基于天线选择技术的大规模下行MU-MIMO系统能效分析

为了提高大规模多用户多输入多输出(MU-MIMO)下行系统的能效,提出了一种基于发送天线选择技术的能效优化机制。首先建立了同时考虑发送功率与电路功耗的新的系统功耗模型,并基于该模型,分析了基站配置天线数目与所有接收终端用户数目对系统总功耗及能效的影响。然后通过理论推导得到了系统能效最优时的最优天线选择数目,并与使用全部天线时的系统能效进行比较。仿真结果表明,所提出的发送天线选择机制通过优化激活部分基站天线能够明显提高系统能效。在用户数为10、发送功率分别为40 W和10 W时,与使用全部天线相比,天线选择技术能够分别使得系统能效获得大约12%和78%的性能增益。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

一种改进的大规模MIMO发射天线选择算法

为了降低天线选择算法在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统下的误码率和复杂度，以用户端接收的总功率为优化目标，提出一种最大化所有用户接收总功率的天线选择算法。该算法将优化目标函数转化为凸函数，并利用凸优化方法求得其有效解。仿真结果表明，所提天线选择算法与传统的最大和容量算法相比，具有较好的系统误码率性能，且运算复杂度低，但系统容量有所降低。     

用于SFBC MIMO-OFDM系统的改进SLM算法

在空频编码（SFBC）多输入多输出正交频分复用（MIMO-OFDM）系统中传输符号存在较高峰均功率比（PAPR）问题,采用SLM算法能够有效降低系统峰均功率比,但随着发射天线数的增加,较多的快速傅里叶反变换（IFFT）会增加系统的计算复杂度,因此,构造F矩阵并提出了一种基于F矩阵SFBC MIMO-OFDM系统的改进SLM算法。采用F矩阵作为相位序列组对空频编码信号进行独立处理,获得最优相位序列取共轭,将共轭序列中每两个旋转因子为一个单位交换位置,并扰码SFBC后各天线的信号,以此减少了每根发射天线上的IFFT次数。理论和MATLAB仿真分析表明,该算法获得了良好的峰均比性能,同时也降低了系统的计算复杂度。     

一种低复杂度的降低MIMO—OFDM峰平比的CARI方法

天线旋转取反算法(CARI)是降低MIMO-OFDM系统峰平功率比(PAPR)的一种性能较优的算法,不足之处是其迭代次数很大。CARI的次最优算法逐次次最优天线旋转取反(SS-CARI)算法虽然可以减小迭代次数,但性能损失又比较大。针对这一问题,提出了一种用滑动窗搜索旋转取反组合的次最优CARI方法,利用滑动窗搜索局部最优的旋转取反组合,既可以避免整体的遍历搜索大大减小CARI算法的计算复杂度,又可以改善SS-CARI的PAPR减小性能。仿真结果表明,该方法能够在系统复杂度与PAPR降低性能上取得很好的折衷。     

LTE系统中一种改进的天线端口数检测算法

在长期演进(LTE)系统中,发送天线端口数通过循环冗余校验掩码的方式隐含于物理广播信道(PBCH)中,终端在解读PBCH信道获取主信息块(MIB)的同时,需要正确检测PBCH采用的发送天线端口数。传统的检测方法尝试分别用1、2、4等3种发射天线数进行PBCH译码,直至正确译码为止,译码复杂度非常高。基于此,提出一种改进的天线端口数估计算法,提取各天线端口传输的小区参考信号序列做相关,通过相关值与相关系数门限值的比较直接快速获取基站的实际天线端口数。仿真结果表明：该算法相较于传统检测算法和功率检测算法在时间复杂度上分别提升了4个数量级和3倍;在信噪比高于0 dB时,所提检测算法较功率检测算法有4~6 dB的增益。     

NB-IoT系统中窄带物理广播信道的盲检测

在窄带物联网（NB-IoT）系统中，为了正确解调窄带物理广播信道（NPBCH）以获取系统信息，提出了两种NPBCH的盲检测算法，包括常规检测算法和功率检测算法。常规检测算法采用遍历1/2两种发射天线数和8种不同扰码序列的方法进行盲检测，而功率检测算法是在常规检测算法的基础上改进天线端口数的获取方式，主要采用两种天线端口下窄带参考信号（NRS）的功率比值进行判断天线端口数的方法，以降低常规检测算法的计算复杂度。仿真结果表明，当信噪比小于-17 dB时，常规检测算法相比于功率检测算法解调有3~4 dB的增益，检测可靠性能较好；当信噪比大于-17 dB时，两种算法的检测正确率均超过0.98，但功率检测算法较常规检测算法降低了近50%的时间复杂度，更加有利于工程的实践。     

OFDM双向多跳网络的新型比特和功率分配算法

结合新型双向多跳网络协议和正交频分复用技术,研究旨在保证通信质量情况下的自 适应比特和功率分配算法,其目的是以较小发送功率和较高频谱效率完成通信。通过凸优化 理论推导出最优功率分配算法,并提出一种基于贪婪原则的自适应比特分配算法,能够以较 低的复杂度在实际工程中完成部署。仿真分析表明,提出的双向多跳算法是传统多跳协议频 谱效率的2倍,所需发送功率是平均资源分配算法的1/3。     

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。     

基于萤火虫算法的多中继功率分配

为了充分实现中继协作,降低多中继协作通信系统功率分配优化问题的计算复杂度,提出了基于萤火虫算法的多中继功率分配方案。在一定的总功率和节点功率约束下,以最大化平均信噪比为优化目标函数,建立了多中继协作系统的功率分配最优化模型。选取该目标函数作为萤火虫的适应度函数,用向量表示萤火虫的状态,该向量的维数为待分配源节点和中继节点的个数,通过萤火虫聚集得到种群中最好的萤火虫,即可获得渐进最优功率分配。仿真结果表明,与平均功率分配相比,基于萤火虫算法的功率分配方案能降低2.44%~6.17%的比特差错率,提高了系统性能。     

采用相位判决的低复杂度广义空间调制检测算法

针对广义空间调制（GSM）系统中信号检测复杂度过高的问题,提出了一种基于相位判决的低复杂度检测算法。首先根据一种排序准则对天线组合进行排序,然后将排序后的天线组合中的符号向量依次通过基于相位判决的迫零(ZF)均衡器进行检测,最终得到星座调制符号和激活天线组合。分析和仿真结果表明,该检测算法可以有效缩小接收端的搜索范围,在提供与最大似然（ML）检测算法相近的误比特率（BER）性能的同时,计算复杂度降低了98%。     

使用对偶分解的MU-CoMP-JT联合资源分配

在MU-CoMP-JT（Multi-User Coordinated Multiple-Points Joint Transmission）联合资源分配问题中,传统的迫零预编码矩阵会使得每根天线发送功率互不相同,当CoMP节点发射功率仅满足总功率约束时性能损失不明显,而当CoMP节点分布在不同的地理位置时将受到单节点功率约束,这势必会降低系统功率利用率。为了进一步提升系统吞吐量,基于对偶分解理论提出了一种联合预编码优化的资源分配算法。该算法以最大化用户权重速率为目标,将原优化问题分解成若干个优化的子问题,不同子问题对应不同接收天线数的联合优化问题。当子信道的发送天线数大于接收天线数时,通过多次迭代计算得到预编码矩阵,并且预编码矩阵会随着拉格朗日因子的变化而变化。仿真结果表明所提联合预编码优化的联合资源分配算法能够明显提升系统吞吐量,且提高天线功率利用效率。     

基于毫米波大规模MIMO系统的混合预编码设计

大规模多输入多输出（MIMO）被认为是未来5G的关键技术之一。毫米波因其足够大的频谱带宽近来备受关注。针对部分连接结构、单用户下行链路毫米波大规模MIMO系统,提出了一种新型的混合预编码设计。利用分层设计思想,首先设计模拟预编码器,提出一种模拟预编码器算法;然后通过注水算法获得最佳数字预编码器;最后,将起始最优化问题转化为在每根天线功率分配约束下单个RF链路连接天线子阵列最优化问题,再根据迭代方法获得最佳混合预编码器。仿真结果表明,最佳混合预编码器性能接近纯数字预编码器的性能。     

基于资源分配和功率控制的D2D中继选择

为优化蜂窝用户通信与设备直传（D2D）中继通信共存下的同频干扰问题,满足蜂窝用户容量要求,提出了一种基于能效的联合资源分配和功率控制的D2D中继选择算法。该算法首先对等效D2D中继链路进行资源分配,减小算法复杂度的同时使得D2D链路对蜂窝链路产生的干扰最小;然后以资源分配结果和功率控制算法为依据进行中继选择。该方案不仅考虑了D2D中继链路的能效问题,而且还同时考虑到了对蜂窝链路的干扰问题。通过仿真验证,所提算法不仅能有效提升D2D中继链路的能效值,同时降低了对蜂窝用户的干扰。