无小区大规模MIMO系统中基于图着色的导频分配与功率控制算法

无小区大规模MIMO(Cell-Free Massive MIMO,CF-mMIMO)系统中大量的无线接入点在同一时间频率资源中服务所有的用户,具有较高的网络覆盖率和频谱效率,是下一代无线通信的前沿技术之一。然而,正交导频数量的限制以及用户信道质量的差异造成了较严重的用户间干扰。为了优化这一干扰问题,本文提出了无小区大规模MIMO系统中基于图着色的导频分配与功率控制算法。利用基于图着色的导频分配算法降低导频污染,提高了信道估计精度。在此基础上,通过最大-最小功率控制算法降低多用户同频干扰,满足了系统中用户的混合服务质量需求。数值仿真结果表明:所提出的基于图着色的导频分配与功率控制算法可以显著提高系统的95%用户频谱效率以及最小用户速率,较好抑制了CF-mMIMO系统中的用户间干扰。

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。

无小区大规模MIMO系统中免授权随机接入性能分析

海量机器类通信(mMTC)是5G网络的典型应用场景之一。以前的工作主要研究在传统蜂窝小区下的海量机器类通信,研究了无小区大规模多输入多输出(MIMO)网络中海量机器类通信的免授权随机接入中的联合检测问题。在该模型中,每个设备向接入点发送唯一的导频序列,接入点(APs)将接收到的信号发送到中央处理单元(CPU)进行集中联合检测。采用了近似消息传递算法(AMP)进行联合用户活跃性检测和信道估计。实验结果表明,无小区大规模MIMO系统可以支持大量的通信设备,解决传统小区间的干扰问题,提供一个增强的覆盖,它在很大程度上优于传统的蜂窝小区。

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。

面向Sub-7 GHz频段分布式超大规模MIMO技术

下一代移动通信系统将在新的频段进一步提升整体性能。面向未来6G系统在Sub-7 GHz频段部署所面临的连续覆盖、容量提升以及部署困难等潜在难题,提出了一种创新的总体方案。这一方案结合了以用户为中心的接入网架构与分布式超大规模MIMO技术,旨在实现更高效的通信性能和用户体验。在所提出的以用户为中心的网络构架中,系统能够突破中心化限制,构建出中心网络与边缘分布式网络结合的以用户为中心的端到端分布式自治网络,智能自适应端到端用户需求。基于该构架可通过动态调整小区的覆盖范围和容量,更好地应对不同场景下的用户需求。通过优化连接管理策略,可以有效减少连接中断和延迟,提升系统的稳定性和用户的满意度。针对上述接入网络构架,给出了分布式超大规模系统中的灵活小区构建、链接管理及接入过程方案,并对CSI测量上报、分布式天线校准等底层核心问题进行了分析。

莱斯信道下大规模MIMO多对双向AF中继系统性能分析

大规模多进多出(multiple input multiple output,MIMO)技术和中继系统是当前无线通信领域的研究热点。大规模MIMO技术利用大量天线来增强信号传输性能,可以提高信号的可靠性和传输速率。中继系统通过中继节点转发信号,可以扩大覆盖范围并提高系统容量。然而,在实际应用中,信道条件和传输环境的复杂性对系统性能提出了挑战。分析在莱斯信道下大规模MIMO多对双向放大转发(amplify and forward,AF)中继系统的性能。基于性能分析结果,提出莱斯信道下大规模MIMO多对双向AF中继系统的性能优化方法,包括天线配置、功率分配等方面的优化策略,这对于理解和优化该系统的工作具有重要意义,将为设计和优化无线通信系统提供有价值的参考,并促进大规模MIMO和中继通信技术的进一步发展和应用。

基于大规模 MIMO 的低轨卫星通信系统研究

将大规模多输入多输出(MIMO)技术应用于低轨卫星通信系统中,能提高卫星波束成形效率,使大规模的MIMO技术空间自由度得到充分发挥。本文研究了大规模MIMO技术在低轨卫星通信系统中涉及的各方面问题,分析了基于大规模MIMO技术的低轨卫星信道的特征,并与地面无线信道进行了对比。针对大规模MIMO技术在低轨卫星通信中涉及的用户调度、信道信息获取、多用户传输等方面的问题,提出了解决思路。

大规模MIMO多小区TDD系统中的预编码策略和导频调度

上行导频污染是大规模MIMO多小区多用户TDD系统的主要性能瓶颈。本文推导了下行链路中MF、ZF单小区预编码、基于MMSE的多小区预编码以及基于最大化SLNR准则的预编码策略在有导频污染的大规模MI-MO下的系统可达和速率渐近性能,发现当基站天线数趋向无穷时,各个策略的等效信干比均收敛到仅与大尺度衰落因子相关的一个比值,由此可以得到一个系统可达和速率的渐近结果。基于此渐近结果,以最大化系统可达和速率为目标,获得了一个导频调度方案,即使得小区间相互干扰较小的用户采用相同的导频而相互干扰较大的用户采用正交的导频,从而在存在导频污染的情况下,可以提升系统的整体性能。理论分析和数值仿真结果都验证了以上结论。

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。

互耦效应对超大规模MIMO天线系统信道容量的影响

超大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)天线系统是6G的关键技术,由于天线单元间距很小,多个天线单元的互耦效应是影响其性能的因素之一。建立了基于石墨烯基贴片天线阵列-子阵列架构的超大规模MIMO天线系统,推导出了互耦效应影响下的信道容量表达式。通过电磁场数值计算仿真了超大规模MIMO天线系统的信道容量,结果表明,在不考虑互耦效应时,超大规模MIMO天线系统的信道容量与子阵列天线单元数、子阵列数以及发射机功率正相关;在互耦效应的影响下,系统的信道容量降低,互耦效应的强弱与子阵列天线单元的间距有关,天线单元间间距越小,相邻天线间的互耦效应越明显,系统的信道容量越小。该仿真结果可以为6G中超大规模MIMO天线系统的设计提供参考。

基于迫零波束成形技术的大规模MIMO混合中继系统性能分析

文章基于迫零波束成形技术及不完备信道状态信息,研究了大规模双向多输入多输出中继网络的系统频谱效率和系统能量效率。首先,在中继站的天线数量M足够大时获取用户端信干噪比的一般表达式,得到系统频谱效率与能量效率的一般表达式。其次,获取了功率缩放方案下系统频谱效率与能量效率的渐进值。对于非零信干噪比,当中继站及每个用户终端的发射功率均降低为原来的M分之一,系统能量效率将大幅度提升。

毫米波大规模MIMO系统联合稀疏混合预编码优化算法

为提高毫米波大规模多输入多输出(multiple input multiple output,MIMO)系统频谱效率及误码率性能,提出了一种联合稀疏混合预编码优化算法.首先根据毫米波信道的角度稀疏特性重构波瓣信道,分别对每个波瓣子信道进行混合预编码优化设计;然后针对混合预编码设计中含有非凸约束的多元稀疏信号重建问题,利用数字预编码矩阵的隐含稀疏结构,设计波瓣内每个数据流模拟预编码的自有支撑集和共有支撑集;最后根据模拟预编码矩阵与数字预编码矩阵之间的相关性,联合优化设计模拟预编码和数字预编码矩阵.进行了计算复杂度分析以及仿真分析.结果表明:与OMP算法相比,文中算法计算复杂度降低了91%或93%;相较于SLD算法,文中算法的频谱效率性能提高、误码率性能更好.

多小区大规模MIMO系统下行能效分析

在大规模MIMO系统中,发送功率是随着天线数的增加而减少的。但是,在大规模MIMO系统中,由于随着天线数增加,电路功耗的影响也越来越大。考虑系统的功率模型不仅仅包括发送功率,还包括电路功率。采用迫零预编码方案,分析多用户多小区情形下大规模下行MIMO系统的能效,假定用户数已知,推导出系统能效与基站天线数和用户数的关系式,继而得到能效的最大解及对应的天线数。数值结果验证了分析的正确性。通过仿真结果可知,随着天线数的增加,用户平均接收速率显著增加,但由于电路功耗的增加,因此系统的能效存在一个最优值,这个值同时与用户数和发送功率有关。该结论对于绿色通信的应用有着重要的意义。

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。

基于QoS的多小区下行TDD大规模MIMO系统顽健波束成形

针对非理想信道状态信息(CSI,channel state information)下的多小区下行时分复用(TDD,time division multiplexing)大规模多入多出(MIMO,multiple-input multiple-output)系统,研究了基于服务质量(QoS,quality of service)的发射功率和小区间泄露功率最小的波束成形问题。首先,将目标问题近似成凸优化问题,然后,利用上下行链路对偶性,提出一种内外层迭代算法。数值分析结果表明,所提算法与其他几种典型的多小区波束成形算法相比,在算法复杂度和能量效率性能指标方面具有明显优势。

莱斯信道下大规模MIMO系统上行资源分配研究

考虑了莱斯信道下单个小区上行多用户大规模MIMO系统,对上行链路的资源分配进行了研究.假设基站通过上行训练序列来估计信道,分别采用最大比合并接收和迫零接收来对信号进行接收.通过联合选择训练序列长度、训练序列功率和发送的数据功率来优化小区在相干时间内固定能耗下的频谱效率.仿真结果表明:经过优化系统的频谱效率有所提高,莱斯因子K越小,优化效果越明显,导频的功率越大;反之优化效果不明显,导频的功率越小.

基于大规模MIMO系统的满分集VBLAST低复杂度译码算法

为了提高大规模MIMO系统的分集增益、降低译码复杂度,构建了一种码率为1的满分集贝尔实验室垂直分层空时码,并采用最大比合并算法(MRC)检测接收信号.分别计算了MRC算法的平均输出信干噪比(SINR)和传统迫零算法(ZF)的平均信噪比(SNR),分析了性能相等时应满足的条件,并且比较了2种算法的计算复杂度和BER性能.结果表明,当BER=10-5,收发天线数为400和40、调制方式分别为BPSK和QPSK时,最大比合并算法的BER性能较迫零算法分别存在0.4和0.3 d B的增益.采用所提算法对接收信号进行检测,不但能够降低系统的计算复杂度,而且能保证系统的误比特率性能.

大规模MIMO系统中的双向搜索天线选择算法

大规模MIMO(Massive MIMO)拥有众多天线,如果按照传统的方式配备等量的射频链路,势必会大幅度增加硬件成本及系统复杂度.天线选择技术能够在不损害多天线系统优势的前提下,使射频链路成本明显下降.天线选择的主要方法其思想是在全部天线中选出部分天线传输数据,从而使射频链路成本不再成为限制因素,在实际的无线信道中,信道状态变化多样,为了达到所需性能指标,通信系统需要选择不同数目的天线进行数据传输,而现有的天线选择算法往往只适用于固定天线数的场景.本文针对多变的信道状态,基于递增选择算法与递减选择算法提出了双向搜索天线选择算法,能够灵活应对不同的天线数需求,并且保持了较低的计算复杂度.

多用户大规模MIMO系统能效资源优化算法

针对多用户下行大规模MIMO系统,为满足用户QoS需求,建立关于发射功率、发射天线数、用户天线数的系统能效优化模型。区别于传统的利用迭代算法求解使系统能效最佳的发射功率,提出采用Lambert W函数分析得到系统最佳发射功率的闭式表达式,极大地降低了运算复杂度。并利用天线选择算法进一步对能效进行优化,即采用凸优化算法对能效进行优化。仿真结果表明,所提算法能有效提高系统能效,提升系统性能。

短期功率约束下的无小区大规模MIMO中的功率分配研究

文中考虑了一个下行无小区大规模多输入多输出(multiple-input multiple-output,MIMO)系统,其中M个单天线接入点(access point,AP)和K个单天线用户随机分布在服务区内,M> K。同一用户可以在同一时间、同一频率上被所有接入点服务。在短期功率约束(short-term power constraint,STPC)下,文中针对两种不同的优化问题分别提出了相对应的功率分配算法。第一个优化问题是在满足用户服务质量(quality-of-service,Qo S)约束的条件下最大化用户总速率,该问题可以利用连续凸逼近(successive convex approximation,SCA)的方法求解。此外,第二个优化问题是一个混合Qo S约束问题。它可以在保证高优先级用户(high propriety user,HPU)的QoS需求的基础上,为其余低优先级用户(low propriety user,LPU)提供相同速率的服务。该问题是拟凹的,因此可以通过二分法求解。仿真结果表明,文中提出的功率分配算法具有很好的性能。此外,同长期功率约束(long-term power constraint,LTPC)相比,STPC可以显著提高用户下行速率。