可重构智能表面中低复杂度毫米波信道估计算法

针对可重构智能表面(RIS)辅助的大规模多输入多输出(MIMO)毫米波系统中信道估计复杂度高的问题,该文提出一种低复杂度的信道估计算法。在该方案中,将RIS部分元素连接射频(RF)链,分离估计基站/用户和RIS之间的信道,分开获取信道有助于提升用户移动性场景下信道估计的灵活性。在所考虑系统中,首次使用低复杂度的2维快速傅里叶变换(2D-FFT)算法对角度进行估计,并考虑信号补零以获得更加精准的角度估计值,最后利用信号2维空间谱的谱峰和其对应的辐角得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法具有压倒性的复杂度优势。     

碳包覆Fe3O4的制备和储能性能研究

为了解决铁基氧化物导电性差,比电容和循环性能不理想等问题,采用水热法、原位聚合法和热处理法在碳纸上制备Fe₃O₄@C复合材料,并对材料的形貌特征和电化学储能性能进行了测试;研究了不同原位聚合时间对产物形貌和储能性能的影响。结果表明,复合时间为6 h得到的样品保留了原有的纳米棒形貌结构,且具有更高的比电容(588.3 mF/cm²,2 mA/cm²),在15 mA/cm²下循环充放电10 000次后,比电容保持率为85.7%,最后将Fe₃O₄@C与活性炭组装成非对称超级电容器,其比能量为1.46 Wh/cm³,并可以驱动一连串的LED灯,该材料展现出一定的实际应用价值。     

基于期望传播算法的多天线信号检测：架构、技术与挑战

近年来,期望传播(Expectation Propagation,EP)算法被广泛应用于多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测。EP是一种优良的贝叶斯推断算法,能够良好匹配信号检测工作所对应的贝叶斯模型,是目前接近最优检测算法的先进检测算法之一。面向6G,EP可在诸多场景达成高性能信号检测,对未来超高可靠通信需求提供支撑,具有实际研究意义。然而,当前研究缺乏该算法的综述性分析,相关研究人员缺乏直观学习参考。概述了基于期望传播算法的MIMO信号检测架构以及相关技术研究现状,总结了现有问题并展望了未来研究挑战,旨在为相关研究人员提供思路,为EP信号检测算法服务6G实际通信场景做出贡献。