一种适用于大规模MIMO无线通信系统的新颖波束选择算法

针对当前信道频谱资源日趋紧张,无法满足移动用户对通信速率需求的情况,本文提出一种适用于大规模MIMO无线通信系统的基于ANI算法的新颖波束选择方案。首先基于当前时隙的初始解,构造前一个时隙波束结果集的邻域矩阵集合作为迭代集合。然后,利用初始波束选择矩阵及其邻域矩阵之间的相关性,降低了邻域迭代过程的计算复杂度。最后,通过自适应调整邻域相关系数来获得最大化系统和速率,并以较低的复杂度选择当前时隙的波束结果集。通过与现有波速选择方案对比,本文所提方案在计算复杂度和能量效率等方面都有显著提高。

大规模MIMO无线通信关键技术

基于大规模MIMO基本架构,探讨了信道建模和系统性能分析、信道状态信息获取技术、多用户上下行无线传输技术等大规模MIMO传输关键技术;认为利用大规模阵列天线的多用户多输入多输出(MIMO)传输,将显著提升无线通信系统的频谱效率及功率效率。

大规模MIMO无线通信关键技术

为了使无线通信系统的功率效率和频谱效率得到进一步的提高,大规模MIMO,无线通信技术得到了广泛的应用。积极发展大规模MIMO无线通信,是时代的大势所趋,其能够进一步满足未来,移动通信的应用需求。本文探讨了大规模MIMO无线通信关键技术的发展背景,对大规模MIMO无线通信的几个关键技术进行了简要的分析,并探讨了该技术的应用前景。

大规模MIMO无线通信关键技术的分析

MIMO无线通信技术是无线通信领域中的一种新型通信技术。多输入多输出的大规模MIMO无线通信技术可以在提高天宫频谱效率、改善传输性能的基础上,打破传统蜂窝网络的局限性。基于此,主要从大规模MIMO技术的优势入手,对大规模MIMO无线通信中的关键技术进行了分析。

大规模MIMO无线通信关键技术

大规模MIMIO无线通信技术在移动通信网络中的应用,在很大程度,提升了通信的流畅性与稳定性,为用户提供了更为优质的使用体验,是现阶段无线通信数据传输的主流技术方案.文章以大规模MIMIO无线通信技术作为研究核心,从多个维度出发,全面探讨该项技术的机理以及优势,逐步厘清大规模MIMIO无线通信关键技术,为后续相关技术研发以及应用提供了参考.

大规模MIMO无线通信关键技术研究

随着网络信息技术的迅猛发展,无线通信技术水平越来越高,通信技术种类与通信方式越来越多样化。其中,MIMO无线通信作为一种新型通信技术在诸多领域得到了广泛的应用。本文基于大规模MIMO无线通信基本架构,对大规模MIMO无线通信研究现状、优势与关键技术进行了详细分析,旨在推动MIMO无线通信技术进一步发展,通信服务质量进一步提升。

大规模MIMO无线通信关键技术

MIMO(多输入多输出)无线通信系统是通信领域中一项重要的技术突破,MIMO在不增加功率与带宽的情况下能够在很大程度上提高无线通信系统的频谱效率,因此MIMO迅速成为了无线通信系统中的一项关键技术,也是近年来无线通信系统工作者的研究热点之一。笔者将根据相关工作经验,综合分析MIMO系统的基本工作原理,分析MIMO系统的关键技术:1接收机设计;2MIMO无线信道建模;3多天线空时编码。简而言之,大规模地利用MIMO技术传输能够显著提高无线通信系统的功率与效率。

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。

大规模MIMO无线通信关键技术

分布式协作系统中各位置节点,在相同时频协作完成与不同终端的有效通信,从而形成一个MIMO信道(网络多入多出),这样可以有效避免传统蜂窝技术限制。本文将对MIMO无线通信以及大规模发展过程中的关键技术方法进行分析,并在此基础上谈一下个人的观点和认识,仅供参考。

5G无线通信系统中的大规模MIMO技术研究

大规模MIMO技术是5G无线通信系统的支柱之一。该技术在基站端引入大规模天线阵列满足了对空间资源充分利用的需求,显著提升了频谱效率、能量效率和系统容量。本文阐述了大规模MIMO的基本原理,分析了大规模MIMO中的波束成形、信道估计和功率控制等核心技术;总结了硬件实现的挑战和优化方案,探讨了该技术在增强移动宽带(eMBB)、超可靠低时延通信(URLLC)和大规模物联网(mMTC)等典型5G应用场景中的作用;汇总了大规模MIMO在信道相关性、硬件成本等方面所面临的技术挑战并提出对应的应对策略。研究表明,大规模MIMO技术为5G及未来通信系统提供了强有力的技术支撑,但是该技术要想全面普及开来仍然需要解决诸多瓶颈问题。

基于无线传播环境的无蜂窝大规模MIMO系统接入点部署优化

无蜂窝大规模多输入多输出(MIMO)系统通过在覆盖区域内部署大量的接入点(AP),可以为用户提供均匀、可靠的服务。传统的无蜂窝大规模MIMO系统采用随机部署,未考虑AP周围的路径损耗、阴影衰落散射物以及环境遮挡对覆盖质量的影响。为了考虑实际环境下无蜂窝大规模MIMO能实现均匀、一致的覆盖,提出了基于无线传播环境的AP部署方案。首先,通过混合概率路径损耗模型对无线传播环境进行表征,其次构建了以最大化平均吞吐量为目标的AP部署优化问题,最后将问题转化为马尔可夫博弈过程,并且基于多智能体深度确定性策略梯度(MADDPG)算法得出最优的AP部署策略。仿真结果表明,相比于传统的随机部署和现有AP部署策略,所提方案可明显改善复杂环境下的非均匀覆盖问题,为用户提供良好一致的均匀覆盖。

基于干扰辅助MMSE检测的去蜂窝大规模MIMO中D2D通信干扰协调算法

针对D2D通信复用去蜂窝大规模MIMO网络资源所带来的干扰问题,研究了与D2D通信共存的去蜂窝大规模多输入多输出系统的联合导频分配和功率优化问题。首先,为了抑制D2D用户(DUEs)对去蜂窝用户(CFUEs)的干扰,提出了一种干扰辅助最小均方误差(MMSE)检测器,并推导了DUE和基于干扰辅助MMSE检测的CFUEs在不完美信道状态条件下的上行链路闭合频谱效率表达式。其次,为了减少导频污染,针对导频分配问题,提出了以最小化系统归一化信道估计误差(NMSE)之和为优化目标的导频复用方式给DUEs分配导频,并结合基于禁忌搜索的粒子群算法给CFUEs分配导频的方案。针对数据功率优化问题,提出了在保证DUEs服务质量下最大化CFUEs中最小频谱效率的方案,并采用二分法进行求解。仿真结果表明,所提出的基于干扰辅助MMSE检测的联合导频分配和功率控制方案有效提高了系统总和频谱效率,且导频开销不会随着D2D数量增加而增加。

浅谈下一代无线通信技术：大规模MIMo技术

当今,不管对于固定或移动用户,对无线通信业务吞吐量的需求将会不断增大,提高第四代无线通信频谱效率的呼声越来越大。大规模MIMO(Multiple Input-Multiple output,MIMO)技术是一个能够满足这种需求有希望潜在的技术,本文强调了大规模MIMO技术优势,认为它能比第四代(4G)无线通信明显提高频谱效率,最后给出了当前其相关研究难题与未来研究方向。

无蜂窝大规模MIMO系统接入点动态选择算法

在无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,所有接入点(Access Point,AP)为用户提供服务的方式会造成较大的功率消耗和增加前传链路压力。以“用户为中心”的AP选择方案为每个用户选择最佳的AP集合,使系统频谱效率和能量效率得以提升。为了给每个用户选择最佳的AP集合,提出了一种基于反向传播(Back Propagation,BP)神经网络的接入点动态选择算法。将AP与用户之间的大尺度衰落向量作为输入,AP与用户之间的连接关系作为BP神经网络输出的预测向量,同时,针对BP神经网络初始化权值,提出了一种改进的自适应遗传算法以提高算法的收敛速度和收敛性能。仿真结果表明,改进后的BP神经网络预测结果更接近于实际值,并且比全连接和启发式的AP选择方案具有更高的系统和速率。

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。

融合残差SENet的毫米波大规模MIMO信道估计

在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。

IRS辅助去蜂窝大规模MIMO系统反窃听安全波束赋形研究

为提高物理层安全通信性能,针对目前物理层通信容易受到建筑物遮挡和非法用户窃听的问题,提出了一种智能反射面(intelligent reflecting surface,IRS)辅助去蜂窝大规模多输入多输出(multiple-input multiple-output,MIMO)系统反窃听安全传输波束赋形方案。考虑信道理想的情况下,以还原合法用户接收信号和阻止非法用户接收信号为目标,最小化发射波束赋形向量,构建了一个基站主动波束赋形向量和IRS相移的联合波束赋形问题。通过交替优化将原问题分解为基站波束赋形向量优化子问题和IRS相移优化子问题,并通过解非齐次线性方程组思想的方法,对优化子问题进行求解。仿真结果表明,相较于传统物理层安全通信方案,提出的方案能够有效使非法用户窃听信号为0,降低传输功率,并且具有较好的误码率。

基于SWIPT的无小区大规模MIMO-NOMA系统能量效率研究

无小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)与非正交多址接入(Non-Orthogonal Multiple Access,NOMA)都是未来6G的使能技术。无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术在进行信息解码的同时收集能量,与无小区大规模MIMO-NOMA优势互补。文中基于SWIPT研究无小区大规模MIMO-NOMA系统中的能量效率问题,通过联合优化功率分配系数和SWIPT的时隙切换(Time Switching,TS)系数,提高系统的能量效率。为了最大化能量效率,采用布谷鸟算法设计功率分配系数。考虑一种特殊情况,将所有终端的TS系数设置相同,进而推导了最佳TS系数的封闭表达式。仿真结果表明,相较于几种已有方案,文中提出的优化方案可以显著提升系统的能量效率。

一种基于最大似然的超大规模MIMO系统近场信道估计方法

针对超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统近场的极域信道特性,同时考虑到未来信道的低信噪比环境以及匹配追踪算法中的先验稀疏度信息难以获取的问题,提出了一种基于最大似然原理的子载波加权选择的分段弱正交匹配追踪算法(Subcarrier Weight Selection Stagewise Weak Orthogonal Matching Pursuit,SWS-SWOMP)。SWSSWOMP算法利用公共稀疏性对子载波加权并在获取支持度后进行再选择,从而在低信噪比环境下以及稀疏度未知的情况下提高最终支持度的可靠性。仿真结果表明,所提XL-MIMO近场信道估计算法在低信噪比下归一化均方误差性能相对于极域同步正交匹配追踪(Polar-domain Simultaneous Orthogonal Matching Pursuit,P-SOMP)算法平均提高约3 dB,更符合实际信道场景。

基于均匀线性阵列的超大规模MIMO混合场信道估计算法

超大规模MIMO(extremely large-scale massive MIMO,XL-MIMO)是未来6G通信的关键技术之一。现有的XL-MIMO混合场信道模型大多对均匀线性阵列和单天线用户之间信道建模,且采用散射体最后一跳模型。若收发双端均配备线性阵列,现有的混合场信道估计方案将不再适用。为此,针对收发端均部署超大规模线性阵列的XL-MIMO场景,采用Saleh-Valenzuela模型进行信道建模,并提出了一种基于正交匹配追踪(OMP)的混合场信道估计算法。该算法首先利用角域变换矩阵对远场分量进行估计,然后通过极域变换矩阵估计近场分量。此外,引入克拉美罗-下界(CRLB)对所提算法进行评估。仿真结果表明,提出的混合场估计算法相较于仅考虑远场和近场的估计算法在信道估计性能上有约0.6 dB的提升。