基于双IRS辅助的毫米波MIMO通信信道估计

考虑到智能反射面(Intelligent Reflecting Surface,IRS)可以辅助毫米波通信,为提高信道估计的准确度,引入基于双智能反射面辅助的毫米波单用户多输入多输出(Multiple?Input Multiple?Output,MIMO)无线通信新场景.因为毫米波信道具有稀疏性,首先将原始毫米波窄带信...     

有无源智能反射面辅助无线系统信道估计

毫米波在非视距链路传播中损耗严重,为了进一步提高信号的覆盖范围及传输准确性,提出了一种基于少量有源元件的智能反射面(intelligent reflecting surface, IRS)辅助无线通信的信道估计方案。考虑基于少量能够接收处理信号的有源元件辅助信道估计的模型,利用毫米波信道的稀疏性,通过原子范数最小化(atomic norm minimization, ANM)将信道的相关角度参数转化为空间频率,再通过多信号分类算法降维估计相关角度、深度神经网络简化获取信道状态信息(channel state information, CSI)过程、奇异值分解优化波束成形等方法的优势相结合来估计信道参数,最终获取UE-IRS、IRS-BS的单独信道状态信息。仿真结果表明,所提方案在较低的有源元件开销下,有效降低了信道估计的归一化均方误差。     

机器学习在信道建模中的应用综述

信道建模是设计无线通信系统的基础,传统的信道建模方法无法自动学习特定类型信道的规律,特别是在针对特殊应用场景,如物联网、毫米波通信、车联网等,存在一定的局限性。此外,机器学习具有有效处理大数据、创建模型的能力,基于此,探讨了机器学习如何与信道建模进行有机融合,分别从信道多径分簇、参数估计、模型的构造及信道的场景识别展开了讨论,对当前该领域的重要研究成果进行了阐述,并对未来发展提出了展望。     

面向RIS-mmWave系统的机器学习辅助高效波束训练及信道估计方法

面向B5G及6G无线通信系统的高速无线信息传输,本文研究了智能超表面辅助毫米波（RIS-mmWave）系统的高效能波束训练及信道估计方法。特别地,基于RIS-mmWave波束管理及有效信道获取的内生关联性,本文创新性地提出一种机器学习辅助的RIS-mmWave系统高效波束训练及信道估计方法。具体而言,在第一阶段,设计了一种新颖的半监督学习模型,实现位置信息辅助的在线快速波束训练,并且免估计地直接获取粗略角度域信息以驱动精细化信道估计;在第二阶段中,提出半监督学习辅助的压缩感知级联信道估计算法,利用半监督学习模型直接输出的粗略角度域信息驱动块正交匹配追踪算法进行信道估计。仿真结果表明,所提波束训练及信道估计方法在系统开销和信道估计误差等方面的性能均优于代表性参考方案。      

基于轨道交通无线环境图的大规模天线信道估计技术研究

随着移动通信技术的不断发展,为轨道交通监控以及旅客提供高速宽带服务的无线通信成为了目前移动通信研究的热点,高速宽带无线通信面临着高可靠性、强环境适应性、低复杂度等诸多挑战。本文对大规模天线系统中的信道估计过程进行推导,研究了基于轨道交通无线环境图的信道估计优化方案,研究表明该方案能够显著降低大规模天线系统信道估计的计算复杂度。     

基于射线跟踪的毫米波大规模天线车地间信道特性研究

以轨道交通列车地面间通信作为研究场景,毫米波大规模多天线信道作为研究对象,采用车厢接入点进行用户信息分发的方案,利用毫米波大规模天线波束赋形与空间复用技术与射线跟踪信道仿真,仿真了大规模多天线下,不同阵列和地面基站位置的接收功率、角度扩展,并列举了不同方案之间在传输速率上所存在的差别.通过对结果的分析,在轨道交通车地间通信场景下,毫米波频段散反射体一般存在于列车接入点周边;相比于阵列的垂直分辨率,更多的水平分辨率往往拥有更好的效果;更低的路径损耗与更广的覆盖范围不可兼得.研究成果将为轨道交通车地场景下毫米波大规模多天线系统的设计、评估及其在轨道交通中的应用、部署提供不可或缺的信道信息和理论依据.     

具有空间宽带效应的毫米波3D MIMO信道估计

在现有的大规模三维多输入多输出（3D MIMO）系统中,相邻天线间的距离可能非常大,这往往会导致电磁波穿过阵列孔径时出现物理传播延迟,被称为空间宽带效应。而大多数学者在研究信道估计时为方便通常会忽略它,仅仅有学者研究雷达系统时提到了空间宽带效应。而去年有学者将其引入到了2D MIMO毫米波系统中,本文在此基础上将其扩展到了毫米波大规模3D MIMO系统中,基于平面天线阵列的水平角和垂直角设计了一种新的信道模型,并提出了一种信道估计算法,仿真结果表明其具有良好的信道估计性能。      

D2D通信中联合模式选择和资源分配方案研究

为了提高设备到设备(D2D)通信的和速率与频谱利用率,提出D2D通信中基于信道增益比值的联合模式选择和资源分配的方案。首先选定模式选择标准,即信道增益比值,帮助用户选择相应的通信模式;然后基于贪婪算法的子信道分配方案为不同模式的D2D用户分配信道;最后结合遗传算法、二分法和拉格朗日乘子法帮助不同信道上的D2D用户进行功率分配。通过仿真结果对比发现,所提出的D2D通信中联合模式选择和资源分配的方案能够促进谱效的提升,极大地提高了频谱资源的利用率。     

基于优化BM3D的毫米波大规模MIMO信道估计

针对毫米波大规模多入多出系统在射频链路数量有限时,波束域信道估计是一个有挑战性的问题,提出一种基于优化BM3D的信道估计方案。利用基于三维透镜的多入多出系统信道矩阵可被视为二维自然图像的结构特性,将图像重构技术融入信道估计。BM3D 是目前最精确的图像去噪算法之一,通过块匹配实现分组,利用三维变换域的收缩完成协同滤波。考虑信道的稀疏特性和路径的聚类特性,对BM3D算法进一步优化以提高性能。仿真结果表明,提出的优化BM3D方案在所有考虑的信噪比区域均能取得令人满意的信道估计精度。     

面向6G的毫米波多频段多天线信道测量系统构建及实测验证

毫米波是5G和6G无线通信系统的关键技术.设计满足6G多频段、多天线、高动态范围需求的信道测量系统是6G无线信道研究面临的首要挑战.针对这一需求,本文构建了一种毫米波多频段多天线信道测量系统,可以覆盖24.25～28.5 GHz、31.8～33.4 GHz、37～42.5 GHz等毫米波频段,支持最高16×16天线配置.首先介绍该信道测量系统的架构与性能指标,提出多通道并行校准方案以及测量数据处理算法;其次,基于该信道测量系统开展26 GHz室内外场景的信道测量实验,分析路径损耗、时延扩展以及奇异值扩展等信道统计特性.通过对实测结果分析,验证了该信道探测器用于毫米波段测量的有效性.     

5G毫米波QuaDRiGa平台信道仿真与验证研究

第五代（5th-Generation,5G）移动通信对毫米波信道模型提出了更高的要求,如支持三维（three-Dimensional,3D）多入多出（Multiple-Input Multiple-Output,MIMO）、有良好的空时连续性和时间演进特性及毫米波段仿真能力等.第三代合作伙伴计划（3rd Generation Partnership Project,3GPP）,推荐准确定性无线信道产生器（Quasi-Deterministic Radio Channel Generator,QuaDRiGa）为5G首选仿真平台,但目前尚无开展QuaDRiGa仿真平台在毫米波段的仿真验证成果.本文基于26 GHz的毫米波段室外微蜂窝场景下的视距与非视距实测数据,在大尺度信道参数统计和时间演进特性两方面开展了对QuaDRiGa平台的仿真验证.结果表明,QuaDRiGa仿真结果与实测数据能够很好地吻合,验证了QuaDRiGa仿真模型在毫米波段的适用性.     

基于毫米波通信的混合MIMO系统的信道估计

作为5G的一项关键技术,毫米波通信要求提出专有的信道估计和预编码算法,为此,针对毫米波MIMO系统的窄带平坦衰落信道研究下行信道估计方案.由于毫米波系统的稀疏特性,将稀疏多径信道的信道估计转化为稀疏信号的重建,基于压缩感知设计适用于毫米波通信系统的信道估计方案,深入研究了正交匹配追踪算法.仿真结果显示,它可以高概率地恢复信号,与传统的最小二乘法比较,能获得更好的信道估计性能.     

基于多智能体深度强化学习的D2D通信资源联合分配方法

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题,传统优化方法难以解决。针对这个挑战性问题,该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中,将蜂窝网络中的每个D2D发射端作为智能体,智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈,蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息,使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比,所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。     

5G通信信道的优化与应用

5G时代，对无线通信信道的需求越来越高。基于此，探讨5G无线通信信道的优化方案和应用，为提高5G无线通信信道的性能和可靠性提供借鉴。对5G无线通信信道的现有状况和问题进行分析，从设备安装、信道参数、信道覆盖和信道编码等方面进行优化，提出一种5G通信信道的优化方案。     

毫米波D2D通信上下行链路吞吐量优化方案

5G通信技术中终端直通(D2D通信)的功率分配是近期研究的热点,为了提升系统容量和频谱利用率,将毫米波与D2D通信技术结合,在此技术中,针对28GHz频段上行链路及下行链路蜂窝网络中的D2D资源分配进行了研究,将其系统总吞吐量达到最大化算法进行优化。首先,推导出每个D2D对所对应的准入集,其次,在考虑每个D2D对用户以及蜂窝用户功率控制情况下,分别求出上行链路及下行链路中的吞吐量,最后,在保证D2D对总吞吐量最大化前提下将蜂窝用户信道分配给D2D对。仿真结果表明,所提出的方案可以提高系统的吞吐量。     

毫米波无线通信系统的技术与研究展望

随着对实时高速应用需求的增加，60GHz毫米波无线通信系统作为未来4G系统的组成部分引起了广泛关注，本文简介了60GHz毫米波技术的发展现状、系统结构和潜在的应用领域。针对一系列的研究热点问题，包括信道传播、天线技术、集成电路设计、调制方案，详细地进行了分析和阐述。     

非对称毫米波大规模MIMO系统信道特性研究

为了满足下一代无线通信的需求,基于最近提出的非对称毫米波大规模多输入多输出(multipleinput multiple-output, MIMO)系统架构,研究了非对称毫米波大规模MIMO系统信道特性——信道非对称性. 根据非对称毫米波大规模MIMO系统架构和影响毫米波信道非对称性的主要因素,提出了刻画上下行信道非对称性的新参数——非对称因子. 同时利用实验室自行研发的射线跟踪平台对非对称毫米波信道进行仿真分析. 结果表明,基站收发天线阵列配置不同是导致信道非对称性的根本原因,复杂的传播环境使得这种非对称性更加突出,严重情况下室内场景非对称因子可达到?30 dB左右. 同时室外视距(line-of-sight, LoS)和非视距(non-line-of-sight, NLoS)场景下的非对称因子累积分布函数(cumulative distribution function, CDF)与高斯分布拟合程度较好,而NLoS场景下明显比LoS场景下的非对称因子小. 因此,非对称因子能够直观地描述出不同场景中上下行信道的非对称程度,而且非对称毫米波大规模MIMO系统也应以场景为导向进行信道特性分析.     

基于自适应粒子群优化的RBF毫米波信道建模研究

基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化 (adaptive particle swarm optimization, APSO)的RBF神经网络信道参数预测模型,并与传统RBF算法的预测结果进行了比较. 利用APSO-RBF模型对信道大尺度参数（large-scale channel parameter,LSCP）如路径损耗(path loss, PL)、时延扩展(delay spread, DS)等数据的特征进行了学习和预测. 结果表明,APSO-RBF模型信道参数的预测值与实际测量值非常吻合,均方根误差(root-mean-square error,RMSE)较小,且预测曲线与原始测量值曲线的拟合度较好,该算法的学习性能和预测效果均优于传统RBF算法. 另外,APSO-RBF模型在数据量波动较大的情况下对信道参数的变化有着良好的适应性,对5G毫米波信道参数可以取得较好的预测效果.     

未来毫米波移动宽带通信系统探析

无线数据业务的爆炸式增长,对无线通信系统的网络容量提出了更高的要求,增加可用频谱资源是满足未来无线通信系统中网络容量需求的重要手段。本文分析对毫米波频带的信道特性、关键技术、链路预算、应用场景等方面进行分析,说明了毫米波频段在移动宽带通信系统中具有广阔的使用前景。     

面向未来无线通信系统的小蜂窝网络综述

为了满足人们日益增长的数据流量需求,未来无线通信系统将向更小的小区部署迁移。小蜂窝网络是下一代无线通信系统的关键技术,也是适应未来更加复杂通信环境的有效途径。首先介绍了小蜂窝网络的基本概念,论述了其主要的技术特点和独特的应用优势,分析了其在未来无线通信系统中与其他各种技术可能的融合场景并讨论了对应的特点和存在的难题;然后概述了小蜂窝网络技术发展过程中所面临的主要挑战,分析了目前主要的研究成果和解决方案;最后,结合下一代无线通信的关键技术,如大规模多输入多输出通信、毫米波通信、D2D(Device-to-Device)通信和认知无线电技术等,总结了小蜂窝网络的应用现状并分析了其市场和发展前景。