基于预编码与导频分配的大规模MIMO导频污染抑制

导频污染问题是限制大规模多输入多输出(MIMO)系统性能的主要影响因素。针对这个问题，提出了一种基于改进预编码和最优导频分配策略的大规模MIMO系统导频污染抑制算法。首先，在系统下通过基于改进遗传优化算法的最大化信干噪比(SINR)预编码算法，获得最优预编码矩阵；然后，通过基于用户信道条件优劣的最优导频分配策略对每个小区用户进行导频分配，从而实现大规模MIMO系统导频污染抑制。通过Matlab仿真结果可知，相对于传统的SINR预编码算法，所提算法的复杂度降低了65%左右，而导频污染抑制性能提升了30%左右。该算法能够有效抑制导频污染，提升大规模MIMO系统的性能。     

适用于大规模MIMO系统的低复杂度RZF-SOR预编码算法

在大规模多输入多输出（MIMO）系统中,为了降低传统预编码算法的复杂度,在原有正则化迫零（RZF）预编码算法的基础上,提出用超松驰迭代（SOR）法代替矩阵求逆的高复杂度运算,得到一种改进算法RZF-SOR,并应用随机矩阵原理得出其最优相关参数的近似表达式和取值的必要条件。实验仿真表明,提出的RZF-SOR预编码算法与RZF预编码相比有效地降低了一个数量级的复杂度,在很小的迭代次数下达到接近于RZF预编码的误码率性能,并且优于基于Neumann级数预编码算法的误码率性能。     

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。     

大规模MIMO系统中的一种自适应SIC检测算法

与传统系统相比,大规模多入多出（MIMO）系统能更加有效地提高频谱效率。利用传统的最小均方误差（MMSE）信号检测算法求解大规模MIMO系统,虽然检测结果接近最优,但是矩阵的求逆运算导致计算的复杂度非常高。提出了一种自适应排序干扰消除（SIC）检测算法,在逐次超松弛（SOR）迭代运算的基础上,通过干扰消除降低待检测矩阵的维度。通过仿真分析,得出所提算法的复杂度低于Jacobi、SOR检测算法,且在迭代次数较少的情况下,算法的误码率（BER）性能明显优于SOR检测算法。     

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。     

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。     

基于格基约减辅助的低复杂度MIMO信号检测算法

在多输入多输出(MIMO)系统中,常规的格基约减辅助信号检测算法由于复杂度高而难以在实际工程中应用。为了解决这一问题,基于Brun算法提出了一种低复杂度的信号检测算法。该算法首先通过奇异值分解(SVD)得到信道矩阵奇异向量和转换矩阵之间的近似整数关系,进而采用Brun算法对信道矩阵的对偶格基进行约减优化,最后将约减后的新对偶格基用于传统线性信号检测。仿真结果表明：该方法的复杂度约为基于常规Lenstra Lenstra Lovasz(LLL)格基约减辅助的MIMO信号检测算法的0.1倍;同时,与线性检测算法相比,检测性能提升非常明显,特别在较高信噪比(SNR)范围内。因此,该算法能够在检测性能与计算复杂度之间取得较好的折衷。     

大规模MIMO系统中基于TFQMR的低复杂度信号检测算法

在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统上行链路检测算法中,最小均方误差（Minimum Mean Square Error,MMSE）算法可取得近似最优的性能,然而MMSE算法涉及高维矩阵求逆问题,其计算复杂度高达O(K3),其中K表示用户数。为此,针对极化信道编码的大规模MIMO系统,基于无转置极小残差（Transpose-Free Quasi-Minimal Residual,TFQMR）方法,提出了一种低复杂度次优信号检测算法。该算法有效地避免了矩阵求逆运算,使其计算复杂度降至约O(K2)。仿真结果表明,基于TFQMR的信号检测算法的误比特率性能与计算复杂度均优于基于Neumann级数展开的信号检测算法;同时,最多经5次迭代该方法可取得接近MMSE检测算法的性能。     

自适应调制与编码系统及其在WCDMA中的应用

本文主要讨论自适应调制与编码系统(Adaptive Modulation and Coding system）的原理，介绍AMCS实现的几个关键技术，包括RCPT（速率适配凿孔turbo）码、高阶调制、H-ARQ和MIMO（多输入多输出）系统。介绍了在WCDMA的高速下行分组接入业务（HSDPA）中使用的自适应调制编码机制，并讨论了可能增加的设备复杂度。     

多小区块对角化的MMSE矢量扰动预编码

针对多小区基站协作的多输入多输出（MIMO）系统中,小区之间和用户之间的干扰对系统造成的性能降低的问题,提出了基于块对角化的最小均方误差（MMSE）矢量扰动预编码方案,实现多小区系统的性能改善。首先使用块对角化方法消除多小区间干扰;在预编码设计环节上,通过MMSE准则设计预编码矩阵,从而抑制病态信道对系统性能的影响;最后使用格基规约方法求解发射端矢量扰动信号。仿真表明,提出的算法提高了多小区矢量预编码的误码率性能,使其优于已有的块对角化及矢量扰动预编码等算法的误码率。     

基于字典学习的毫米波大规模MIMO系统混合预编码

针对毫米波大规模多输入多输出（MIMO）系统混合预编码方案设计的难题,采用字典学习的思想,提出了一种高精度混合预编码方案。该方案首先对全数字预编码矩阵的各列采用稀疏表示;进而按列将字典原子从稀疏表示中分离出来,通过对误差矩阵采用奇异值分解（SVD）来更新对应的字典原子,直到所有字典原子更新,以形成新的字典矩阵;最后,利用更新后的字典矩阵稀疏重构全数字预编码矩阵,以得到模拟预编码矩阵和数字预编码矩阵。仿真结果表明,相较于基于正交匹配追踪（OMP）的混合预编码方案,所提方案在提升系统频谱效率和降低误码率方面具有明显的优势。     

一种多用户MIMO系统干扰对齐优化算法

干扰对齐技术可以获得干扰信道自由度的最佳值,从而有效改善系统的性能。在实际系统中干扰对齐技术通常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,而迭代方法都需要对发送预编码矩阵进行初始化处理。然而,目前大多数已有的研究所采用的初始化处理方法都忽略了干扰的影响。因此,在此基础上提出了一种基于新的初始化方法的优化算法,该方法在初始化预编码矩阵中既考虑了干扰信号也考虑了有用信号。首先,选取均方误差和最小化作为优化目标,然后利用正交三角（QR）分解将信道空间分为有用信号空间与干扰信号空间来进行预编码矩阵的初始化设计,经过反复迭代得到发送预编码矩阵与干扰抑制矩阵的最优解。理论分析和仿真结果表明,所提算法在收敛性、均方误差、和速率等方面都优于其他算法。     

基于嵌套张量模型的MIMO中继系统组合接收算法

目前在单向双跳多输入多输出（MIMO）中继系统中，基于嵌套张量模型的接收算法主要采用单步交替最小二乘（ALS）和KRF（Khatri-Rao Factorization）算法。在时变信道且实时性要求较高场景下，计算复杂度高是制约其应用的主要因素。为此，在对单向双跳MIMO中继系统建模基础上，提出了基于嵌套张量模型的双步组合接收算法。该算法通过对接收的数据张量进行重建，将符号估计和信道估计分离，充分利用ALS和KRF的算法优势，有效降低了计算复杂度。同时，对算法的可辨识性进行了分析。仿真结果表明，该算法保持了与传统嵌套PARAFAC的最小二乘（Nested PARAFAC ALS）算法的相同估计性能，在源天线个数变化时，计算复杂度降低了80%以上；在中继天线个数变化时，计算复杂度降低了50%以上。     

基于遗传算法的毫米波大规模MIMO系统混合预编码

目前混合预编码方案中,大多采取高精度的移相器作为模拟预编码的设计基础,使得系统成本增加。针对这一问题,探讨了有限精度射频前端的混合预编码设计。为了实现更高的频谱利用率,考虑到天线权值的最优组合为一NP（Non-deterministic Polynomial）问题,受机器学习启发,采用遗传算法对阵列中阵元的相位取值进行建模设计模拟预编码。通过信道矩阵与模拟预编码矩阵的乘积引入等效信道矩阵,考虑用户间干扰,以最大信干噪比准则进行数字预编码设计。仿真结果表明,该方案得到的混合预编码矩阵其系统性能可逼近全数字预编码矩阵的性能。     

采用数据辅助的大规模MIMO信道半盲迭代估计

由于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)信道衰落参数的维度较高,导致最优估计算法计算量大且需要的导频数较多而影响到频谱效率。为降低计算复杂度并减少导频开销,提出了两种基于期望最大化(Expectation Maximization,EM)估计的半盲迭代改进算法。利用少量正交导频序列估计出信道初值,通过用户与基站间信道的大尺度衰落系数把用户分簇,根据这些系数按比例地分配接收噪声,再利用数据的统计特性推导出信道衰落参数的均值和方差。仿真结果表明,当导频数远少于待估计参数的个数时,半盲估计算法的均方误差(Mean Square Error,MSE)优于导频估计的极大似然(Maximum likelihood,ML)算法。     

基于块对角化的格基规约GMD矢量预编码

研究了对多用户多输入多输出下行链路进行块对角化后,使用格基规约算法的几何均 值分解矢量预编码的实现方法。根据块对角化思想将多用户多天线信道分解为等价并行子信 道,基于等价子信道给出了单个用户的几何均值分解矢量预编码的传输方案,通过使用格基 规约算法分别结合连续干扰消除和垂直分层空时编码两种方法,求解矢量预编码中的扰动矢 量。仿真表明,提出的方法误码率性能优于块对角化矢量预编码算法2 dB以上,而且能在不 降低系统性能的前提下降低计算复杂度。