多输入多输出(MIMO)系统信道容量技术

本文讨论了在多输入多输出( Multiple- Input Multiple- Output,MIMO)信道上传输的基本容量极限。首先假设信道矩阵是独立的复高斯变量,按照这种理想环境推导出MIMO信道容量;

无线通信工程中的 MIMO 系统应用与性能分析

文章深入分析多输入多输出(Multiple InputMultiple Output,MIMO)系统在无线通信工程中的应用及其性能,重点探讨其关键技术和应用场景。MIMO系统通过空间复用和阵列增益提升通信系统的容量和可靠性,尤其在空间复用方面,通过向量偏转传输技术实现在同一时频资源上传输多个独立数据流,从而大幅提高频谱效率。此外,文章讨论了信道编码与交织技术在提高MIMO系统可靠性和抗衰落能力上的重要作用,分析了基于最小均方误差(Minimum Mean Square Error,MMSE)算法的信道估计与均衡技术在保证系统性能上的关键应用。仿真结果显示,MIMO系统在信噪比较高时实现了显著的吞吐量提升,验证了其在无线通信领域的优越性。

智能反射面辅助的毫米波MIMO系统波束成形设计

智能反射面(Intelligent Reflecting Surface,IRS),也被称为可重构智能表面(Reconfigurable Intelligent Surface,RIS)或大型智能表面(Large Intelligent Surface,LIS),通过重新配置无线通信传输环境,可以有效提高通信质量。考虑IRS辅助的毫米波多输入多输出(Multiple-Input Multiple-Output,MIMO)下行系统,通过采用流形优化(Manifold Optimization,MO)技术处理,协同优化IRS的无源波束成形、功率分配、预编码矩阵以及合并矩阵,以最大化多用户和速率。由于利用流形优化算法设计的最佳目标函数是非凸的,因此利用毫米波级联信道的内在结构,将非凸问题转换为更加容易处理的问题。仿真结果表明,所采用的MO方案能获得比最小均方误差(Minimum Mean Square Error,MMSE)方案以及随机相位方案更好的和速率性能。

IRS和人工噪声辅助的MIMO-SWIPT系统安全传输方案设计

针对多天线无线携能通信系统中能量收集节点作为潜在窃听者的信息安全问题,提出了一种智能反射面(Intelligent Reflecting Surface,IRS)和人工噪声辅助的物理层安全传输方案。首先考虑发射功率、能量收集门限以及IRS单位模约束,以最大化系统安全速率为优化目标,在合法用户直射链路不可用的情况下,联合设计发射端波束赋形矩阵、人工噪声协方差矩阵以及IRS相移矩阵,建模一非线性多变量耦合的非凸优化问题;接着利用均方误差准则等价转换非凸目标函数,并利用连续凸逼近方法(Successive Convex Approximation,SCA)处理非凸的能量收集约束;最后基于交替优化框架,分别用拉格朗日对偶方法和基于价格机制的优化最小化(Majorization-Minimization,MM)算法求解发射端变量和IRS端变量。仿真结果表明,与现有方案相比,所提算法能够在保障能量收集需求的同时大幅度提升系统的安全性能。

美法合作开发系留无人机MIMO系统

据无人系统技术网站消息,法国系留无人机制造商Elistair和美国无线数据解决方案开发商Silvus技术公司宣布,两家公司合作开发了一种移动网络多输入多输出(MN-MIMO)网络系统,用于战场无人机。Silvus公司的Streamcaster 4200 MIMO无线电被集成到Elistair“猎户座”(ORION)系留无人机上,这两种尖端技术的结合使用创建了一种新的解决方案,可增强态势感知能力,改善战术监视任务的通信能力。Elistair的ORION无人机是一个全自动化系统,其续航时间长,并能运行于恶劣环境。Silvus技术公司提供了MN-MIMO技术。

基于空时块编码和正交脉冲的MIMO系统性能研究

为了有效利用脉冲无线电(IR)的短距离、高数据速率以及多输入多输出(MIMO)通信系统的更大容量,提出了一种基于空时块编码(STBC)和正交脉冲的MIMO超宽带(UWB)通信系统。具体实现是通过对标准单输入单输出(SISO)脉冲无线电系统的直接序列超宽带作为多址(MA)技术的IR-MA信号模型以及信道模型、收发器结构和检测方法的分析,提出了一种把空时块编码和正交脉冲相结合的新方法,并采用FS-rake相干接收(CR)和非相干接收(NCR)技术及IEEE UWB信道模型对其获得的空间分集和编码性能进行了研究,从而得到可以相对较好地描述高信噪比时的性能变化趋势的理论上限值。仿真结果表明,这种STBC-IR方案相比于传统的单链路-脉冲无线电(SL-IR)方案,可获得更好的空间分集和编码增益,可用于增加传输距离和减少rake接收机的复杂性,而且在UWB通信中,STBC-IR方案还能很好地消除定时抖动的影响。

MIMO OFDM系统中基于物理层与链路层的跨层优化设计

该文讨论了基于空时编码发射分集正交频分复用(OFDM)系统的跨层传输技术。该技术结合了传统物理层自适应调制和链路层自动请求重发,利用链路层的误包率和信道估计参数计算自适应调制门限,在系统给定时延和误包率约束的基础上最大程度地提高了频谱利用率。仿真结果表明,该算法相比传统物理层自适应传输,在频谱利用率性能上有1.5dB以上的增益。但随着最大重传次数的增加频谱利用率的提高越来越小,这就使得实际系统能以较小的时延代价换取足够的频谱利用率增益。

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output, MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题。通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度。仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能。

Massive MIMO系统基于子空间的半盲信道估计

针对大规模MIMO系统中存在的导频污染问题,结合目前研究的基于奇异值(SVD)分解的信道估计算法,在考虑到该算法中的协方差矩阵是用有限的样本数据代替真实数据必然存在偏差的问题,给出了一种联合ILSP(Iterative Least Square with Projection)的基于SVD的半盲信道估计算法。仿真结果表明改进后的信道估计算法能够有效减小已有算法中存在的偏差问题,提高信道估计精确度,有效减轻导频污染给大规模MIMO系统带来的影响,从而实现大规模MIMO系统性能的提升。

一种用于MIMO-OFDM系统的检测方案

将正交频分复用(OFDM)、码分复用(CDM)应用到多输入多输出(MIMO)系统,给出一种空频联合的SF-VBLAST检测方案,选用了合适的CDM转换矩阵,模拟实验证明该方案具有良好的频率分集性能和高频谱效率。

基于粒子群优化与SVR-ADLA算法的MIMO系统识别研究

针对现有基于径向基函数(RBF)网络对多输入多输出(MIMO)系统识别中存在收敛速度慢、系统识别稳定性不高的问题,提出了一种新的MIMO系统识别方法:采用支持向量回归(SVR)算法建立RBF网络初始化结构,确定初始化网络参数;采用退火动力学习(ADL)算法对系统识别网络进行训练,在训练过程中采用粒子群优化(PSO)迭代算法选出最佳学习率组合,使识别网络实现对MIMO系统的识别。对一个两输入输出系统进行了识别仿真,仿真结果表明,用该识别方法重建的识别系统性能优于目前RBF网络参数优化过程中常用的最小平方算法或梯度下降法算法。RBF网络识别系统易于实现,在MIMO系统识别中具有广泛的应用前景。

Ltiview工具在MIMO系统分析中的应用

针对将MATLAB应用于MIMO系统的分析需记忆大量的命令 ,提出了利用ltiview工具进行MIMO系统分析的方法。在MATLAB命令窗口建立系统的模型 ,不需任何编程和复杂的计算 ,用ltiview工具就可以十分方便地、直观地分析MIMO系统。

基于集员估计的线性MIMO系统故障检测方法

考虑了一类具有未知有界噪声的线性多输入多输出(MIMO)系统的故障检测问题,提出了一种基于集员估计的故障检测方法.通过当前时刻系统状态范围和测量输出值的一致性检验来检测系统是否发生故障.如果系统正常运行,则利用系统测量输出信息校正当前时刻系统状态范围.利用三容水箱系统模型进行了仿真研究,结果表明了所提方法的有效性.

MIMO系统中的低复杂度迭代树搜索算法

提出了应用于Turbo-MIMO系统的基于比特的迭代树搜索检测算法．利用自然二进制映射和扩展信道矩阵的OR分解，使迭代树搜索算法（ITS）中的度量计算转换为逐比特进行，这样大大减小了树中每层需要进行的度量更新和排序的运算量．在此基础上，再利用先验信息进一步减小度量更新的计算量．由于扩展信道矩阵的秩等于发射天线数，该算法对信道缺秩的情况不敏感．仿真结果表明：在误码率性能上，该算法略次于使用自然二进制映射的基于符号的ITS算法，与使用格雷映射的基于符号的ITS算法只有1dB左右的差距；而该算法的计算量在高信噪比时只相当于基于符号的ITS算法的6％～40％．

莱斯衰落下MIMO系统共信道干扰容量分析

导出共信道干扰存在时莱斯衰落条件下多输入多输出 (MIMO)系统平均容量的表达式 .进而采用MonteCarlo方法对分析结果进行了验证 .研究表明 :在干扰用户较多的MIMO系统中 ,当总的天线数固定以及相同的衰落条件下 ,为了达到最佳的系统性能 ,在发送与接收端之间宜采用平均分配天线数 ;SIMO系统的性能比MISO系统好 ,但随着干扰用户数的增加 。

LDPC编码MIMO系统的高性能低复杂度接收机

针对低密度校验(LDPC)码编码多输入多输出(MIMO)系统提出了一种高效的迭代接收机。一方面,通过添加一位互补矢量的方法对无偏最小均方误差迭代树搜索(MMSEITS)检测器作了改进,与原算法相比,改进算法提高了检测器的稳健性,并能以相对较低的处理复杂度获得更好的检测性能。另一方面,给出了一种高效率的LDPC码解码算法,该解码算法不但计算复杂度低,而且能以很少的迭代次数(大约5次)达到收敛。仿真结果表明,整个接收机在保证系统性能的同时降低了处理复杂度。

发送端自组织活动天线MIMO系统的随机分析

为了精确估计无线多输入多输出系统(MIMO)的信道容量,提出了发送端活动天线是自组织广播模式的无线通信系统.在定义了一个等效同心圆区域(接收子空间)的基础上,应用复合随机过程数学模型来描述自组织广播式无线MIMO通信系统.同时把迫零方法(ZF)和信噪泄漏加噪声比标准方法相互结合起来,得到了最优波束形成矢量和信噪比的修正值,从而得到发送端自组织无线MIMO系统信道容量的精确描述.仿真结果证明,这样的结论是合理的.

MIMO系统的改进序贯蒙特卡罗迭代检测算法

为了得到最优的MIMO迭代接收机,需要精确计算软输入软输出检测器输出的外信息,但精确计算的复杂度随调制阶数和天线数指数增长,不适合多天线高阶调制的情况。该文首先将外信息的估计归结为一个目标集合的选取,并提出通过序贯蒙特卡罗抽样方法获取目标集合。但是研究表明传统抽样方法不能有效获得合适的集合;因此一种改进的序贯蒙特卡罗抽样方法被提出,用于解决有限元离散概率空间的样本近似。最终,基于改进序贯蒙特卡罗抽样的外信息近似计算应用于迭代检测算法中。分析表明,该文提出的迭代检测算法的复杂度和抽取的样本数量呈线性比例;而仿真结果证明,较少的样本就可以取得逼近最优的误码率性能。

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output,MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error,LMMSE)估计算法,且不受信道统计信息的约束。

一类可解耦MIMO系统的模型跟随变结构控制

结合线性多变量系统解耦理论与变结构控制的优点 ,采用鲁棒控制系统理论中的二自由度结构法的设计思想 ,提出了一种对于可解耦多输入多输出线性系统的模型跟随变结构控制方法 .对于一类满足解耦条件的多输入多输出跟踪系统 ,分两步进行设计 .首先对被控对象标称模型进行解耦和稳定化极点配置 ,将得到的控制表达式作为最终控制律的第一部分 ;其次 ,以前一部分设计构成的闭环系统模型作为参考模型建立模型跟随偏差系统 ,并求出变结构控制律 ,作为最终控制律的第二部分 .从而使被控系统在存在内部模型参数摄动和外部干扰的情况下 ,仍然具有优良的动态性能 .利用Lyapunov方法证明了所设计的模型跟随偏差系统是稳定的 .最后 ,通过仿真实例 ,表明了所提出的方法是正确的 .