基于基展开模型的时变信道阶数和径数盲估计

针对基展开模型的时变信道阶数和径数盲估计问题,采用了一种子空间投影算法来进行估计。该算法充分利用输入子空间和输出子空间具有的同构关系,将当前的观测数据投影到由过去和将来的观测数据所张成的子空间,其投影误差矩阵包含了时变信道的阶数和径数信息,进而可通过求投影误差矩阵的秩和范数来估计信道阶数和径数。仿真表明,与MDL、AIC和Liavas准则相比,该算法可在较低的信噪比下实现时变信道的阶数估计。     

大规模MIMO下最优预编码选择策略研究

大规模多入多出(Massive MIMO)系统中,随着天线数的增加,线性预编码算法的性能逐渐趋于最优,选择合适的线性预编码对系统性能具有重要的意义.针对发射端信道状态信息(Channel State Information at Transmitter,CSIT)不完美的Massive MIMO系统,推导出了迫零(Zero-Forcing,ZF)和最大比传输(Maximum Ratio Transmission,MRT)这两种常见预编码方案在向量归一化方式下的下行可达和速率下界,并给出了证明.随后对两种下界进行了分析,提出了一个关于系统用户数的阈值,当系统用户数和阈值的大小关系不同时,两种预编码性能的优劣关系也不相同.根据分析结果,文章进一步提出了一种以系统中用户数为参量的预编码选择策略,可以保证不论用户数如何变化,系统都能选择出更优的那一个预编码算法来对信号进行预处理.分析的有效性和方案的可靠性通过仿真得到了验证.     

噪声功率不确定模型下基于CFAR准则的能量检测门限优化算法

针对频谱感知中能量检测器在噪声功率不确定模型下存在门限失配问题,该文提出了一种基于CFAR准则的能量检测门限优化算法(TO-ED),首先证明存在唯一最优的修正因子可以优化稳健统计方案(RSA)的判决门限;然后基于RSA的平均虚警概率是关于修正因子的单调函数,利用牛顿二分法实现该参数的快速迭代求解并修正RSA的判决门限。仿真表明：TO-ED算法满足CFAR意义下最优,其理论性能和仿真结果一致;实现鲁棒检测所需信噪比较RSA更低。     

面向用户体验的多小区混合非正交多址接入网络资源分配方法

该文研究了多小区混合非正交多址接入(MC-hybrid NOMA)网络的资源分配。为满足异构用户的服务体验,以最大化全网综合平均意见评分(MOS)累加和为目标,考虑基站选择、信道接入和功率资源分配的联合优化问题,该文提出一种用户、基站和信道3方的2阶段转移匹配算法,并根据用户MOS进行子信道功率优化。仿真结果表明所提多小区混合NOMA网络资源分配方案能有效提升全网用户服务体验和公平性。     

基于最小二乘平滑算法的时变信道盲辨识

针对基展开模型的时变信道盲辨识问题,提出了联合阶数估计的最小二乘平滑算法.该算法充分利用其投影误差矩阵包含的时变信道阶数和系数信息,在信道辨识前先进行阶数精确估计,克服了该子空间类盲辨识方法对信道阶数敏感的缺点,改善了辨识效果;与线性预测类方法相比,该方法不需要知道输入信号的统计特性.理论推导和仿真结果验证了该算法的有效性.     

一种基于FFT低复杂度的信道盲辨识算法

提出了一种适用于短突发信号的低复杂度基于FFT的信道盲辨识算法。算法基于MCR(minimum cross-relation)算法只需最小冗余度信息可求解出信道向量的特性,通过将其建立的线性方程经过FFT变换后再求解信道向量,并结合算法中的矩阵 的秩信息提出了一种快速阶数估计算法。仿真表明,该算法既克服了传统辨识算法对于短突发观测数据下性能不佳的缺点,又降低了原有基于FFT的信道盲辨识算法的复杂度和提升其对阶数的鲁棒性。     

基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

面向用户体验的多小区混合非正交多址接入网络资源分配方法

该文研究了多小区混合非正交多址接入(MC-hybrid NOMA)网络的资源分配.为满足异构用户的服务体验,以最大化全网综合平均意见评分(MOS)累加和为目标,考虑基站选择、信道接入和功率资源分配的联合优化问题,该文提出一种用户、基站和信道3方的2阶段转移匹配算法,并根据用户MOS进行子信道功率优化.仿真结果表明所提多小区混合NOMA网络资源分配方案能有效提升全网用户服务体验和公平性.     

基于子空间投影的信道阶数盲估计算法

根据联合阶数估计最小二乘平滑算法(J-LSS)中投影误差矩阵的特点,利用其零空间向量形成的特殊矩阵的秩与信道阶数的关系,分别构造2个阶数估计代价函数。将2个代价函数归一化后联合构建成新的代价函数,新的代价函数较使用单一代价函数提升了在低信噪比下的辨识率。仿真结果表明,与传统算法相比,该算法在较低的信噪比和小样本观测数据条件下,有很好的估计性能。