RIS辅助去蜂窝大规模MIMO系统低复杂度预编码算法设计

构思了一种智能超表面(Reconfigurable Intelligent Surface, RIS)辅助去蜂窝大规模多输入多输出(Cell-free Massive Multiple-Input Multiple-Output, CF mMIMO)通信系统,提出了一种低复杂度预编码和RIS反射相位交替优化(Alternating Optimization, AO)算法。对于传统正则化迫零(Regularized Zero Forcing, RZF)预编码算法复杂度过高的问题,利用共轭梯度(Conjugate Gradients, CG)法,提出一种低复杂度的RZF-CG预编码算法,将RZF预编码的逆矩阵转换为线性方程组最小化问题,推导算法的残差以更新搜索方向,迭代求解逆矩阵。以最大化系统用户的总频谱效率为目标,推导了RIS相位闭合表达式,基于统计的信道状态信息提出一种低复杂度的投影梯度上升(Projected Gradient Ascent, PGA)算法。仿真结果表明,所提的AO算法能有效地提升系统性能,算法复杂度降低了约73.2%。

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。

大规模多输入多输出系统的信道估计及性能

在大规模多输入多输出系统中应用深度学习进行信道估计的性能优于传统信道估计算法的性能,并且能有效地降低导频开销。因此,在配备低分辨率数模转换器的大规模多输入多输出系统中提出基于注意力机制的生成对抗性神经网络模型,用于提高信道估计性能。仿真结果表明,当使用少量导频时,对抗性神经网络模型能够获得比传统方法更为准确的信道状态信息,具有更强的鲁棒性。

智能反射面辅助多用户大规模MIMO系统的联合波束成形

智能反射面(Intelligent Reflecting Surface,IRS)作为面向第6代通信的关键技术之一具有创新、高效、节能和成本效益高等特点,但其联合波束成形设计为非凸优化问题,仍然是具有挑战的难题。为此,提出了一种用于IRS辅助多用户大规模多输入多输出系统的联合波束成形设计方案,以实现系统数据速率最大化。该方案在基站端采用迫零波束成形以消除用户间干扰,同时在IRS端设计了近最优反射波束成形以实现系统和数据速率最大化。仿真结果表明,该方案可获得较高的系统和数据速率,也为IRS位置布局的选择提供了数据支持与参考准则。

联合天线选择与用户调度的大规模MIMO系统能效优化算法

在大规模多输入多输出(multiple-input multiple-output,MIMO)系统中,合理的天线选择、用户调度以及用户功率分配方案,对提升系统能效、节省资源成本有着重要的作用.针对大规模MIMO下行链路通信场景,基于能效最大化准则,提出了一种联合天线选择、用户调度以及功率分配的低复杂度优化算法.首先,针对天线选择和用户调度问题,结合递增递减的选择思想,以最大化系统能效为目标,对天线和用户进行双向交替搜索;其次,对于搜索过程中的用户功率分配问题,采用分式规划理论和拉格朗日对偶算法得到最优能效功率的闭式解,三个参数进行迭代优化,从而得到系统最优能效.仿真结果表明,本文所提算法不仅具有低复杂度而且具有较好性能,能够有效降低大规模MIMO系统的能耗.

基于切比雪夫-迹迭代的大规模MIMO系统软输出信号检测

在多用户大规模多输入多输出(MIMO)系统信号检测算法中,最小均方误差(MMSE)算法可取得近似最优性能,但MMSE算法中高维矩阵求逆的复杂度过高,导致在实际应用中难以快速有效地实现。同时,对于高阶正交幅度调制(HQAM),如果符号向比特的解映射采用硬判决,将会导致后续信道译码的性能明显下降。因此,该文针对采用格雷编码的HQAM的多用户大规模MIMO系统,提出一种基于切比雪夫-迹迭代(CTI)的低复杂度软输出信号检测算法。该算法不但有效地规避了信号检测所需的高维矩阵求逆,同时,利用格雷编码的调制信号的比特翻转特性和二叉树结构,给出了一种融合三叉链表搜索的比特对数似然比(LLR)简化计算方法。仿真结果表明,该文所提的软输出信号检测算法最多需要3次迭代就能收敛并可取得接近MMSE算法的性能,在复杂度和性能之间取得了很好的折中。

超大规模混合场MIMO去伪峰信道估计技术

超大规模MIMO(Multiple-Input Multiple-Output)是6G移动通信的潜在关键技术。在现有的信道模型中,大多假设所有的散射体要么都在远场区域,采用基于平面波假设的远场信道模型;要么都在近场区域,采用基于球面波假设的近场信道模型。实际中,超大规模MIMO系统更容易产生混合场的信道环境,现有的信道模型并不能很好地匹配这种远场近场混合信道的特征,因此不能直接采用现有的信道估计方案。本文对混合场信道进行建模,针对混合场信道空间谱中出现的伪峰问题,提出了一种去伪峰混合场信道估计方案。同时,该方案的设计也考虑了超大规模MIMO天线阵列的空间非平稳问题。仿真结果表明,本文提出的混合场下去伪峰的信道估计方案有较好的信道估计性能。

低精度ADC下大规模多输入多输出系统基于三对角迭代法的软输出信号检测

受硬件成本制约,大规模多输入多输出(massive Multiple Input Multiple Output,mMIMO)基站通常配置低精度模数转换器(Analog-to-Digital Converter,ADC)。低精度ADC下,如果多用户mMIMO系统采用最小均方误差(Minimum Mean Square Error,MMSE)检测,将导致过高复杂度。为此,本文基于三对角迭代法(Tridiagonal Iterative Method,TDIM),结合分块矩阵求逆的初始值确定,提出一种低复杂度的MMSE软输出信号检测算法。数值仿真表明:基于TDIM的软输出信号检测算法经4次迭代即可达到收敛,同时,数值结果验证了ADC量化比特为4时,该算法可取得接近全精度ADC的性能,为低精度ADC下mMIMO系统的上行链路信号检测实现提供了切实可行的方案。

大规模MIMO OFDMA下行系统能效资源分配算法

针对大规模多输入多输出(MIMO)正交频分多址(OFDMA)下行移动通信系统,提出了一种基于能效最优的资源分配算法。所提算法在采用迫零(ZF)预编码的情况下,以最大化系统能效的下界为准则,同时考虑每个用户的最低速率要求,通过调整带宽分配、功率分配和基站天线数分配来优化能效函数。首先根据优化条件提出了一种迭代算法确定每个用户的带宽分配,然后利用分数规划的性质并采用凸优化方法,通过联合调整基站端的发射天线数和用户的发射功率来优化能效函数。仿真结果表明,所提算法在较少迭代次数的同时能够取得较好的系统能效性能和吞吐量性能。

多用户大规模MIMO系统能效资源分配算法

该文针对多用户大规模多输入多输出(MIMO)移动通信上行系统,提出一种基于能效优化的资源分配算法。所提方法在采用最大比合并(MRC)接收情况下,满足用户数据速率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立优化模型。根据分数规划的性质,把原始的分数最优化问题转换成减式的形式,进而采用凸优化的方法,通过联合调整基站端的发射天线数和用户的发射功率来优化能效函数。仿真结果表明,所提算法与穷举算法在能效上的差距不足9%,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。

大规模MIMO多小区TDD系统中的导频污染减轻方法

由L个小区组成的大规模MIMO TDD系统中的下行用户和速率随着基站天线数M的增加主要受限于小区间的上行导频污染。假设小区内导频正交,小区间导频完全复用,分别推导了基站估计所有信道和期望信道的MSE闭式表达式MMSE和MMlSE,并获得了MMSE的下界为M(L-1)和MMlSE的上界为M(L-1)/L。并且发现随着天线数M的增长且当导频序列长度#较大时,#的大小对MMSE和MMlSE性能的影响很小,由此提出一种上行导频功率控制方法,即把通常的导频发射时隙分为两段,使交叉增益相对较大的小区间的导频发射时隙错开,从而提高MMSE和MMlSE性能,由此基站可以设计出更加精确的预编码,进而极大地提升了每小区下行多用户可达和速率性能。理论分析和数值仿真结果都验证了这一结论。

大规模MIMO蜂窝网络系统中的导频污染减轻方法

提出了2个减轻大规模天线蜂窝网络导频污染的方案:利用正交导频把蜂窝系统中的小区划分为两类一维大的天线阵列网络,每一类之内采用相同的导频,两类之间采用正交的导频,再利用导频功率控制方法减轻了导频污染。利用基站间的协调,以所有基站信道估计均方误差的求和最小为目标函数,寻求近似最优的导频序列长度和同导频用户发射导频时隙的分配方案,从而提高了信道估计的性能,提升了整个系统的下行链路可达和速率。

用于大规模多输入多输出系统的波束收缩偶极子天线

为满足第五代(Fifth Generation,5G)通信系统中大规模多输入多输出(Multiple Input Multiple Output,MIMO)基站进一步小型化的需求,本文提出了单个偶极子天线替代原有1×2子阵的方法.为实现等效替代,单个偶极子天线的波宽应压缩到原来的二分之一.因此,作者在传统的偶极子上方放置了具有相位梯度特性的两层超表面以聚焦偶极子的能量.加载了该超表面的偶极子的半功率波瓣宽度(Half Power Beam Width,HPBW)的仿真值减小到37°,增益仿真值提高到14.1 dBi,主瓣平均交叉极化鉴别度(Cross Polarization Discrimination,XPD)提高了3.3 dB至8.5 dB.为了验证天线设计,作者制作并测试了样机,仿真结果与实测结果较为吻合.综上所述,添加超表面的单个偶极子可以替代普通的1×2子阵,相当于在后续组阵过程中可以缩小一半的尺寸.这一方案在第五代通信系统大规模多输入多输出天线系统中具有重要应用价值.

大规模MIMO-TRDMA系统中的改进SOR信号检测算法

在大规模多输入多输出时间反演多址(MIMO-TRDMA,multiple-input multiple-output time-reversal division multiple access)系统中,传统的线性最小均方误差(MMSE,minimum mean square error)算法可获得近似最佳的检测性能。但是,MMSE检测算法所需的矩阵求逆计算复杂度过高,无法确保信号检测的实时处理。针对这一问题,提出一种改进的连续超松弛(SOR,successive over-relaxation)信号检测算法。所提算法通过更新求解线性方程组,避免复杂的矩阵求逆计算;同时,采用最陡下降的思想提高SOR更新的搜索效率,以加快收敛速度和提高检测性能。仿真结果表明,所提算法能以较少的更新次数获得与传统MMSE算法相当的近似最佳性能,而计算复杂度数量级从O(M3)降低到O(M2)。

链状网大规模MIMO系统中导频污染减轻方案

为了减轻大规模MIMO多小区TDD系统中的导频污染,本文针对链状网大规模MIMO多小区TDD系统特点,提出了一种新的导频污染减轻方案。方案中将每个小区分成左区和右区,并将正交的导频序列分成三组。三组导频序列组依次、循环地分配给链状网中的各个左、右区域用户,从而实现目标用户与其相邻近区域用户安排正交导频序列,而目标用户与较远区域用户复用导频序列,从而减轻了导频污染。仿真结果表明,本文方案由于节省了上行信道估计时间,其吞吐量优于导频功率控制法。而且本文方案相对于导频列举法,计算量小,具有一定的实用价值。

RZF预编码与MMSE-SIC检测联合的大规模MIMO系统预编码设计算法

研究了大规模多输入多输出(MIMO)系统的预编码设计算法。针对大规模MIMO系统通常利用增加用户天线数来提高系统频谱效率的方法会导致用户间干扰增大,从而对系统性能产生负面影响的问题,提出了一种将正则化迫零(RZF)预编码与最小均方误差-串行干扰消除(MMSE-SIC)检测相结合的改进算法。该算法通过在基站端采用RZF预编码对信号进行预处理以平衡用户间干扰和噪声干扰的影响,继而在接收端运用检测性能优异的MMSE-SIC算法来进一步减轻信号中的干扰,从而达到提升系统容量的目的。实验结果表明,这种将RZF预编码与MMSE-SIC检测相结合的改进算法,在用户间干扰较大时具有较好的适用性,且在完全已知和未完全已知信道状态信息情况下的频谱效率均优于传统RZF算法。

大规模MIMO系统的全导频RZF预编码方法

研究了大规模多输入多输出(MIMO)系统的预编码。针对小区间干扰和导频污染会对预编码的有效性产生较大影响的问题,提出了一种改进的全导频正则化迫零(RZF)预编码方法。该方法通过将有限的正交导频信号分配给小区用户来对预编码矩阵中的信道向量进行优化,得到优化后的全导频正则化预编码矩阵,并依此推导出新的包含导频污染函数和用户干扰函数的和速率表达式。另外,综合考虑基站天线数、用户数以及导频重用因子,优化其配置关系,从而用较少的用户信息和更高的导频重用因子来抑制更多的小区间干扰,有效地提升系统性能。实验结果表明,这种改进的RZF预编码算法能够较好地提高系统容量,在完全已知信道状态信息(CSI)和未完全已知CSI两种情况下的频谱效率及和速率均优于传统的RZF方法。

大规模多输入多输出正交频分复用系统关键技术综述

随着第五代移动通信技术(5G)商用化和5G智能终端的普及,移动通信步入了一个极速物联网时代。大规模多输入多输出(massive multiple-input multiple-output,Massive MIMO)技术通过增加通信系统中的天线数量,在不增加频谱资源的条件下大幅提升了系统的频谱效率与能量效率,成为了5G的核心技术之一。针对该技术面临的很多挑战,从系统基站端、传输过程、用户端和整体架构四个方面综述其研究动态,并对大规模多输入多输出正交频分复用系统存在的问题进行总结和展望。

大规模MIMO无线通信关键技术探究

随着无线通信技术的快速发展,我国在移动通信领域取得了显著成就。目前,通信方式呈现多样化特点,因此提高移动通信的频谱效率已经成为学术界关注的焦点。研究和开发大规模无线通信技术能够有效解决具体应用中面临的某些技术难题。大规模多输入多输出(Multiple Input Multiple Output,MIMO)无线通信技术借助频谱效率的提高和传输性能的优化,不再受限于传统的蜂窝网络。基于该背景,分析大规模MIMO技术的优势,深入研究大规模无线通信的核心技术,以期推动无线通信技术不断发展,提升通信服务水平。

基于卡诺机的大规模MIMO通信容量建模及性能分析

信息本质上以能量和熵的形式在通信系统中流动,类似于传统热机中的能量流动过程。结合热力学卡诺机模型和经典香农信息论理论,建立了一个广义的热力学(multiple input multiple output,MIMO)通信系统模型,对大规模天线通信场景下使用前向纠错码的信道容量进行分析。利用通信系统中存在的自由度和熵的概念,推导了热力学模型下的广义信道容量,并对信道容量与噪声自由度及编码开销的关系进行验证仿真。仿真结果表明,所提出的热力学信道容量与香农信道容量是一致的。