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WPT的去蜂窝mMIMO系统中无人机轨迹与充放电联合优化方法

在去蜂窝大规模多输入多输出(CF-mMIMO, cell-free massive multiple-input multiple-output)系统中,无人机(UAV, unmanned aerial vehicle)作为移动接入点(AP, access point),在通信和任务执行中发挥的作用越来越重要。为了提高UAV执行复杂任务时的续航能力,研究了基于无线电力传输(WPT, wireless power transmission)的CF-mMIMO的UAV能量收发和轨迹设计方法。以中断用户的通信公平性为优化目标,考虑在UAV任务执行过程中由接入点提供能量补给的能耗约束,对UAV的飞行轨迹、充放电时隙以及波束成形进行联合优化。针对该复杂优化问题,采用基于角度搜索的通信辅助深度Q网络(DQN, deep Q-network)算法,通过限制搜索空间的角度范围,对问题进行有限空间搜索。仿真结果表明,在UAV兼顾续航以及通信情况下,该算法能显著提高UAV的使用率并增强中断用户设备(UE, user equipment)的通信公平性,实现区域动态覆盖。

基于深度强化学习的毫米波大规模MIMO系统资源联合优化

针对毫米波大规模多输入多输出(multiple-input multiple-output,MIMO)系统中无线资源受限、功耗巨大且能量效率与系统容量相互制约而导致吞吐量和能量效率低的问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的资源联合优化方法。该方法采用三阶段策略,首先,构建射频波束成形器,通过少量的射频链降低硬件成本和总功耗;其次,利用有效信道状态信息设计基带预编码器;最后,设计应用双层DRL架构实现动态离散带宽和连续功率资源的分配。实验结果表明,与单级全数字预编码和混合预编码的均等资源分配方法及基于粒子群优化的资源分配算法相比,所提的联合优化方法显著提高了系统的吞吐量和能量效率。

莱斯信道下大规模MIMO系统传输速率研究

为解决频谱效率和能量效率低、不安全性高、导频污染严重等问题,对莱斯信道下大规模多进多出(MIMO)系统进行研究。从原理和优势两个方面分析大规模MIMO系统,并概述莱斯信道,探讨大规模MIMO系统的关键技术,如线性信号检测算法、信道估计技术,进而分析莱斯信道下大规模MIMO系统的传输速率,以期为相关人员提供参考。

基于光子辅助的太赫兹MIMO系统的研究与展望

太赫兹频段(0.1~10 THz)通信与传统无线通信相比,在高速数据传输、透射与成像方面、医疗成像和药物检测、物联网以及6G通信[1]等领域的独特优势,使其具有广阔的研究价值,有望推动通信技术的发展并在多个领域带来创新应用。但是太赫兹频段信号也具有弱穿透性、强大气层衰减、电路和天线设计复杂以及信号处理复杂的特性使其当前发展受限,针对此项,结合基于光子辅助的太赫兹技术和天线MIMO技术,通过分析基于光子辅助的太赫兹MIMO系统的研究现状、关键器件以及关键技术,展望了太赫兹通信未来可行的研究方向,以期为太赫兹频段信号的未来应用做出贡献。

大规模MIMO系统基于有限反馈的端到端波束成形设计

针对频分双工(Frequency Division Duplex,FDD)模式下大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的最佳波束成形设计,存在信道状态信息(Channel State Information,CSI)反馈开销严重和单独考虑某一模块难以得到整体最优解的问题,提出了一种基于有限反馈的端到端神经网络架构。首先,在基站侧设计可优化导频,并通过稀疏信道发送给用户。然后,用户将接收到的导频通过深度神经网络量化为B比特的信息流,并反馈给基站。最后,基站利用反馈信息,通过图神经网络完成最佳波束成形矩阵的设计。该架构将导频设计、量化、反馈以及最佳波束成形等不同模块整体考虑、优化。实验结果表明,所提的端到端神经网络模型在导频长度和反馈开销有限的情况下,能实现的用户和速率已经达到了具有全CSI的传统波束成形方案的96%。

低精度ADC下无小区大规模MIMO系统的频谱效率研究

无小区大规模多输入多输出(cell-free massive multiple-input multiple-output,CF-mMIMO)系统的覆盖区域内随机部署了大量分布式接入点(access points,APs)在同一时间频率资源中服务所有的用户,可显著提升系统通信容量,是6G网络中最具潜力的使能技术之一。然而,大量AP处配备高精度模数转换器(analog-to-digital converters,ADCs)导致的高功耗与硬件成本,限制了CF-mMIMO系统的实际部署。为了有效地降低硬件成本,本文研究了低精度ADCs下CF-mMIMO系统的上行链路频谱效率(spectral efficiency,SE)。在不完美的信道估计下,利用加性量化噪声(additive quantization noise model,AQNM)模型和最大比合并(maximal ratio combining,MRC)接收机滤波器,推导了CF-mMIMO系统中用户上行可达速率的闭式表达式,并基于该表达式分析了AP数量、用户传输功率以及ADCs精度等系统参数对SE的影响。为了最大化CF-mMIMO系统的SE,提出了一种低精度ADCs下贪婪导频分配算法抑制导频污染。将导频分配建模为最大-最小导频优化问题,通过迭代更新速率最小用户的导频序列,使其所受导频污染的影响最小,从而最大化该用户的可达速率。最后,将配备低精度ADC的CFmMIMO系统与传统完美精度ADC系统进行性能比较。数值仿真结果表明,系统配备5位低精度ADCs时的SE逼近完美精度ADCs,增加AP端天线数可以弥补低精度ADCs导致的性能退化。此外,所提算法不仅有效抑制了导频污染,还缩小了用户之间的速率差距,提升了系统的95%用户SE。

基于天线选择技术的大规模下行MU-MIMO系统能效分析

为了提高大规模多用户多输入多输出(MU-MIMO)下行系统的能效,提出了一种基于发送天线选择技术的能效优化机制。首先建立了同时考虑发送功率与电路功耗的新的系统功耗模型,并基于该模型,分析了基站配置天线数目与所有接收终端用户数目对系统总功耗及能效的影响。然后通过理论推导得到了系统能效最优时的最优天线选择数目,并与使用全部天线时的系统能效进行比较。仿真结果表明,所提出的发送天线选择机制通过优化激活部分基站天线能够明显提高系统能效。在用户数为10、发送功率分别为40 W和10 W时,与使用全部天线相比,天线选择技术能够分别使得系统能效获得大约12%和78%的性能增益。

MIMO系统的多模型预测控制(英文)

针对非线性多变量系统提出一种多模型预测控制 (MMPC)策略 .首先给出一种多模型辨识方法 ,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统 ,并获得多个线性模型 ,通过模型变换得出全局系统模型 ,接着对全局MIMO系统设计MMPC ,并进行了系统的性能分析 ,最后以 pH中和过程为例 。

多用户MIMO系统TH预编码

传统TH预编码方案将所有的均衡工作放在发射端完成,没有充分发挥MIMO技术的优势。该文提出一种针对移动端多天线的TH预编码方案,用户之间的干扰消除由发射端完成,而用户之间多个流之间的干扰消除由各个用户自行完成。通过对信道矩阵进行块下三角分解并按速率最大准则进行功率注水,所提方案比传统单天线TH预编码方案有更高的速率。

非线性MIMO系统线性化解耦的一种新方法(Ⅱ)——离散时间系统

研究如何构造神经网络（ＮＮ） α阶时延逆系统，并将其用于ＭＩＭＯ 强耦合非线性离散时间系统的线性化解耦。ＮＮα阶时延逆系统由单个静态神经网络和若干时延因子组成，将其与原系统复合可形成具有最小阶时延的伪线性解耦系统。该方法对被控系统数学模型的先验知识要求很少，不但能有效地实现对原系统的线性化解耦，且结构简单。

基于干扰对齐的认知MIMO系统频谱共享与用户调度

在认知MIMO多用户通信场景中,设计基于干扰对齐的信号处理算法,将认知信号与授权信号通过相互正交的子空间进行传输,实现认知用户对授权系统空闲空间信道的无冲突利用,并根据不同信道矩阵的空间传输性能的差异,实现合理的用户调度。仿真结果表明,所提方法能够有效利用空闲空间信道资源,获得多用户分集增益,在不影响授权业务的前提下提高认知用户的传输速率。

从LQR理论设计容错MIMO系统的方法

本文提出了从LQR理论设计稳定容错MIMO控制系统的新方法,证明了通过适当选取权矩阵Q或R,可以构造出在稳定性意义上对执行器或传感器的失效具有容错性能的状态反馈系统,并给出了Q、R的选取方法。

复合衰落信道下分布式MIMO系统下行中断概率分析

针对复合衰落信道模型下分布式MIMO系统下行中断概率问题,首先建立了一个综合考虑Nakagami-m衰落、路径损耗和阴影衰落的复合衰落信道模型;然后针对存在中心基站的分布式MIMO系统,提出了一种更符合实际应用环境的准均匀小区移动台分布模型;接着利用矩生成函数、Gauss-Hermite积分公式和Simpson积分公式等数学手段推导了任意移动台分布下、单小区内系统平均下行中断概率闭合表达式;最后将准均匀移动台分布模型应用到该中断概率闭合表达式,并通过MATLAB仿真证明了所推导得到的闭合表达式及小区分布模型的合理性。

基于深度学习的MIMO系统联合优化

自动编码器神经网络可将通信系统重新构建为端到端的任务,从而实现整个系统的联合优化。针对基于深度学习的2用户与4用户多输入多输出(multiple-input multiple-output,MIMO)系统联合优化问题,提出将自动编码器运用到系统中,将整个通信系统的发射端和接收端视为自动编码器的编码和译码部分,利用交叉熵损失加权和函数进行训练学习,从而获得优化的系统模型,并进一步分析得出每个用户的误比特率及所有用户的平均误比特率。实验结果表明,基于自动编码器所构建的MIMO通信系统相比于传统的通信系统具有更优的系统性能。

莱斯信道下大规模MIMO系统上行资源分配研究

考虑了莱斯信道下单个小区上行多用户大规模MIMO系统,对上行链路的资源分配进行了研究.假设基站通过上行训练序列来估计信道,分别采用最大比合并接收和迫零接收来对信号进行接收.通过联合选择训练序列长度、训练序列功率和发送的数据功率来优化小区在相干时间内固定能耗下的频谱效率.仿真结果表明:经过优化系统的频谱效率有所提高,莱斯因子K越小,优化效果越明显,导频的功率越大;反之优化效果不明显,导频的功率越小.

一类非线性MIMO系统的直接自适应模糊鲁棒控制

针对一类未知的非线性MIMO系统 ,本文提出了一种直接自适应模糊鲁棒控制设计方法 .理论分析和仿真实验都已证明 ,该方法确保闭环系统全局稳定 ,获得H∞ 跟踪性能指标 ,外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合可衰减到给定的水平 ,系统鲁棒性好 .

一种用于MIMO系统的快速天线选择算法

在多径衰落环境中,MIMO系统的信道容量随天线数的增加呈线性增加,发射/接收天线选择方法能以很小的性能损失换取射频成本的大幅度降低,使MIMO系统不完全受射频成本的限制。为快速选择出使系统容量最优的发射/接收天线子集,该文提出一种快速天线选择算法的改进算法。该算法通过实时更新优化参数,大大降低计算复杂度。仿真结果表明,该算法在不影响系统容量的情况下大大减少了计算时间。

非线性MIMO系统的降维状态观测器

研究一类多输入多输出 (MIMO)非线性时变系统的降维状态观测器设计问题 .提出一种非线性降维状态观测器设计方案 ,并从理论上证明了状态观测误差的指数收敛性 .其中设计的降维状态观测器具有收敛速度可调的特性 .最后给出了数值算例 ,仿真结果表明了本文方法的有效性 .

MIMO系统稳定裕度的几个定义

在介绍了单输入单输出 (SISO)系统稳定裕度的基础上 ,重点讨论了多输入多输出 (MIMO)系统的稳定裕度 ,给出了 MIMO系统稳定裕度的几种定义并分析了各种定义的优劣 ,最后指出了