几何平均分解的矢量预编码方案设计

将MIMO信道矩阵几何平均分解,基于迫零准则和最小均方误差准则,提出了新的ZF-VP和MMSE-VP矢量预编码设计方案,并联合信道扩展方法将方案进行简化以降低系统设计复杂度,最后通过V-BLAST算法优化系统检测性能。理论分析和计算机仿真结果表明,本文给出的矢量预编码方案在提升系统误码性能方面明显优于其他次优矢量预编码方案。

基于几何均值分解的可见光MIMO预编码优化设计

在可见光通信(VLC,Visible Light Communication)系统中,受发送信号非负约束和信道相关性较强影响,预编码后的等效子信道增益差异较大,现有的预编码需要迭代搜索等复杂的功率和比特分配算法来适配不同子信道。针对此问题,利用非线性判决反馈均衡检测器,提出基于几何平均分解的线性预编码,将信道分解成多个增益相同的子信道来提高误码率性能,避免了传统预编码中复杂的功率和比特分配问题,又基于最小均方误差准则进行功率分配,进一步提高了系统性能。最后仿真实验分析结果表明,所提两种方案均明显优于传统预编码,误码率性能获得了约8 dB~12 dB增益。

一种分布式MIMO信号的发射与检测方法

在V-BLAST结构的分布式多输入多输出(MIMO)系统中,针对发射天线地域分布所引起的发射符号异步到达接收天线的问题,给出了一种分布式MIMO系统的信号发射与检测方法。在慢衰落信道中,该方法利用接收端反馈的信道状态信息,采用几何平均分解(GMD)构建等对角的上三角矩阵,消除子信道间增益的不平衡。在莱斯衰落信道下的计算机仿真表明,与已有QR分解的分层算法相比,该检测方法能够显著提升系统的误码性能。

毫米波MIMO的DNN混合预编码梯度优化方法

毫米波多输入多输出的混合预编码是降低硬件复杂度和能量消耗的重要方法。为降低优化处理的复杂性并提升频谱效率,提出了一种支持深度学习的混合预编码优化算法。为了消除子信道之间由信噪比差异导致部分子信道误码率较高进而对整体误码率产生的不良影响,通过基于块对角化的几何均值分解和深度神经网络的训练来选择混合预编码器,将预编码器的优化选择视为深度神经网络中的映射,以优化大规模多输入多输出的混合预编码过程。将频谱效率的优化问题近似归结为全数字预编码器和混合预编码器之间的欧氏距离的最小化问题,利用有限数量的射频链路实现吞吐量的改善。性能分析和仿真结果都表明,由于采用改进的梯度计算算法和单循环迭代结构,基于深度神经网络的方法能够最小化毫米波多输入多输出的误码率并提高频谱效率,同时显著地降低了所需的计算复杂度。当频谱效率为50 bit/(s·Hz)时,信噪比可节省3 dB。不同方案达到相同误码率时,信噪比可节省5 dB以上,并具有更好的稳健性。

MIMO系统中基于GMD方法的矢量预编码设计

针对多输入-多输出(MIMO)通信系统提出了一种基于几何平均分解(GMD)的矢量预编码(VP)设计.该设计是基于THP(Tomlinson-Harashima Precoding)技术的GMD收发机的推广形式.基于GMD方法的联合收发处理构建了等对角的上三角信道,消除了子信道增益间的不平衡.给出了基于迫零(ZF)准则的预编码方案,利用扩展信道得到基于最小均方误差(MMSE)准则的方案.仿真结果表明,该方案具有比现有VP和GMD THP收发机更好的性能.

基于GMD的频谱有效的混合预编码算法

为了提高系统的频谱效率,在毫米波大规模多输入多输出部分连接结构系统中,提出一种基于GMD的频谱有效的混合预编码算法。该算法首先将信道矩阵进行几何平均分解,然后利用正交匹配追踪算法从候选矩阵中找到一组最优的组合作为模拟预编码矩阵,接着利用破零算法求出数字预编码矩阵。仿真结果表明,该算法的频谱效率比现有混合预编码算法的频谱效率更好。