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。

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.

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.

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。

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。

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。

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%。

基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法

大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),能够获得较优的系统性能,但相应的计算复杂度较高,阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题,该文提出了一个模型驱动的神经网络,在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言,将迭代算法展开为一个神经网络,并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明,该方法能够自动更新参数,与传统的预编码算法相比,收敛速度更快,计算复杂度更低。

IRS辅助大规模MIMO系统中抑制残余硬件损伤的AQBFO无源波束赋形方案

由通信收发机硬件非理想特性导致的残余硬件损伤在智能反射面(Intelligent reflecting surface,IRS)辅助的大规模多输入多输出(Multiple-input multiple-output,MIMO)系统中难以避免,并且会严重降低上行用户的可达和速率。针对这一问题,本文提出了一种基于自适应量子菌群觅食优化(Adaptive quantum bacterial foraging optimization,AQBFO)算法的无源波束赋形方案,用于抑制残余硬件损伤对系统性能的影响。首先,基于统计信道状态信息(Channel state information,CSI)推导出系统上行可达和速率的近似解析表达式。然后,以最大化和速率为目标,基于AQBFO算法对无源波束赋形进行优化。仿真结果验证了在IRS辅助大规模MIMO系统中,基于AQBFO算法的无源波束赋形方案能够有效抑制残余硬件损伤的影响,并显著提升系统的上行遍历和速率。

基于统计CSI的空中智能反射面辅助大规模MIMO系统传输优化方案

智能反射面(IRS,intelligent reflecting surface)被认为是下一代移动通信的核心技术,其在增强网络覆盖、频谱效率、能源效率和部署成本方面具有显著优势。空中智能反射面(AIRS,aerial intelligent reflecting surface)结合了空中平台的高移动性和智能反射面提供的优质链路特性,可以有效解决复杂通信场景中基站与用户之间易受障碍物阻挡的问题,从而增强网络覆盖。针对AIRS辅助的多用户大规模多输入多输出(MIMO,multiple input multiple output)系统,研究了基站波束成形、AIRS部署位置与相移设计的联合优化问题。在已知统计信道状态信息(CSI,channel state information)的条件下,提出了一种基于块坐标下降(BCD,block coordinate descent)的系统遍历和速率优化方案。首先,建立了一个联合优化基站端波束成形、AIRS的部署位置与AIRS相移的复杂优化模型。其次,通过BCD算法,将非凸优化问题解耦成3个易于处理的子问题。最后,分别采用拉格朗日乘子法、松弛变量法和RMSProp梯度下降算法求解子问题。仿真结果表明,所提出的优化方案有效地提高了系统的遍历和速率,并且具有较好的收敛性。

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。

基于分组导频复用的大规模多输入多输出系统导频污染抑制方法

针对大规模多输入多输出系统由于导频序列数的限制以及用户间干扰造成的导频污染问题,提出了分组导频复用策略对导频序列进行重新分配。根据小区内用户受干扰的严重程度,通过两次分组将用户分为中心用户组和边缘用户组,为边缘用户分配完全正交的导频序列;并重点针对边缘用户提出了导频开销优化策略,寻找兼顾考虑导频污染抑制和导频开销问题的最优导频分配方案。仿真结果表明,本文方法可以有效抑制导频污染,提升系统性能。

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。

考虑输入时滞的舵机伺服系统自适应指令滤波输出反馈控制

针对舵机伺服系统运行过程中存在复杂非线性以及信号输入时滞、使系统的精度降低,严重时甚至造成系统失稳的问题,提出了一种考虑输入时滞的自适应指令滤波输出反馈控制策略。首先,将系统中存在的输入时滞考虑为控制器信号输入时滞,给出舵机伺服系统状态方程,选用梯度下降法设计时滞估计律对未知时滞进行估计;其次,将系统中存在的复杂非线性统一为扰动,选用扩展状态观测器(ESO)加以估计,将观测的系统状态值用于设计控制量实现输出反馈控制;然后,选用指令滤波将高阶求导过程转化为求积分,实现信号滤波以抑制微分噪声;最后,基于Lyapunov-Krasovskii泛函稳定性定理证明控制器实现系统有界稳定。仿真及实验表明,所提的控制方法与传统反步控制方法、自抗扰控制和比例微分积分(PID)控制方法相比,响应时间分别提升了92%、88%和51%,跟踪精度分别提升了90%、84%和26%。

基于天线选择的大规模MIMO系统能效优化算法

针对多用户大规模MIMO下行链路系统,考虑用户QoS需求和功耗要求,以最大化系统能效下界为准则建立能效优化模型。区别于传统单一优化天线数目或天线子集的方法,首先采用朗伯函数推导出最佳发射功率和最优发射天线数的闭式表达式;其次提出一种将多天线选择算法与系统能效联合优化的方法,并采用凸优化方法求解最佳发射天线子集,以此提出一种迭代的多用户最大化能效优化算法。仿真结果表明,当用户数为6时,所提算法与最优能效算法相比,系统能效提高了6.5%。

基于AI通信的大规模MIMO信道状态信息反馈网络

在大规模多输入多输出系统中,由于天线数量的增加导致信道状态信息反馈带宽开销增大。为了减少反馈开销,提出了一种基于深度学习的反馈网络。该网络将卷积注意力模块和快速迭代收缩阈值算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)进行了结合。为了贴合实际应用,考虑到了噪声情况,分析了阈值敏感度。仿真结果表明,该网络在不同环境下其性能和鲁棒性可以得到进一步提高。

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。

毫米波大规模MIMO系统混合连接天线结构的混合预编码算法研究

在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,混合连接天线结构结合全连接和部分连接的结构优势,能更好地平衡频谱效率和能量效率。但是当前该结构的混合预编码算法繁杂。针对这一问题,研究混合连接天线结构的低复杂度混合预编码算法设计。为了简化该结构的混合预编码算法,将信道矩阵划分成一系列子信道矩阵,分别对每一个子信道矩阵采用交替迭代矩阵分解(Alternating Iterative Matrix Decomposition,Alt-IMD)算法求解最优混合预编码矩阵。通过理论分析该算法复杂度,并且通过仿真实验分别对全连接天线结构、部分连接天线结构混合预编码算法、混合预编码算法的频谱效率和能量效率进行对比。结果表明:与当前混合预编码算法相比,该算法能获得更高的频谱效率和能量效率。