基于空间调制的天线选择和能效优化算法

空间调制是一种新型的具有低复杂度的多输入多输出通信技术,并成为近年来的研究热点。为了进一步提升空间调制的误比特率性能,该文研究了空间调制中的发射天线选择问题,提出了一种基于信道列向量夹角和范数的低复杂度的发射天线选择算法。该算法能够有效减少矩阵运算,并且不需要考虑差异向量,因此具有极低的计算复杂度,且适用于发射天线数目明显高于接收天线数目的情况。同时,加入了功率修正因子,有效地控制发射信号功率,极大程度地提升了能量效率。仿真结果表明,该算法能够在限制发射功率的前提下,以极低的计算复杂度逼近最优算法的性能。     

MIMO系统中基于信道状态信息提高性能的改进算法

准正交空时分组码能够全速率传输信号,但由于降低了部分天线间发送信号的正交性,所以在分集增益性能上有所下降。针对这个问题,提出了一种发送天线选择方法,并将其应用到准正交空时分组码。该方法基于相位旋转空时分组码(R-QO-STBC),将准正交空时码序列映射到合适的发送天线,传输信号根据信道状态信息交错选择天线发送,接收端根据信道状态信息反馈能获得分集增益。分析了不同天线发送方案的性能。仿真结果显示:如果采用最小均方误差方法接收,本方案能获得近似理想的性能,与开环方案相比,本方案在分集增益上大约提高4~5 dB。     

小间距天线的MIMO-OFDM分集算法

针对小间距天线的空间信道具有很强的相关性,空频编码(SFBC)通过小间距天线的空间信道将损失分集增益的问题,提出一种在小间距天线和没有信道状态信息(CSI)的情况下,通过载波映射得到较好分集增益的算法——小间距天线分集算法(SDA),并且从理论上证明该算法的正确性．该算法通过空域和频域的互相转换,改善了小间距天线的误码性能．通过LTE下行链路的仿真平台对该算法进行了仿真验证,结果表明,在2／3Tubro编码情况下,与同等条件的SDA相比,SFBC误码率降低了一个数量级．     

基于特征值准则的可变数目天线选择算法

提出了多输入多输出相关信道下基于特征值准则的可变数目收发天线选择算法,来动态适应相关性不同的无线环境的通信要求.算法根据特征值准则,利用最小特征值和特征值总和之比,来确定选择的发送或接收天线数目,并通过每次循环中选择最大特征值所对应的发送或接收天线实现具体的天线选择;为了进一步降低算法复杂度,还可使用特征值估计来代替特征值分解.算法能够结合链路自适应技术,如自适应调制技术和动态检测算法选择等,来提高数据速率或误码性能.理论分析和仿真结果表明:所提算法能够根据多输入多输出信道的相关特性动态选择天线数目,即使在信道相关性很高时,仍然可以在保证误比特率的前提下,获得与信道相关性较低时几乎相同的数据速率.     

基于特征值准则的可变数目天线选择算法

提出了多输入多输出相关信道下基于特征值准则的可变数目收发天线选择算法,来动态适应相关性不同的无线环境的通信要求,算法根据特征值准则,利用最小特征值和特征值总和之比,来确定选择的发送或接收天线数目,并通过每次循环中选择最大特征值所对应的发送或接收天线实现具体的天线选择;为了进一步降低算法复杂度,还可使用特征值估计来代替特征值分解,算法能够结合链路自适应技术,如自适应调制技术和动态检测算法选择等,来提高数据速率或误码性能,理论分析和仿真结果表明：所提算法能够根据多输入多输出信道的相关特性动态选择天线数目,即使在信道相关性很高时,仍然可以在保证误比特率的前提下,获得与信道相关性较低时几乎相同的数据速率。     

MIMO系统中利用空间相关性的同信道干扰消除算法

针对不适合进行波束赋型的MIMO系统中接收端如何消除同信道干扰的问题,提出了一种利用系统中干扰源的空间相关性进行同信道干扰消除的算法,并给出了估计空间相关性的最大似然算法。仿真结果表明,在2×2的Alamouti分集方案中,该算法相比于将干扰当作高斯白噪的方法在BER为10-2时可以获得3 dB的增益;在2×4的分层空时复用方案中,该算法在存在一个强干扰源的情况下优势明显。     

频率选择性衰落信道中的发射分集设计

为了获得多天线分集以对抗衰落,提出了一种适用于频率选择性衰落信道的发射分集方案．该方案利用零相关窗互补码的理想相关特性分离多径,最终同时得到全部的空间分集增益和频率分集增益．仿真结果表明,与频率选择性衰落信道下的空时编码方案相比,该方案发射接收装置的结构更简单,设计更灵活．     

基于可调制正交多相序列的MIMO OFDM时域信道估计

提出了一种基于时域训练序列的MIMO OFDM信道估计算法．该训练序列采用可调制正交多相序列,其自相关性完全理想,不同序列之间的互相关函数的绝对值是一个常数并且满足数学低门限;信道估计器采用接收训练序列和本地训练序列的时域相关,利用可调制正交多相序列的正交性分离多信道,利用训练序列理想的自相关性得到精确的信道信息．与现有多天线信道估计相比,本算法具有实现简单和可跟踪时变信道的优点,计算机仿真结果表明即使在低信噪比情况下也能获得良好的误码率性能．     

基于MIMO-OFDM系统自适应交织方案及性能分析

提出了基于多入多出正交频分复用(Multiple-input and multiple-output orthogonalfrequency division multiplexing,MIMO-OFDM)的自适应交织模型。该模型根据OFDM一帧内准瞬时信道SNR值,利用瞬时信道的可变性,重新排列发送信号的顺序,其目的是打破长的信道突发错误,以便降低系统位错误概率。分析了MIMO-OFDM系统成对错误概率的上限,给出了本文提出算法的编码增益和分集增益。结果表明,影响本文方案的主要因素是SNR、信道阶数和接收天线个数。仿真实验结果表明,本文所提出的模型可以获得较好的信噪比,与单天线相比MIMO-OFDM系统性能明显提高。对于2发2收系统,当BER为10-2时,自适应交织方案比块交织性能提高5 dB。     

频率选择性信道下特征波束和空时编码联合分集

为了改善宽带下行衰落相关信道下空时码性能,提出了基于空时编码和特征波束结合的方案．该方案结合了特征波束形成和OFDM技术,将空域协方差矩阵的特征矢量作为空时码矩阵的加权矢量,使空时码在空间能量最集中的方向发射．利用特征波束形成和降维处理将衰落相关信道转化成2个发射天线N个接收天线的FIR信道．利用OFDM技术将FIR信道转化为一组相互独立的平行子信道来承载空时码．仿真结果表明与经典Alamouti码相比较,在不同多径数目及不同发射阵元条件下,该方案在信噪比提高的同时,误比特率性能曲线斜率下降更快．在发射阵元为6,多经数目为16的条件下,系统性能提升5dB．获得了更好的分集增益,并增加了等效信道总功率．     

一种优化的gOMP稀疏OFDM信道估计方法

无线多径信道多呈现稀疏特性,即信道时延扩展大,但是路径的个数少,利用信道先验稀疏信息的稀疏信道估计方法可以提高稀疏信道的估计准确性。针对贪婪算法选择字典原子在残余误差最小意义下的非最优性,及广义正交匹配追踪算法gOMP利用含噪信号估计稀疏信道过程中过多的选择字典原子导致gOMP算法重建性能下降的问题,提出优化的广义正交匹配追踪算法（optimized generalized orthogonal matching pursuit,OgOMP）。在OgOMP算法原子选择阶段,采用使残余误差最小化的原子选择标准代替残差与字典内积绝对值最大化的原子选择标准以选择原子。为删除多余的误选原子,添加原子精炼步骤对每一步迭代后选择的字典原子进行二次选择,选择对应最大信道衰落系数的原子,选择的原子数与信道稀疏度相同,删除错选原子以保证重建信号与原始信号的稀疏性一致。本文仿真对比了gOMP和OgOMP算法的信道估计均方误差、误码率、残差收敛速度以及不同导频数、不同原子选择数对算法的影响。仿真结果表明：相同的误码率下,OgOMP算法比gOMP算法在估计稀疏信道时最大可以节省4 dB的信噪比,信噪比为20 dB时均方误差最大可以减小5 dB;两种算法的残差收敛速度均优于MP算法;导频数的增加可以减小两种算法的信道估计均方误差,相同信道估计性能下OgOMP算法具有更小的导频开销;每步迭代选择的原子数目不同时,相比于gOMP算法,OgOMP算法性能基本不变,具有更好的稳定性,仿真结果验证了改进算法的有效性。     

适用于分布式MIMO系统的快速天线选择算法

对分布式MIMO系统的下行发射天线选择算法进行研究,提出了基于范数和相关性的天线选择算法（NCBA）及其改进算法（NCBA-M）,并与两种较低复杂度的天线选择算法进行比较,分别是基于范数的（NBA）和基于大尺度衰落的天线选择算法（LFBA）。仿真结果表明,当同一端口发送天线没有相关性时,NBA、LFBA、NCBA与最优天线选择算法性能接近。但是,当同一个端口中发送天线存在很强相关性时,NBA、LFBA算法会导致较高的容量损失,而提出的NCBA-M算法仍然接近最优选择算法的性能。     

针对量化预编码系统的多用户选择方法

为了提升大规模多用户多输入多输出系统的性能,对多用户选择方法进行了研究,提出了2种同时考虑用户信道质量和用户间干扰的多用户选择方法.通过将1 bit反馈法和最小化预编码向量相关性法结合,大大降低了用户选择的计算复杂度;基站端首先通过将所有用户组的预编码向量相关性与预定门限值比较,得到待选用户组的集合,然后选择待选用户组中信道增益和最大的一组用户服务,提升了系统的和容量.通过系统仿真验证了2种方法的有效性.     

天线选择算法在分布式MIMO系统中的应用及影响

对分布式多输入多输出(MIMO)系统的上行接收天线选择算法进行了研究,比较了最优算法、递减算法、递增算法和基于最大范数的天线选择算法在分布式MIMO系统中的性能,并分析了天线选择技术对分布式MIMO系统性能的影响。     

一种采用权重因子的低复杂度空间调制检测算法

针对空间调制系统的最大似然算法复杂度较高的问题,提出一种改进的最大比合并算法.定义一种权重因子,其下标对应发射天线序号;通过对权重因子的值进行降序排列,选取前L个值所对应的天线组成天线候选集,假设天线候选集中的某一根天线被激活,利用迫零算法计算该天线下的发送符号;最后对天线候选集中所有天线和对应的估计符号进行最大似然搜索.仿真结果表明,所提出的新算法在保证次优检测性能的前提下,明显降低了算法的复杂度.     

Selection algorithm of finite alphabet iterative decoders for LDPC codes

An efficient selection algorithm for finite alphabet iterative decoders (FAIDs) is presented for LDPC (low-density parity-check) codes over the BSC (binary symmetric channel). By taking advantage of the characteristics of decoding rules for variable nodes on Tanner graphical presentations, a set of candidate FAIDs is constructed for some typical LDPC codes. Based on the evaluation of decoding performance for the received channel messages with various additional bias noise inputs derived from trapping sets, the statistical optimal FAID can be rapidly selected from the candidate FAIDs. Finally, simulation results show the validity of the proposed algorithm.     

基于子类聚类和SAX表示的Shapelet快速发现算法

Shapelet发现的目标是寻找质量最佳的Shapelet,Shapelet的质量取决于子序列的可辨别性。针对精准发现有效Shapelet的问题,提出基于子类聚类和SAX表示的Shapelet快速发现算法,将子类聚类与经典的符号表示SAX法相结合进而快速准确的获取最优的Shapelet。该算法利用子类聚类将时间序列进行降维,得到多个子序列原型作为Shapelet候选集;再利用SAX表示将候选集符号化表示,直观的将候选集用字符串表示,便于找到最优Shapelet;最后选取候选集中信息增益最大的作为最优Shapelet进行时间序列分类。实验结果表明,该算法具有较好分类效果,同时提高了分类速度。     

一种多属性约简支持向量机混合分类方法

针对属性特别多仅用一种属性约简方法难以实现有效约简的情况,提出了基于双重属性约简的混合支持向量机分类方法.通过引入贡献率和正确率两个概念,首先采用主成分分析算法计算各个条件属性的贡献率,根据贡献率大小和给定的阈值去掉条件属性中贡献率小的成分,提取信息量最大的主要成分;然后再基于粗糙集的属性约简理论,计算这些主要成分对决策变量的正确率,对这些属性进行第二次约简;该方法采用定性定量相结合的方式,可以最大程度地去除属性集中冗余的或不重要的属性,保证将最简的属性样本集输入支持向量机进行建模预测.最后的仿真试验验证了我们所提方法的有效性和正确性.     

(研究生论坛)采用机会调度和传输天线子集选择相结合的STBC-MIMO系统的性能分析

本文主要提出了一种结合机会调度(OS)和发射天线子集选择(Tx-AnSS)的STBC-MIMO系统并对它进行了性能分析,其中用户和天线子集是根据从接收端反馈的信道状态信息(CSI)而自适应选择的。首先推导得到了平均有效信噪比、符号误码率以及中断概率的解析表达和近似表达式,分析结果表明在结合多用户分集(MUD)和发射天线子集选择的STBC-MIMO系统相对于没有多用户分集和发射天线子集选择的系统提供了更大的分集合更好的性能。 此外,通过渐近分析得到了基于中断概率的分集增益的量化表达式。最后,通过相应的仿真结果很好的验证了分析结果。