基于通感融合的无人机预编码及飞行轨迹设计

无人机(UAVs)具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。

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。

可见光通信预编码O-OFDM自适应符号分解技术研究

【目的】符号分解技术是降低峰值平均功率比(PAPR)方法中的一种,其将光正交频分复用(O-OFDM)符号分解为PAPR较小的多个分解符号,以抑制发光二极管(LED)的非线性效应。但当O-OFDM的PAPR较大时产生的分解符号较多,降低了信息速率和误码率(BER)性能。【方法】文章提出了一种预编码O-OFDM自适应符号分解串行传输(PCO-OFDM-ASDST)方案,采用预编码降低O-OFDM符号的PAPR,从而减小了自适应符号分解的平均符号分解次数。在多径信道下推导了理论信噪比(SNR)表达式,并采用蒙特卡洛仿真分析了PAPR、BER和信息速率性能。【结果】结果表明,在非对称限幅光正交频分复用(ACO-OFDM)系统4阶正交幅度调制(QAM)下,PCO-OFDM-ASDST在BER为10-4的情况下,其符号功率比自适应符号分解串行传输(ASDST)低7 dB;64QAM下,当符号功率为20 dBm时,可以提高10 Mbit/s的信息速率。【结论】PCO-OFDM-ASDST比ASDST系统具有更优的BER和信息传输速率等性能。

基于延迟线组合调相的高能效自适应混合预编码方案

针对毫米波大规模多输入多输出系统采用混合预编码技术所带来的高功耗影响,基于延迟线组合调相器件设计了一种间接全连接型混合预编码系统结构,并提出一种自适应连接的混合预编码方案,可大幅减少与天线直连的调相器数量从而降低硬件造成的功耗损失。方案将编码矩阵的求解分为数字编码矩阵、模拟编码矩阵和开关组成的连接交换矩阵3个部分进行交替优化;提出一种基于互补正交投影矩阵的算法来解决模拟编码矩阵的优化;利用功率约束条件和最小二乘算法简化数字编码矩阵的求解;针对连接交换矩阵的离散组合优化问题,利用低复杂度的交叉熵算法进行优化。仿真结果表明,所提方案可以保证系统性能在接近纯数字预编码方案的同时有效提高系统的能量效率。

速率最大化可见光多用户预编码及图书馆应用

近年来,可见光通信(Visible-Light Communication, VLC)因其契合高能源效率、高可靠性和空天地海一体化泛在接入等多个关键维度而被认为是未来6G关键技术之一。在可见光多用户多接收机下行同时接入过程中,受光信道相关性和多用户干扰影响,子信道增益差异较大,较差子信道会严重影响系统性能。针对此问题,考虑强度调制/直接检测的可见光信道模型,在发送信号非负与总功率受限条件下,提出了系统可达和速率最大化的块对角化(Block Diagonalization, BD)多用户预编码算法,给出了速率最大化的子信道功率分配解析表达式,进一步基于子空间追踪对预编码矩阵进行了迭代优化,并进行了实测和示范应用。实验结果表明,系统和速率与基础算法相比有明显提升。

基于反相器和开关架构的低复杂度混合预编码方案

采用有少量反相器和开关(Inverter and Switch,IS)组合的预编码架构设计模拟预编码部分,相比传统移相器结构的混合预编码可以有效降低系统功耗。利用此结构的混合预编码在计算收发端最优的编码矩阵时会变成一个求解复杂的离散组合问题。针对多天线多用户的毫米波大规模多输入多输出(Multiple Input Multiple Output,MIMO)场景,提出了一种新的优化方案——SVD_CE,可将2个矩阵的联合优化问题转化为2个独立的组合优化问题,基于改进交叉熵(Cross Entropy,CE)算法分别求解编解码矩阵。仿真结果表明,所提方案与已有解决方案相比不会造成系统性能的损失,在取得相同性能时利用CE算法中所需候选集的数量大幅减少,有效降低了求解的复杂度。

信道估计误差下的深度人工噪声预编码生成方法

基于人工噪声的物理层安全通信系统,传统人工噪声通常采用推导得到的闭式表达式或最优化方法数值求解生成,要求输入准确的传输信道矩阵信息,才能保证通信系统的保密性。但实际环境中存在的信道估计误差会导致人工噪声预编码误差,从而降低通信系统保密容量。为此提出一种基于深度学习的人工噪声预编码生成方法,通过将有误差的信道估计信息作为输入,与无估计误差情况下传统数值求解得到的预编码矩阵进行拟合,训练得到可适应信道估计误差的深度神经网络。仿真表明,该方法在信道估计有误差时的保密性能与鲁棒性优于传统人工噪声生成系统;相比于其他深度学习方法在物理层安全的应用,所提方法具有更快的收敛速度。

混合远近场太赫兹通信中波束色散分析及预编码设计

为解决宽带太赫兹通信中传统混合预编码架构中的波束色散问题,将时延器引入到该架构中,并研究基于时延器的混合预编码架构性能。讨论了混合远近场太赫兹通信中的波束色散问题,分析了引入时延器后的混合预编码架构及其性能,提出了一种基于远近场的混合预编码算法,对所提算法和传统的混合预编码算法进行了仿真。仿真结果表明,所提算法在性能上优于传统算法,可以有效缓解混合远近场中的波束色散。

基于格基约减的水下成像光MIMO预编码研究

针对水下成像光MIMO系统子信道间相关性强的问题,提出一种基于格基约减最小均方误差预编码算法。通过将接收端的最小均方误差检测操作转化为发送端的预编码,解决了传统光MIMO线性检测算法对噪声的放大问题,并利用格基约减后正交性更好的信道矩阵求解预编码阵,降低了光MIMO系统子信道间的相关性。仿真结果表明,在误码率为10^(-4)数量级时,与传统光MIMO检测算法相比,采用格基约减预编码算法的系统获得了5 dB的信噪比增益。

多输入多输出可见光通信系统中预编码技术的研究进展

近年来,可见光通信(VLC)技术得到飞速发展,该技术兼具室内低功耗照明和宽带信号高速接入的双重功能,因此在室内大数据通信领域具有较高的应用价值。多输入多输出(MIMO)作为一种在VLC系统中能实现信道容量倍增的技术正日益引起业界关注,但多信道具有强相关性容易导致用户间信息串扰,而在发射机中应用若干预编码技术可在一定程度上避免用户间信息干扰,且可以较低成本实现系统收发质量的提升。文章综述了MIMO-VLC系统中预编码技术的应用背景和基本原理,总结了典型线性及非线性预编码技术的研究进展,讨论并分析了该类技术的应用优势、发展趋势和面临的挑战。

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。

探索中文预训练模型的混合粒度编码和IDF遮蔽

目前大多数中文预训练语言模型采用字级别编码,因为字符级编码序列长而产生大量计算开销。词级别编码尽管能够缓解这一问题,但也会带来其他问题,如词典外词、数据稀疏等。针对中文不同粒度的编码,该文提出使用混合粒度编码的中文预训练模型。这一编码所用的词表在大规模预训练语料上得到,因此缓解了词典外词和数据稀疏问题。为了更进一步增强模型性能,该文提出了一种选择性的遮蔽语言建模训练策略——IDF遮蔽。这一策略基于词在大规模预训练语料上统计的逆文档频率。实验表明,与之前的中文预训练语言模型相比,该文所提出方法预训练的模型在多个中文自然语言数据集上取得了更好或相当的性能,并且能更高效地编码文本。

基于深度展开的大规模MIMO低轨卫星预编码方法

低轨卫星通信系统能够提供低成本、低功耗、高灵活性的发射需要,为实现下一代移动通信系统的空天地海一体化发挥重要作用。将大规模MIMO技术应用于低轨卫星通信系统中,能够显著提升低轨卫星通信系统的能量效率与频谱效率,其中预编码作为大规模MIMO系统中的关键技术而被广泛研究。WMMSE方法是优化预编码问题的一种方法,尽管可以有效地找到局部最优解,但它需要矩阵求逆、二分搜索等操作,导致算法复杂度较高。鉴于此,提出了一种基于深度展开的大规模MIMO低轨卫星预编码方法。首先,采用Dinkelbach算法和WMMSE方法交替优化求解能效最大化问题。进而将迭代算法的每一次迭代展开为类似于神经网络每一层的结构,通过将矩阵求逆用一阶泰勒展开替代并引入矩阵形式的可训练参数,以降低算法复杂度。仿真结果表明,所提方法能够在逼近采用交替优化的低轨卫星预编码方法性能同时有效降低复杂度。

基于预编码与压扩技术VLC系统研究

针对非对称削波光正交频分复用系统应用在可见光通信中峰值平均功率比过高的问题,在研究编码技术和失真技术的基础上,提出了一种Hadamard编码与归一化μ律压扩联合方案来降低峰值平均功率比。联合方案仿真结果表明,与Hadamard编码技术相比,在峰值平均功率比抑制性能方面提升了5.8 dB;另一方面,与归一化μ律压扩技术相比,在误码率上仍然取得了更好的性能,优化了2 dB。

双极化天波大规模MIMO鲁棒预编码方法

天波通信利用电离层反射短波信号,在没有中继站的情况下能够实现数千公里的超长距离信号传输。此外,天波通信还具有广泛的覆盖区域、强大的抗干扰能力和良好的机动性,在应急救灾及边远地区信息服务等领域有重要价值。大规模MIMO应用于天波通信可以极大地提升系统性能,为了应对高移动场景下不完美CSI对天波大规模MIMO系统性能带来的严峻挑战,提出一种使用双极化天线的鲁棒预编码方法。通过建立双极化天波大规模MIMO后验信道模型,用统计方式描述信道估计误差、信道老化和空间相关性,给出相应的能效最大化优化问题。针对这一问题,提出了考虑交叉极化干扰的鲁棒预编码器设计的迭代算法。数值结果表明,与传统方法相比,所提算法能提高天波大规模MIMO系统的性能。

多连接结构的大规模MIMO混合预编码

为在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中更灵活利用空间资源以提升频谱效率,提出了一种基于多连接结构的低复杂度混合预编码方案。该方案允许每个射频链路连接的天线存在交集。进一步,通过直接提取空口信道的共轭相位设计模拟预编码矩阵,并提出串行最大化动态子阵列增益算法,以调节射频链路与发射天线的连接关系,从而获得更高的空间分集增益;再对等效信道实施迫零数字预编码。仿真结果表明,所提方案能以更低硬件成本取得超过传统全连接结构方案的频谱效率,以相当的复杂度较传统部分连接结构方案提升频谱效率20%~390%,且对相位量化误差不敏感。

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%。

基于射频链选择和混合预编码设计的双功能雷达通信能效最大化研究

针对毫米波大规模多天线双功能雷达通信系统能量效率低、硬件成本过高等问题,建立双功能雷达通信新模型,提出并求解系统能效最大化问题。首先,考虑硬件损耗干扰和多用户干扰等因素,提出新的通信模型与雷达模型。其次,构建具有感知约束和功率约束的能效最大化问题,并将该非凸问题分解为两个子问题。最后,利用基于近似优化方法的分数规划和加权正交匹配追踪算法,分别实现射频链选择子问题和混合预编码设计子问题的优化求解。仿真结果表明,所提机制方案不仅实现了系统能效最大化,同时实现了通信性能与感知性能之间的折中优化。

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。

多奇异值下的预编码码字选择方法

为了在大规模多输入多输出(Multi Input Multi Output,MIMO)下行系统中得到精准的信道状态信息(Channel State Information,CSI),提出了基于多奇异值的预编码码字选择方法。该方法在重构信道矩阵的基础上对信道自相关矩阵进行奇异值分解,利用分解出的前两个特征值对应的特征向量对信道进行在垂直和水平两个维度上联合量化。此方法在降低系统选码复杂度的同时,还能保持较好地逼近真实信道的性能。此外,基于假设的信道模型给出了量化反馈比特数与量化精度的关系。通过MATLAB实验仿真,证实了该方法的有效性和可行性。