低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。

基于对抗自编码填补网络的MIMO雷达故障阵元缺失数据重构

多输入多输出(Multiple In Multiple Out,MIMO)雷达的阵元故障会导致其协方差矩阵出现整行整列数据缺失,从而降低其角度估计性能。为此,提出一种对抗自编码填补网络(Adversarial Autoencoder Imputation Network,AAEIN)来重构故障阵元的缺失数据。该网络由负责重构缺失数据的自动编码(Autoencoder,AE)网络和负责分辨数据来源的鉴别器组成。在二者的对抗训练中,AE网络的重构能力和鉴别器的分辨能力不断得到提升,直至两者收敛。为避免网络训练过程中参数量大和计算复杂度高的问题,文中结合MIMO雷达协方差矩阵的Hermitian特性,使用协方差矩阵上三角部分构建数据集用于网络训练。仿真结果表明,文中方法可以有效地重构故障阵元的缺失数据且具有较高的重构精度。

一种紧凑型低耦合超宽带MIMO天线设计

针对目前超宽带多输入多输出(ultra wideband multiple-input multiple-output,UWB-MIMO)天线存在尺寸大、隔离度低等不足,设计了一款紧凑型高隔离度UWB-MIMO天线。天线正面由“花瓶”形辐射贴片与阶梯形微带馈线组合而成,背面是具有切角的矩形接地板。通过对矩形辐射贴片对称切角、对接地板刻蚀矩形槽,实现天线的宽带化;通过在介质基板正反两面分别加载“鱼骨”形和改进对称“Y”形去耦枝节,实现天线的高隔离度。仿真与实测结果表明:天线尺寸较小,仅有22 mm×29 mm×0.8 mm,最终工作带宽可达1.5~18 GHz(相对带宽为169%),带内隔离度均高于17 dB,包络相关系数小于0.02。天线辐射性能良好且结构简单紧凑,可以很好地应用于UWB-MIMO无线通信系统中。

MIMO雷达分组正交波形集优化设计方法

在现代电子对抗中,数字射频存储(DRFM)设备能够快速截获机载脉冲多普勒雷达信号,能够实现对多输入多输出(MIMO)雷达的干扰。MIMO雷达可基于多组相互正交的波形集来对抗DRFM干扰。同时,为最大化MIMO雷达波形分集增益,每个脉冲内发射的波形也需要正交。为了平衡组内和组间的正交性,文中建立了一种分组正交波形集优化模型,其目标函数为组内和组间相关函数性能评估指标值的加权和;为了求解该优化问题,提出了一种分组正交波形集设计方法。所提方法将原优化问题简化为p-范数优化问题,基于MM算法导出了最小化目标函数的迭代求解表达式。仿真结果表明,所提方法可通过改变权重系数来灵活平衡MIMO雷达的干扰抑制性能和距离压缩性能。

无蜂窝大规模MIMO系统接入点动态选择算法

在无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,所有接入点(Access Point,AP)为用户提供服务的方式会造成较大的功率消耗和增加前传链路压力。以“用户为中心”的AP选择方案为每个用户选择最佳的AP集合,使系统频谱效率和能量效率得以提升。为了给每个用户选择最佳的AP集合,提出了一种基于反向传播(Back Propagation,BP)神经网络的接入点动态选择算法。将AP与用户之间的大尺度衰落向量作为输入,AP与用户之间的连接关系作为BP神经网络输出的预测向量,同时,针对BP神经网络初始化权值,提出了一种改进的自适应遗传算法以提高算法的收敛速度和收敛性能。仿真结果表明,改进后的BP神经网络预测结果更接近于实际值,并且比全连接和启发式的AP选择方案具有更高的系统和速率。

基于D2D通信和虚拟MIMO的飞行器集群网络传输方案设计

在无中心飞行器集群网络中,非直通条件节点间不同的中继路径可能导致较大路径损耗落差,为有限资源前提下网络传输能力的提升带来困难。参考5G移动通信中的终端直通(Device to Device,D2D)技术与中继通信中的虚拟多输入多输出(Multiple-Input Multiple-Output,MIMO)技术,提出一套D2D通信与虚拟MIMO技术结合的无中心飞行器集群网络传输方案。重点研究在正交资源模式下,将不同的协作传输协议与空时编码进行组合,在信噪比、误比特率、接入概率等方面对通信性能的影响。仿真结果表明:D2D通信与虚拟MIMO技术结合的传输方案在不增加资源的前提下,对集群网络的通信性能有明显提升,且引入分布式空时编码可进一步优化误比特率性能,但3种传输协议在不同传输质量评价方向的改善有所不同。

基于AAT模型的毫米波大规模MIMO系统信道估计

针对毫米波大规模多输入多输出信道具有时间相关性、系统易受噪声因素影响导致信道估计精度低的问题,提出了一种基于改进的时序卷积神经网络信道估计方法。该方法将仿真获得的信道矩阵以二维图像数据方式输入系统;利用时间相关性进行特征融合,构建集中注意力机制网络,增强系统模型对信道深层特征的提取能力;将AAN嵌入时序卷积神经网络中进行训练;系统输出去噪后的二维图像,即信道估计矩阵。仿真结果表明,所提信道估计方法在性能和复杂度方面优于传统的信道估计方法,并且当测试场景发生改变时依旧具有鲁棒性。

应用SRR/CSRR去耦的毫米波MIMO天线

根据目前无线通信系统的发展趋势,为了大幅度地提高通信效率,针对Ka波段,设计了一款基于开口谐振环和互补开口谐振环的低耦合多输入多输出天线。天线整体尺寸为40 mm×25 mm×1.2 mm。首先,该天线正面由带有空心圆的椭圆形辐射贴片、梯形微带馈线及开口谐振环组成,保证天线工作在Ka波段(26~40 GHz)。其次,该天线背面为刻蚀互补开口谐振环结构的矩形接地板,可以有效地达到去耦的目的,从而实现低耦合的效果。仿真与实测结果表明:工作带宽为26~40 GHz(相对带宽达到50%),回波损耗小于-10 dB,耦合度均小于-26 dB,包络相关系数小于0.001,辐射方向图良好,增益稳定,辐射效率较高。由此,所设计的天线不仅结构简单、尺寸紧凑、频率覆盖范围广,且各项性能占优,可广泛应用于5G毫米波相关领域。综上,应用SRR/CSRR的技术使毫米波MIMO天线的互耦度得到了降低,验证了SRR/CSRR技术作为一种新型去耦技术的可行性和有效性。

宽带太赫兹大规模MIMO系统中的混合预编码

针对宽带太赫兹大规模多输入多输出(multiple input multiple output,MIMO)通信系统中更大的带宽和更多的天线导致的波束分裂问题,构建了基于时延的宽带太赫兹大规模MIMO系统的混合预编码通信模型,并提出了一种高效且可实现的联合时延和相位的宽带太赫兹混合预编码算法。考虑到时延器值的硬件限制,通过最小化最优模拟预编码与等效模拟预编码之间的差来联合优化模拟预编码矩阵和数字预编码矩阵,将联合优化问题转换成目标优化问题,通过将非凸问题转换成等价的凸问题来求全局最优解。仿真结果表明,提出的算法可以获得接近最优的可实现速率性能,且可以提高能量效率。

IRS辅助去蜂窝大规模MIMO系统反窃听安全波束赋形研究

为提高物理层安全通信性能,针对目前物理层通信容易受到建筑物遮挡和非法用户窃听的问题,提出了一种智能反射面(intelligent reflecting surface,IRS)辅助去蜂窝大规模多输入多输出(multiple-input multiple-output,MIMO)系统反窃听安全传输波束赋形方案。考虑信道理想的情况下,以还原合法用户接收信号和阻止非法用户接收信号为目标,最小化发射波束赋形向量,构建了一个基站主动波束赋形向量和IRS相移的联合波束赋形问题。通过交替优化将原问题分解为基站波束赋形向量优化子问题和IRS相移优化子问题,并通过解非齐次线性方程组思想的方法,对优化子问题进行求解。仿真结果表明,相较于传统物理层安全通信方案,提出的方案能够有效使非法用户窃听信号为0,降低传输功率,并且具有较好的误码率。

一种动平台MIMO雷达对海广域探测波束锐化方法

为解决动平台相控阵雷达前视成像方位分辨率低的问题,文中利用多输入多输出(Multiple Input Multiple Output,MIMO)雷达角度分辨力的优势,给出了一种适用于广域宽角扫描的机载MIMO雷达波束锐化方法。首先,根据MIMO雷达虚拟阵列原理,在宽发窄收和同时多波束探测模式下,建立了子阵级MIMO雷达前视成像回波模型;然后,在贝叶斯准则下,结合噪声统计先验信息,给出了基于最大似然估计的波束锐化方法。仿真和数据分析发现,该方法在较宽的角域内均可以获得良好的波束锐化性能,同时又极大节省了时间资源,具有一定的工程应用价值。

低导频开销RIS辅助毫米波MIMO系统参数化信道估计方案

为了解决可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息及时获取问题,提出了一种基于张量分解的信道估计方案。首先,通过使用少量无源反射单元和构建相移矩阵,设计了一种低导频开销的信道训练机制。然后,通过利用范德蒙德结构约束的张量典范平行因子分解,推导出一种非迭代的信道估计算法。理论分析表明,该方案的最小导频开销仅取决于反射链路子信道路径数乘积,且具有较低的计算复杂度。仿真结果进一步验证了所提方案相较于其他方法的优越性。

基于Massive MIMO的5G高业务量场景组网方案

针对5G用户量大、流量密度大等高密重载特殊场景,引入分布式Massive MIMO技术,给出典型场景的速率和容量提升方案,并对方案进行了验证。最后总结了典型场景的组网应用建议,对提升5G用户感知,促进5G市场发展具有重要意义。

基于均匀线性阵列的超大规模MIMO混合场信道估计算法

超大规模MIMO(extremely large-scale massive MIMO,XL-MIMO)是未来6G通信的关键技术之一。现有的XL-MIMO混合场信道模型大多对均匀线性阵列和单天线用户之间信道建模,且采用散射体最后一跳模型。若收发双端均配备线性阵列,现有的混合场信道估计方案将不再适用。为此,针对收发端均部署超大规模线性阵列的XL-MIMO场景,采用Saleh-Valenzuela模型进行信道建模,并提出了一种基于正交匹配追踪(OMP)的混合场信道估计算法。该算法首先利用角域变换矩阵对远场分量进行估计,然后通过极域变换矩阵估计近场分量。此外,引入克拉美罗-下界(CRLB)对所提算法进行评估。仿真结果表明,提出的混合场估计算法相较于仅考虑远场和近场的估计算法在信道估计性能上有约0.6 dB的提升。

可用于WLAN的双频MIMO天线设计

设计了一款可用于WLAN的双频MIMO天线。天线的正面为L型单极子,背面为金属接地板。通过在接地板上加载耦合枝节使天线具有双频特性。同时,为了天线的小型化,对耦合枝节进行了弯折处理,减小天线尺寸。在两个天线单元之间加载T型寄生枝节和刻蚀矩形缝隙来提高天线的隔离度。使用电磁仿真软件和矢量网络分析仪对天线进行仿真和实测,结果表明:天线的工作频段为2.4~2.55 GHz和5.1~6.3 GHz,覆盖了WLAN的频段,同时在低频段内隔离度高于19 dB,高频段内隔离度高于25 dB。此外,天线的包络相关系数小于0.01且具有全向辐射特性。天线整体性能较好,可以满足WLAN的需求。

基于去蜂窝毫米波MIMO的通感一体化混合波束设计

针对通信频谱资源的匮乏以及去蜂窝MIMO在资源利用方面的优势,提出了一种毫米波(millimeter-wave,mmWave)场景下的去蜂窝MIMO通感一体化(intergraded sensing and communication,ISAC)系统。在该系统中,基站为用户提供服务的同时,多天线用户设备能够主动检测多个目标。研究目标是设计模拟和数字波束形成器,以优化通信和雷达波束形成误差的加权和。研究中考虑了2种功率约束,并采用改进的正交匹配追踪算法和黎曼共轭梯度算法进行优化。对通信频谱效率和雷达波束方向图进行仿真分析,结果表明,混合波束方案能在频谱利用和波束指向方面实现折中的性能,这种方案对于提高系统性能具有潜在的应用前景。

基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测

传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测。首先,通过简化经典的检测网络(Detection Network,DetNet),改进ScNet(Sparsely Connected Neural Network)检测算法,引入卷积神经网络(Convolutional NeuralNetworks,CNN)对三通道输入数据提取特征以减少训练参数,提出一种SConv(SparselyConnected Convolutional Neural Network)检测算法。与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度。在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪(Sparsely Connected Convolutional Denoising,SConv-D)网络辅助的大规模MIMO检测算法。此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级。实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显。此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能。本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10^(-2)误比特率上能获得接近2 dB的性能增益。

基于位置分配的去蜂窝massive MIMO系统导频分配功率控制算法

针对去蜂窝(cell free,CF)大规模多输入多输出(multiple-input multiple-output,MIMO)系统中存在严重的导频污染问题,提出了一种基于位置分配的贪婪导频分配功率控制算法(greedy pilot assignment based on location with pilot power control,GPABL with PPC).首先,遵循相邻用户不分配相同导频序列的原则进行贪婪导频分配(greedy pilot assignment,GPA);然后,在导频分配的基础上叠加了导频功率控制,选择合理的导频功率控制系数减小信道估计的均方误差.仿真结果表明,将两种方式结合起来进行导频优化,系统的吞吐能力有所提升.

基于SWIPT的无小区大规模MIMO-NOMA系统能量效率研究

无小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)与非正交多址接入(Non-Orthogonal Multiple Access,NOMA)都是未来6G的使能技术。无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术在进行信息解码的同时收集能量,与无小区大规模MIMO-NOMA优势互补。文中基于SWIPT研究无小区大规模MIMO-NOMA系统中的能量效率问题,通过联合优化功率分配系数和SWIPT的时隙切换(Time Switching,TS)系数,提高系统的能量效率。为了最大化能量效率,采用布谷鸟算法设计功率分配系数。考虑一种特殊情况,将所有终端的TS系数设置相同,进而推导了最佳TS系数的封闭表达式。仿真结果表明,相较于几种已有方案,文中提出的优化方案可以显著提升系统的能量效率。

一种基于稀疏重构的多视角MIMO雷达关联成像算法研究

为改善复杂目标的成像表现、提升雷达图像的视觉效果,提出一种基于稀疏重构的多视角多输入多输出(multiple input multiple output,MIMO)雷达关联成像方法,设计了多视角雷达散射面积(radar cross section,RCS)起伏的稀疏重构关联成像模型。所提算法能提高辐射场信号随机性,改善复杂目标雷达关联成像参考信号与回波之间相关性退化的情况,减小多视角RCS起伏对相关性的影响,提升多视角下的关联成像质量。最后,通过仿真验证了所提方法的有效性。