MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用（MIMO-GFDM）系统的等效信道矩阵维度极大，传统的MIMO检测算法复杂度高且性能不佳的问题，将大规模MIMO系统中的动态禁忌搜索（RTS）检测算法运用到MIMO-GFDM系统中，并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差（MMSE）检测算法所用到矩阵的正定对称性将矩阵Cholesky分解，并结合Sherman-Morrison公式迭代计算初始值，降低了初始值求逆的高复杂度；然后以改进的MMSE检测结果作为RTS算法的初始值，从初始值逐步全局搜索最优解；最后通过仿真，对不同算法的迭代次数和误码率（BER）性能进行了研究。理论分析与仿真结果表明：在MIMO-GFDM中，所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时，RTS算法大约有低于MMSE检测6 dB的信噪比性能增益（误码率在10^-3时）；在16QAM时，RTS算法大约有低于MMSE检测4 dB的信噪比性能增益（误码率在10^-2时）。与传统RTS算法性相比，所提改进算法在不影响误码率性能的同时降低了算法复杂度。     

用于多用户大规模MISO信号检测的改进主动禁忌搜索算法

针对基站配置上百个天线的多用户MISO系统上行信号检测问题, 结合基于变化的最大似然（ML）代价函数判决门限的随机重启策略, 改进主动禁忌搜索（RTS）检测算法性能。仿真实验表明, 相比基本的RTS算法以及似然上升搜索算法（LAS）及其变体, 在相同条件下该算法误符号率性能更优, 尤其是在高阶QAM调制和信道增益矩阵为欠定阵（用户数大于基站天线数）时, 其他算法存在严重的性能恶化, 而该算法仍能呈现良好的性能。     

多入多出系统中改进的QRD-M检测算法

在研究传统QRD-M检测算法的基础上,提出一种用于多入多出系统的改进的QRD-M检测算法。该算法通过累积分支度量排序和终止门限设置,合理减少搜索树的分支数。仿真结果表明,当信噪比为10 dB、调制方式为16QAM、天线配置为4×4时,改进算法在无检测性能损失的情况下可使传统QRD-M检测算法的复杂度降低30%。     

低复杂度序列高斯逼近MIMO检测算法

提出一种多入多出（MIMO）系统空间复用模式下的低复杂度序列高斯逼近（LC-SGA）算法。该算法把序列高斯逼近（SGA）算法在复数域进行路径搜索的问题近似为实数域的搜索问题,从而降低了计算复杂度。仿真结果表明,LC-SGA算法在相同搜索路径数的情况下,其误比特率（BER）性能与传统的SGA算法相当,且当搜索路径数较大时接近最大似然检测的性能。     

基于增强蚁群优化的海量规模MIMO系统快速检测算法

大规模MIMO系统的符号向量检测算法计算复杂度较高,对此结合粒子群优化与蚁群优化提出一种低计算复杂度的海量规模MIMO系统快速检测算法。首先,推导出一种新的概率搜索模型,将基于距离的蚁群搜索与基于速度的粒子搜索结合;然后,将ACO距离指标与PSO的方向、速度指标结合生成一种新的概率指标,将ACO的信息素更新步骤变为PSO速度的更新;最终,将MIMO检测问题建模为路径寻找问题,寻找MIMO符号检测问题的次优解。对比仿真实验结果表明,本算法的检测性能优于部分传统算法以及其他新颖的MIMO检测算法,在获得与最大似然估计检测法接近的误码率性能下,具有极快的计算速度,适用于海量规模的MIMO系统。     

基于压缩感知的低复杂度广义空移键控信号检测算法

广义空移键控（GSSK）作为空间调制（SM）的一种简化形式，被广泛应用于大规模多输入多输出（MIMO）系统，以更好地解决传统MIMO技术中的信道间干扰（ICI）、天线间同步（IAS）和多射频（RF）链路等问题。针对GSSK系统最大似然（ML）检测算法计算复杂度高的问题，结合压缩感知（CS）中的子空间追踪（SP）算法和ML检测算法，并结合阈值的设置，提出一种基于CS理论的低复杂度GSSK信号检测算法。首先，用改进的SP算法获得部分发送天线组合（TAC）；其次，删除部分天线组合，缩小搜索天线组合的集合；最后，利用ML算法和预设的门限估计发送天线组合。仿真实验结果表明，所提算法的计算复杂度明显低于ML检测算法，同时误比特率（BER）性能逼近ML检测算法，验证了所提算法的有效性。     

长期演进系统中一种低复杂度球形译码算法

在长期演进(LTE)系统中,球形译码算法拥有接近于最大似然(ML)的误码率(BER)性能。针对在16QAM和64QAM等高阶调制情况下球形译码算法计算复杂度和所需硬件资源的急剧增加,提出了一种调整符号搜索策略的改进型球形译码算法。该算法在不同的检测层采用特定的符号搜索方案,并结合一种基于信噪比的动态调整半径方法。在无线瑞利信道环境下,对各种球形译码算法进行了仿真。仿真结果表明,提出的改进型算法基本保持传统球形译码算法较低的BER性能,同时还有效地降低了计算复杂度和硬件实现复杂度。     

基于元学习的短波MIMO信号检测

针对短波场景下已有的MIMO检测算法性能不佳或复杂度太高的问题,提出一种基于元学习的MIMO检测方法MetaMMNet.将不同的信道矩阵下的MIMO检测看作为独立的任务,通过对大量不同任务的学习使得模型获得对于不同信道矩阵的泛化能力,能够快速适应变化的信道矩阵.在4 QAM、16 QAM和64 QAM调制方式下进行仿真...     

MIMO-OFDM系统中改进的球形译码检测算法

研究增强信道性能,提高增益效果问题,在MIMO-OFDM检测算法中,球形检测算法可以在保证接近ML检测性能的前提下有效的降低检测复杂度,但是当球形搜索半径过大时,球形译码的复杂度仍然很高。针对上述难点问题,提出了一种新的选择半径的方法,只要设置合适的参数,对半径可以随信道参数和调制阶数的大小自适应改变,从而有效地避免了符号矢量的重复检测。经过仿真试验,结果表明,与传统检测算法相比,提出的算法在损失较小系统性能的前提下,很好地降低接收译码检测过程的复杂度,并有效地提高系统分集增益。     

一种可扩展的广义空移键控调制系统设计

5G车联网中的不同传输业务对高可靠、可扩展和低功耗的通信性能有较高要求,为此,设计一种新型高可靠、可扩展的广义空移键控调制(GSSK)系统。在发射端提出一种基于Butson Hadamard矩阵的广义空移键控调制(BHSSK)方案,通过引入具有正交性和可扩展性的Butson Hadamard矩阵,采用循环加权方法构造符号选择矩阵,将矩阵的列作为符号向量并调制到激活的天线组合上进行发送。针对检测复杂度对车联网下通信可行性的影响,在接收端提出一种基于方向夹角加权排序检测(DWOD)算法,通过设计发射天线组合的权重因子构造天线组合搜索空间,并设置判决收敛门限以减少信号检测的搜索范围,在保证可靠性的同时降低检测复杂度。Matlab仿真结果表明,BHSSK以较少的天线实现相对较高和可扩展的频谱效率,相比GSSK、GSM、MA-SM和HSSK分别达到约8dB、3dB、3dB和0.6dB的误码率性能增益。DWOD算法在达到近似最优误码率性能的同时,其复杂度减少了约40%~70%。     

基于相关检测的低复杂度窄带物理下行控制信道盲检测算法

在窄带物联网系统（NB-IoT）中,物联网（IoT）终端应当快速获取下行控制信息（DCI）,以便正确接收数据信道的资源分配和调度信息。为此,针对窄带物理下行控制信道（NPDCCH）搜索空间大小大于等于32时,提出一种利用相关检测的低复杂度的NPDCCH盲检测算法。首先,通过对一个NPDCCH可能最小重复传输单元进行两次相关判决,剔除搜索空间中其他无效的数据,以降低计算复杂度;然后,对判决为有效数据所在的重复周期进行合并译码,以提高盲检性能;最后,对两个相关阈值设定进行了理论与仿真分析。仿真结果表明,相比穷举盲检测算法,所提算法在计算复杂度上至少降低了75%,检测性能提高了增益2.5~3.5 dB,更加利于工程实践。     

突发QAM信号盲识别算法

针对非协作通信中的7种正交幅度调制(QAM)方式识别问题,提出一种新的基于联合特征的盲识别算法。该算法在对信号的循环平稳性以及QAM瞬时幅度分布特点讨论和分析基础上,采用基于循环平稳检测、四阶零次共轭循环累积量以及瞬时包络的联合特征,并选择二叉树支持向量机作为识别分类器,完成了对7种中频QAM信号的识别。仿真实验表明,该算法在码元数目为1000,信噪比大于6dB时,正确识别率可达到90%以上。     

求解双边加权模糊支持向量机的序贯最小优化算法

高的计算复杂度限制了双边加权模糊支持向量机在实际分类问题中的应用。为了降低计算复杂度,提出了应用序贯最小优化算法（SMO）解该模型,该模型首先将整个二次规划问题分解成一系列规模为2的二次规划子问题,然后求解这些二次规划子问题。为了测试SMO算法的性能,在三个真实数据集和两个人工数据集上进行了数值实验。结果表明：与传统的内点算法相比,在不损失测试精度的情况下,SMO算法明显地降低了模型的计算复杂度,使其在实际中的应用成为可能。     

循环PN相关时域同步正交频分复用频偏估计算法

针对电力线通信中,传统频偏估计复杂度较高问题,提出了低复杂度时域同步正交频分复用（TDS-OFDM）频偏估计算法。首先,对电力线网络特性进行解析,采用三段等长循环伪随机噪声序列（PN）构造帧头填充保护间隔;其次,帧头与帧体分别基于二进制相移键控（BPSK）和正交振幅调制（QAM）;最后,与传统基于循环前缀（CP）与一般PN频偏估计算法相比,改进算法只需对一段循环PN长度作相关,减少自相关运算次数,且可达到较好频偏估计性能。仿真表明：误码率（BER）为10^-4时,改进算法较传统基于CP及一般PN算法约有5 dB和1 dB的增益。当插入总序列及循环序列长度分别为420与165时,改进算法每帧相关运算次数减少1186次。由理论分析及仿真结果可知,所提算法有效降低计算复杂度,减少传输过程实现成本,提高通信速率。     

一种求解度约束最小生成树问题的优化算法

为求解大规模结点度约束最小生成树问题,提出一种带有嫁接和剪接算子操作的优化算法.通过借鉴花草果树种植技术,建立一种以基本遗传算子为基础、带有加速和调节算子作为激励的进化计算体系;嫁接以一种贪婪的思想加速搜索,按收益最大化原则进行剪接.对可能陷入局部极值引起冲突的现象及冲突检测的方法进行分析,并提出了冲突的若干解决方法.针对DCMST问题求解中的复杂性,提出了几种有效的嫁接和剪接的策略,并对算法的收敛性和计算复杂度进行了分析.通过该算法对结点数为50~500之间的Euclidean问题和按均匀随机方式产生的non-Euclidean度约束最小生成树问题进行求解.与现有文献的实验结果对比表明,该方法在求解最好解的精度和收敛速度上均有一定的优势.     

基于B-list的快速频繁模式挖掘算法

针对现有的频繁模式挖掘算法存在建树复杂、挖掘效率低等问题,提出一种基于构造链表（B-list）的频繁模式挖掘（BLFPM）算法。BLFPM使用一种新的数据结构B-list表示频繁项集,通过连接两个k-1-频繁项集的B-list可以快速得到k-项集的支持度,避免了多次扫描数据库;针对连接两个B-list时间复杂度高的问题,给出了一种线性时间复杂度的连接方法,提高了BLFPM的时间效率;同时,BLFPM采用集合枚举树代表搜索空间,并使用子集非频繁剪枝策略,减小了频繁模式挖掘的搜索空间,提高了算法的执行速度。实验结果表明,与NSFI算法和prepost算法相比,BLFPM的时间效率提高约12%到29%,空间效率提高约10%到24%,对稀疏数据库或稠密数据库进行频繁模式挖掘均可以得到良好的效果。