训练样本不足时天线分置MIMO雷达贝叶斯自适应检测

在未知杂波环境下,为实现良好的目标检测性能,通常需要大量独立同分布样本,以此精准估计未知杂波的协方差矩阵。但在实际工作场景中,对于配备多通道的雷达系统而言,获取足够数量的独立同分布训练样本颇具挑战。为了解决天线分置多输入多输出(multiple-input multiple-output, MIMO)雷达在训练数据不足时的目标检测难题,采用贝叶斯理论,将杂波协方差矩阵建模为逆威沙特分布,并采用广义似然比检测(generalized likelihood ratio test, GLRT)准则、Rao准则和Wald准则设计得到了3种贝叶斯检测器。结果表明,所提出的检测器均能实现在训练样本不足时的目标检测,在3种贝叶斯检测器中,基于GLRT准则得到的检测器的检测性能最优。此外,还得出了影响检测性能的关键物理量。

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。

基于WPT的去蜂窝mMIMO系统中无人机轨迹与充放电联合优化方法

在去蜂窝大规模多输入多输出(CF-mMIMO, cell-free massive multiple-input multiple-output)系统中,无人机(UAV, unmanned aerial vehicle)作为移动接入点(AP, access point),在通信和任务执行中发挥的作用越来越重要。为了提高UAV执行复杂任务时的续航能力,研究了基于无线电力传输(WPT, wireless power transmission)的CF-mMIMO的UAV能量收发和轨迹设计方法。以中断用户的通信公平性为优化目标,考虑在UAV任务执行过程中由接入点提供能量补给的能耗约束,对UAV的飞行轨迹、充放电时隙以及波束成形进行联合优化。针对该复杂优化问题,采用基于角度搜索的通信辅助深度Q网络(DQN, deep Q-network)算法,通过限制搜索空间的角度范围,对问题进行有限空间搜索。仿真结果表明,在UAV兼顾续航以及通信情况下,该算法能显著提高UAV的使用率并增强中断用户设备(UE, user equipment)的通信公平性,实现区域动态覆盖。

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。

基于位置分配的去蜂窝massive MIMO系统导频分配功率控制算法

针对去蜂窝(cell free,CF)大规模多输入多输出(multiple-input multiple-output,MIMO)系统中存在严重的导频污染问题,提出了一种基于位置分配的贪婪导频分配功率控制算法(greedy pilot assignment based on location with pilot power control,GPABL with PPC).首先,遵循相邻用户不分配相同导频序列的原则进行贪婪导频分配(greedy pilot assignment,GPA);然后,在导频分配的基础上叠加了导频功率控制,选择合理的导频功率控制系数减小信道估计的均方误差.仿真结果表明,将两种方式结合起来进行导频优化,系统的吞吐能力有所提升.

基于对抗自编码填补网络的MIMO雷达故障阵元缺失数据重构

多输入多输出(Multiple In Multiple Out,MIMO)雷达的阵元故障会导致其协方差矩阵出现整行整列数据缺失,从而降低其角度估计性能。为此,提出一种对抗自编码填补网络(Adversarial Autoencoder Imputation Network,AAEIN)来重构故障阵元的缺失数据。该网络由负责重构缺失数据的自动编码(Autoencoder,AE)网络和负责分辨数据来源的鉴别器组成。在二者的对抗训练中,AE网络的重构能力和鉴别器的分辨能力不断得到提升,直至两者收敛。为避免网络训练过程中参数量大和计算复杂度高的问题,文中结合MIMO雷达协方差矩阵的Hermitian特性,使用协方差矩阵上三角部分构建数据集用于网络训练。仿真结果表明,文中方法可以有效地重构故障阵元的缺失数据且具有较高的重构精度。

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。

粗微叠层式硅片台数据驱动MIMO前馈控制

光刻机中承载晶圆进行图像曝光的硅片台是一个典型的多输入多输出(multi-input multi-output,MIMO)超精密运动系统,MIMO前馈控制技术是抑制各自由度耦合误差的关键环节。针对光刻机粗微叠层式结构的硅片台,文中基于主从控制架构,提出一种微动台和粗动台MIMO前馈控制方法。该前馈采用线性参数化结构,以微分单元为基函数,将控制器的参数整定问题转化为一个凸优化问题,进而给出前馈控制器的全局最优参数整定方法以及参数迭代过程中梯度的无偏估计方法。通过硅片台多场曝光轨迹跟踪实验,验证所提参数整定方法的快速收敛性能。实验结果表明,所提方法能够有效减小微动台多自由度耦合的轨迹跟踪误差和粗微之间的相对误差。

基于D2D通信和虚拟MIMO的飞行器集群网络传输方案设计

在无中心飞行器集群网络中,非直通条件节点间不同的中继路径可能导致较大路径损耗落差,为有限资源前提下网络传输能力的提升带来困难。参考5G移动通信中的终端直通(Device to Device,D2D)技术与中继通信中的虚拟多输入多输出(Multiple-Input Multiple-Output,MIMO)技术,提出一套D2D通信与虚拟MIMO技术结合的无中心飞行器集群网络传输方案。重点研究在正交资源模式下,将不同的协作传输协议与空时编码进行组合,在信噪比、误比特率、接入概率等方面对通信性能的影响。仿真结果表明:D2D通信与虚拟MIMO技术结合的传输方案在不增加资源的前提下,对集群网络的通信性能有明显提升,且引入分布式空时编码可进一步优化误比特率性能,但3种传输协议在不同传输质量评价方向的改善有所不同。

应用SRR/CSRR去耦的毫米波MIMO天线

根据目前无线通信系统的发展趋势,为了大幅度地提高通信效率,针对Ka波段,设计了一款基于开口谐振环和互补开口谐振环的低耦合多输入多输出天线。天线整体尺寸为40 mm×25 mm×1.2 mm。首先,该天线正面由带有空心圆的椭圆形辐射贴片、梯形微带馈线及开口谐振环组成,保证天线工作在Ka波段(26~40 GHz)。其次,该天线背面为刻蚀互补开口谐振环结构的矩形接地板,可以有效地达到去耦的目的,从而实现低耦合的效果。仿真与实测结果表明:工作带宽为26~40 GHz(相对带宽达到50%),回波损耗小于-10 dB,耦合度均小于-26 dB,包络相关系数小于0.001,辐射方向图良好,增益稳定,辐射效率较高。由此,所设计的天线不仅结构简单、尺寸紧凑、频率覆盖范围广,且各项性能占优,可广泛应用于5G毫米波相关领域。综上,应用SRR/CSRR的技术使毫米波MIMO天线的互耦度得到了降低,验证了SRR/CSRR技术作为一种新型去耦技术的可行性和有效性。

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。

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。

超宽带毫米波MIMO-OFDM系统的非线性频偏自干扰与信道联合估计方法

系统同步产生的载波频偏会导致超宽带毫米波多输入输出(MIMO)正交频分复用(OFDM)系统产生非线性频偏自干扰,影响后续信道估计性能。为此,提出了一种非线性频偏自干扰与信道联合估计方法,通过挖掘数据超维隐藏空间的方式,将复杂的多目标优化问题降维分解成多个可并行求解的子优化问题,并利用超宽带毫米波信道的稀疏特性,采用压缩感知算法实现载波频偏与信道的迭代估计。与现有的联合估计方法相比,仿真结果表明所提方法能够有效降低计算复杂度,提升了系统信道估计准确度,并降低了系统误码率。

一种动平台MIMO雷达对海广域探测波束锐化方法

为解决动平台相控阵雷达前视成像方位分辨率低的问题,文中利用多输入多输出(Multiple Input Multiple Output,MIMO)雷达角度分辨力的优势,给出了一种适用于广域宽角扫描的机载MIMO雷达波束锐化方法。首先,根据MIMO雷达虚拟阵列原理,在宽发窄收和同时多波束探测模式下,建立了子阵级MIMO雷达前视成像回波模型;然后,在贝叶斯准则下,结合噪声统计先验信息,给出了基于最大似然估计的波束锐化方法。仿真和数据分析发现,该方法在较宽的角域内均可以获得良好的波束锐化性能,同时又极大节省了时间资源,具有一定的工程应用价值。

低导频开销RIS辅助毫米波MIMO系统参数化信道估计方案

为了解决可重构智能超表面(RIS)辅助毫米波多输入多输出(MIMO)系统信道状态信息及时获取问题,提出了一种基于张量分解的信道估计方案。首先,通过使用少量无源反射单元和构建相移矩阵,设计了一种低导频开销的信道训练机制。然后,通过利用范德蒙德结构约束的张量典范平行因子分解,推导出一种非迭代的信道估计算法。理论分析表明,该方案的最小导频开销仅取决于反射链路子信道路径数乘积,且具有较低的计算复杂度。仿真结果进一步验证了所提方案相较于其他方法的优越性。

基于Massive MIMO的5G高业务量场景组网方案

针对5G用户量大、流量密度大等高密重载特殊场景,引入分布式Massive MIMO技术,给出典型场景的速率和容量提升方案,并对方案进行了验证。最后总结了典型场景的组网应用建议,对提升5G用户感知,促进5G市场发展具有重要意义。

MIMO雷达分组正交波形集优化设计方法

在现代电子对抗中,数字射频存储(DRFM)设备能够快速截获机载脉冲多普勒雷达信号,能够实现对多输入多输出(MIMO)雷达的干扰。MIMO雷达可基于多组相互正交的波形集来对抗DRFM干扰。同时,为最大化MIMO雷达波形分集增益,每个脉冲内发射的波形也需要正交。为了平衡组内和组间的正交性,文中建立了一种分组正交波形集优化模型,其目标函数为组内和组间相关函数性能评估指标值的加权和;为了求解该优化问题,提出了一种分组正交波形集设计方法。所提方法将原优化问题简化为p-范数优化问题,基于MM算法导出了最小化目标函数的迭代求解表达式。仿真结果表明,所提方法可通过改变权重系数来灵活平衡MIMO雷达的干扰抑制性能和距离压缩性能。

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。

可用于WLAN的双频MIMO天线设计

设计了一款可用于WLAN的双频MIMO天线。天线的正面为L型单极子,背面为金属接地板。通过在接地板上加载耦合枝节使天线具有双频特性。同时,为了天线的小型化,对耦合枝节进行了弯折处理,减小天线尺寸。在两个天线单元之间加载T型寄生枝节和刻蚀矩形缝隙来提高天线的隔离度。使用电磁仿真软件和矢量网络分析仪对天线进行仿真和实测,结果表明:天线的工作频段为2.4~2.55 GHz和5.1~6.3 GHz,覆盖了WLAN的频段,同时在低频段内隔离度高于19 dB,高频段内隔离度高于25 dB。此外,天线的包络相关系数小于0.01且具有全向辐射特性。天线整体性能较好,可以满足WLAN的需求。