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.     

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

无小区大规模MIMO系统中结合贪婪导频分配的导频功率控制的算法

无小区大规模多输入多输出(multiple-input multiple-output,MIMO)系统具有广阔的频谱,但是导频训练阶段的导频污染严重影响了系统的性能,因此减少导频污染成为必要.为了减少导频污染,文中提出了一种结合贪婪导频分配的导频功率控制的算法.首先进行贪婪导频分配,此阶段提高了较低性能用户的有限性能....     

大规模MIMO系统中的动态导频分配方案

针对多小区大规模多输入多输出(MIMO)系统中存在的导频污染问题,通过分析MMSE信道估计产生的误差,提出了一种动态导频分配方案.该方案将目标小区与相邻小区相邻的边缘区域内的用户进行动态导频分配,剩余区域内的用户进行随机导频分配来提升系统下行链路的平均可达和速率.仿真结果表明,该方法不仅能显著地提升信道估计的性能,而且还能有效地提高整个系统下行链路的可达和速率.     

测向信息辅助的导频分配策略

多用户大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统能够有效提升系统和速率,但是导频资源有限情况下,用户数增加时,非正交导频引起的导频污染会严重降低系统容量。针对导频资源不足引起的干扰问题,提出了用户测向信息辅助的导频分配策略。先介绍了用户到达角估计算法,分析了角度域信道与用户间非正交导频干扰之间的关系;再提出了一种角度域用户分组方法,并对用户导频进行优化,从角度域和导频空间两个维度降低用户间导频干扰,提高了系统和速率;最后,将信道估计归一化均方误差作为性能指标进行比较,以验证算法的有效性。仿真结果表明,该算法在导频资源受限的多用户场景中,能够有效减小用户间导频污染,验证了所提算法的有效性和可靠性。     

大规模MIMO系统中联合用户分组和联盟博弈的动态导频分配方案

大量研究表明,大规模MIMO系统中的小区边缘用户比中心用户更易遭受导频污染的影响。因此,该文提出一种联合用户分组和联盟博弈(JUG-AG)的动态导频分配方案来减轻系统导频污染。根据用户信号强度将所有用户分为A,B两组,把接收基站信号强度弱的小区边缘用户记为A组,剩余用户则为B组。A组用户使用相互正交的导频,B组用户则借助联盟博弈来重复使用剩余的正交导频。在B组用户的联盟博弈中,用户被分成若干个互不相交的用户子联盟,属于不同子联盟的用户分配不同的相互正交导频序列,而属于同一子联盟中的用户使用相同的导频序列。与已有的导频分配方案相比,该文提出的JUG-AG方案更灵活,可以用于所有用户随机分布的场景。而且,该算法通过循环搜索可以获得整体最优解。仿真结果表明JUG-AG方案能够有效降低上行链路中用户信号检测的平均均方根误差(RMSE),而且可以提高用户的平均服务速率。

     

大规模MIMO干扰和最小的相移导频方案

在大规模MIMO系统中,小区间使用合理相移后的导频序列而非复用同一组导频,能以导频长度的适当增加换取导频污染水平的下降。但已有研究在优化各小区导频相移量时未考虑小区间的实际干扰情况,而且在相移导频方案下传统基于贪婪搜索的协作式导频分配方法已不再适用。针对上述问题,选择与大尺度信道信息有关的系统总干扰最小作为优化目标,搜索得到更优的导频相位偏移值,降低导频污染水平;在所设计的相移导频方案基础上,采用低复杂度的禁忌搜索算法实现对各小区用户的协作式导频分配,进一步降低导频污染的影响。仿真实验表明,所设计的上行导频方案可以提高信道估计精度,进而提升下行用户传输速率。     

大规模MIMO下联合距离因子和用户优先级的导频分配方案

针对导频污染已成为大规模MIMO系统研究的最大阻碍问题,文中提出一种联合用户距离与用户优先级的导频分配方案来抑制导频污染。首先在只考虑第一层干扰的情况下,分别求出小区中距离小区基站不同距离用户的频谱效率,以小区中距离基站最近、频谱效率最大的用户作为基准,提出距离因子的定义,并给出表达式,此外,将各用户的距离因子和用户优先级结合进行导频分配研究。仿真结果表明,该方案能在保证频谱效率的前提下,有效减少正交导频数目。     

基于迟滞噪声混沌神经网络的导频分配

在多小区大规模多输入多输出(MIMO)系统中,导频污染已经成为制约整个系统的瓶颈。合理地使用导频资源能减轻导频污染的影响,为了寻找使边缘用户和容量最大的导频分配方式,该文首次提出了基于迟滞噪声混沌神经网络(HNCNN)的导频分配方案。迟滞噪声混沌神经网络作为良好的优化工具,其优化能力与所设计的能量函数相关。该方案结合导频资源使用的特点以及最大化边缘用户和容量的计算方式,设计了新的能量函数。仿真结果表明,网络能在一定迭代次数后收敛到较优的导频分配方式。与其它文献方案相比,采用以HNCNN为框架求取导频分配方式,可以更有效减轻导频污染的影响,使系统性能得到改善。     

大规模MIMO系统中动态迁移导频分配

大规模多输入多输出(MIMO)技术是5G的关键技术之一,由导频资源有限引起的导频污染是制约其发展的主要瓶颈之一,为此必须对宝贵的导频资源进行合理地分配以减小导频污染。已有的导频分配方案大多考虑静态导频分配,无法很好地适应用户位置不断变化的移动通信环境。文章针对大规模MIMO系统中用户移动时的导频分配问题,提出了一种动态迁移导频分配方法。该方法在两个相邻时隙间仅针对移动幅度较大的用户进行额外的导频优化,根据分配方案选择一个用户与之进行导频交换,对于其他的用户不改变原分配导频。复杂度分析及仿真结果表明,该算法相较于传统的导频分配方法可以显著地降低计算复杂度,并且与传统的导频分配方法具有相近的频谱效率,具有较高的实用价值。     

分组多用户检测联盟模型与联盟形成算法研究

 以共享频谱的无线系统为背景,基于联盟博弈模型研究盲分组多用户检测性能与联盟结构的关系及最佳联盟形成算法.首先从系统指标角度提出了一种多用户检测可转移支付统计博弈模型;然后从用户偏好角度提出了一种不可转移支付模型;最后根据上述两种模型的研究结果,给出了最大化用户平均吞吐量的多用户检测联盟形成算法,并通过仿真验证了该算法的有效性.     

D2D通信中的基于联盟形成博弈的能量有效的无线资源共享机制

D2D(Device-to-Device)通信作为蜂窝网中的一种新型的通信方式,因其在提高传输速率和改善能效性能等方面的无可比拟的优势,受到人们越来越多的关注。但是,D2D通信技术在带来令人无法抗拒的优势的同时,亦会产生棘手的干扰问题。鉴于此,本文从降低干扰的不利影响、提高网络能效性的角度出发,综合蜂窝用户共享资源的主观性和客观性因素,探讨了无线资源共享机制的设计问题,即联合模式选择和链路资源分配。首先,分析了D2D通信中的两种通信模式下用户的能量有效性。其次,将能量有效的无线资源共享问题建模为效用不可转移联盟形成博弈,分析了博弈性质,并基于合并-拆分准则和帕累托偏好关系提出一种分布式算法,依此确定无线资源共享策略。最后给出并分析了数值仿真结果,以验证所提机制的可行性。      

基于天线选择和功率分配的联合迭代优化算法

当使用所有天线进行无线数据传输时，大规模多输入多输出（Multiple-Input multiple-Output,MIMO）系统中的基站需要使用与天线数相同的射频链路，导致系统的实现复杂度增加，降低了系统的能效。针对能效降低的问题，提出了一种天线选择和功率分配的联合迭代优化算法。该算法在给定初始发送功率的条件下，随机生成一个天线集合作为内循环的初始值，内循环每次从余下的天线集合中选择一根具有最大能效的天线进行替换，得出最优天线集合，求出相应的最优发送功率，并以此作为下次外循环发送功率的初始值。仿真结果表明，所提算法在降低计算复杂度的前提下，几乎可以达到近似于最优穷举搜索算法的能效性能。     

博弈论框架下认知小蜂窝网络的动态资源分配算法

为提高认知小蜂窝网络(CSCN)的系统容量,本文基于博弈论框架分析了上行链路中频谱、小蜂窝基站和功率的动态分配行为.传统的频谱分配方案只考虑了异质网路中相互独立频带间的最优分配,而没有考虑可重叠频段间的分配模式和上行链路资源的联合优化.基于此,本文提出了一种具有频带可交叉特性的联合分配模型.通过引入干扰温度限制、全新的干扰算子和记忆因子构造了一种新型的上行注水功率算法.仿真结果表明,基于博弈理论的动态选择特性和干扰温度的干扰避免准则,本算法可以有效提高CSCN的吞吐量和鲁棒性.     

一种基于蚁群算法的多任务联盟串行生成算法

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.引入蚁群算法解决多任务联盟问题.提出了一种基于蚁群算法的多任务联盟串行生成算法,对于任务序列可依次生成全局最优联盟,避免了联盟死锁和资源浪费,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好.     

基于非合作博弈论的多小区OFDMA系统动态资源分配算法研究

该文采用非合作博弈论的方法研究了多小区OFDMA系统中的动态资源分配问题,首先将各基站的发射功率平均分配给各子载波,然后由所有小区在每个子载波上独立地进行资源分配博弈,给出了用户调度与功率分配联合博弈框架。为了进一步简化,将用户调度和资源分配分开完成,通过将信道增益引入到定价函数中,提出了一种新的定价机制,建立了用户确定时的非合作功率分配博弈模型,分析了其纳什均衡的存在性和唯一性,并设计了具体的博弈算法。仿真结果表明,所提算法在保证吞吐量性能的同时,进一步提升了系统的公平性。     

多用户MIMO-OFDM系统中一种子载波分配算法

介绍了多用户MIMO-OFDM系统中的Hungarian子载波分配算法,然后针对其计算复杂度过高的缺陷,提出一种局部最优的子载波分配算法,并与Hungarian子载波分配算法进行仿真比较。结果表明,该算法使系统总数据速率仅下降1．7％,而其计算复杂度却大幅减小,提高了资源分配的效率,符合高速无线系统资源实时分配的要求。     

基于多用户MIMO-OFDM系统的子信道和功率分配算法

在多用户MIMO-OFDM系统中，当总功率受限时，为了使整个系统的数据传输速率最大．已有的最优算法的计算十分复杂，这里采用了一种次最优算法。在发射端，基于已知信道状态信息。应用奇异值分解将MIMO信道转化为并行的子信道，并将表征信道增益的信道特征值用于子信道自适应调制优化设计中。在自适应过程中．用到了子信道和功率联合分配算法。仿真结果表明，这种算法能使系统的性能明显提高。     

无蜂窝大规模MIMO系统接入点动态选择算法

在无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中,所有接入点(Access Point, AP)为用户提供服务的方式会造成较大的功率消耗和增加前传链路压力。以“用户为中心”的AP选择方案为每个用户选择最佳的AP集合,使系统频谱效率和能量效率得以提升。为了给每个用户选择最佳的AP集合,提出了一种基于反向传播(Back Propagation, BP)神经网络的接入点动态选择算法。将AP与用户之间的大尺度衰落向量作为输入,AP与用户之间的连接关系作为BP神经网络输出的预测向量,同时,针对BP神经网络初始化权值,提出了一种改进的自适应遗传算法以提高算法的收敛速度和收敛性能。仿真结果表明,改进后的BP神经网络预测结果更接近于实际值,并且比全连接和启发式的AP选择方案具有更高的系统和速率。