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。

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GSIC的无小区大规模MIMO-NOMA系统下行可达速率分析

探索了无小区大规模多输入多输出(Multiple-input multiple-output,MIMO)系统与非正交多址接入(Non-orthogonalmultipleaccess,NOMA)的融合方案,将基于群体串行干扰删除(Group successive interference cancellation,GSIC)的NOMA技术应用于无小区大规模MIMO系统下行链路,并提出根据用户等效路径损耗对用户进行群体划分的方法,推导得出基于GSIC的无小区大规模MIMO-NOMA系统下行链路用户可达速率表达式。仿真结果表明,相比于传统的串行干扰删除(Successive interference cancellation,SIC)-NOMA系统,基于GSIC的无小区大规模MIMO-NOMA系统在可达速率方面具有明显优势。

RIS辅助的无小区大规模MIMO系统中信道估计及谱效分析

无小区大规模多输入多输出(cell-free massive multiple input multiple output,Cell-Free mMIMO)技术打破传统蜂窝小区边界,从根本上解决了小区间干扰问题,从而大幅度提高系统吞吐量;同时,基于超材料的可重构智能表面(reconfigurable intelligent surface,RIS)可实现对无线电磁环境的智能操控。针对RIS辅助的无小区mMIMO系统,基于叠加导频(superimposed pilot,SP)复用模式,提出了一种基于吉洪诺夫正则化(Tikhonov regularization,TR)的迭代信道估计方法,在此基础上,从理论上推导了系统上行频谱效率(spectral efficiency,SE)的闭合表达式,通过最大化系统SE研究了SP复用模式的最优功率分配因子。仿真结果表明,采用该信道估计方法可有效提升系统SE。

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。

时变信道下多小区多用户分布式大规模MIMO系统上行可达速率分析

针对多小区多用户分布式大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)上行系统,考虑移动环境下信道时变特性,并结合多小区导频污染和信道估计误差条件,分析这类因素对系统可达速率的性能影响。采用一阶高斯马尔科夫过程对时变信道进行建模,以时间相关性系数为时变信道参量描述信道系数随时间变化的快慢程度。当基站采用最大比合并(Maximum Ratio Combining,MRC)接收机时,利用Jensen不等式、随机矩阵理论和Gamma随机变量的各阶矩,推导得出了包含导频污染、信道估计误差和信道时变参量的可达速率解析表达式。基于此,分析得出在多小区分布式大规模MIMO系统中,时变信道参量只会影响系统的可达速率绝对值,而不会影响发射功率缩放律。更重要的是,当不考虑发射功率缩放时,随总天线数增加,可达速率将不受时变信道的影响,而只由导频污染所决定,这表明该系统对时变信道具有良好的鲁棒性。最后,利用蒙特卡洛数值仿真验证了所得出的结论的正确性和有效性。

无小区大规模MIMO系统中结合贪婪导频分配的导频功率控制的算法

无小区大规模多输入多输出(multiple-input multiple-output,MIMO)系统具有广阔的频谱,但是导频训练阶段的导频污染严重影响了系统的性能,因此减少导频污染成为必要。为了减少导频污染,文中提出了一种结合贪婪导频分配的导频功率控制的算法。首先进行贪婪导频分配,此阶段提高了较低性能用户的有限性能。之后在合理的导频分配的基础上,进行导频功率控制,此阶段最小化了所有用户的归一化均方误差的最大值。两个阶段联合导频优化,提高了系统的网络吞吐量。仿真结果表明,文中提出的方法性能明显优于目前的研究所提出的分开优化导频分配和导频功率的方法性能。

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。

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系统基于小区分类-交叉熵的导频调度算法

大规模MIMO系统利用基站端配备大量天线来服务多用户,但受到小区间干扰产生的导频污染影响。针对导频污染设计了一种导频调度方案。导频调度问题属于排列优化问题,在寻找最优解过程中使用贪婪算法时计算复杂度很大,同时为了降低小区间干扰,利用小区分类和交叉熵机制提出了一种新的导频调度方案,以减轻导频污染对系统的影响。仿真结果表明,所提出的算法不仅能够有效提升系统性能,还能降低计算复杂度。

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。

多小区大规模MIMO系统中基于部分导频交替复用的导频污染减轻方法

在多小区大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,导频污染(Pilot Contamination,PC)已成为制约整个系统性能的瓶颈。本文从系统级角度出发,提出了一种基于部分导频交替复用(Alternately Fractional Pilot Reuse,AFPR)的导频配置方案,即相邻小区的边缘用户配置相互正交的导频序列,而小区中心用户复用相邻小区边缘用户所配置的导频序列。同时从理论上推导出基于AFPR的导频配置方案上行可达频谱效率(Spectral Efficiency,SE)的关系式。数值仿真结果表明,相比于传统的导频配置方案,无论采用最大比合并(Maximum Ratio Combining,MRC)还是迫零(Zero Forcing,ZF)接收,该方案可显著地提升系统性能增益。

无小区大规模MIMO系统中基于叠加导频的上行频谱效率理论上限分析

无小区大规模多输入多输出(Cell-Free Massive MIMO)突破传统蜂窝小区的概念,被认为是未来移动通信中十分富有潜力的技术。该技术通过部署大量的分布式接入点(Access Point, AP)以获得充分的宏分集增益,以提高用户服务质量。受信道相干时间的限制,系统中可供用户分配的正交导频资源非常有限,部分用户将不得不复用相同的导频,从而常规的复用导频(Multiplexed Pilot, MP)配置模式将引起严重的导频污染问题。因此,本文利用叠加导频(Superimposed Pilot, SP)配置模式,基于线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)准则和最大比合并(Maximum Ratio Combining, MRC)技术,研究了无小区大规模MIMO系统的信道估计,并从理论上推导了系统上行频谱效率(Spectrum Efficiency, SE)的上限闭合表达式。仿真结果表明,采用SP配置模式可有效减轻导频污染问题带来的影响,从而明显地提升系统的SE。

TDD模式下无小区大规模MIMO系统的导频干扰抑制

为了缓解无小区大规模MIMO系统的导频干扰、提高系统性能,提出了一种综合导频复用、AP选择和功率控制的导频干扰抑制策略。首先,提出了基于用户距离排序的导频分配,合理地避免了两个距离较近的用户复用导频,以减少导频干扰的影响。然后,通过分析系统吞吐量表达式中的影响因子确定AP选择的标准,只选择对用户的宏分集增益有主要影响的AP作为用户的服务AP。最后,提出了一种改进的最大最小功率控制算法,提高系统平均吞吐量。仿真结果显示,提出的导频干扰抑制策略有效地减轻了导频干扰带来的性能损失。

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。

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。

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)。