基于瑞利衰落信道的SIMO-HPO-CDSK混沌通信方案及其性能分析

本文提出单输入多输出高速率相位正交CDSK (single-input-multiple-output high-data-rate phase-orthogonality correlation-delay-shift-keying,SIMO-HPO-CDSK),在接收端设置多天线获得分集增益。采用正交载波调制相同时隙的2个比特信息,获得高传输速率且无信号内干扰,瑞利衰落信道下分析性能和仿真。结果表明:SIMO-HPO-CDSK系统误码率随着接收端天线数量增加而下降;在接收方天线数量相同的条件下,由于没有无信号内干扰,与DCSK (differential chaos shift keying),CDSK和高效DCSK (high-efficiency-DCSK)相比,该方案具有出色的误码率性能;与PO-CDSK (phase-orthogonality CDSK)相比,由于同步传输2个比特,该方案频谱利用率提高一倍。

IRS辅助SIMO-MAC认知无线电系统频谱感知优化策略

认知无线电(Cognitive Radio, CR)通过允许次用户与主用户共享频谱,在提高无线通信的频谱效率方面具有重要意义。最近,智能反射表面(Intelligent Reflecting Surface,IRS)的提出,使我们可以通过IRS反射元件重构信道环境来提高无线通信系统的通信质量。本文提出了一个IRS辅助的单输入多输出多址接入信道(Single Input Multiple Output Multiple Access Channels, SIMO-MAC) CR网络,并结合一种新型的IRS辅助多用户协作频谱感知方案来增强感知性能。目标是在次用户的功率约束以及对主用户的干扰约束下,通过联合优化次用户发射功率分配和IRS相位,最大化次用户的和速率。为了解决所建立的变量耦合的非凸问题,我们采用基于块坐标下降的高效交替优化算法,首先通过拉格朗日乘子法和注水功率分配算法以及Karush-Kuhn-Tucker (KKT)算法求解得到最优的功率分配,然后构造多目标优化问题,利用连续凸逼近、半定松弛方法将非凸问题转化为一个半正定规划的凸问题,从而求解出IRS相移矩阵的近似最优解。仿真结果表明,本文所提方案可以极大地提高认知无线电网络的频谱感知性能以及频谱效率。

基于DDPG的智能反射面辅助无线携能通信系统性能优化

针对智能反射面(IRS, intelligent reflecting surface)辅助的多输入单输出(MISO, multiple input singleoutput)无线携能通信(SWIPT, simultaneous wireless information and power transfer)系统,考虑基站最大发射功率、IRS反射相移矩阵的单位膜约束和能量接收器的最小能量约束,以最大化信息传输速率为目标,联合优化了基站处的波束成形向量和智能反射面的反射波束成形向量。为解决非凸优化问题,提出了一种基于深度强化学习的深度确定性策略梯度(DDPG, deep deterministic policy gradient)算法。仿真结果表明,DDPG算法的平均奖励与学习率有关,在选取合适的学习率的条件下,DDPG算法能获得与传统优化算法相近的平均互信息,但运行时间明显低于传统的非凸优化算法,即使增加天线数和反射单元数,DDPG算法依然可以在较短的时间内收敛。这说明DDPG算法能有效地提高计算效率,更适合实时性要求较高的通信业务。

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.

SIMO傅里叶三角基神经网络的权值直接确定法和结构自确定算法

根据傅里叶级数逼近理论,将正交三角函数系作为隐层神经元激励函数,合理选取这些激励函数的周期参数,构造单输入多输出(SIMO)傅里叶三角基神经网络模型.根据该网络的特点,推导出一种基于伪逆的权值直接确定法,从而1步计算出网络最优权值,并在此基础上设计出隐层结构自确定算法.仿真结果表明,与传统BP(反向传播)神经网络及基于最小二乘法的SIMO傅里叶神经网络模型相比,本网络模型具有更高的计算精度和更快的计算速度.

SIMO系统分集合并技术的性能分析

由于无线传输环境的复杂性,使得接收端必须采用抗信道衰落的技术,分集技术就是抗信道衰落的最有效措施之一。本文介绍了SIMO系统3种常见分集合并方式的基本原理及合并准则,分析了分集接收天线数与系统性能及系统复杂度之间的关系,并在瑞利衰落信道中采用16-QAM调制的情况下,对3种分集技术的误码率性能进行了仿真。结果表明MRC性能最好,EGC性能稍差,SC性能较差。但3种合并技术的算法复杂度正好相反,在实际应用中可根据需要进行折衷。

含公零点SIMO信道QPSK序列盲检测

在QPSK字符集下导出了与传统迫零均衡准则有本质不同的ε-均衡准则,并证明了ε-均衡器存在的充分及必要条件.给出了基于ε-均衡准则的QPSK序列盲检测算法,该算法将QPSK序列盲检测问题转化为带整数约束的二次规划问题.采用具有多项式近似复杂度的ε近似算法解决带整数约束的二次规划问题.仿真结果表明,该算法能够有效地适用于含公零点的单输入多输出信道,并对信道阶具有稳健性,无论信道是否包含公零点,该算法误码性能都明显优于基于二阶统计量的其他经典算法.

利用盖尔圆定理的SIMO系统信道阶数盲估计

目前盲信道估计大多采用基于二阶统计量的估计方法,然而这一类方法的性能受到信道阶数估计准确度的严重影响。在低信噪比、存在明显首尾系数的信道条件下,大多数信道阶数估计方法的性能并不理想。本文针对这种情况,分析了接收信号自协方差矩阵的秩与信道阶数的关系。由于盖尔圆理论能够有效实现矩阵秩的估计,因此我们提出一种基于盖尔圆理论的信道阶数估计方法。该方法构造了一种改进的自适应判决门限,能够在不同的信道条件下具有更强的鲁棒性。通过仿真验证,本文所提方法在低信噪比和存在首尾系数的信道条件下,能获得较高的信道阶数估计准确率。

标准SIMO信道盲解卷固定点算法

从最简单的IIR-SIMO信道出发,采用离散傅立叶变换从理论上推导出了源信号估计值与观测信号的基本关系,据此提出了源信号固定点迭代计算方法,并基于最小均方误差准则给出了确定滤波器阶数的代价函数.在此基础上,进一步将这种分析方法推广到标准SIMO信道,进而最终建立了标准SIMO信道盲解卷固定点新算法.该算法无需设置迭代步长,也不像已有的许多SIMO盲解卷算法一样要求源信号属于有限字符集.针对混迭语音信号进行的仿真结果验证了算法理论分析的正确性和算法的有效性.

基于SIMO系统的RA-CDSK通信方案性能分析

针对无线通信中的信道衰落问题,提出一种单输入多输出参考自适应相关延迟键控(single-input-multiple-output reference-adaptive CDSK,SIMO-RA-CDSK)通信方案。采用高斯近似分析法分别在AWGN信道和Rayleigh平衰落信道条件下推导出SIMO-RA-CDSK系统的误比特率BER公式,并且对SIMO-RA-CDSK系统的理论分析进行Monte Carlo仿真验证。研究结果表明:与传统混沌通信系统相比,该方案不仅在解调过程中降低了信号内干扰分量和噪声干扰分量,而且能够通过接收端多天线获得有用信号分量的增益。SIMO-RA-CDSK系统误比特率随着接收端天线数量增加而下降;由于在SIMO-RA-CDSK中信号内干扰和噪声干扰较少,在接收端天线数量相同的条件下,SIMO-RA-CDSK系统误比特率比SIMO-CDSK(single-input-multiple-output CDSK)系统的低。

SIMO信道下MPSK信号载波频率及相位联合估计

为了提高低信噪比条件下MPSK信号载波参数的估计性能,提出了一种基于SIMO信道的MPSK信号载波频率与相位联合盲估计算法。该算法充分利用SIMO信道下多个接收信号间承载相同信息序列的特点,首先通过接收信号的不同组合构造多种乘积序列形成多个单音信号;通过对单音信号载波参数的估计,获得关于待估参数的超定方程组;然后利用最小二乘方法剔除单音信号参数估计中可能存在的"野值"点;最后,通过加权最小二乘解算实现对SIMO信道下MPSK信号载波频率与相位联合估计。仿真结果表明,与传统的单天线参数估计算法相比,在观测时间相同的条件下,本文算法在低信噪比条件下具有更加精确的参数估计性能;同时,频率估计"野值"现象出现的信噪比门限也较传统单天线方法显著下降。

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比(SNR)是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能。针对单输入多输出(SIMO)系统的信噪比估计问题,本文提出了一种盲信噪比估计算法。该算法利用多路信号协方差矩阵的奇异值分解(SVD),通过计算矩阵的最大特征值实现各路信号信噪比估计。该算法无需知道信号的先验信息,能够对加性高斯白噪声信道(AWGN)和多径信道下常用的数字调制信号进行信噪比估计。仿真结果表明该算法具有良好的估计性能。与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度。

一种不受信道阶数估计影响的SIMO直接盲均衡算法

针对单输入多输出(Single-Input-Multiple-Output,SIMO)模型提出一种不需要信道阶数估计的直接盲均衡算法。文章利用接收数据的截短协方差矩阵和信号子空间的关系设计一种零延迟均衡器,并通过信道矩阵和均衡器系数的合响应特性克服了算法相位偏转的问题,最后得到一种对信道阶数估计鲁棒并且没有相位偏转的盲均衡算法。该算法不同于一般子空间类算法,不需要直接对接收信号的协方差矩阵进行信号子空间和噪声子空间的分解,因此对信道阶数估计具有很强的鲁棒性。文章给出了算法的Batch实现过程,同时为更好适应一般时变信道环境和实现实时处理的要求,通过递归迭代得到算法的自适应实现过程。仿真实验表明该算法几乎不受信道阶数过估计或欠估计的影响,同时该算法具有良好的均方误差(Mean Square Error,MSE)和误符号率SER(Symbol Error Rate,SER)性能,并且具有很快的收敛速度。

一种逆迭代互关系子空间SIMO信道盲辨识方法

基于SIMO系统互关系模型提出了逆迭代辨识时间色散信道子空间方法,基于一阶扰动理论分析了提出方法的M SE性能.为增强算法稳定性,基于扰动理论和泰勒级数展开给出了一种迭代计算协方差CR矩阵逆的方法.理论分析和实验表明:和现有的自适应信道盲辨识方法相比,本文方法提高了信道估计精度,迭代计算CR矩阵逆的方法简单有效,实验结果和扰动分析得到的理论值有很高的一致性.

SIMO信道的卷积盲分离新算法

提出了一种"逐次替代"卷积混叠盲信号分离方法。针对观测信号数目多于源信号数目的混叠情形,基于最小均方误差准则,将问题转化为求解一个关于信道参数和源信号的优化问题。通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,通过对两个表达式的相互逐次替代来寻求源信号。由此给出了"逐次替代"卷积混叠盲分离方法。逐次替代盲解卷算法无需设置迭代步长,容易编程实现。仿真表明,该算法对于FIR SIMO情形能得到较好的效果。

SIMO系统中4PAM/16QAM信号的半正定规划盲序列检测算法

针对单输入多输出(SIMO)系统,使用优化理论中的半正定规划(SDP),提出了对非常模信号4PAM/16QAM的盲序列检测算法.在SDP盲序列检测中,首先将信号盲序列检测问题松弛为可解的SDP问题;然后,进行SDP求解;最后,通过随机扰动将SDP解还原为原始的信号盲序列检测问题.由于基于SDP的盲序列检测问题回避了信道阶数的直接估计或隐含估计,同时SDP求解不受信道互质条件的限制,因此算法具有更广泛的适用性.仿真实验表明,该算法具有需要数据量少、不依赖信道阶数估计、不受信道互质条件限制诸优点.

SIMO-MIMO模式城市建筑群下视阵列SAR三维仿真

真实下视阵列SAR系统的缺失,给该技术数据获取及进一步技术研究带来了困难,下视阵列SAR三维仿真的研究具有重要意义。为了有效反映下视阵列SAR技术在建筑物耸立的城市区域的三维成像优势,本文采用单输入多输出(SIMO)和多输入多输出(MIMO)两种模式仿真了城市建筑群下视阵列SAR回波数据,并对两种模式的回波数据进行了三维距离多普勒成像处理,通过SIMO模式成像结果、MIMO模式成像结果分别与原始地形的差分对比,验证了本文方法的有效性及两种模式的优劣性。

SIMO系统直接盲检测的新算法

借助接收数据阵的广义左零空间,把发送信号盲恢复问题转换为求解带整数约束的二次规划问题,进而根据盲检测的发送信号辨识传输信道。而且文中方法可以有效地辨识带公零点的SIMO(单输入多输出)信道。仿真结果表明:新算法明显优于现有的文献算法,且辨识含公零点SIMO信道有着卓越的性能表现。

适用于含公共零点SIMO信道的盲均衡算法

在含公共零点单输入多输出(SIMO)模型的基础上,提出一种针对含公共零点的SIMO信道的直接无限冲击响应(IIR)盲均衡算法。该算法利用IIR预测均衡算法对输入信号进行初始均衡和对均衡结果进行相偏纠正,通过最小均方误差准则提高算法在高斯白噪声环境中的适应性,克服IIR预测算法中的相位偏转问题与IIR预测算法对信噪比敏感的缺点。仿真实验结果表明,该算法对IIR信道及含公共零点信道都具有较好的均衡效果。

SIMO系统吉布斯盲迭代均衡算法

针对符号间干扰信道的多天线分集接收问题,提出一种单输入多输出(SIMO)系统盲迭代均衡算法。该算法利用吉布斯样本法处理思路,在SIMO条件下推导了信道冲击响应、发送符号等未知参数的条件后验分布,根据该条件概率逐个参数进行随机采样,通过不断迭代更新来逼近最大后验概率(MAP)估计的结果。该算法的一个显著特点是具有软输入软输出(SISO)结构,因此在编码系统中可以与信道译码结合,通过联合迭代进一步提升均衡的性能。计算机仿真结果表明,在严重符号间干扰信道条件下,SIMO系统盲迭代均衡算法的性能非常接近于已知信道时迭代均衡算法的性能,距离理想无符号间干扰信道分集合成的性能差距只有约1 d B。