OFDM系统中子载波间干扰抑制算法的研究

针对频偏引起的正交频分复用（OFDM）系统中载波间干扰（ICI）的问题,为消除间干扰,提出了一种基于SSC—ASIZ方案的子载波间干扰抑制算法。为了更好地在接收端消除子载波干扰,发送端通过相邻子信道插零（ASIZ）算法对子载波进行分配;在接收端,针对发送端的特殊载波结构,通过接收符号移位抵消（SSC）算法来抑制对子载波的干扰。仿真结果表明,使用方案后系统信号干扰功率比（SIR）性能比常规系统提高了至少15dB,误码率（BER）性能也比其它方案优越,明显地改善了系统的性能。     

MIMO-OFDM系统中抑制ICI的符号组合自消除算法

MIMO-OFDM系统易受载波频偏影响,产生子载波间干扰(ICI)。传统的ICI自消除算法简单实用,但频谱利用率较低;与传统ICI自消除算法相比,基于差分编码的ICI自消除算法提高了系统的频带利用率,但系统误码率较高。给出了一种基于符号组合的ICI自消除算法,在相邻的三个子载波上分别发送原始符号、相邻符号的组合符号和原始符号,接收端将接收到的信息进行线性组合,来减小相邻子载波间干扰。仿真结果表明,与基于差分编码的ICI自消除算法相比,这种算法既能更有效地抑制ICI,又能降低系统的误码率;与传统的ICI自消除算法相比,提高了系统的频带利用率。本算法在抑制ICI、降低系统误码率和频带利用率方面有较好的均衡。     

STC-OFDM系统改进的消除串行干扰算法

STC-OFDM系统有效弥补了正交频分复用多址系统中符号间干扰和频率选择性衰落等不足,但存在如何有效抑制因多天线传输产生的相互干扰问题.为此,提出了一种结合信道频率响应恢复和串行干扰消除来抑制干扰的改进算法,该算法在串行干扰消除之前先对导频进行信道频率响应恢复,减小估计对信道频率响应的影响.仿真实验表明,该算法能进一步改善STC-OFDM系统比特误码率并进而抑制相互干扰.     

直接扩频系统中极性消除算法的改进

为了消除直接扩频通信系统中宽带干扰信号,极性消除(Polar Exciser)算法被提出,其实质是极性转换和变换域陷波滤波的结合。但其在干扰功率较低时,系统性能急剧下降。本文提出了一种基于极性消除算法的改进算法,用以消除不同类型的宽带恒包络干扰信号。本文通过引入变异系数来选择使用极性消除干扰抑制器还是匹配滤波器。对通过改进后的极性消除算法来抑制宽带恒包络干扰信号后的误码率进行仿真,结果表明了该改进算法对宽带恒包络的干扰信号有着较好的抑制作用,且变异系数是一种有效的切换策略。     

两类多用户MIMO线性预编码的功率分配*

将多用户MIMO线性预编码分为干扰消除和干扰抑制两类,针对干扰消除中的块对角化（block diagonalization,BD）迫零算法,讨论了经典注水功率分配,提出一种信噪比控制功率分配方案。该方案可使系统各子流接收信噪比相同,各个用户的误码性能一致,也可控制用户之间的任意信噪比比例;研究了干扰抑制类预编码的统一功率分配方案,提出一种针对存在干扰系统的适用于相关信道的迭代注水算法。该算法引入经典注水的思想,将干扰和噪声一并考虑。仿真结果表明,该算法在相关信道下使系统和容量获得了明显提高。     

分组部分并行软干扰消除的多用户检测

在串行干扰消除结构的基础上,提出一种分组部分并行软干扰消除多用户检测算法.根据用户功率大小进行分组,组内采用并行软干扰消除检测,组间采用串行干扰消除算法,依次检测各组用户,从而降低并行结构的计算复杂度.理论分析和仿真结果表明,该算法能比传统的PIC算法、PPIC算法及MPIC算法等并行干扰消除算法取得更好的误码率性能,...     

一种基于优先级组呼业务的动态信道分配策略

以提高组呼业务QoS为目的,针对组呼业务在TD-SCDMA集群通信系统中的重要性,以及系统中用户呼叫、移动的群组性,提出了一种适用于集群通信系统的动态资源分配算法。当组呼业务达到接入门限时,组呼业务可借用普通群组的数据业务(非调度数据业务类)资源。仿真结果表明,该算法有效降低了高优先级、人数众多群组的通话阻塞率,提高了系统服务效用值,是一种适用于集群通信系统的算法。     

基于动态功率分配的子空间干扰对齐算法

为了更好地消除MIMO干扰信道下的多小区干扰,该文采用子空间干扰对齐算法和功率分配相结合的干扰对齐方案,该方案充分利用干扰系统总功率,将多小区干扰尽可能地重叠在相应子空间内,以提高整体系统的性能.仿真结果显示,与传统干扰对齐算法相比,本算法仅以微小的系统容量为代价,却显著地降低了整体系统的干扰总功率。     

UFMC系统载波干扰抑制改进算法

针对ICI自消除算法导致UFMC系统频带利用率过低的问题,提出一种联合部分自消除和加升余弦窗的改进方案。该方案具体通过在UFMC系统发射端子带边界插入自消除子载波,并在UFMC系统接收端进行时域加窗来达到抑制UFMC系统干扰、提升系统的频带利用率的目的。对算法进行MATLAB仿真实验,当子带两侧设置4个自消除子载波时,相较自消除算法,系统载波干扰比增大,同时系统的频谱利用率也提升了10%。仿真结果表明,所提算法能够有效抑制ICI,提高系统抗干扰性能,同时提升系统频带利用率。     

基于遗传算法的无线信道矩阵优化技术

在多用户无线通信系统,如何在消除信道间干扰的同时抑制噪声的增强,降低接收端信号检测的误码率是影响整个通信系统性能的重要问题.将各子信道的时状态信息联合构成信道状态矩阵H,然后结合遗传算法和格基约减算法提出了对信道矩阵H的优化方案,将矩阵H的各列向量看作给定格的一组基,在格中搜索到长度更短、正交性更强的一组格基构成改良矩阵(H),进而在消除子信道间干扰的同时抑制噪声的增强.仿真结果表明,将矩阵优化算法应用到发射信号的预处理中可以有效地降低接收端信号检测的误码率,提高信号传输的可靠性.     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.     

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量（QoS）并提高网络能效,构建一种基于深度强化学习（DRL）的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。     

多用户干扰信道下建模于流形上的联合干扰对齐预编码

首先从子空间对齐的角度将干扰信号功率和有用信号功率联合优化的问题建模于Grassmannian流形上,有约束的最优化问题被转化为降维的无约束的最优化问题。然后利用Grassmannian流形的几何特性,提出了一种基于Grassmannian 流形上共轭梯度算法的联合干扰对齐预编码方案。计算机仿真表明,该算法兼顾干扰信号功率的最小化和有用信号功率的最大化,可以有效提高系统的和速率性能,而且该算法可以有效解决Grassmannian流形上最陡下降算法每次寻优的 90°转折问题,具有更高的收敛速度。     

基于多结构形态学的港口船舶检测方法

针对港口监控摄像机与船舶目标距离远,船舶目标成像小,海面噪声干扰大等特点,采用一种基于多结构元素形态学滤波的背景抑制算法.根据船舶的几何特征,采用多组结构元素的加权形态学滤波,将船舶目标与海面背景分离,然后利用基于邻域的自适应快速中值滤波滤除脉冲噪声,最后根据海面杂波在帧间运动不连续且面积较小等特点,利用连通域计算建立船舶的形态特征模型,来排除海面杂波对船舶检测的干扰.实验结果证明,该检测方法在实际港口获取的视频中,可以有效的抑制背景噪声和海面杂波,快速的检测出船舶目标.     

认知无线Ad Hoc网络干扰约束和能量高效路由算法

为了减少认知无线Ad Hoc网络的传输中断概率,实现频谱和能量高效,提出一种干扰约束和能量高效（Interference Constraints and Energy-Efficient,ICEE）的路由算法。信道检测除了基于认知节点（Cognitive Radio,CR）对主用户（Primary Users,PU）的干扰约束外,还增加了CR节点的数据传输所需持续时间约束,以保证CR节点在有效利用空闲信道的同时减少传输中断事件的发生,减少故障重传所损耗的能量。在设计路由算法时采用了链路能耗和节点寿命作为度量,通过联合最优的链路选择方程实现网络能量高效,并延长网络的生命周期。实验仿真结果表明,相比较认知Ad hoc网络的自适应路由协议,基于联合信道分配和自适应功率控制的路由协议,ICEE算法在数据包平均能耗上分别减少了41.2%和24.5%,并且有效地延长了网络生命周期。     

C-V2X通信中资源分配与功率控制联合优化

在C-V2X通信中,Mode 4资源分配方式使用基于感知的半持续调度（SB-SPS）算法进行资源分配,但该算法以最大功率传输安全消息,在高密度交通流状态下会导致系统的可靠性下降。为对SB-SPS算法进行优化,提出一种基于深度强化学习的联合资源分配与功率控制算法。车辆在感知到信道后,为安全消息选择干扰最小的子信道,并根据信道状态自适应调整传输功率,通过与环境交互学习的方式求解最优的子信道选择方案和功率控制方案。仿真结果表明,与SB-SPS优化算法相比,该算法在高密度公路场景下分组接收率提高5%,有效提升了车间通信的可靠性。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

基于TD-SCDMA系统的抗干扰联合检测研究

随着3G通讯系统迅猛发展,特别是在TD-SCDMA系统中存在着各种干扰问题,影响和制约了系统本身容量和性能的提高。以多径干扰为例,首先通过理论和实验分析,提出一种新的抗干扰联合检测技术来消除多径干扰,然后在现有的硬件设备和系统软件配置基础上,通过比较分析两种自适应算法,选择采用合适的算法来完成TD-SCDMA系统的优化和升级,有助于提高系统容量和信道正交质量。