基于上下行对偶性的多用户MIMO下行链路鲁棒收发机设计

针对多用户多天线(MIMO)下行链路信道状态信息(CSI)非理想的条件,该文研究SINR平衡问题及功率最小化问题的收发机设计。在信道误差受限情况下,该文建立worst-case SINR上下行链路对偶性,并基于该对偶性,为两种鲁棒收发机提出新的设计策略。该策略避免了凸优化内点迭代算法,从而大大降低复杂度。仿真结果显示,所提算法与现有的凸优化算法性能一致。

MISO系统中上下行链路对偶性分析

TDD系统中,利用上下行链路的对偶性可以将非凸的下行优化问题转换到上行链路,从而极大简化问题的分析和数值求解。上下行链路在波束成形和容量域两方面都存在对偶性。本文在统一的系统模型下,针对总功率约束和每天线功率约束两种情况,利用拉格朗日对偶法分别对波束成形对偶、容量域对偶做了推导、分析。此外,用凸优化软件包CVX简化了问题的建模。分析表明,上下行对偶等价于拉格朗日对偶,对偶问题可更一般地表示为极大极小问题。针对每天线功率约束下的波束成形问题,用迭代法和内点法分别对其进行了MATLAB仿真。仿真结果表明,非凸的下行优化问题可以利用对偶性转化为上行链路中的凸优化问题,从而得以解决。

下行链路多用户MIMO线性收发机设计

针对多用户多天线(MIMO)下行链路系统中的信干噪比(SINR)平衡问题和功率最小化问题,本文基于上下行链路对偶性提出一种新的收发机设计策略。该策略通过首先优化功率和接收滤波器、然后优化预编码器的交互迭代方式,避开传统算法中的复杂特征向量问题,从而极大的降低算法复杂度。仿真结果显示,本文算法具备更好的收敛性,相同性能下所需的计算精度远小于传统算法。

基于QoS的多小区下行TDD大规模MIMO系统顽健波束成形

针对非理想信道状态信息(CSI,channel state information)下的多小区下行时分复用(TDD,time division multiplexing)大规模多入多出(MIMO,multiple-input multiple-output)系统,研究了基于服务质量(QoS,quality of service)的发射功率和小区间泄露功率最小的波束成形问题。首先,将目标问题近似成凸优化问题,然后,利用上下行链路对偶性,提出一种内外层迭代算法。数值分析结果表明,所提算法与其他几种典型的多小区波束成形算法相比,在算法复杂度和能量效率性能指标方面具有明显优势。

频率选择性信道的下行MU-MIMO预编码优化方法研究

第五代移动通信网络(5G)通过采用大规模天线和大带宽频谱,大幅提升了空口传输速率。然而这也导致5G的空口面对的是一个具有严重频率选择性的信道,而现有的下行预编码算法并未针对这一特点作充分优化。特别是对于下行多用户-多输入多输出(Multi-User Multi-Input Multi-Output,MU-MIMO)传输模式,其性能依赖于准确的用户间干扰抑制,因此频率选择性造成的频谱效率损失尤为严重。本文提出一种频率选择性对偶优化预编码(Frequency Selectivity Dual Optimization Precoding, FSDOP)算法,将下行MU均方误差(Mean Square Error, MSE)最小化问题转化为对偶的上行优化问题进行迭代求解。链路级仿真结果表明,在典型的蜂窝系统多径信道模型下,该算法相对当前最常用的迫零预编码有非常显著的增益(在足够的迭代次数下吞吐量增益可达60%),对于5G空口性能提升具有重要的理论与应用价值。

大规模MIMO系统中基于溢出概率的鲁棒协作波束设计

大规模多输入多输出(Massive MIMO)技术通过在基站端配置大规模天线能有效提升5G蜂窝系统容量。考虑信道估计误差对系统性能的影响,该文在多小区大规模MIMO系统中形成了用户信干噪比的非溢出概率约束下最小化系统功率的优化问题。针对非凸概率约束中下行波束难于求解的问题,该文根据矩阵迹的性质将优化问题中的非凸约束缩放,进而提出上下行对偶算法求解波束矢量。为进一步减少多小区系统中信令开销,基于大系统分析,提出了仅采用大尺度信息的分布式算法。仿真结果表明,所提的分布式算法与对偶算法相比,在保证用户信干噪比的概率约束时,降低了大规模MIMO系统中传输瞬时信道状态信息的开销,同时具有良好的鲁棒性。

多小区大规模协同功率分配及波束成形算法

针对大规模多输入单输出的多点协作下行系统,本文主要研究协同波束成形和功率控制,以达到最大化最差用户信干噪比的目的。为了求解原始下行的非凸优化问题,首先将原始优化问题转化成等价的上行优化问题进行求解。尽管在有限系统里可通过迭代算法获得波束矢量和发射功率,但是该算法依赖于瞬时信道信息,功率也需要瞬时更新。为了减少功率更新计算复杂度,本文进一步利用随机矩阵理论,提出了只需要依赖统计信道信息的算法来获得发射功率。数值仿真验证了单基站功率约束下所提算法的有效眭以及相对于最大比发送算法的优越性。