基于信道反馈的MIMO-OFDM系统多用户分集研究

利用包含信道质量的反馈信息,多用户分集能显著提高无线通信系统的性能。然而,在多载波多天线(MIMO-OFDM)的架构下,反馈所有用户的所有信道质量信息(CQI)将占据大量的无线资源,从而降低了频谱效率,因此各种有限信道反馈算法被提出来减少系统的反馈开销。该文主要研究了基于两种典型的有限信道反馈的多用户分集增益,并与理想反馈进行了对比。系统平均频谱效率数学表达式的推导考虑了可选调制方式有限的特性,更符合实际。仿真用于评估各种反馈算法下的多用户分集性能,其结果与理论分析相当匹配。并且只要恰当地选取反馈参数,有限信道反馈算法可以在不损失多用户分集增益的前提下,极大的降低反馈开销,这为设计实际系统的信道反馈提供了参考。

一种大规模多输入多输出系统信道反馈算法

针对在大规模多输入多输出(multiple-input multiple-output,MIMO)系统中,信道状态信息(channel state information,CSI)反馈量过大以及反馈的CSI过时的问题,提出一种基于自回归(autoregressive,AR)模型和主成分分析(principal component analysis,PCA)方法的反馈算法。接收端进行信道估计获得CSI后,先利用AR模型预测出反馈所需时间之后的CSI;在此基础上计算压缩矩阵,然后利用PCA方法对预测的CSI进行压缩,再反馈给基站;最后基站端对接收到的CSI进行重构。从理论分析和仿真结果可以看出,该算法可以在降低反馈量的同时提高系统容量和信道恢复的准确性。

基于随机波束成形MIMO系统的信道反馈算法

MIMO系统是未来移动通信发展的趋势。随机波束成形利用包含信道质量的反馈信息,可以开发多用户分集增益,进一步提高MIMO系统的容量。然而繁重的反馈信息会占据大量的无线资源,降低系统的实际效率。主要研究降低随机波束成形MIMO系统反馈开销的方法,提出了两种部分信道反馈算法:门限反馈和最优反馈。理论推导表明了系统平均容量与反馈率之间的权衡关系,仿真结果证明了只要恰当地选取反馈参数,这两种反馈算法可以在几乎不牺牲系统容量的前提下,极大节省反馈开销。其中,门限反馈在系统容量方面表现要好于最优反馈,而最优反馈在实现简便性方面要强于门限反馈,因此实际设计时要折中考虑。

宽带OFDM系统中基于部分信道反馈的预处理优化算法

为克服OFDM系统中的符号块间干扰(IBI)和载频间干扰(ICI),基于满信道状态信息(CSI)的发端预处理算法已被提出,系统性能得以提高并简化了接收机。不过,反馈满CSI将占用紧张的频谱资源,并且在一些实时性要求高的系统中也是不现实的。为解决这一问题,基于部分CSI反馈提出了一种预处理优化算法,并对优化矩阵的3种处理方案进行了分析与讨论。仿真结果表明,所建议的优化算法能有效地抑制IBI和ICI,提高系统的性能。与已有的基于满信道信息的发端预处理传输方案相比,在满足一定服务质量要求的情况下,本方案的频谱效率得以提高,反馈量和计算复杂度明显降低。

采用压缩感知的协作多点信道反馈算法研究

协作多点技术(Coordinated Multiple Points,CoMP)作为LTE-A的最重要候选技术之一,已经得到广泛的关注。在协作多点中,有很多种传输方案,其中一种基于联合传输下的全局预编码方案能够获得极佳的系统性能,而实现该方案的前提是基站可以得到较为完整的信道状态信息。因此在信道反馈时选择显式反馈,因为相比较其他反馈方式,它可以反馈更为完整的信道状态信息,而显式反馈的缺点为需要的反馈量过大。文中利用一种采用压缩感知的信道反馈新方法对联合传输下的全局预编码方案信道显式反馈信息进行压缩,仿真结果显示在不影响系统性能的前提下,能够有效地减少反馈量,使得系统发挥最佳性能。

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI)反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。

高可靠性信道反馈自编码器系统设计

为了充分利用信道反馈编码系统中反馈信息,提出了一种针对带有反馈信道的高可靠性自编码器系统设计方案。该方案通过在发送端引入反馈解码器模块,将编码与反馈信息的提取分成两部分进行,利用端到端的学习方式使发送端和接收端寻找到适合信道的编码和解码算法。针对反馈解码器模块,给出了基于卷积神经网络和双向门控循环单元的两种实现方案。此外,提出了一种节约反馈发送功率的部分反馈方案,通过抽样间隔灵活控制反馈发送功率,同时利用反馈解码器对反馈信息进行恢复和提取。仿真实验表明,在不同码速和不同反馈信道信噪比的情况下,提出的两种信道反馈编码方案的系统误码性能均优于已有文献给出的方案,并且在反馈信道环境较差时,提出的部分反馈方案在节省反馈发送功率的同时仍有0.1 dB的误码性能提升。

基于空间相关性的信道反馈方案

下一代通信系统的重要技术之一是大规模MIMO(Massive MIMO)技术。该技术信道容量大、信道可靠性高、绿色低碳,但大规模多天线技术在MIMO系统中的应用大大提升了信道反馈,使系统性能下降。所以,研究大规模MIMO系统下信道状态反馈问题具有重大意义和价值。大规模天线阵列技术应用于MIMO系统且天线排列紧凑,使得信道的空间相关性得以体现,促使压缩感知技术可以被应用在这样的场景下进行信道信息的反馈。鉴于此,重点探究该方案的具体操作步骤,并完成了这个方案详细的原理解析和对应的模拟试验。

LTE系统中基于压缩感知的信道反馈方案研究

针对基于完全信道状态信息预编码的长期演进(LTE)多输入多输出-正交频分复用(MIMO-OFDM)系统面临反馈开销很大的问题,提出了基于压缩感知的反馈方案,该方案利用压缩感知技术在接收端对信道估计得到的信道信息进行观测,并将观测值反馈到发送端,在发送端通过梯度投影算法重构信道状态信息。通过仿真证明,该反馈方案在大幅减小反馈开销的同时达到了与完全信道状态信息反馈时非常接近的性能。

基于自注意力机制的大规模MIMO信道状态信息特征向量反馈方法

大规模多输入多输出(MIMO)系统可以为5G和未来无线通信系统提供令人满意的频谱效率的增益。在频分双工(FDD)模式下,需要将下行信道状态信息(CSI)的特征向量精确地反馈到基站侧以获得这种增益。为了提升下行CSI特征向量的反馈精度,提出了一种基于自注意力机制的CSI反馈方法SA-CsiNet。SA-CsiNet通过分别在编、解码器部署自注意力模块实现CSI的特征提取和重构。仿真实验结果表明,相较于码本和传统的深度学习CSI反馈方案而言,SA-CsiNet能够提供更高的CSI重建精度。

面向大规模MIMO信道信息反馈的模型驱动轻量化神经网络

信道状态信息对于大规模多输入多输出(Multi-Input Multi-Output,MIMO)系统获得高信道容量和能量效率是十分重要的。频分双工系统因为上下行信道缺少互易性,所以需要用户将下行信道反馈至基站来进行预编码等处理。因为反馈的信息量和天线数成正比,所以大规模MIMO系统的反馈量是十分巨大的。很多数据驱动的深度学习神经网络使用编码器压缩信道信息,使用解码器恢复信道信息,但是由于数据驱动神经网络的黑盒子特性,不仅需要很高的复杂度来恢复信道信息,而且性能难以得到进一步提升,尤其增加用户设备处模型的复杂度和计算资源来提升性能是不切实际的。本文提出了一种展开迭代阈值收缩算法(Iterative Shrinkage-Thresholding Algorithm,ISTA)的可解释的模型驱动网络。针对信道信息不严格满足压缩感知稀疏性要求而导致恢复性能下降的问题,引入残差网络,设计了一种非线性稀疏变换来提升性能;为了平衡性能和复杂度,在用户处提出了一个可学习的压缩矩阵来保留更多信道信息;进一步地,本文在不改变已有网络框架的基础上将适用范围从单天线用户扩大到多天线用户,提高了神经网络的兼容性。仿真结果表明,本文提出的方法相比于其他方法具有更好的信道恢复性能以及在用户处具有更低的复杂度。

智能反射面辅助通信中的信道估计方法

信道信息对于智能反射面(Intelligent Reflecting Surface, IRS)辅助的通信系统十分关键。由于IRS反射单元的数量十分巨大,信道估计和信道反馈的开销一直制约着IRS辅助的通信系统的性能。为解决这一难题,介绍了IRS辅助的通信系统中信道的特性。不同用户共享同一基站(Base Station, BS)-IRS信道,而BS-IRS-用户串联信道具有很强的关联性。基于这一特有的信道特性,提出了IRS辅助的通信系统上行信道估计方法、下行信道估计和信道反馈方法;理论性地刻画了以上方法所需要的最小信道估计开销和信道反馈开销,以揭示所提方法在IRS辅助的通信系统中相对于传统信道信息获取方法的巨大优势。

基于部分信道信息反馈的多用户MIMO传输机制研究

在宽带无线通信系统中,多天线技术的实现依赖于多用户MIMO传输机制及信道信息反馈的有效解决.提出一种发送端进行干扰消除的TIE算法及相应的用户选择算法和功率分配算法,并提出一种基于向量量化的部分信道信息反馈机制,可以在多用户环境中提高系统性能并能有效降低信道信息反馈开销.分析了采用部分信道反馈机制的TIE算法的性能,论证了其性能特征.实验结果表明,与其他算法相比TIE算法可以有效地提高系统数据速率,而部分信道反馈机制可以在保持系统数据速率的前提下极大地降低信道反馈信令的开销.

有限CSI反馈MIMO系统下的快速码字搜索

针对传统多输入多输出(Multiple-Input Multiple-Output,MIMO)系统下信道反馈开销大、发送端的最优预编码设计难以实现的问题,研究有限信道状态信息(Channel State Information,CSI)反馈下的联合预编码设计与码字搜索技术,提出一种基于离散傅里叶变换(Discrete Fourier Transform,DFT)码本的快速码字搜索算法。该算法利用MIMO信道天然具有的信道硬化特性,将理论性能最优但是计算复杂度极高的遍历式码字搜索算法转化为求解多个简单优化问题的快速码字搜索算法。仿真结果显示,该算法能够在性能损失较小的情况下大幅度降低码字搜索的计算复杂度。

一种基于压缩感知的大规模多入多出系统信道压缩反馈方法

大规模无线多入多出系统由于在无线收发端配置了多天线构成的天线阵列,信道数量大幅度增加,传统的信道反馈方法面临巨大挑战。鉴此,提出一种基于压缩感知的信道信息压缩反馈方案,以减少计算复杂度与降低反馈量。结合双向主成分分析理论推导在空间相关瑞利信道下的双向投影矩阵,可以有效地将信道信息矩阵稀疏化,并给出了一个合适的比特分配方案。与主成分分析压缩信道算法对比,本方法可明显提升信道反馈的归一化均方误差(NMSE)性能,降低计算复杂度。

MIMO-OFDM系统中基于压缩感知的信道参数反馈方法

为了解决MIMO-OFDM系统中基于完全信道状态信息预编码所面临的反馈链路开销大的问题,提出将压缩感知技术应用于这种预编码的信道状态信息的反馈阶段。在接收端通过压缩感知技术对由信道估计得出的信道状态信息进行观测,将少量的观测值反馈到发送端,在发送端通过正交匹配追踪算法重构出完全信道状态信息。仿真结果表明,信道状态信息在KLT域的压缩感知性能明显优于DCT域的压缩感知性能,可以由反馈到发送端的少量采样值精确地重构出信道状态信息,降低了反馈链路的开销。

发射分集OFDM系统中一种基于Turbo迭代的判决反馈信道估计

本文对频率选择性衰落信道条件下发射分集OFDM系统的信道估计进行了研究,提出了一种基于Turbo迭代的判决反馈信道估计方法。该方法充分利用Turbo迭代信息来改善信道估计性能,且因无需求逆运算,使得整个系统的复杂度增加不多。仿真结果表明,所提方法在较高信噪比条件下,明显提高了系统信道估计的性能,且适合于高速移动的信道环境。

基于平均参量反馈信道模型的自适应MIMO-OFDM系统分析

该文首先分析了基于二维波束及Alamouti编码的MIMO-OFDM系统模型,针对实际情况中发射端已知部分信道状态的情况,提出了在平均参量反馈信道模型下的最优自适应比特和功率分配算法。该算法利用拉格朗日算法将约束条件下的最优化问题进行转化,并采用对分算法加快搜索最优拉格朗日乘子的收敛速度。仿真结果表明,该算法不仅可以在满足目标BER及发射功率的情况下保证较高的数据传输率,并且计算复杂度低于传统算法。

带反馈非对称信道的最优纠错编码

带反馈非对称信道的最优纠错编码等同于Ulam Renyi问题的半谎搜索模型的最少提问次数qhl(m) .本文证明了qhl(m)的取值分布具有非交叉性 .借助于这一良好的分布特性 ,原始的确定最少提问次数精确值问题可以被简化为确定一个临界数问题并且这个临界数的存在性和唯一性得到了证明 .同时本文也改进了Cicalese等人的结果 ,在更大的范围内明确地给出了最少提问次数qhl(m)

基于压缩感知的MIMO-OFDM系统信道状态信息反馈方案研究

在MIMO-OFDM系统中,信道状态信息反馈技术是现在的研究热点。在研究了3GPP-LTE系统中使用的一些信道状态信息反馈方案的基础上,提出了一种基于最新的压缩感知技术的反馈方案。该方案中利用高速数字信道频域的稀疏性,通过压缩感知算法重建反馈的信道状态信息,有效减少了系统处理复杂度和传输的数据量。仿真证明,在反馈量相同的前提下,新方案的系统容量和误码率性能都优于传统的基于码本的反馈方案。