性污泥过程变量间关系时 ,线性部分误差较小 ,非线性部分误差较大 ;但若用数个多输入单输出 ( MISO)神经网络的组合来模拟时 ,则对活性污泥过程的线性或非线性关系均能很好模拟     

一种多用户 MIMO-OFDM 系统的 CQI 有限反馈和量化方案

利用多用户场景下多输入多输出正交频分复用（MIMO—OFDM）系统用户端的信道质量反馈信息和服务质量的相互关系,给出一种以系统吞吐量最大化为指标得到最优量化比特的方案,同时给出了用户误码率限制下的最优量化门限值．它通过推导反馈信道质量信息数与用户传输速率、中断概率之间的数学关系,在用户误码率要求下,设置最优量化门限使系统吞吐量最大化．仿真结果表明：该方案不仅能够满足系统的传输速率和平均误码率要求,还降低了反馈开销．     

Review of wideband MIMO channel measurement and modeling for IMT-Advanced systems

In October 2005,the next generation mobile communication system was officially named as the International Mobile Telecommunications-Advanced(IMT-Advanced) by the ITU Radiocommunication Sector(ITU-R).Wideband multiple input and multiple output(MIMO) channel models in multiple propagation environments are fundamental for IMT-Advanced systems and such research has been initiated since 2003.The research challenges come from the fact that the wider bandwidth(20-100 MHz) and the advanced multiple antenna technology have been proposed for the IMT-Advanced system,thus leading to higher sampling rates and multiple spatial propagation channels.In this review,four aspects of wideband MIMO channel measurement and modeling are discussed:(1) radio channel measurement procedure and equipment;(2) large scale fading models;(3) small scale fading models;and(4) MIMO channel models.In particular,the large scale fading affected by the carrier frequency is investigated for urban macrocells and it shows that the higher carrier frequency results in greater loss for non-line-of-sight(NLoS) conditions in the cities of China,for which the frequency dependent factor is 32.1.Moreover,the dense and the obviously higher buildings also lead to a larger angle spread(AS) of both the angle of arrival and angle of departure in urban macrocell scenarios.The results indicate that there is the potential to explore the MIMO technique for an IMT-Advanced system with larger ASs,which would lead to the high system capacity.The progress on MIMO models is described and some methods for simplifying geometry-based stochastic channel models(GBSM) are proposed.Finally future research topics on channel measurement and modeling are identified.     

MIMO干扰信道下基于功率分配的干扰抑制算法

为了抑制MIMO干扰信道下的多小区干扰,采用子空间干扰抑制算法和功率分配相结合的干扰抑制方案,该方案充分利用系统总功率,将多小区干扰尽可能地重叠,以提高系统的性能.理论分析及仿真结果表明,与传统干扰抑制方案相比,该方案仅牺牲极微小的系统容量,却明显地降低了系统的干扰功率.     

两跳多中继网络中改进的前向放大中继策略

单源单宿多中继多天线系统中,中继总功率受限的最大化系统传输速率问题为非凸优化问题.针对此问题分别提出TFSA (Target Function Simplified Algorithm)和CCSA（Constrain Conditions Simplified Algorithm）两种优化算法.TFSA通过缩放信道矩阵与其共轭转置矩阵乘积的特征值使此问题成为凸优化,并使用传统凸优化方法获得其最优数值解;CCSA通过缩小此优化问题的约束集并转换自变量使之成为凸优化,再利用拉格朗日算法获得其解析解,能够实现算法复杂度和系统性能的折衷.实验仿真表明,TFSA算法能逼近最优算法实现的系统性能; CCSA与已有算法比较获得了一定的速率增益,且实现复杂度低.     

结合空时分组码和机会调度的多用户MIMO系统容量分析

为了充分利用多用户多输入多输出系统(MU-MIMO)中固有的多用户分集,采用机会调度方案,同时为了有效利用空间分集增益和编码增益,应用空时编码理论抵抗多径衰落和提高系统的性能.在瑞利信道下给出了一种结合空时分组码和机会调度的方案并对其进行了容量分析.基于多项式展开的方法,推导了理想和非理想信道估计时的信道容量的封闭表达式、上界值以及高信噪比和低信噪比时的渐近表达式,并分析了不同信道估计时的容量比.此外,分析了基于空间和多用户分集的遍历容量改善.通过相应的数值计算和蒙塔卡罗仿真很好地验证了理论分析的正确性,并表明：多用户分集提高了该方案的性能,而信道估计误差的存在却引起了信道容量的损失;在不同信噪比区域,遍历容量可用相应的渐近表达式来近似.     

机载MIMO雷达空时二维杂波建模及特性分析

为了揭示发射信号正交分集情况下机载MIMO雷达的杂波分布规律及特征，在分析了机载MIMO雷达几何特性的基础上,建立了机载MIMO雷达杂波的空时二维阵元模型,并推导了相应的矢量模型,分析了影响MIMO雷达杂波分布的关键因素。给出了距离模糊情况下杂波协方差矩阵估算方法,分析了机载MIMO雷达的杂波分布特性。仿真结果表明：机载MIMO雷达杂波具有良好的斜对角空时二维分布特性；MIMO雷达杂波谱中杂波基线附近杂波展宽幅度小,更利于慢速目标的检测；相比相控阵雷达，MIMO雷达具有更广的探测视角和更大的系统自由度,使其易于进行杂波抑制。     

基于复数FastICA算法的盲多用户检测

针对MIMO-OFDM系统,提出了一种基于复数FastICA的盲多用户检测算法.该算法首先利用复数FastICA算法的快速收敛特性来提高多用户的分离速度,同时利用信号的相关函数对复数FastICA算法引起的幅度不确定性和相位不确定性进行了修正,最后将所提出的改进算法与复数自然梯度学习算法(CNGLA)进行仿真比较.结果表明,相比于传统的自然梯度算法,所提算法不仅收敛速度较快,而且具有更低的误码率,另外随着接收天线的增多,信号的分离效果会更好.