毫米波通信低复杂度波束选择和用户调度算法

针对毫米波混合波束成形系统中用户调度方案复杂度过高的问题,提出两种低复杂度的波束选择和用户调度联合优化算法。混合波束成形架构使得用户调度问题面临着新的挑战,变成了模拟波束选择和用户调度的联合优化问题。考虑发送端无法获得完美信道状态信息的实用场景,采用基于固定码本的波束训练方案获取等效信道状态信息,引入调用指示函数将联合优化问题建模成非凸组合优化规划,分别以粒子群优化和贪婪算法为核心,提出两种低复杂度的次优解决方法。仿真结果表明,相较穷举搜索,所提算法能在性能和复杂度之间取得很好的折中。      

基于图神经网络的低复杂度无蜂窝大规模MIMO无线传输

波束成形是多天线无线通信网络研究中的基本问题之一。针对无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)多点联合发送中满足用户服务质量需求下的最大化系统和速率波束成形问题，利用网络历史数据，提出了基于图神经网络的波束成形智能优化算法，有效克服了传统优化算法在大规模多天线通信中计算效率低的缺点。仿真实验结果表明，所提算法的性能表现与传统优化算法接近，且具有更低的计算复杂度。     

基于公平性对偶理论的多小区下行协同波束成形算法

为了实现最大化最差用户速率准则下的多小区下行协同波束成形优化,首先基于拉格朗日对偶理论推导出了多小区下行波束成形最差用户信干噪比最大化优化问题的虚拟上行对偶问题,进而提出了一种联合利用二分法和几何规划有效迭代解决该虚拟上行对偶问题的算法。通过把对偶上行链路优化问题的解转换到原始下行链路优化问题,从而获得多小区下行链路波束成形的波束矢量和发射功率。仿真结果表明,相比已有的多小区下行协同波束成形算法,所提算法在最差用户速率性能以及能效归一化速率性能指标方面都具有明显优势。     

机会波束成形系统中一种新的调度方案

主要研究机会波束成形系统中的调度算法,将宽带无线IP网络调度算法应用于机会波束成形系统。提出了一个保证用户QoS要求的新方案。数值分析表明,所提的方案较之传统的方案在保证系统吞吐量和用户间公平性的同时,也保证了用户的QoS。     

一种分布式多点协同波束成形和用户调度算法

为了高效实现多点协同下行链路的协同传输,该文基于最大化最小信干噪比准则提出了一种单层迭代分布式协同波束成形算法,并且证明了该算法的全局收敛性;利用该算法中优化波束的特征,进而提出了一种分布式协同用户调度算法。仿真结果表明,所提分布式协同波束成形和用户调度算法可获得明显优于已有算法的最小信干噪比性能,且只需要很少量的基站间信息交互。     

基于信道相关统计及有限反馈的多基站协作波束成型

为减少多基站协作波束成形系统中基站间的信息交换量和用户信道信息反馈量,提出一种基站联合利用有限反馈信道参数和信道空间相关矩阵估计信道矢量函数的方法;基于所估计的信道矢量函数,提出一种多基站协作扩展迫零波束成形算法。相比已有的多基站协作波束成形方案,所提算法能在反馈/回程开销和系统性能之间取得更合理的折中,计算仿真验证了所提算法的有效性。     

中继辅助MIMO系统中基于有限反馈的分布式波束成形

对协作式中继辅助的多输入多输出通信系统中基于有限反馈的联合波束成形问题进行了研究.首先推导了接收信噪比的下界,并基于该下界建立联合波束成形的数学模型.其次推导了分布式波束成形的最优方案.最后针对该最优方案,设计了一个迭代算法,优化得到分布式波束成形码本,从而分布式中继站的波束成形可基于码本序号的有限反馈来进行.实验结果仿真表明,所设计的联合波束成形码本在反馈开销很小的情况下获得明显的性能增益.     

云无线接入网络高能效功率分配和波束成形联合优化算法

针对云无线接入网络(C-RAN)的资源分配问题,该文采用max-min公平准则作为优化准则,以C-RAN用户的能量效率作为优化目标函数,在满足最大发射功率和最小传输速率约束条件下,通过最大化最差链路的能量效率来实现用户发射功率和无线远端射频单元(RRHs)波束成形向量的联合优化。上述优化问题属于非线性、分式规划问题,为了方便求解,首先将原优化问题转化为差分形式的优化问题,然后通过引入变量将差分形式的、非平滑优化问题转化为平滑优化问题。最终,提出一种双层迭代功率分配和波束成形算法。在仿真实验中,将该文算法与传统的非能效资源分配算法和能量效率最大化算法进行了比较,实验结果证明该文算法在改进C-RAN能量效率和提高资源分配公平性方面的有效性。     

基于主被动波束成形联合优化的双RIS辅助抗干扰通信方法

针对双可重构智能表面（RIS）辅助的无线通信系统,提出了基于主被动波束成形联合优化的抗干扰通信方法。以接收信干噪比最大化为目标,构建主被动波束成形的联合优化问题。基于交替优化算法,将联合优化问题分解为3个子问题来迭代求解。通过半定松弛算法求解各RIS的近似最优被动反射向量;基于广义瑞利商求解基站的最优主动波束成形向量。仿真结果表明,所提方法优于传统的单RIS辅助抗干扰通信方法。     

LTE-Advanced异构网中载波选择与波束成形联合算法

为解决LTE-Advanced异构网内宏小区及微小区间的相互干扰问题,提出了载波选择与波束成形联合算法.在高密度、多低功率微基站节点的异构网中,通过关闭部分基站的部分载波,并在开启载波的基站天线上进行波束成形,使接收端受到的干扰大幅度降低.另外,基于效用函数的约束,对载波、波束分别计算,使原本二维联合优化问题变成两个一维优化问题,降低了算法复杂度.仿真结果表明该方案增加了异构网中边缘用户及整个系统的吞吐量.     

基于循环子向量优化的波束成形接收机设计

针对新一代无线通信技术应用中对低能耗、低算力的应用需求，提出一种基于循环子向量优化（CSVO）算法的低复杂度波束成形接收机设计。CSVO算法根据最小均方误差（MMSE）准则推导产生，特点是在波束成形中可以灵活地选择拟优化波束向量的维度大小，降低计算复杂度。文中基于CSVO算法，以ZC706套件和AD9361射频收发器为基础，实现了一套四天线阵元基带波束成形接收机设计方案。实验测试结果表明，实现的接收机波束成形增益接近理论值，验证了CSVO算法的可行性和有效性。实验结果进一步展示，与其他传统的几种波束成形算法相比，在达到同样性能的条件下，CSVO算法所需乘法次数更少，且收敛速度更快。     

考虑收发机损耗的多小区多用户下行链路波束成形算法

在现有收发机损耗模型基础上以最小化最差用户均方误差或者最小化用户均方误差之和为优化目标,设计一种考虑收发机残留损耗的多小区多用户下行链路波束成形算法。通过将优化问题转化成二阶锥规划的标准形式,并设计分层优化迭代算法来求解原始问题。数值仿真表明,相对于传统收发机的波束成形算法而言,所提算法将极大地减小收发机损耗对系统性能的影响,进而显著提高系统性能。     

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。     

卫星网络和高空平台网络频谱共存下的分布式鲁棒波束成形算法

面向由卫星网络和高空平台网络有机结合的星空融合网络,提出一种基于非完美信道状态信息的分布式鲁棒波束成形算法。首先,在卫星网络和高空平台网络分别采用多播技术和非正交多址技术服务多个用户的场景下,以最大化网络和速率为目标函数,并以满足各个用户速率需求为约束,建立卫星和高空平台发射功率受限为约束的优化问题。其次,在仅能获取用户非完美信道状态信息且仅能实现非完美连续干扰消除的情况下,采用S-procedure和连续凸逼近对非凸问题进行转化,并进一步提出基于拉格朗日对偶的分布式波束成形算法,以实现网络间的频谱共享。最后,计算机仿真表明所提分布式算法相比现有工作能以更低的信令开销获取更高的频谱效率。     

基于深度学习的毫米波系统波束成形

针对高移动用户在毫米波系统中用户与基站之间频繁切换增大延迟开销问题,提出了一种新颖的集成深度学习协调波束成形(Deep Learning Coordinated Beamforming,DLCBF)解决方案。该方案通过协调多个基站同时为一个移动用户服务,接收用户上行导频序列和预编码码本训练模型,进而预测最佳下行波束向量,克服了大型天线阵列毫米波系统中选取最佳波束成形向量需要的巨大训练开销。仿真结果表明,所提方案与传统的毫米波波束成形策略相比有更高的频谱有效率。     

针对非理想定时同步的多模协作多点传输

针对非理想定时同步对协作多点传输的负面影响,提出了多模协作多点传输算法。通过推导协作波束成形模式和联合处理模式在非理想定时同步条件下的平均可达速率,得到模式选择变量和模式选择门限。在多模协作多点传输算法中,用户首先对定时同步误差进行估计,并计算其模式选择变量和模式选择门限。然后用户选择协作多点传输的下行传输模式,并将其选择结果反馈给协作基站。最后,根据各用户的反馈,协作基站以最大化平均可达传输速率为准则,自适应地在协作波束成形模式和联合处理模式之间切换。仿真结果表明多模协作多点传输算法在定时同步误差较小时,采用联合处理模式,以保持空间复用增益,在定时同步误差较大时,采用协作波束成形模式,以避免用户间的额外干扰。因此,在非理想定时同步误差条件下,多模协作多点传输算法比仅采用协作波束成形模式或联合处理模式的传统协作多点传输算法具有更好的性能。     

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。     

中断约束下的星空认知网络分布式鲁棒波束成形算法

针对卫星通信网和无人机通信网共享频谱资源构成的星空认知网络,提出了一种基于用户非完美信道状态信息的分布式鲁棒波束成形算法,以提升网络的频谱效率和传输可靠性.在所有信道误差均服从复高斯分布的条件下,建立以总的发射功率最小化为目标函数,以用户信干噪比中断概率约束满足要求为约束的联合优化问题.通过引入松弛变量,将非凸的联合优化问题转换成两个独立的分布式优化问题,并进一步提出利用舒尔补和拉格朗日对偶的迭代算法得到卫星和无人机网络的波束成形权矢量.计算机仿真验证了所提算法的有效性和优越性.     

智能反射面辅助的抗干扰安全通信系统鲁棒资源分配算法

为了解决恶意干扰攻击、窃听和不完美信道状态信息造成的通信质量降低和安全性差等问题,该文提出一种智能反射面(IRS)辅助的抗干扰安全通信系统鲁棒资源分配算法。首先,基于合法用户的最小安全速率约束、最大发射功率约束和IRS相移约束,在非法节点不完美信道状态信息、干扰器波束成形向量未知的情况下,构建了一个联合优化基站的波束成形向量、人工噪声的协方差矩阵和IRS的相移矩阵的鲁棒资源分配问题。其次,为了求解该非凸问题,利用交替优化、Cauchy-Schwarz不等式、连续凸逼近和泰勒级数展开等方法,将原问题转化为易于求解的凸优化问题。仿真结果表明,与传统算法相比所提算法能有效提高系统安全性、降低功率开销、提高抗干扰裕度,且在一定信道误差范围内能够减低约35%的保密中断概率,具有较强的鲁棒性。     

单蜂窝多用户系统下行链路中一种基于虚用户的调度算法

提出一种应用于机会波束成形系统的基于虚用户的调度方案。在单蜂窝多用户系统下行链路中,将用户的服务质量按其所拥有的应用连接数量划分为若干级别,其中高级用户以多个普通用户的身份参与调度。将该调度方案与传统的PFS算法相结合,提出VU—PFS算法。数值分析表明,新算法在保证系统吞吐量和普通用户间公平性的同时,也为高级用户提供了一定的QoS保障。