双极化天线MIMO系统中预编码的研究

预编码技术就是在发射端利用信道状态信息对发送符号进行预处理以达到提高系统容量和无线通信的数据传输速率的信号处理技术。在双极化天线MIMO系统中,由于其信道的特征矩阵非常复杂,利用其信道状态信息获取预编码向量的处理计算量较大。本文利用双极化多天线信道特征矩阵的特性,证明其对信道的特征矩阵的处理可以近似转化为对一个i．i．d．矩阵和一个类三角阵的处理,在保证系统的性能不受太大影响的前提下,降低了计算预编码向量的复杂度。     

一种新的MIMO信道模型

实际无线通信环境中发送天线之间以及接收天线之间存在相关性。针对以上特点,从 多径MIMO信道的特性出发,首先建立发射天线相关系数矩阵和接收天线相关系数矩阵,并将 它们引入无线信道的莱斯MIMO信道模型中。最后通过分析LOS MIMO信道相关模型和瑞利衰落 MIMO信道相关模型,给出了具体的建模步骤。仿真结果表明采用本文方法产生的信道模型的 MIMO系统误码率更低,从而验证了该信道模型能够较好地模拟MIMO系统的空间信道。     

大规模MIMO系统中基于CNN的延迟CSI反馈改进算法

在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统中，基站根据用户反馈的信道状态信息进行自适应编码调制以提高频谱效率，因此需要将用户侧估计到的信道状态信息反馈到基站。由于反馈过程存在的延迟会降低系统性能，因此在考虑延迟的情况下，对基于深度学习的信道状态信息自编码器CsiNet进行改进，使用下行信道的延迟状态信息作为信道状态信息自编码器的期望输出信号来对自编码器进行训练，减少了反馈延迟误差的影响。仿真结果表明，在延迟为1时隙时，所提方案的归一化均方误差(Normalized Mean Square Error,NMSE)仅为自回归-主成分分析方案、基于压缩感知的方案和基于卷积神经网络的CsiNet方案的1/8~1/7，并且随着时隙增加，NMSE性能提升越明显。     

快衰落信道条件下无线中继系统波束形成方案

随着设备小型化的发展趋势,天线间距较小,信道具有相关性;且假设发射端处于高速移动状态,无法获得完全信道状态信息,只能根据部分信道状态信息设计发射端波束形成方案。针对发射端和接收端配置多天线的固定增益放大转发无线中继系统,以最大化接收端信噪比为准则,设计了基于部分信道状态信息的波束形成方案,推导了系统中断概率和平均误符号率的闭合表达式,通过仿真验证了性能分析的有效性和所设计方案的优越性。在平均误符号率为10-2、相关系数为0.8时,所提方案比反馈信道状态信息的方案节约1.6 dB的信噪比。     

频率选择性信道下空间相关MIMO的迭代检测技术

给出了一种频率选择性信道下空间相关MIMO的系统模型,其发送端采用准循环系统RA码,接收端采用一种对空间相关和非相关信道均适用的软干扰消除迭代检测算法.该算法首先采用基于最小均方误差检测(MMSE)的滑动窗口模型进行干扰消除,然后采用多天线联合最大似然检测(ML)以得到软信息,再将得到的软信息传递到译码器译码并输出发送比特的软信息作为下一次迭代的先验信息,即完成一次迭代.此模型能够取得比较好的误码率性能(BER),其改进方案既增加了发送端的调制域分集,性能又有提升.作为比较,基于软干扰消除的逐天线MMSE迭代检测的方案(ABA SC/MMSE)性能很差.仿真结果也证明了以上观点.     

基于压缩感知的大规模MIMO下行信道状态信息获取

信道状态信息（Channel State Information,CSI）对于大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工（Frequency Division Duplex,FDD）制式下,若采用传统的信道估计方法会给CSI的获取带来巨大的导频开销和计算量。考虑利用大规模 MIMO 信道的虚角域稀疏性来减少获取CSI所需开销,在此基础上进一步研究了大规模 MIMO 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中各子载波信道在虚角域的共同稀疏特性和稀疏支撑集的时间相关特性,达到降低信道维度的目的,则大大减少了基站对 CSI 获取所需的资源开销。同时,为了降低信道稀疏支撑集信息获取所需的导频开销和提高信息的时效性,利用压缩感知技术对支撑集进行估计。仿真结果验证了所提方案性能的优越性。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

基于CP分解的MIMO-OFDM系统接收信号盲检测

多输入多输出-正交频分复用（MIMO-OFDM）无线通信系统中接收信号从空间、时间、频率的维度形成多因素的阵列信号,传统的矢量或者矩阵代数的建模方法在处理多因素信号问题上显得不足,无法利用多因素间的关系,而张量分析在解决多维阵列信号处理的问题上具有优势。针对MIMO无线通信系统,结合OFDM技术,研究了张量信号的建模及分解方法,并充分利用张量信号的分解唯一性提高无线接收信号的检测能力。提出了基于CP（CANDECOMP/PARAFAC）张量分解方法对未知信道状态（CSI）的MIMO-OFDM系统进行接收端的张量信号建模和盲检测,并通过仿真分析验证了模型的可行性。仿真结果表明,在接收天线数目大于发送天线数目且各径信道独立情况下,基于CP分解的接收信号盲检测算法在误码率为10-4时,随着接收天线数目增加,信噪比可获得约5 dB的增益。     

双边阈值补偿隐藏导频UWB系统信道估计新方法

在隐藏导频信道估计系统中,导频和数据叠加同时发送,造成接收端分离的导频信息中掺杂 着数据成分,从而严重干扰信道估计,目前尚无针对这方面的解决方案,因此提出双边阈值 补偿算法,该算法应用于发送端。发送数据经过双边阈值补偿算法处理后迫使数据均值为零 ,然后叠加导频信息并发送出去,接收端用传统的导频数据分离方法就可以得到高质量的导 频信息,从而提高信道估计精度。仿真结果表明：和传统隐藏导频信道估计系统相比,在最 小二乘和最小均方误差算法下信道估计精度和误码率方面均有明显改善。     

基于Kronecker法的MIMO信道模拟及硬件实现

针对多输入多输出（Multiple-Input Multiple-Output,MIMO）无线通信系统,在基于Kronecker 的MIMO信道模型中综合考虑了路径损耗、阴影衰落和多径衰落等因素,实现了基于现场可编程门阵列（Field Programmable Gate Array,FPGA）的MIMO信道模拟器,并分析了硬件设计方案以及MIMO信道模拟的实现方法。实测结果表明,设计的MIMO信道模拟器可以模拟瑞利衰落、莱斯衰落以及阴影衰落等常见的信道衰落类型,能够应用于3GPP、COST-207等标准信道模型的复现。该模拟器可作为无线通信系统研究的测试设备,辅助通信系统研究的算法验证、方案优化以及性能分析。     

二进制猫群算法在大规模MIMO天线选择中的应用

在多输入多输出（MIMO）系统中，天线选择技术平衡了系统的性能和硬件开销，但大规模MIMO系统收发端天线选择复杂度问题一直没有得到很好的解决。基于信道容量最大化的准则，采用两个二进制编码字符串分别表示发射端和接收端天线被选择的状态，提出将二进制猫群算法（BCSO）应用于多天线选择中，以MIMO系统信道容量公式作为猫群的适应度函数，将收发端天线选择问题转化为猫群的位置寻优过程。建立了基于BCSO的天线选择模型，给出了算法的实现步骤。仿真结果表明所提算法较之于基于矩阵简化的方法、粒子优化算法具有更好的收敛性和较低的计算复杂度,选择后的系统信道容量接近于最优算法，非常适用于联合收发端天线选择的大规模MIMO 系统中。     

应用酉变换近似消息传递的大规模MIMO接收机设计

由于天线间距较近和一些非白高斯干扰，大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统的信道矩阵存在如列相关、低秩和非零均值等“病态”特征，给基于近似消息传递的迭代接收机算法造成了严重的性能损失。为此，提出了一种基于酉变换近似消息传递(Unitary Transformation Approximate Message Passing,Ut-AMP)的接收机算法。首先针对均值非零、列相关和条件数过大三种常见的病态特征，分析了酉变换的必要性；其次，利用变量间的马尔科夫特性将大规模MIMO系统进行因式分解和因子图建模，推导了联合置信传播、平均场和Ut-AMP的消息传递算法，并与现有算法的复杂度进行了对比；最后建立大规模MIMO接收机模型，对所有相关算法进行数值仿真。仿真结果表明，所提接收机算法能够以复杂度略有提升为代价，在病态信道矩阵环境中大幅提升接收机的鲁棒性，具有很高的研究和应用价值。     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

频谱失配情况下TDCS性能分析及感知结果交换机制

在变换域通信系统(TDCS)中,通常假设收发两端频谱感知结果是一致的,若收发两端频谱感知结果不一致会使TDCS性能恶化。基于TDCS的基本原理,对收发两端频谱感知结果不一致(频谱失配)时的误码率性能进行了理论分析,推导并仿真验证了频谱失配情况下,理论误码率的表达式。为解决频谱失配对TDCS影响,提出了一种不需任何附加控制信道的TDCS收发两端交换频谱感知结果的机制。利用该方案,收发两端在交换各自的频谱感知结果后,利用双方频谱感知结果的交集进行通信,相当于收发两端处于同一频谱环境。最后,对该频谱感知结果交换方案进行了简单的理论分析。     

基于格规约辅助的MIMO系统GMD-TH预编码方案

现有的GMD-TH(Geometric Mean Decomposition-Tomlison Harashima)预编码方案在发射 端未对获得MIMO（Multiple-Input-Multiple-Output）信道增益矩阵优化,因而 其误码率和分集增益无法获得令人满意的效果。为此,在原有MIMO系统GMD-TH预编码的基础 上,提出一种基于格规约辅助的GMD-TH预编码方案。该方案采用基于格规约的算法对信道 矩阵进行优化,经过优化的信道矩阵其列向量之间具有更好的正交性并且向量的长度更短, 并且采用优化的信道矩阵提高了GMD-TH预编码MIMO系统的分集增益。仿真结果表明：相比于 传统的线性预编码方案,该预编码方案有效地提高了MIMO分集增益,相同误码率下,信噪 比降低3 dB以上,具有实用价值。     

5G毫米波信道估计研究综述

信道估计是大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）毫米波（Millimeter Wave,mmWave）系统关键技术之一。梳理了近几年大规模MIMO毫米波的信道估计策略,重点从压缩感知（Compressive Sensing,CS）、参数估计和深度学习三个方面进行了描述与分析。通过算法性能的对比,总结了毫米波信道估计目前存在的问题以及未来发展的趋势。