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。

基于深度学习的多用户MIMO-OFDM-IM系统符号检测技术

MIMO-OFDM-IM是将MIMO-OFDM(多输入多输出正交频分复用)和IM(索引调制)结合的一种新颖的多载波调制技术。为解决目前多用户MIMO-OFDM索引调制的符号检测技术仍存在的复杂度高和误码性能受用户数量影响严重的问题,提出一种基于深度学习的符号检测框架,在该框架中,编码器与解码器都由DNN(深度神经网络)构造,采用监督式学习训练数据。实验结果表明,该框架有效地解决了以上问题。

低频部署下MIMO-OFDM通信系统的频谱利用效率分析

主要深入研究低频部署下多进多出-正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)通信系统的频谱利用效率,探讨低频部署对系统性能的影响,并提出相应的优化策略。详细分析低频部署对信号传输性能和频谱利用效率的影响,评估频谱利用效率,提出针对低频部署的MIMO-OFDM系统的优化策略,最后探讨低频部署下MIMO-OFDM系统的适用场景,为实际应用提供一些建议。

无线紫外光MIMO通信系统信道容量估算方法

无线紫外光通信系统易受大气散射等因素的影响,导致通信信道容量估算准确率较低。为此,提出一种无线紫外光多入多出(Multiple-Input Multiple-Output, MIMO)通信系统信道容量估算方法。根据信道特征,构建无线紫外光MIMO通信系统的信道容量估计模型,获取无线紫外光的单次散射传输特性,利用符号补码式的方法改进空时编码,设定高级检测器中符号的接收能耗,使每个符号保持在标准功率数值范围内,完成通信系统信道检测式编码。根据不同发射角和接收角计算无线紫外光通信的路径损耗比,通过泊松随机分布获得最终通信系统信道容量的估算结果。实验结果表明,所提方法的传输速率可高达8 Mbps,误码率始终低于10-3bit/s,估算准确率在90%以上,估计时间低于4 ms,估算效果好,可为通信行业发展提供理论依据。

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。

基于深度强化学习的毫米波大规模MIMO系统资源联合优化

针对毫米波大规模多输入多输出(multiple-input multiple-output,MIMO)系统中无线资源受限、功耗巨大且能量效率与系统容量相互制约而导致吞吐量和能量效率低的问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的资源联合优化方法。该方法采用三阶段策略,首先,构建射频波束成形器,通过少量的射频链降低硬件成本和总功耗;其次,利用有效信道状态信息设计基带预编码器;最后,设计应用双层DRL架构实现动态离散带宽和连续功率资源的分配。实验结果表明,与单级全数字预编码和混合预编码的均等资源分配方法及基于粒子群优化的资源分配算法相比,所提的联合优化方法显著提高了系统的吞吐量和能量效率。

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.

基于混沌序列的MIMO-OFDM雷达通信一体化波形设计

为了解决多输入多输出的正交频分复用(multiple input multiple output orthogonal frequency division multiplexing,MIMO-OFDM)雷达通信一体化信号波形由于通信信息的不确定性导致模糊函数旁瓣水平较高以及系统雷达探测能力较差的问题,提出利用混沌序列对通信信息进行直接扩频。但普通单级混沌序列具有保密性低,可用数量少,容易被破解的缺点。因此采用一种基于加权算法优化的混合型级联混沌序列对通信信息进行扩频调制,然后再通过MIMO-OFDM一体化系统进行传输。由仿真结果可知,加权后的级联混沌序列相关性和误码率性能较m序列和Gold序列更好,经此序列扩频后的一体化信号模糊函数旁瓣水平会更低,故该一体化波形雷达探测性能更佳。且混沌序列越长,信号波形雷达探测能力越好。

莱斯信道下大规模MIMO系统传输速率研究

为解决频谱效率和能量效率低、不安全性高、导频污染严重等问题,对莱斯信道下大规模多进多出(MIMO)系统进行研究。从原理和优势两个方面分析大规模MIMO系统,并概述莱斯信道,探讨大规模MIMO系统的关键技术,如线性信号检测算法、信道估计技术,进而分析莱斯信道下大规模MIMO系统的传输速率,以期为相关人员提供参考。

时频调制的MIMO-CE-OFDM-LFM雷达通信一体化信号设计

实际环境中的信道多为参数随时间变化的随参信道。为了更好地适应随参信道环境,设计了4个频率和4个时隙的基于时频调制(Time Frequency Modulation, TFM)的线性调频(Linear Frequency Modulation, LFM)雷达通信一体化(Dual-Functional Radar and Communication, DFRC)脉冲信号。为了进一步增强其抗多径衰落的能力,在其基础上引入正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术来生成基于TFM的OFDM-LFM DFRC脉冲信号。为了实现恒模传输一体化脉冲信号,在其基础上引入恒包络(Constant Envelope, CE)技术来生成基于TFM的CE-OFDM-LFM DFRC脉冲信号。为了突破香农信道容量的上限和增大信号的发射能量,在其基础上引入多输入多输出(Multiple-Input Multiple-Output, MIMO)技术来生成基于TFM的MIMO-CE-OFDM-LFM DFRC脉冲信号。通信误比特率(Bit Error Rate, BER)仿真结果表明,设计的4个信号在通信传输时均具有优良的BER性能。雷达模糊度函数(Radar Ambiguity Function, RAF)仿真结果表明,设计的4个信号在雷达探测中均具备优良的距离和速度分辨率。

大规模MIMO系统基于有限反馈的端到端波束成形设计

针对频分双工(Frequency Division Duplex,FDD)模式下大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的最佳波束成形设计,存在信道状态信息(Channel State Information,CSI)反馈开销严重和单独考虑某一模块难以得到整体最优解的问题,提出了一种基于有限反馈的端到端神经网络架构。首先,在基站侧设计可优化导频,并通过稀疏信道发送给用户。然后,用户将接收到的导频通过深度神经网络量化为B比特的信息流,并反馈给基站。最后,基站利用反馈信息,通过图神经网络完成最佳波束成形矩阵的设计。该架构将导频设计、量化、反馈以及最佳波束成形等不同模块整体考虑、优化。实验结果表明,所提的端到端神经网络模型在导频长度和反馈开销有限的情况下,能实现的用户和速率已经达到了具有全CSI的传统波束成形方案的96%。

基于联合特征参数和一维CNN的MIMO-OFDM系统调制识别算法

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIMO-OFDM)系统子载波的调制识别问题,提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix,JADE)算法从接收端的混合信号中恢复发送信号;然后,提取恢复信号的循环谱切片和四次方谱作为浅层特征;最后,利用1D-CNN对特征进行训练,使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明,所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别,在信噪比为10 dB时的识别精度即可达到100%。

基于MIMO技术的通信接入网数据超低延时自动化传输系统

为了增强通信接入网的安全性,避免出现资源浪费现象,提升通信接入网的数据传输效率,提出了一种基于MIMO技术的通信接入网数据超低延时自动化传输系统,旨在增强安全性、避免资源浪费并提升数据传输效率。系统采用MIMO-OFDM技术和空时编码,通过波束形成模块抑制干扰,并利用最小缓存控制模型优化缓存队列长度,实现数据超低延时传输。实验结果显示,该系统平均数据延时约为0.6 s,视频数据传输延时为2 s,有效控制缓存占用,适应多用户传输需求。此外,随着信道状态估计、信噪比和用户数量的增加,系统吞吐量进一步提升,证明了其在多用户场景下的适用性。

基于OFDM的电力线通信系统的仿真研究

本文对基于正交频分复用(OFDM)技术的电力线通信系统进行了模拟研究。首先分析了OFDM技术,并在此基础上讨论了OFDM电力线通信传输模型,提出了一种基于OFDM的通信方案。该方案利用正交频分复用技术,将频谱分成多个子载波,使每个子载波之间互相正交。这样可以在相同的带宽下实现更高的数据传输速率。但在实际应用中,具体的方案需要根据实际要求进行调整和优化,以达到最佳的通信性能。

Turbo Message Passing Based Burst Interference Cancellation for Data Detection in Massive MIMO-OFDM Systems

This paper investigates the fundamental data detection problem with burst interference in massive multiple-input multiple-output orthogonal frequency division multiplexing(MIMO-OFDM) systems. In particular, burst interference may occur only on data symbols but not on pilot symbols, which means that interference information cannot be premeasured. To cancel the burst interference, we first revisit the uplink multi-user system and develop a matrixform system model, where the covariance pattern and the low-rank property of the interference matrix is discussed. Then, we propose a turbo message passing based burst interference cancellation(TMP-BIC) algorithm to solve the data detection problem, where the constellation information of target data is fully exploited to refine its estimate. Furthermore, in the TMP-BIC algorithm, we design one module to cope with the interference matrix by exploiting its lowrank property. Numerical results demonstrate that the proposed algorithm can effectively mitigate the adverse effects of burst interference and approach the interference-free bound.

低精度ADC下无小区大规模MIMO系统的频谱效率研究

无小区大规模多输入多输出(cell-free massive multiple-input multiple-output,CF-mMIMO)系统的覆盖区域内随机部署了大量分布式接入点(access points,APs)在同一时间频率资源中服务所有的用户,可显著提升系统通信容量,是6G网络中最具潜力的使能技术之一。然而,大量AP处配备高精度模数转换器(analog-to-digital converters,ADCs)导致的高功耗与硬件成本,限制了CF-mMIMO系统的实际部署。为了有效地降低硬件成本,本文研究了低精度ADCs下CF-mMIMO系统的上行链路频谱效率(spectral efficiency,SE)。在不完美的信道估计下,利用加性量化噪声(additive quantization noise model,AQNM)模型和最大比合并(maximal ratio combining,MRC)接收机滤波器,推导了CF-mMIMO系统中用户上行可达速率的闭式表达式,并基于该表达式分析了AP数量、用户传输功率以及ADCs精度等系统参数对SE的影响。为了最大化CF-mMIMO系统的SE,提出了一种低精度ADCs下贪婪导频分配算法抑制导频污染。将导频分配建模为最大-最小导频优化问题,通过迭代更新速率最小用户的导频序列,使其所受导频污染的影响最小,从而最大化该用户的可达速率。最后,将配备低精度ADC的CFmMIMO系统与传统完美精度ADC系统进行性能比较。数值仿真结果表明,系统配备5位低精度ADCs时的SE逼近完美精度ADCs,增加AP端天线数可以弥补低精度ADCs导致的性能退化。此外,所提算法不仅有效抑制了导频污染,还缩小了用户之间的速率差距,提升了系统的95%用户SE。

非理想硬件下大规模MIMO下行系统性能研究

在智能电网通信网中,大规模MIMO多天线配置切实有效地提升了系统容量、数据传输速率和能量效率等,同时通信链路中非理想硬件电路的能量损耗也是不容忽视的。本文将从大规模MIMO系统电路硬件损耗的角度出发,研究理想CSI和非理想硬件条件下基于低精度ADCs/DACs架构的大规模MIMO下行系统性能。对于基站处的数据信号采用ZF预编码方法处理,推导出频谱效率近似表达式,并分析基站信号发送功率,基站天线数,ADC/DAC精度及硬件损耗水平等因素对频谱效率的影响。基于得到的频谱效率近似表达式,构建系统能耗模型,并分析系统能量效率。最后,从绿色通信角度讨论能量效率和频谱效率之间的折中方案。

基于大规模MIMO-OFDM系统的5G通信信道估计算法研究

信道估计对宽带无线移动通信系统的具体实现至关重要。本文介绍了大规模MIMO-OFDM系统的通信原理,指出5G无线信道存在的局限性,再根据信道衰落、多径效应等问题的成因,提出基于压缩感知理论的信道估计算法,并以MATLAB为仿真平台,设置了载波数量、稀疏度、载波频率等仿真参数,在不同的信噪比下开展了算法性能检验。结果显示,稀疏度自适应匹配追踪算法的性能表现最佳。

基于凸优化的大规模MU-MIMO-OFDM系统峰值平均功率比抑制方法

为了提高大规模多用户-多输入多输出-正交频分复用系统运行效率以及降低系统硬件花费,将凸优化方法引入MU-MIMO-OFDM系统的下行链路中,从而降低发射信号的峰值平均功率比.首先,将多用户预编码、OFDM调制、降低发射信号PAPR及发射信号功率约束建立成数学模型.然后,设计线性交替方向乘子法(linear alternating direction multiplier method,LADMM)求解凸优化问题.仿真结果表明,该方法只需较少的计算复杂度就可在大规模MU-MIMO-OFDM系统中获得很好的降低发射信号峰均比效果,同时具有较低的符号错误率.

无线通信工程中的 MIMO 系统应用与性能分析

文章深入分析多输入多输出(Multiple InputMultiple Output,MIMO)系统在无线通信工程中的应用及其性能,重点探讨其关键技术和应用场景。MIMO系统通过空间复用和阵列增益提升通信系统的容量和可靠性,尤其在空间复用方面,通过向量偏转传输技术实现在同一时频资源上传输多个独立数据流,从而大幅提高频谱效率。此外,文章讨论了信道编码与交织技术在提高MIMO系统可靠性和抗衰落能力上的重要作用,分析了基于最小均方误差(Minimum Mean Square Error,MMSE)算法的信道估计与均衡技术在保证系统性能上的关键应用。仿真结果显示,MIMO系统在信噪比较高时实现了显著的吞吐量提升,验证了其在无线通信领域的优越性。