基于块对角化的格基规约GMD矢量预编码

研究了对多用户多输入多输出下行链路进行块对角化后,使用格基规约算法的几何均值分解矢量预编码的实现方法。根据块对角化思想将多用户多天线信道分解为等价并行子信道,基于等价子信道给出了单个用户的几何均值分解矢量预编码的传输方案,通过使用格基规约算法分别结合连续干扰消除和垂直分层空时编码两种方法,求解矢量预编码中的扰动矢量。仿真表明,提出的方法误码率性能优于块对角化矢量预编码算法2 dB以上,而且能在不降低系统性能的前提下降低计算复杂度。     

一种数字全通滤波器的改进设计方法

介绍了一种改进的数字全通滤波器的设计方法。该方法是基于复倒谱和平稳最小相位序列之间的关系提出的。通过使全通滤波器传递函数分母的群延迟在加权最小均方意义下近似理想的群延迟,导出复倒谱的计算公式。根据得到的复倒谱,利用复倒谱与最小相位序列之间的关系可以计算出全通的分母系数。由全通的特性已知,分母系数可以完全决定全通的传递函数。这种改进的方法能够使所设计滤波器的群延迟特性在整个频率范围内近似理想的群延迟特性。     

OFDM系统信道估计算法研究及其在低压电力线通信上的应用

低压电力线通信以其特有的优势将在未来高速数据通信业务中发挥重要的作用，OFDM(正交频分复用)技术具有很强的抗多径能力，非常适合低压电力线通信的多径信道传输。采用相干解调的OFDM系统需要对信道进行估计，以获得信道状态信息(CSI)。文中分析比较了OFDM系统信道估计算法，并根据低压电力线信道的特点，选择了适合于电力线通信的信道估计方法。     

一种降低复杂度的压缩感知水声信道估计方法

针对浅海的水声信道稀疏特性,提出了一种降低复杂度的前向回溯正交匹配追踪(RC-LABOMP)信道估计方法。首先计算正交匹配追踪和子空间追踪信道估计算法的两类支撑集,接着根据两类支撑集的交集和并集,预处理先验信息,最后利用先验信息完成前向回溯正交匹配追踪信道估计。该算法经过先验信息的预处理,能够减少原LABOMP算法的迭代次数,同时缩小原子的索引范围,因此能够显著降低原LABOMP算法的计算复杂度。此外,将提出的算法与水声Turbo均衡系统相结合,更适用于水声通信系统。仿真结果表明,所提算法在随机信道和水声信道条件下,具有估计精度高、误码率低的特点,同时能够显著降低LABOMP算法的计算复杂度,是一种适用于浅海水声信道的有效估计方法。     

OFDM系统中基于导频信道估计插值算法分析

导频辅助信道估计法是OFDM系统中的主要信道估计方法，使用LS方法估计导频点处的信道．使用插值法可以获得信道的全响应。文章详细地介绍了各种插值算法，包括多项式插值算法、时域插值算法、低通插值算法和基于FFT的插值算法，并在不同信道因素影响下，对各种算法进行了对比分析，然后进行了时域滤波改进，达到了对信道估计值进一步去噪的效果。     

基于Q学习的蚁群优化水声网络协议

针对水声通信中数据传输延时高且动态适应性弱的问题, 提出了一种基于Q学习优化的蚁群智能水声网络路由协议(Q-learning ant colony optimization, QACO). 协议包括路由行为和智能决策部分, 在路发现和维护阶段, 依靠网络智能蚂蚁进行网络拓扑环境的构建和节点之间的信息交换以及网络的维护. 在Q学习阶段, 通过定量化节点能量和深度以及网络传输延时学习特征作为折扣因子和学习率, 以延长网络的生命周期, 降低系统能耗和延时. 最后通过水声网络环境进行仿真, 实验结果表明QACO在能耗、延迟和网络生命周期方面都优于基于Q学习辅助的蚁群算法(Q-learning aided ant colony routing protocol, QLACO)和基于 Q-learning 的节能和生命周期感知路由协议(Q-learning-based energy-efficient and lifetime-aware routing protocol, QELAR)和基于深度路由协议 (depth-based routing, DBR)算法.     

基于大规模MIMO技术的中继协作物理层安全研究

传统无线通信的安全依靠上层加密,无法保护物理层的安全。为了克服传统无线通信系统加密的不足,采用人工噪声(Artificial Noise)生成和随机预编码器来研究中继协作下大规模多输入多输出(MIMO)下行链路系统的安全传输方法。针对估计的信道状态信息推导出和速率表达式,分析得出用户节点上的保密率。针对基站处的最小均方误差预编码器(MMSE)和迫零(ZF)预编码器,分析对比其性能差距。理论分析和仿真结果表明,该方法可以为大规模MIMO中继系统设计安全的物理层传输策略,且MMSE预编码器比ZF预编码器表现出更好的保密性能。     

MIMO系统中基于几何均值分解的矢量预编码研究

在结合几何均值分解和矢量预编码的方案下,研究最小均方误差意义下最优扰动矢量的求解.提出了扩大扰动矢量的取值范围,分为2种情况,一是扰动矢量中的元素为连续值:二是扰动矢量中的元素为连续值和离散值之和.最小化收发信号的均方误差分别求解2种情况下的最优扰动矢量.仿真表明,天线数目较多时第二种情况能够提供较大的性能增益.     

一种超密集网络基站分簇管理算法

为了降低超密集网络中基站管理算法的计算复杂度并提升基站的能源使用效率,根据用户密度、网络负载量等信息,提出了一种基于分簇的动态管理基站算法.该算法首先根据用户测量报告计算出理论最小需求基站数,然后对基站进行合理的网络分簇,最终通过粒子群优化算法确定基站休眠组合.仿真结果表明,与未进行分簇的基站管理算法相比,该算法可以降低约60%的计算复杂度,并能有效降低基站能源消耗.