RIS辅助太赫兹频段车载网络容量优化

为缓解当前无线系统的频谱稀缺和容量限制，引入太赫兹频段并以可重构智能反射面（RIS）进行辅助通信构建一个下行链路车载网络。考虑系统总功率有限约束、蜂窝移动用户服务质量约束、车辆和用户位置随机性约束，以最大化车辆用户总速率建立最优功率分配和RIS最佳部署的混合优化模型。基于平衡法、线性变换法和消元法将原NP-hard问题转化为具有复相关约束多变量耦合的凸优化问题，内层迭代基于拉格朗日乘子法求解最优功率分配，外层迭代基于改进式遗传算法求解RIS最佳部署。仿真结果表明，基于最优功率分配下合理部署RIS节点个数与分布密度能在获得较高目标总容量的同时节约成本。     

RIS辅助去蜂窝大规模MIMO系统低复杂度预编码算法设计

构思了一种智能超表面(Reconfigurable Intelligent Surface, RIS)辅助去蜂窝大规模多输入多输出(Cell-free Massive Multiple-Input Multiple-Output, CF mMIMO)通信系统,提出了一种低复杂度预编码和RIS反射相位交替优化(Alternating Optimization, AO)算法。对于传统正则化迫零(Regularized Zero Forcing, RZF)预编码算法复杂度过高的问题,利用共轭梯度(Conjugate Gradients, CG)法,提出一种低复杂度的RZF-CG预编码算法,将RZF预编码的逆矩阵转换为线性方程组最小化问题,推导算法的残差以更新搜索方向,迭代求解逆矩阵。以最大化系统用户的总频谱效率为目标,推导了RIS相位闭合表达式,基于统计的信道状态信息提出一种低复杂度的投影梯度上升(Projected Gradient Ascent, PGA)算法。仿真结果表明,所提的AO算法能有效地提升系统性能,算法复杂度降低了约73.2%。     

面向窃听用户的RIS-MISO系统鲁棒资源分配算法

针对信道不确定性影响、用户信息泄露和能效提升等问题,该文提出一种基于不完美信道状态信息的可重构智能反射面(RIS)多输入单输出系统鲁棒资源分配算法。首先,考虑能量收集最小接收功率约束、合法用户最小保密速率约束、基站最大发射功率约束及RIS相移约束,基于有界信道不确定性,建立一个联合优化基站主动波束、能量波束、RIS相移矩阵的多变量耦合非线性资源分配问题。然后,利用Dinkelbach,S-procedure和交替优化方法,将原非凸问题转换成确定性凸优化问题,并提出一种基于连续凸近似的交替优化算法。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较低的中断概率。     

全双工主动窃听非正交多址接入系统智能超表面辅助物理层安全传输技术

针对全双工被动窃听和主动干扰攻击下的多用户非正交多址接入(NOMA)系统,该文提出一种智能超表面(RIS)辅助的鲁棒波束赋形方案以实现物理层安全通信。考虑在仅已知窃听者统计信道状态信息的条件下,以系统传输中断概率和保密中断概率作为约束,通过联合优化基站发射波束赋形、RIS相移矩阵、传输速率和冗余速率,来最大化系统的保密速率。为解决上述多变量耦合非凸优化问题,提出一种有效的交替优化算法得到联合优化问题的次优解。仿真结果表明,所提方案可实现较高的保密速率,且通过增加RIS反射单元数,系统保密性能更佳。     

窃听CSI未知场景下基于可重构智能表面的物理层安全传输方案

近些年来,人们一直在开发可重构智能表面（Reconfigurable Intelligent Surface, RIS）,它是一种由许多无源反射器组成的低成本结构,可以自由地改变每个元素的反射系数,并重新配置无线传输环境以改变入射信号的传播。由于具有若干新型和独特的优势,RIS应用场景广泛,关于其在物理层安全中应用的研究蓬勃发展。与此同时,物理层安全研究中窃听者的信道状态信息（Channel State Information,CSI）一直是人们讨论的热点,实际通信场景中窃听CSI通常是不易获取或未知的。因此本文考虑了一个更接近现实的情况,即针对窃听CSI未知的场景,考虑存在一个合法接收者以及多个非法窃听者,从功率分配的角度出发,结合波束成形,设计一种多RIS辅助的人工噪声与功率分配方案,通过对基站波束成形矩阵和RIS反射系数的交替优化,并应用二分法,使得在合法接收用户信号质量不变的前提下,降低基站处发送保密信息至合法用户所需的功率,降低其接收信号的信干噪比,进而提高系统的保密容量。同时考虑到了多个RIS协作辅助保密通信不一定最优,并可能增加系统优化的复杂度,设计了多个 RIS的选择方案,在保证通信系统保密性的同时,进一步提高了能量效率。通过对所设计算法进行复杂度分析,证明了所设计方案的可行性和有效性。接着对联合波束成形RIS辅助的人工噪声方案进行了仿真分析。最后得出结论,即窃听CSI未知时,通过合理联合优化RIS和基站波束成形进行功率分配,并结合多RIS选择技术,可以降低窃听者处信号质量,同时提高通信系统的能量效率,最终实现保密通信。      

使用对偶分解的MU-CoMP-JT联合资源分配

在MU-Co MP-JT(Multi-User Coordinated Multiple-Points Joint Transmission)联合资源分配问题中,传统的迫零预编码矩阵会使得每根天线发送功率互不相同,当Co MP节点发射功率仅满足总功率约束时性能损失不明显,而当Co MP节点分布在不同的地理位置时将受到单节点功率约束,这势必会降低系统功率利用率。为了进一步提升系统吞吐量,基于对偶分解理论提出了一种联合预编码优化的资源分配算法。该算法以最大化用户权重速率为目标,将原优化问题分解成若干个优化的子问题,不同子问题对应不同接收天线数的联合优化问题。当子信道的发送天线数大于接收天线数时,通过多次迭代计算得到预编码矩阵,并且预编码矩阵会随着拉格朗日因子的变化而变化。仿真结果表明所提联合预编码优化的联合资源分配算法能够明显提升系统吞吐量,且提高天线功率利用效率。     

基于积流形的RIS辅助MIMO系统预编码和反射相移联合设计

流形优化的方法是求解带约束问题的一个重要工具，本文研究了一个RIS辅助单用户MIMO系统，联合设计基站编码器和RIS相移以最大化接收信号能量。采用积流形优化的算法，协同优化预编码矩阵和相移矩阵，将有多个约束的优化问题转化为积流形上的无约束优化问题。仿真结果表明，所提出的积流形优化算法与传统的交替流形优化方法性能基本相同，但收敛速度和计算复杂度大大降低。     

基于索引调制的RIS辅助SIMO通信系统信号检测算法

面对未来无线移动通信对通信质量和频谱效率的更高要求，该文融合索引调制(IM)与可重构智能表面(RIS)技术，建立基于IM的RIS辅助单输入多输出(SIMO)通信系统架构，并提出一种基于变分贝叶斯推断(VBI)的信号检测算法。首先，在该系统中，RIS单元被划分为若干子块，利用RIS子块的激活状态传递附加信息；接着，利用VBI给出激活RIS子块对应的相移矢量与待检测信号的近似后验分布；最后，利用RIS相移矢量近似后验分布的对数零梯度值结合正交匹配追踪算法(OMP)恢复出索引信息比特，进而利用待检测信号对数零梯度值，恢复出发送信号。同时，从理论上推导了基于IM的RIS辅助SIMO系统平均速率。仿真结果表明，与传统RIS辅助的SIMO通信系统相比，基于IM的RIS辅助SIMO系统具有更高的系统平均速率；并且与现有算法相比，该文算法具有更低的误比特率。     

IRS和人工噪声辅助的MIMO-SWIPT系统安全传输方案设计

针对多天线无线携能通信系统中能量收集节点作为潜在窃听者的信息安全问题，提出了一种智能反射面(Intelligent Reflecting Surface, IRS)和人工噪声辅助的物理层安全传输方案。首先考虑发射功率、能量收集门限以及IRS单位模约束，以最大化系统安全速率为优化目标，在合法用户直射链路不可用的情况下，联合设计发射端波束赋形矩阵、人工噪声协方差矩阵以及IRS相移矩阵，建模一非线性多变量耦合的非凸优化问题；接着利用均方误差准则等价转换非凸目标函数，并利用连续凸逼近方法(Successive Convex Approximation, SCA)处理非凸的能量收集约束；最后基于交替优化框架，分别用拉格朗日对偶方法和基于价格机制的优化最小化(Majorization-Minimization, MM)算法求解发射端变量和IRS端变量。仿真结果表明，与现有方案相比，所提算法能够在保障能量收集需求的同时大幅度提升系统的安全性能。     

基于深度学习的有源智能超表面通信系统

智能超表面(Reconfigurable Intelligent Surface, RIS)作为未来无线通信系统中最受关注的物理层技术之一,开创了由适应环境到重构电磁传播环境的全新通信范式。然而由于“乘性衰落”效应,RIS在典型的通信场景中只能实现微不足道的容量增益,而这在许多现有工作中被广泛忽视。针对上述现象,有源RIS可以通过主动放大反射信号,有效克服“乘性衰落”的高路径损失。为此提出了一种基于端到端(End-to-End, E2E)学习策略的有源RIS辅助的通信系统。通过深度学习网络,可以联合优化基站(Base Station, BS)以及RIS处的预编码与功率分配,以及用户(User Equipment, UE)的合并矩阵设计,避免了传统方案交替优化带来的高复杂度。具体来说,利用三个深度神经网络(Deep Neural Network, DNN)分别实现BS的预编码矩阵,BS与RIS处功率分配以及UE端的合并矩阵设计,并利用一个可学习参数向量表征RIS中的相位设置。仿真结果表明,所提出的基于深度学习的有源RIS传输方案相对于传统的无源RIS通信方案与无RIS方案,实现了更优的误...     

低幂平均列相关性测量矩阵构造算法

压缩感知是一种新的信号描述、采样和重构理论,其核心问题包括测量矩阵的选择和构造以及重构算法设计.本文首先提出感知矩阵幂平均列相关性定义,进而得出测量矩阵的择优原则;然后依据等角紧框架理论和特征向量近似法,提出新的测量矩阵构造算法,减小感知矩阵的幂平均列相关性.实验结果表明,本文算法达到了降低感知矩阵列相关性的目的.另外,当重构算法相同时,采用本文算法得到的测量矩阵比采用Gaussian、Elad、Xu和Vahid算法得到测量矩阵的重构错误率要低.     

基于随机矩阵理论的DET合作频谱感知算法

针对认知无线电系统中的频谱感知问题,该文采用随机矩阵理论(Random Matrix Theory, RMT)对多认知用户(Secondary User, SU)接收信号采样协方差矩阵的最大特征值的分布特性进行了分析和研究,提出了一种新的基于双特征值判决门限(Double Eigenvalue Threshold, DET)的合作频谱感知算法。由该算法感知性能的理论分析可知:DET合作感知算法无需主用户(Primary User, PU)发射机信号的先验知识,也不需要预先知道信道背景噪声功率。仿真结果表明,与传统的频谱感知方法相比,该方法只需较少的认知用户就能获得较高的感知性能,并且对噪声的不确定性具有较强的鲁棒性。     

MIMO系统一种新的功率分配算法及容量分析

在不额外增加发射功率和带宽消耗的情况下,注水功率分配算法能够获得最大的多输入多输出(MIMO)系统容量.基于拉格朗日乘数法,推导给出了MIMO系统注水功率分配算法的显式解.利用信道冲激响应矩阵的奇异值分解(SVD)算法,推导给出了注水功率分配算法MIMO系统的容量分析公式.利用数字波束形成(DBF)技术,提出了一种新的功率分配算法,推导给出了该算法MIMO系统的容量分析公式.仿真结果表明,提出的功率分配算法的系统容量虽然略低于注水功率分配算法的系统容量,但它的计算复杂度较低.     

对认知无线电波束成形算法的探讨

对多天线协作双向认知无线电系统中的波束成形算法进行了研究。在多天线协作双向认知无线电系统中,2个主用户系统通过次用户进行信息交换,次用户配置多个天线,且次用户通过叠加信号后将其发送给主用户,所以对分配发送主用户和次用户信息的信号的功率以及设计主用户和次用户的波束成形矩阵等进行了重点研究。依据最大化系统容量的优化准则,得到的优化问题均是非凸问题,因此采用半正定优化和二阶圆锥优化,得到闭合解。仿真结果表明,此方法优于以往的波束成形算法。     

复合高斯杂波环境中分布性目标相干雷达恒虚警检测算法研究

本文研究了在未知统计特性的复合高斯杂波环境中对分布性目标检测的问题。利用Toeplitz矩阵的次对称性提出了一种新的杂波协方差矩阵结构的估计方法,并用此估计方法来实现基于广义似然比检验的恒虚警检测算法。该算法能够在不需要杂波功率谱密度对称的情况下作到对杂波的结构分量和协方差矩阵都有恒虚警的性质,而且该实现方法的检测性能优于先前提出的实现方法。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

非线性能量收集认知无线电网络的次用户吞吐量最大化方案

针对一对主用户和M对次用户构成的认知无线电网络（cognitive radio network,CRN），研究了非线性能量收集的认知无线电网络的次用户吞吐量最大化问题。具体来说，对于考虑次用户发射器（secondary transmitter,ST）电路功率的情况，首先将主用户吞吐量需求下的次用户吞吐量最大化（secondarythroughput maximization,STM）问题建模为一个非线性优化问题，然后将它转化成凸优化问题，最后提出一种联合使用黄金分割和二分法的低复杂度算法，获得主用户发射器（primarytransmitter,PT）能量传输和次用户信息传输的最优时间分配以及主用户发射器的最优发射功率。对于忽略次用户发射器电路功率的情况，首先证明次用户吞吐量最大化问题的凸特性，然后设计了一个更高效的算法来求解。仿真结果表明，相比等时间分配方案和链路增益优先级方案，提出的设计算法能显著提升次用户吞吐量。     

COMPUTATIONALLY EFFICIENT ESPRIT METHOD FOR DIRECTION FINDING

In this paper,a low complexity ESPRIT algorithm based on power method and Orthogo- nal-triangular (QR) decomposition is presented for direction finding,which does not require a priori knowledge of source number and the predetermined threshold (separates the signal and noise ei- gen-values).Firstly,according to the estimation of noise subspace obtained by the power method,a novel source number detection method without eigen-decomposition is proposed based on QR de- composition.Furthermore,the eigenvectors of signal subspace can be determined according to Q matrix and then the directions of signals could be computed by the ESPRIT algorithm.To determine the source number and subspace,the computation complexity of the proposed algorithm is approximated as (2log_2 n 2.67)M~3,where n is the power of covariance matrix and M is the number of array ele- ments.Compared with the Single Vector Decomposition (SVD) based algorithm,it has a substantial computational saving with the approximation performance.The simulation results demonstrate its effectiveness and robustness.     

一种低复杂度的ESPRIT新算法

该文提出了一种基于QR分解的Power-ESPRIT (以下简称QP-ESPRIT算法) 新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计,然后对噪声子空间进行QR分解并使用R矩阵估计信源个数,提出了无特征分解的信源个数检测算法SDWED算法。进而,信号子空间的特征向量就可以由Q矩阵确定,从而应用ESPRIT算法获得信源波达方向的估计。该算法不需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。在确定信源个数和子空间估计的同时,本文算法与传统的基于奇异值分解算法相比,具有近似性能时却拥有较低的计算复杂度。仿真结果证明了该方法的有效性。     

基于发射波束域-平行因子分析的MIMO雷达收发角度估计

该文提出了基于发射波束域-平行因子分析的双基地MIMO雷达收发角度估计方法。针对传统MIMO雷达发射功率分散的问题,将发射功率聚集范围与期望发射方向矢量相结合,提出了发射波束加权矩阵的优化准则,并转化为二阶锥规划形式,通过内点法求出其数值解,进而利用平行因子分析(PARAFAC)算法估计出收发角度。仿真结果表明:离线设计得到的波束加权矩阵使发射功率聚集于感兴趣的目标空域,且近似服从均匀分布,因此,在发射功率和角度估计算法相同时,基于发射波束域的角度估计精度优于全向等功率发射时的角度估计精度。