一种自适应跨层空间子信道分配算法——基于多用户MIMO/OFDM系统

MI MO/OFDM是未来宽带无线通信接口的有效架构。本文提出了一种自适应跨层空间子信道分配算法,在多用户MI MO/OFDM系统中,联合链路层截短ARQ(T-ARQ)技术,以获取物理层最大的系统吞吐量为目标,推导了子载波分配准则,并给出了相应的算法流程。仿真结果表明,该算法具有良好的性能,有效地提高了系统的传输速率。

一种空间子信道分配算法及其分块设计—基于多用户MIMO/OFDM系统

MIMO-OFDM是未来宽带无线通信接口的有效架构.本文提出了一种基于多用户MIMO-OFDM系统的空间子信道分配算法,以获取最大的系统吞吐量为目标,推导了子载波分配准则,给出了相应的算法流程;为了减小计算量,本文进一步提出了基于时频块的简化设计.仿真结果表明,该算法具有良好的性能,有效地提高了系统的传输速率.

基于多用户MIMO/OFDM系统的空间子信道分配算法

对多用户MIMO/OFDM系统空间子信道进行了研究,以获取最大的系统吞吐量为目标,推导了子载波分配准则,提出了一种自适应空间子信道分配算法,并给出了相应的算法流程。仿真结果表明,该算法具有良好的性能,有效地提高了系统的传输速率。

一种多用户MIMO/OFDM下行链路保障QoS的自适应传输机制

在用户QoS参数限制下,该文提出一种在多用户MIMO/OFDM下行链路使系统总速率最大的资源分配机制。基站应用空分多址接入,使得每个子载波可支持多个用户,应用线性预编码方法抵消用户间的干扰,提出保障QoS的自适应功率、比特分配方案。该文并提出两种可应用到实际系统的低复杂度的比特加载和比特去除算法,仿真结果表明,该两种方法性能可非常接近最优遍历算法。

信道估计误差下多用户MIMO/OFDM下行系统自适应传输

以系统总速率最大化为目标,提出在非理想信道信息情形下基于空分复用的多用户MIMO/OFDM下行系统的自适应资源分配方案,并满足用户的QoS要求。该方案首先根据用户信道估计误差模型和用户QoS对用户进行子载波分配,然后在各个子载波上进行功率和比特分配。仿真结果表明,该方案相对静态分配方案可获得更大的总速率,而且对信道估计错误更加强健,可应用到信道信息不确定的实际系统中。

Turbo编码MIMO/OFDM系统中的Turbo均衡

针对Turbo编码MIMO/OFDM系统,本文提出一种低复杂度的Turbo均衡算法,均衡器采用性能近于最优检测的概率数据辅助(Probabilistic Data Association)算法,与软输入软输出的Turbo信道解码器之间迭代交换外信息,实现信道均衡与信道解码的迭代更新,以充分利用已获得的信息,克服传统判决反馈均衡器误差传播的缺陷。仿真表明,该均衡算法性能要比MMSE+MF线性检测算法提高约1dB,在Eb/No为4dB时误比特率达到10-6,且算法复杂度仅为O(N3),经两次迭代就可获得较为满意的码间干扰消除效果。

基于混沌序列的MIMO-OFDM雷达通信一体化波形设计

为了解决多输入多输出的正交频分复用(multiple input multiple output orthogonal frequency division multiplexing,MIMO-OFDM)雷达通信一体化信号波形由于通信信息的不确定性导致模糊函数旁瓣水平较高以及系统雷达探测能力较差的问题,提出利用混沌序列对通信信息进行直接扩频。但普通单级混沌序列具有保密性低,可用数量少,容易被破解的缺点。因此采用一种基于加权算法优化的混合型级联混沌序列对通信信息进行扩频调制,然后再通过MIMO-OFDM一体化系统进行传输。由仿真结果可知,加权后的级联混沌序列相关性和误码率性能较m序列和Gold序列更好,经此序列扩频后的一体化信号模糊函数旁瓣水平会更低,故该一体化波形雷达探测性能更佳。且混沌序列越长,信号波形雷达探测能力越好。

基于深度学习的多用户MIMO-OFDM-IM系统符号检测技术

MIMO-OFDM-IM是将MIMO-OFDM(多输入多输出正交频分复用)和IM(索引调制)结合的一种新颖的多载波调制技术。为解决目前多用户MIMO-OFDM索引调制的符号检测技术仍存在的复杂度高和误码性能受用户数量影响严重的问题,提出一种基于深度学习的符号检测框架,在该框架中,编码器与解码器都由DNN(深度神经网络)构造,采用监督式学习训练数据。实验结果表明,该框架有效地解决了以上问题。

时频调制的MIMO-CE-OFDM-LFM雷达通信一体化信号设计

实际环境中的信道多为参数随时间变化的随参信道。为了更好地适应随参信道环境,设计了4个频率和4个时隙的基于时频调制(Time Frequency Modulation, TFM)的线性调频(Linear Frequency Modulation, LFM)雷达通信一体化(Dual-Functional Radar and Communication, DFRC)脉冲信号。为了进一步增强其抗多径衰落的能力,在其基础上引入正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术来生成基于TFM的OFDM-LFM DFRC脉冲信号。为了实现恒模传输一体化脉冲信号,在其基础上引入恒包络(Constant Envelope, CE)技术来生成基于TFM的CE-OFDM-LFM DFRC脉冲信号。为了突破香农信道容量的上限和增大信号的发射能量,在其基础上引入多输入多输出(Multiple-Input Multiple-Output, MIMO)技术来生成基于TFM的MIMO-CE-OFDM-LFM DFRC脉冲信号。通信误比特率(Bit Error Rate, BER)仿真结果表明,设计的4个信号在通信传输时均具有优良的BER性能。雷达模糊度函数(Radar Ambiguity Function, RAF)仿真结果表明,设计的4个信号在雷达探测中均具备优良的距离和速度分辨率。

基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法

大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),能够获得较优的系统性能,但相应的计算复杂度较高,阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题,该文提出了一个模型驱动的神经网络,在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言,将迭代算法展开为一个神经网络,并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明,该方法能够自动更新参数,与传统的预编码算法相比,收敛速度更快,计算复杂度更低。

低频部署下MIMO-OFDM通信系统的频谱利用效率分析

主要深入研究低频部署下多进多出-正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)通信系统的频谱利用效率,探讨低频部署对系统性能的影响,并提出相应的优化策略。详细分析低频部署对信号传输性能和频谱利用效率的影响,评估频谱利用效率,提出针对低频部署的MIMO-OFDM系统的优化策略,最后探讨低频部署下MIMO-OFDM系统的适用场景,为实际应用提供一些建议。

基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机

多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中,由于子载波间干扰(ICI)对信号的影响程度未知,导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题,该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计,信道估计时利用估计出的干扰深度重建各个信道的频域矩阵,避免对不同信道选择相同的干扰深度,在自适应信道变化的同时降低了计算复杂度。此外,将判决反馈均衡引入MIMO-OFDM水声通信系统,利用已均衡出的符号信息消除子载波间干扰。仿真结果表明,该接收机相比于干扰深度渐进的接收机,译码成功所需的时间更短。

基于联合特征参数和一维CNN的MIMO-OFDM系统调制识别算法

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统子载波的调制识别问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix,JADE)算法从接收端的混合信号中恢复发送信号;然后,提取恢复信号的循环谱切片和四次方谱作为浅层特征;最后,利用1D-CNN对特征进行训练,使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明,所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别,在信噪比为10 dB时的识别精度即可达到100%。

基于四维广义离散椭球序列的降秩MIMO-OFDM信道估计方法

传统的基于插值的信道估计器需要高导频负载来对快速时变的频选MIMO-OFDM信道进行稳健估计。为降低对高导频的需求,利用信道对低维子空间的限制作用设计了一种线性最小均方误差(LMMSE)信道估计器,该估计器采用由带限广义离散椭球(GDPS)序列得到的四维基扩展信道模型。仿真结果表明:与基于插值的最小二乘(LS)估计器相比,降秩估计器的均方估计误差较小,且对时延、多普勒和角扩展等均具有较强的鲁棒性。

基于大规模MIMO-OFDM系统的5G通信信道估计算法研究

信道估计对宽带无线移动通信系统的具体实现至关重要。本文介绍了大规模MIMO-OFDM系统的通信原理,指出5G无线信道存在的局限性,再根据信道衰落、多径效应等问题的成因,提出基于压缩感知理论的信道估计算法,并以MATLAB为仿真平台,设置了载波数量、稀疏度、载波频率等仿真参数,在不同的信噪比下开展了算法性能检验。结果显示,稀疏度自适应匹配追踪算法的性能表现最佳。

基于凸优化的大规模MU-MIMO-OFDM系统峰值平均功率比抑制方法

为了提高大规模多用户-多输入多输出-正交频分复用系统运行效率以及降低系统硬件花费,将凸优化方法引入MU-MIMO-OFDM系统的下行链路中,从而降低发射信号的峰值平均功率比.首先,将多用户预编码、OFDM调制、降低发射信号PAPR及发射信号功率约束建立成数学模型.然后,设计线性交替方向乘子法(linear alternating direction multiplier method,LADMM)求解凸优化问题.仿真结果表明,该方法只需较少的计算复杂度就可在大规模MU-MIMO-OFDM系统中获得很好的降低发射信号峰均比效果,同时具有较低的符号错误率.

MIMO-OFDM无线通信传输与检测技术研究

多输入多输出-正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)无线通信系统是一种采用多输入多输出和正交频分复用技术相结合的高效传输方案。深入研究MIMO-OFDM无线通信系统的传输与检测技术,研究结果表明,MIMO-OFDM系统在提高容量、可靠性和抗干扰能力方面具有巨大潜力,对未来无线通信技术的发展具有重要的应用价值。

基于MIMO技术的通信接入网数据超低延时自动化传输系统

为了增强通信接入网的安全性,避免出现资源浪费现象,提升通信接入网的数据传输效率,提出了一种基于MIMO技术的通信接入网数据超低延时自动化传输系统,旨在增强安全性、避免资源浪费并提升数据传输效率。系统采用MIMO-OFDM技术和空时编码,通过波束形成模块抑制干扰,并利用最小缓存控制模型优化缓存队列长度,实现数据超低延时传输。实验结果显示,该系统平均数据延时约为0.6 s,视频数据传输延时为2 s,有效控制缓存占用,适应多用户传输需求。此外,随着信道状态估计、信噪比和用户数量的增加,系统吞吐量进一步提升,证明了其在多用户场景下的适用性。

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中,信号经过频率选择性衰落的信道后,在接收端需要进行均衡和相干信号的检测,故准确的信道估计量必不可少。传统的信道估计方法均基于信道抽头是密集型的假设,利用线性重构算法,如最小二乘(LS)或最小均方误差(MMSE)等,可以达到Cramer-Rao下界(CRLB)。然而,通过物理信道测量发现,在实际通信系统中,宽带信道抽头分布通常表现出稀疏特性。通过充分利用信道的稀疏特性,该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计。在达到与传统的信道估计方法相同性能的前提下,基于CoSaMP的信道估计方法以非常小的计算复杂度为代价,大大减少了导频信号开销,从而提高了频谱资源利用率。