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。

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%。

基于人工蜂群算法的去蜂窝大规模MIMO系统AP选择技术

为了提升去蜂窝大规模多输入多输出(multiple input multiple output,MIMO)系统中接入点(access point,AP)选择方案的性能,结合迫零(zero forcing,ZF)预编码技术和人工蜂群算法,提出了针对去蜂窝大规模MIMO系统用户端的AP选择算法。基于各个用户所需接收的信号,采用ZF预编码算法,使得所有AP都参与预编码,从而获得预编码信号;针对每个用户,利用人工蜂群算法,在优化目标为最大化用户的信道容量的前提下,求解相应的AP选择方案。仿真结果表明,相比于不进行AP选择的方案,提出的去蜂窝大规模MIMO系统的AP选择方案在信道容量性能方面表现更优。当用户数量为5、信噪比(signal to noise ratio,SNR)为40 dB、AP数量为40时,提出的AP选择算法对应的信道容量为14.8 bit/(s·Hz),与不进行AP选择的算法相比,信道容量提高5 bit/(s·Hz)。

无蜂窝大规模MIMO系统信道估计中基于加权图的叠加导频分配

针对无蜂窝大规模多输入多输出(cell-free massive multiple-input multiple-output, CF-mMIMO)系统信道估计中导频污染问题,提出了基于加权图的叠加导频(superimposed pilot, SP)分配方案。首先分析导频污染对SP信道估计的影响,引入一种全新度量表示用户间潜在导频污染程度;其次根据接入点与用户间大尺度衰落系数完成用户加权干扰图构建,将系统吞吐量最大化问题转化为有容量最大k切割问题求解;最后采取顶点交换局部搜索算法实现SP次优分配。仿真结果表明:本文方案能够有效地改善SP信道估计误差以及系统吞吐量。

FDD无蜂窝大规模MIMO系统CSI反馈及预编码研究

实现频分复用(frequency division duplexing,FDD)无蜂窝大规模多输入多输出(multiple input multiple output,MIMO)系统的下行系统容量最大化,关键在于设计既具有高成形增益又能强效抑制多用户间干扰的预编码矩阵,而精准的下行链路信道状态信息(channel state information,CSI)的获取则是计算预编码矩阵的基础。FDD制式由于上下行链路不具备完美互易性,故低开销、高精度的下行CSI获取是业界难题。为此,提出了一种基于共址空间用户簇的CSI测量和反馈方案,同时设计了联合簇级CSI反馈的两段式预编码优化方案。首先,基于上下行统计互易性计算获得等效下行空间相关性,利用用户反馈的信道质量和等效空间相关性联合构建了共址空间用户簇。其次,基于大尺度衰落特征和CSI导频端口能力约束,设计了CSI相干测量动态方案,以及共址空间簇的统计CSI反馈方案,显著地降低了反馈开销。最后,在CSI测量阶段通过簇间用户统计协方差矩阵设计了大尺度缓变干扰消除预编码,在下行调度阶段基于信号泄露噪声比(signal-toleakage-and-noise ratio,SLNR)算法设计了簇内实时多用户干扰消除预编码,二者级联构成每个用户的下行预编码优化权值。仿真结果表明,提出的CSI反馈优化方案相对于文献中主路径增益信息反馈策略降低反馈开销34%,两段式预编码优化方案相对于SLNR预编码提升FDD无蜂窝大规模MIMO频谱效率10.8%。

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。

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.

去蜂窝大规模MIMO系统中基于树种二进制差分进化的接入点选择算法

在去蜂窝大规模多输入多输出(Cell-Free Massive MIMO)系统中,大量接入点(Access Point,AP)同时为多个用户服务的连接方式会导致较大的功率损耗和回程链路开销。为了给用户选出最佳服务AP集合,本文提出了一种基于树种二进制差分进化的AP选择算法。首先,提出基于二进制差分进化的AP选择算法,通过多个个体的进化实现高维数据搜索的全局优化。其次,针对传统二进制差分进化算法容易陷入局部最优的问题,进一步给出基于树种优化的双机制搜索策略,利用搜索趋势(search tendency,ST)实现全局搜索和局部搜索的最佳平衡。最后,通过定义交叉率(crossover rate,CR)自适应递减准则,加快算法收敛速度。仿真结果表明,与现有算法相比,所提出的算法可显著提高系统和速率。

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。

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。

去蜂窝大规模MIMO系统功率控制算法

针对移动通信流量需求持续增长的需求,同时考虑用户接入点选择和下行功率控制,对去蜂窝大规模多输入多输出(multiple input multiple output,MIMO)系统的用户体验进行优化。基于最大信号干扰加噪声比,为每个用户选择有效的服务接入点子集。在此基础上,针对为不同优先级用户提供不同服务质量的目标,建立长期功率约束下的下行链路加权功率控制优化问题模型。将该问题转化为凸优化问题,求解得出一组优化的下行链路功率控制系数。算法经仿真验证,能将去蜂窝大规模MIMO系统的95%用户频谱效率提升约11倍,同时有效提升高优先级用户的体验,对于去蜂窝大规模MIMO系统的研究具有一定参考意义。

基于混合精度DAC的下行去蜂窝大规模MIMO-WPT系统能量效率研究

本文研究了采用混合精度数模转换器(Digital-to-Analog Converter,DAC)架构的下行去蜂窝大规模多输入多输出无线携能(Multiple-Input Multiple-Output Wireless Power Transfer,MIMO-WPT)系统.该系统中的用户(User Equipment,UE)收集接入点(Access Point,AP)发射的无线射频信号能量,基于加性量化噪声模型对量化后的能量信号建模,并引入混合DAC功耗模型,推导出UE收集到的能量(Harvested Energy,HE)和系统能量效率(Energy Efficiency,EE)闭式表达式.分析关键参数,如DAC精度、高精度DAC占比、AP/UE数目和AP发射功率等对下行WPT性能的影响.设计基于加速投影梯度(Accelerated Projected Gradient,APG)的EE最大化功率控制算法.该算法是一阶优化方法,且能求解出最优功率控制系数的闭式解,因此时间复杂度低,运行耗时短.仿真结果表明,与全低精度DAC结构相比,混合精度DAC结构可以同时改善HE和EE;对于不同高精度DAC占比的混合精度DAC结构,当除高精度DAC外的其余DAC的分辨率设置为5 bit时,在保证实现高HE的同时也可获得最优的EE;在中、低信噪比场景下,可以通过增大AP发射功率来改善系统EE;在UE数目较多的去蜂窝大规模MIMO-WPT系统中,所提的基于APG的功率优化算法不仅使等功率分配方案下的EE提升了约19.5%,而且同基于内点法的功率优化算法相比,运行耗时也大幅降低.

基于SWIPT的去蜂窝大规模MIMO系统安全传输方法

基于无线携能通信(SWIPT)技术,研究分析了去蜂窝(cell-free)大规模多输入多输出(MIMO)系统的安全传输问题。Cell-free大规模MIMO是一种随着5G及6G发展而产生的一种新型网络架构,对实现SWIPT来说具备更为有效的优势,然而也面临更大的电磁波安全问题。首先从硬件设计和理论研究两个方面总结了SWIPT的研究现状,接着对基于SWIPT的Cell-free大规模MIMO网络进行了建模,为同时满足系统能量采集和安全性要求,针对存在主动窃听者的情况,提出了一种基于最大-最小公平算法的迭代功率控制方法,分析得到了可采集能量和可达速率的闭合表达式。数值仿真表明,该方法可以有效提高每个用户的可达速率和采集的能量,并将窃听速率降低到阈值以下。

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。

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)。

基于指纹匹配的无蜂窝大规模MIMO三维定位方法

本文研究了无蜂窝大规模多输入多输出(Multiple input multiple output,MIMO)系统中基于指纹匹配的无线定位方法。假设服务区域内布设大量接入点(Access point,AP),每个AP配置水平均匀线性阵列天线(Uniform linear array,ULA)或垂直ULA。利用相互正交的线性阵列天线(Orthogonal uniform linear array,O-ULA)对不同地理位置用户的方位角和俯仰角进行辨识,提取无线信道的角度功率谱矩阵构建方位角和俯仰角指纹库。借助谱聚类算法对指纹数据库进行预处理,然后通过两阶段指纹匹配策略计算指纹相似度并排序,在指纹库中搜索与用户指纹相似度最高的参考点,并利用加权K近邻算法(Weighted K-nearest neighbor,WKNN)估计用户位置。仿真结果表明,所提方案和单天线方案、ULA方案、均匀矩形阵列(Uniform rectangular array,URA)方案相比能够获得更高的三维定位精度。