矩形窗正交时频空检测算法

针对正交时频空(Orthogonal Time Frequency Space, OTFS)调制系统采用矩形窗函数时,信道矩阵结构复杂导致的鲁棒性差的问题,提出了一种基于时域处理和酉近似消息传递的检测算法。该算法首先添加循环前缀,将时域信道转换为分块对角矩阵;然后应用酉变换和近似消息传递建立迭代检测算法。仿真结果表明,所提检测算法能够在不增加复杂度的条件下有效提升检测精度和鲁棒性,特别是存在信道编码的条件下表现出2 dB的性能增益,使得该算法更适用于杂散多径、高速移动等环境,具有较高的应用价值。     

基于高斯树近似的大规模MIMO检测算法

大规模MIMO系统中,基站端复杂的接收信号将导致信号检测困难等问题。该文提出一种基于截断诺依曼级数近似求逆高斯树的低复杂度消息传递算法,该算法在高斯树近似消息传递的过程中利用诺依曼级数近似求解协方差矩阵和最小均方误差估计以降低计算复杂度。仿真结果表明,该文算法在检测性能满足系统需求的同时,也有较低的计算复杂度。     

OFDM叠加导频联合信道估计和检测方法

针对现有正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)系统信道估计和迭代检测算法中频谱效率低和鲁棒性差等问题,提出了一种基于酉近似消息传递和叠加导频的信道估计与联合检测方法。首先,在软调制/解调中叠加导频对正交幅度调制的星座点进行预处理,检测时将叠加的导频作为频域符号的先验分布,利用置信传播算法进行调制和解调,实现检测模型的简化。然后,应用因子图-消息传递算法对OFDM传输系统和信道进行建模和全局优化,引入酉变换加强信道估计算法的鲁棒性。最后,建立OFDM仿真环境对现有方法进行仿真分析。仿真结果表明,相对于现有的独立导频类算法,所提算法能够以相同复杂度显著提升OFDM系统的频谱效率和鲁棒性。     

基于隐聚类和狄利特雷过程的大规模MIMO-OFDM接收机设计

本文首先讨论了大规模MIMO-OFDM（Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing）系统信道的空间相关性,提出了一种基于隐聚类假设的信道建模方法,利用概率参数模拟不同的传播环境.然后,将机器学习领域的狄利特雷过程（Dirichlet Process,DP）引入到稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）模型中,建立了DP-SBL结构,在信道估计的同时挖掘并利用大规模MIMO系统所特有的隐聚类特征.接着,将DP-SBL结构应用于大规模MIMO-OFDM系统中,在因子图上利用消息传递算法推导了一种基于隐聚类和狄利特雷过程的接收机算法.最后,将本文提出的接收机算法和现有算法进行对比分析.结果表明,本文提出的接收机算法充分利用了大规模MIMO-OFDM系统特有的空间相关性,能够以较低的计算复杂度获得较强的鲁棒性和显著的性能增益.     

应用加权高斯模型的非理想稀疏信道估计

在高速通信系统中,由于多径信道通常存在一些小的散射体,使得抽头向量不满足理想的稀疏特性,导致经典的稀疏估计算法存在一定的性能损失。针对上述非理想稀疏特性问题,提出了一种基于酉变换近似消息传递(Unitary Transform Approximate Message Passing,UT-AMP)和加权高斯(Weighting-Gaussian,WG)先验模型的稀疏估计算法。首先,由非理想稀疏信道的构造分析,导出了WG先验模型和参数;其次,利用贝叶斯公式对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统进行因式分解和因子图建模,归纳了在消息传递框架内期望最大化(Expectation Maximization,EM)算法嵌入方式,推导了联合UT-AMP和EM的信道估计算法;最后,建立仿真环境对所提算法进行复杂度分析和数值仿真。仿真结果表明,所提算法能够以同阶复杂度实现信道估计性能和频带利用率的提升,具有很高的应用和推广价值。     

单载波宽带MIMO系统广义近似消息传递Turbo频域均衡

针对编码单载波循环前缀(SC-CP)多输入多输出(MIMO)系统,该文采用消息传递算法研究软输入软输出MIMO频域均衡器(FDE)的设计问题。基于广义近似消息传递(GAMP)算法,该文提出一种新的低复杂度MIMO频域均衡方法。这种消息传递MIMO均衡方法的显著特点是既保留了SC-CP传输所产生的频域均衡的优点,同时又避免了传统MIMO FDE中逐频点MIMO矩阵求逆运算,所以具有随MIMO系统接收天线数增加而线性增长的计算复杂度。计算机仿真结果表明,与传统方案相比,该文提出的MIMO频域均衡算法具有明显的误码率(BER)性能优势。     

毫米波大规模MIMO系统基于等效信道的全连接混合预编码设计

为了提升毫米波大规模MIMO系统中基于全连接结构的混合预编码性能,提出一种基于等效信道两步设计法的混合预编码方案。首先结合发送端模拟预编码矩阵、接收端模拟组合矩阵和信道矩阵构造等效信道,以最大化等效信道增益为目标设计出收发端的模拟部分,之后对数字预编码矩阵与数字组合矩阵逐列应用最小二乘准则进行求解,设计出收发端数字部分。仿真结果表明,所提算法能够逼近最优全数字预编码方案且具有较低的复杂度,并具有较强的容错性。     

MIMO-OFDM系统的低复杂度递推信道跟踪算法

该文针对时变多径信道下的MIMO-OFDM系统,基于变分贝叶斯原理,提出了一种新的联合信号检测和信道跟踪的低复杂度半盲贝叶斯迭代接收机。针对该接收机,基于递推变分期望最大化(RVBEM)算法,提出了一种RVBEM信道跟踪算法。由于RVBEM算法需要进行矩阵求逆,因此以该算法为基础推导得到了一种时频域联合递推的低复杂度信道跟踪(TF-LCRVBEM)算法。TF-LCRVBEM算法不仅完全避免了矩阵求逆运算,还通过合理的近似使得算法只具有线性复杂度。分析和仿真表明,在时变多径信道下,所提迭代接收机具有远优于传统接收机和接近理想接收机的性能。     

基于两步噪声学习网络的波束域毫米波大规模MIMO信道估计

针对波束域毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统,构建了一种新型两步噪声学习网络（Two-step Noise Learning Network,TNLNet）。基本原理是在接收信号反复经过卷积层和池化层提取噪声特征的基础上,利用波束域毫米波大规模MIMO信道矩阵稀疏性所引起的相邻元素相近的特点,采用下采样将信道矩阵重构成4个子矩阵,提高训练测试效率。该算法具有以比全卷积去噪近似消息传递(Fully Convolutional Denoising Approximate Message Passing,FCDAMP)算法和学习去噪的近似消息传递(Learned Denoising-based Approximate Message Passing,LDAMP)算法更低的复杂度,取得了比最小二乘算法、最小均方误差算法、FCDAMP和LDAMP更优的归一化均方误差（Normalized Mean Squared Error,NMSE）性能;与快速灵活去噪卷积神经网络(Fast and Flexible Denoising convolutional neural Network,FFDNet)相比虽然复杂度略高,但具有更优的NMSE性能,且在单一训练模型中获得了比FFDNet更宽的信噪比适用范围,增强了实用性。     

一种上行链路大规模MIMO系统的低复杂度检测算法北大核心CSCD

提出了一种适用于上行链路大规模MIMO系统的基于Kaczmarz算法的低复杂度检测算法.通过将MMSE检测算法转化成等效的增广矩阵的形式,提出的算法同时避免了直接矩阵求逆和Gram矩阵求解.此外,一种算法初始值的估计方法和近似的软判决信息计算方法也被提出用于进一步降低算法复杂度.仿真结果表明该算法在性能和计算复杂度方面优于近期文献中的算法.同时,FPGA的验证结果也表明提出的算法能以更低的硬件资源消耗完成大规模MIMO系统的检测.     

联合时域−波束域非正交多址接入

为了提高系统容纳连接设备的能力,提出了一种适用于毫米波大规模多输入多输出系统的联合时域?波束域非正交多址接入方案。该方案利用用户空间信道的相关性和差异性实现波束域接入,利用稀疏扩频技术实现时域接入,并以提高系统的通信可靠性为优化目标,构造并求解了联合域稀疏接入矩阵设计的优化问题。最后,基于联合域信道质量对接入矩阵进行重构,并在消息传递算法中加入干扰消除操作,降低译码复杂度的同时提高了通信可靠性。     

基于消息传递的大规模多用户MIMO低复杂度的检测算法

针对大规模多用户多输入多输出(MIMO)系统中基站端检测复杂度高的问题,提出了一种低复杂度、基于强制收敛的变量节点全信息高斯消息传播迭代检测(VFI-GMPID-FC)算法.首先对传统的GMPID算法进行改进,得到VFI-GMPID算法,VFI-GMPID算法的检测性能逼近最小均方误差检测(MMSE)算法,但复杂度要大大低于MMSE算法.然后结合强制收敛思想和VFI-GMPID,提出VFI-GMPID-FC算法,进一步降低算法复杂度,提升检测效率.最后通过仿真结果表明,所提算法在保证检测性能的同时,能有效地降低算法的复杂度.     

基于天线互耦影响的大规模MIMO TDD系统信道互易性校准算法

射频器件的非理想性和信道的时变特性影响大规模多输入多输出（multiple-input multiple-output，MIMO）系统时分双工（time division duplex，TDD）模式的信道互易性，天线阵列的耦合效应影响信道矩阵的相关性.文中提出一种基于互耦影响的大规模MIMO互易性联合校准算法，将天线之间的互耦效应引入信道矩阵，采用OTA（over-the-air）校准算法和基于自回归（auto-regression，AR）模型预测信道矩阵相结合的方案实现同时校准射频非理想性和信道时变特性引起的互易性损失.仿真结果表明，该算法能够提高系统容量，降低误码率，有效地补偿互易性损失.本文算法可以为大规模MIMO系统的多因素联合校准提供参考.     

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...     

大规模MIMO系统中基于权重二对角迭代的低复杂度预编码

大规模MIMO系统中由于系统下行链路的迫零（zero forcing,ZF）预编码中存在大矩阵求逆运算,随着用户数与天线数的增加,其复杂度随之增加。为了降低复杂度,提出了一种基于雅克比（Jacobi）迭代算法的改进预编码算法,用下二对角矩阵作为迭代矩阵,并且将迭代结果与上一步迭代结果进行权重相加来加速迭代。根据大规模MIMO系统信道矩阵的对角占优特性,将矩阵求逆的诺依曼近似的第一项作为迭代的初始值进一步加速迭代。相比于传统迫零预编码方案,提出的方案可以降低一个量级的算法复杂度,并且保证了预编码方案的性能。