大规模多输入多输出可见光通感一体化系统的信道状态信息还原和定位

得益于丰富的频谱和光源,可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时,大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而,m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化,这使得传统方法难以快速准确地完成信道估计和定位。针对此,该文提出一种信道状态信息还原和定位(CSIRP)网络,该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征,同时能够应对信道状态的时变性,从而提高信道和位置估计的鲁棒性和动态适应性。具体而言,CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器,进而实现根据接收信号进行信道估计,接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明,采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法,这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。

6G典型场景中的超高密度网络下大规模MIMO的干扰管理技术

深入分析6G中超高密度网络下大规模多输入输出(Multiple-Input Multiple-Output,MIMO)的干扰情况,详细介绍预编码技术、功率控制技术、干扰协调技术以及智能干扰管理技术等传统干扰管理技术,并探讨空天地一体化网络中的干扰管理以及量子通信与计算在干扰管理中的潜在应用等新型干扰管理技术。通过对这些技术的研究和分析,为6G超高密度网络下大规模MIMO的干扰管理提供了理论支持和实践指导。

协作多小区大规模MIMO系统中基于协方差的活跃设备检测

聚焦于多小区大规模多输入多输出(MIMO,Multiple-Input Multiple-Output)系统中基于协方差的活跃设备检测问题。在该系统中,活跃设备向多个基站传输其导频序列,基站根据接收到的信号协作地检测活跃设备。在单小区场景下,基于协方差的活跃设备检测模型的尺度定律(Scaling Law)已在文献中得到广泛分析,旨在分析基于协方差的活跃设备检测模型在多小区大规模MIMO系统中的尺度定律。具体来说,在衰落信道的路径损耗指数γ>2的情况下,建立了多小区系统中的二次尺度定律。这一结果表明,在多小区大规模MIMO系统中,当天线数趋于无穷大时,每个小区能够正确检测出的活跃设备数量的最大值随导频序列的长度呈二次方增长,且随着小区数量呈对数减少。此外,除了分析由球面上均匀分布生成的导频序列的尺度定律,还建立了由有限字母表生成的导频序列的尺度定律,这类序列更易于生成和存储。最后,提出了两种高效的加速坐标下降(CD,Coordinate Descent)算法来求解活跃设备检测问题,它们都具有收敛性保证。第一种算法通过非精确坐标更新策略来降低CD算法的复杂度;第二种算法利用积极集选择策略避免了CD算法中不必要的计算。仿真结果表明,所提出的算法在计算效率和检测错误概率方面表现出色。

去蜂窝大规模多输入多输出非正交多址系统中基于量子菌群优化的接入点选择方案

去蜂窝大规模多输入多输出非正交多址(MIMO-NOMA)系统的接入点(AP)选择,对有效降低系统的回程链路开销、提高用户的下行可达速率影响较大。该文针对AP选择的去蜂窝大规模MIMO-NOMA系统下行链路建立了用户平均速率的表达式;在此基础上,提出了基于量子菌群优化(QBFO)的AP选择方案,将AP与用户的连接关系以量子比特的形式编码,利用自适应量子旋转门模拟细菌趋化,实现细菌位置更新,通过对量子细菌种群进行测量,获得AP与用户的选择解集,并引入驱散操作避免算法陷入局部最优。实验结果表明,所提方案能够在降低回程链路开销的同时显著提高用户的下行平均速率,相较于基于接收功率和基于信道估计均方误差的AP选择方案,该文所提方案在降低用户间干扰、提高系统总吞吐量方面表现更优。

大规模多输入多输出系统中基于匹配博弈的导频分配算法

为了使得大规模多输入多输出(MIMO)系统的上行链路可达速率最大化,提出一种基于匹配博弈的导频分配(PA-MG)算法.在用户侧,根据用户效用函数生成对导频的偏好列表,并向排列最优的导频发出申请;在基站侧,根据导频效用函数生成对请求用户的偏好列表,并依次将导频分配给排列最优的用户,直到完成所有用户的导频分配.仿真结果表明:相比于潜博弈的导频分配(PG-PA)算法,所提PA-MG算法支持的小区规模更大、复杂度更低;相比于WGC-PD(Weighted Graph Coloring Based Pilot Decontamination)算法,PA-MG算法能够获得更大的上行链路可达速率,各用户的信干噪比分布更均匀,且对阴影衰落的鲁棒性更强.

大规模多输入多输出下的容量优化算法

针对3D相关信道中大规模多输入多输出系统的遍历和速率最大化问题,将空间自由度、信道估计精准因子引入预编码的容量分析中,提出一种联合优化问题的容量优化算法。推导空间自由度、信道状态信息准确度下的系统容量表达式,将系统容量最大化时的联合优化问题转化为用户数优化问题的条件,并基于中点法求优化问题的最优解。仿真结果表明,当信道估计精准因子为0.1、空间自由度为200时,该优化算法与基于用户数穷举搜索算法优化后的遍历和速率、用户数几乎相等,且收敛速度快、复杂度低。

单用户毫米波大规模多输入多输出系统的几何均值混合预编码

针对奇异值分解在不同的信道及信噪比中进行比特分配造成的误码问题,提出了一种基于几何均值分解的混合预编码算法。在同时考虑预编码器和合成器的情况下,首先在基站端用奇异值分解设计数字编码器,利用基追踪原理设计模拟预编码器。然后在接收端采用启发式算法来设计数字合成器和模拟合成器。仿真结果表明,提出的混合预编码方案比传统基于奇异值的混合预编码具有更低的误码率,且频谱效率更接近理想值。

基于AAT模型的毫米波大规模MIMO系统信道估计

针对毫米波大规模多输入多输出信道具有时间相关性、系统易受噪声因素影响导致信道估计精度低的问题,提出了一种基于改进的时序卷积神经网络信道估计方法。该方法将仿真获得的信道矩阵以二维图像数据方式输入系统;利用时间相关性进行特征融合,构建集中注意力机制网络,增强系统模型对信道深层特征的提取能力;将AAN嵌入时序卷积神经网络中进行训练;系统输出去噪后的二维图像,即信道估计矩阵。仿真结果表明,所提信道估计方法在性能和复杂度方面优于传统的信道估计方法,并且当测试场景发生改变时依旧具有鲁棒性。

基于Grid-PARAFAC的毫米波大规模多输入多输出系统联合信道估计算法

针对在毫米波大规模多输入多输出系统中超密集组网存在干扰的问题,提出了基于Grid-PARAFAC(grid-parallel factor analysis)的联合信道估计方法。首先,将大规模天线的高维接收信号映射到大尺度张量空间,利用Grid-PARAFAC张量分解将其分解为子张量接收信号;然后对子张量接收信号并行张量分解得到符号、接收天线和子载波的子投影矩阵;最后,通过交替最小二乘准确求得隐藏高维接收信号中的信道信息。通过Grid-PARAFAC张量分解能够在保留原始空间信息的条件下深度挖掘数据隐藏因子,并对其处理而不是整个数据张量,降低了接收信号维度,同时又保留着高维接收信号的空间结构互相关信息。仿真结果表明,所提算法减少了超密集组网所存在高维度信道干扰,降低了计算复杂度,提高了系统性能。

基于压缩感知的大规模多输入多输出空间共稀疏信道估计

针对频分复用双工方式的大规模多输入多输出(MASSIVE MIMO)系统在虚拟角域信道中估计精度较差的问题,提出一种基于门限的稀疏度自适应匹配追踪(BT-SAMP)算法。该算法融合了回溯正交匹配追踪(BAOMP)算法的原子选择特性和稀疏度自适应匹配追踪(SAMP)算法的自适应特性,将BAOMP算法的"添加原子"规则作为SAMP算法的原子选择预处理,通过合理的阈值添加固定的原子,然后延续SAMP算法的步长迭代自适应特性,寻找到信道矩阵近似系数最大,达到了提高SAMP算法估计精度、加快算法收敛的目的。仿真结果表明,在低信噪比(SNR)情况下,与SAMP算法相比,信道估计精度均有提高,特别是信噪比在0~10 d B时,其估计精度提升4 d B,算法的运行时间减少约61%。

基于天线分组的高铁大规模多输入多输出自适应波束赋形方案

针对高铁大规模多输入多输出(MIMO)系统的吞吐量未被充分提升的问题,提出一种基于天线分组的自适应波束传输方案。首先利用基站(BS)预知的列车位置信息,并将波束赋形技术引入高速场景,建立高铁大规模MIMO的三维模型;其次验证BS天线分组情况下,子波束的吞吐量与其对应的发射天线数满足非线性关系,且子波束天线数变化并未对其他波束的吞吐量产生影响。基于此,以天线分组的自适应波束赋形方案对列车运行至不同位置的波束数和子波束所需的发射天线数进行调整,保证不同位置的最优系统吞吐量。计算机仿真表明,该方案与传统的单波束、双波束、八波束相比,在列车距基站125 m范围内分别实现了系统吞吐量87.9%、62.3%、50.6%的提升,在125 m之外与单波束赋形的系统吞吐量相近。实验结果表明,所提方案无论列车距BS较近或较远时,系统吞吐量均处于最佳水平,更好地适应高速铁路环境。

基于绿色通信的大规模多输入多输出天线选择算法

绿色通信是移动通信系统(例如5G系统)的主要特征之一。在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。

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。

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。

基于改进共轭梯度的大规模多输入多输出预编码

针对大规模多输入多输出(Massive MIMO)系统下行链路预编码实现复杂、线性预编码矩阵求逆困难等问题,提出一种基于对称逐步超松弛预处理共轭梯度法(SSOR-PCG)的低复杂度预编码算法。该算法在共轭梯度(PCG)算法的基础上,采用对称逐步超松弛分裂(SSOR)算法对矩阵进行预处理以降低矩阵的条件数,达到提高预编码算法收敛速度、降低复杂度的目的。仿真结果表明:与PCG算法相比,所提出的SSOR-PCG预编码算法运行时间缩短约88.93%,在信噪比为26dB时已收敛;与迫零预编码算法相比,所提算法迭代2次即可获得与迫零预编码算法相近的系统容量性能,复杂度降低约一个数量级,误码率降低约49.94%。

基于张量分解的大规模多输入多输出天线预编码

提出基于张量分解的大规模多输入多输出(MIMO)天线预编码方案,利用张量分解对高维天线发送数据的降维,保持数据的低秩多维结构特征,获得更加有效的数据表示;同时,通过联合天线和用户信号的空域和时域的相关性,实现发射分集,克服大规模MIMO信道衰落和降低发射误码.通过仿真结果表明该方案适用于大规模MIMO系统.在相同条件下,与传统方案相比,误比特率更低.

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.

“面向6G的超大规模MIMO”专题导读

随着5G网络商用化,当前学术界和产业界开始对下一代移动通信(6G)技术进行研究。应用需求驱动了技术发展,从峰值速率角度看,6G需在5G传输速率的基础上提高数十倍,达到Tb/s的超高传输速率。为了满足6G网络对于超高传输速率的需求,同时大幅度提升网络容量和可靠性,超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)技术应运而生。

大规模MIMO系统中的并行共轭梯度软输出信号检测算法

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加,MMSE检测算法涉及到高维的矩阵求逆运算,难以应用在实际生活中。因此,文中提出了一种低复杂度的并行共轭梯度软输出检测算法,该算法对传统的共轭梯度(Conjugate Gradient,CG)法进行改进,并行求解共轭方向和优化步长,在提高算法检测性能的同时还加快了算法的收敛速度;然后利用信道编译码中的比特对数似然比近似算法求解出软信息,进一步提升检测算法的性能。通过理论定量地分析了算法的复杂度,并通过仿真实验对不同检测算法在不同判决方式下的误码率性能和收敛速度进行了研究,结果表明:所提出的并行CG软输出检测算法在复杂度降低的情况下,仅需要少量次数的迭代,便能以较快的收敛速度达到近似最佳的MMSE线性检测性能。