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。

超大规模MIMO系统中稀疏度自适应的极化域信道估计

针对超大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中的极化域信道估计调整,提出了一种基于压缩感知的自适应极化域稀疏度同步正交匹配追踪(Adaptive Polar-domain Simultaneous Orthogonal Matching Pursuit, AP-SOMP)算法。AP-SOMP算法利用信道相关度设计合理的判决准则来估计极化域信道稀疏度,从而能在极化域信道稀疏度未知的情况下完成信道估计。该算法有效地克服了传统算法对信道稀疏度的依赖,具有更强的实用性。仿真结果表明,AP-SOMP算法在归一化均方误差性能表现上优于传统的基于网格的极化域同步正交匹配追踪(Polar-domain Simultaneous Orthogonal Matching Pursuit, P-SOMP)算法,且算法复杂度并未明显增加。

超大规模MIMO-OTFS系统上行辅助的下行信道估计方法

针对超大规模多输入多输出(MIMO,multiple-input multiple-output)正交时频空间(OTFS,orthogonal time frequency space)系统,提出了一种适用于高速移动场景的低复杂度下行信道估计方法。不同于现有研究,该方法考虑了超大规模MIMO-OTFS系统显著的空间非平稳特性,基于可视路径区域提出了一种低复杂度的增强型稀疏正交匹配追踪算法,利用频分双工(FDD,frequency-division duplex)模式中上下行信道的映射关系实现上行辅助的下行信道估计。仿真结果表明,所提上行辅助的下行信道估计方法能够充分考虑信道非平稳特性,在降低计算复杂度的同时显著提高信道估计性能,并且在高速移动物联网场景下表现良好。

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。

面向超大规模MIMO的混合远近场通信

超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output, XL-MIMO)是未来6G通信系统的一个关键备选技术,可以大幅度提升未来通信系统的性能,如超高的频谱效率和空间分辨率、超低时延等。不同于现有研究工作主要关注于近场通信或远场通信,考虑更加实际的混合远近场通信场景,即通信系统中同时存在近场和远场用户。介绍了XL-MIMO系统中考虑混合远近场通信范式的重要性和混合远近场通信的信道建模,指出混合远近场通信场景中固有的关键特征,即能量扩散效应;详细介绍了3种典型的混合远近场通信场景:混合远近场的干扰分析、无线信能同传、物理层安全。针对上述典型场景,指出其在混合远近场通信中相较于近场通信/远场通信的根本区别和面临的关键设计难题。总结了混合远近场通信中仍需关注和亟待解决的开放性问题。

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。

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。

宽带太赫兹大规模MIMO系统中的混合预编码

针对宽带太赫兹大规模多输入多输出(multiple input multiple output,MIMO)通信系统中更大的带宽和更多的天线导致的波束分裂问题,构建了基于时延的宽带太赫兹大规模MIMO系统的混合预编码通信模型,并提出了一种高效且可实现的联合时延和相位的宽带太赫兹混合预编码算法。考虑到时延器值的硬件限制,通过最小化最优模拟预编码与等效模拟预编码之间的差来联合优化模拟预编码矩阵和数字预编码矩阵,将联合优化问题转换成目标优化问题,通过将非凸问题转换成等价的凸问题来求全局最优解。仿真结果表明,提出的算法可以获得接近最优的可实现速率性能,且可以提高能量效率。

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。

基于莱斯信道的大规模MIMO协作中继网络设计与优化

随着移动通信技术的不断发展,大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统被广泛应用于提高网络容量和性能。而协作中继网络作为一种有效提高通信覆盖能力和网络容量的手段,也受到越来越多的关注。文章基于莱斯信道模型,针对大规模MIMO协作中继网络进行设计与优化,旨在提升网络的可靠性和传输效率。通过对信道特性的分析和系统参数的优化,可以实现更好的性能表现。

基于级联角度的AIRS辅助大规模MIMO系统波束跟踪方案

智能反射表面(intelligent reflecting surface,IRS)可以通过提供额外的视线(line of sight,LoS)路径补偿传播损耗或解决阻塞问题,有效地提高毫米波(millimeter wave,mmWave)通信系统的性能,被认为是下一代移动通信的核心技术。与传统的地面IRS相比,部署在无人机、热气球等空中平台上的空中IRS(aerial IRS,AIRS)结合了空中平台的高移动特性/旋转特性和IRS提供的优质链路特性,可以提供更广阔的信号覆盖范围。考虑到现实场景中用户的移动性,通信系统有必要实时调整波束成形以使波束对准移动用户。然而,AIRS不具备有源射频链,难以在AIRS处获取离开角和到达角,增加了波束跟踪的复杂性。针对这一问题,建立了具有时变信道的AIRS辅助mmWave大规模多输入多输出(multiple input multiple output,MIMO)系统模型,结合基站端有源波束成形、AIRS的旋转角度和无源波束成形设计,提出了一种基于级联角度的无迹卡尔曼滤波波束跟踪方案。仿真结果表明,提出的方案具有较高的跟踪精度,同时AIRS的旋转特性对提升系统可达速率起着重要作用。

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。

超大规模MIMO下行系统1位传输信号设计

在超大规模MIMO系统中,采用1位数模转换器可降低硬件成本和功耗,但增加了预编码器设计的难度.文章研究PSK调制下超大规模MU-MIMO系统的1位预编码问题.首先利用相长干涉的思想,对接收信号进行坐标变换,将1位预编码问题建模成多目标优化问题.然后通过降维的方法,把多目标优化问题转换成双目标优化问题,提出一种基于相长干涉的交替优化算法来获得双目标优化问题的次佳解.该算法包括初始分配阶段和局部搜索优化阶段,按逐个元素的方式确定1位量化信号.结果表明,该算法可获得与现有的非线性预编码方法相媲美的性能,同时具有更好的性能-复杂性平衡.

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。

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%。

星地链路中基于毫米波大规模MIMO的混合预编码算法研究

为了提升星地链路通信系统频谱效率,针对毫米波(millimeter Wave,mmWave)大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)系统,在正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的基础上,提出了一种改进的OMP(Improved-OMP)混合预编码算法。针对星地链路间通信的特定场景,引入了基于扩展的Saleh-Valenzuela(S-V)信道模型;针对OMP算法中求解模拟预编码矩阵时存在迭代次数过多的问题,在结合多步长思想的基础上,从天线阵列响应集合中选取与射频链路(Radio Frequency Chains,RF Chains)相等的前多列作为模拟预编码矩阵;为了克服OMP算法中的伪逆运算复杂度较高的问题,结合矩阵分解和Hölder不等式简化了数字预编码的求解。仿真结果表明,在理想的信道状态信道条件下,当RF Chains的数量和数据流的数量之间的差距较小时,Improved-OMP算法可以获得更优的性能。Improved-OMP方案有效地降低了计算复杂度。

超大规模MIMO中包含球面波特征的最优传输方法研究

在超大规模多输入多输出(multiple input multiple output,MIMO)通信场景下,无线传输信道存在球面波特性,目前超大规模MIMO研究中多采用平面波模型,对球面波特征认识不足,忽略了其对系统传输设计的影响。针对此问题,基于球面波模型,利用统计信道状态信息,研究了多用户超大规模MIMO中的传输设计问题,分析了影响最优传输的关键特征参数,获得了包含球面波特征的最优发射策略的闭式表达式。研究结果表明,球面波模型下的最优发射策略与多用户所处位置有关,采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上,提出了一种基于贪婪思想的低复杂度多用户调度策略,仿真结果显示,所提传输策略能以较低复杂度达到近似最佳性能。

全息无线电:全息超表面赋能的超大规模MIMO新范式

得益于空间复用能力,超大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术成为未来第六代通信提供高速数据服务和全球海量网络接入的关键技术之一.传统的大规模MIMO技术主要依托装配有高分辨率移相器的大规模相控阵来实现.然而,移相电路的高功耗与高硬件成本阻碍了超大规模相控阵在实际工程中的应用,从而阻碍了超大规模MIMO的实际部署与发展.本文考虑了一种超大规模MIMO的新范式——全息无线电.在全息无线电中,大量微小而廉价的天线单元紧密集成,在低硬件成本的情况下达到高方向性增益,从而能够对电磁波进行灵活的调控并有效提升无线通信性能.本文提出利用一种名为可重构全息超表面(Reconfigurable Holographic Surface,RHS)的新型超材料天线来实现全息无线电.具体而言,RHS由大量低成本低功耗可调谐超材料单元组成,其馈源与超表面集成为一体并产生电磁波,电磁波沿着超表面传播并逐一激励RHS辐射单元,每个RHS辐射单元会根据全息干涉原理在超表面上构建全息图案控制电磁波的辐射幅值从而实现全息波束成形.根据RHS的工作原理,本文介绍了一种低复杂度的新型多址接入技术——全息多址接入(Holographic-pattern Division Multiple Access,HDMA)技术,其主要思想是将所有发射信号映射叠加至超表面构建的单一全息图样上从而为多用户提供数据传输服务.本文对HDMA方案进行了优化设计以最大化RHS辅助下的多用户广播通信系统能量效率.为了进一步验证HDMA技术的有效性,本文实现了二维RHS阵列的原型机并搭建了RHS辅助下的全息无线电通信平台.基于HDMA技术,该通信平台能够以低功耗支持多用户高清视频的实时传输.实验结果表明RHS具有以简单的布线方式和低功耗实现定向增益的巨大潜力,从而进一步验证了利用RHS实现全息无线电的可行性.此外,本文还讨论了基于RHS的全息无线电的未来研究方向和关键挑战.