优化公平性的多用户OFDM系统下行链路资源分配算法

研究了优化公平性的多用户OFDM系统下行链路的资源分配算法,根据系统各用户的业务需求,在保证用户所得数据速率满足一定比例以及系统总功率限制的前提下,提高系统总数据速率。首先,根据公平性原则进行用户的子载波分配,子载波功率分配使用注水算法;子载波分配完成后,利用贪婪功率分配算法,以最大化用户数据速率和提高功率利用率为目标,对各用户内部子载波功率和比特数进行再分配。仿真结果表明,相比参考文献[10]的算法,该算法在提高系统总速率的同时,更好地保证了用户数据速率的公平性;相比参考文献[12]的算法,该算法虽然牺牲了一定的系统总速率,但能提供更高的用户数据速率公平性。

Massive MIMO系统低复杂度ZF检测算法

基于诺依曼级数展开算法,将矩阵求逆转化为一序列矩阵求和,在一定程度上降低了算法的复杂度,但是在计算优化因子上耗费了大量的计算资源而产生延迟。提出一种改进算法,其基于诺依曼级数近似,将大矩阵相乘转化为对角矩阵和空心矩阵,进一步降低ZF算法的计算复杂度,且提出一种简化优化因子的方法,提高收敛速度,有效减少延迟。仿真结果表明,随着接收天线增加,改进算法译码性能接近传统ZF算法,而检测算法的复杂度由O(k^3)降到O(k^2),其中k为用户数。

多小区Massive MIMO系统低复杂度ZF线性检测算法

针对多小区Massive MIMO上行链路系统中ZF线性检测涉及到大矩阵求逆而具有高复杂度的问题,提出了一种低复杂度的ZF检测算法。在考虑各小区信道状态信息已知条件下,利用SVD分解的方法求解干扰消除矩阵,从而将多小区信号接收模型等效转化为单小区模型,然后再利用ZF检测算法。但是,在ZF检测算法中涉及到大矩阵求逆运算的复杂度为O(K^3),其中K为本小区中的用户数。为了降低直接求逆的高复杂度,提出了将大矩阵分解为对角矩阵和空心矩阵之和,并采用诺依曼级数近似且通过优化展开项因子,使所提算法在性能损失很少的情况下复杂度降低了一个数量级为O(K^2)。此外,通过仿真实验验证了理论推导与分析的有效性。

大规模天线系统中基于软判决的MIMO信号检测算法

在大规模多输入多输出(MIMO)系统下,提出了一种基于软判决的改进MMSE(IMMSE)信号检测算法。在IMMSE算法中,把MMSE算法检测值作为算法的初始值并采用迭代干扰消除技术。进一步使用对数最大似然比(LLR)将检测序列进行排序,提出一种有序的IMMSE(OIMMSE),并使用软判决技术来提高算法的检测性能。在不同天线数的MIMO系统下,对IMMSE算法和OIMMSE算法进行误码率性能仿真。仿真结果表明,OIMMSE算法和IMMSE算法性能明显优于MMSE。而且提出的新算法随着天线数的增加,越来越接近单输入单输出(SISO)在加性高斯白噪声下的性能。由此可见,新算法对大规模MIMO系统是有效的。

多小区Massive MIMO系统中低复杂度MMSE线性检测算法研究

文章针对多小区Massive MIMO上行链路系统中MMSE线性检测中涉及大矩阵求逆具有高复杂度的问题,提出了一种低复杂度的MMSE检测算法。首先考虑已知目标小区的信道状态信息而其他小区信道状态信息未知条件下,通过求解干扰项与噪声之和的均值与方差,将多小区信道模型转化为单小区信道模型,再利用MMSE算法进行检测。为了降低求逆矩阵的复杂度,将大矩阵分解为对角矩阵和空心矩阵之和,再利用诺依洛曼级数近似将其展开,并优化展开项因子来增加算法收敛速度。仿真结果表明,所提出的改进算法在性能损失很少的情况下复杂度从O(K^3)降低到O(K^2),其中K为本小区中的用户数。