分布式MIMO系统基于端口选择的快速天线选择

相对于点对点多输入多输出（MIMO）系统,分布式MIMO系统的天线数量显著增大,采用现有的性能较优的天线选择算法,复杂度的增加会大大制约系统的可实现性. 为了解决这一问题,根据分布式架构特点提出一种基于端口选择的改进型逐减天线选择算法. 该算法通过设定上限的动态端口选择有效缩小待选天线范围,进而采用逐减方法,以优化参数迭代更新的方式达到进一步降低复杂度的目的. 理论分析和性能仿真结果表明,该算法在显著降低计算复杂度的同时,其容量性能仍可逼近穷举算法.     

基于改进遗传算法的开放式鲁棒融合定位方法

针对现有蜂窝网定位技术在实际应用中没有完整的定位测量参数就无法完成定位的缺点,提出了一种开放式的鲁棒融合定位新方法。该方法以信息融合技术为理论基础,融合异质异构的定位信息进行定位,在保证定位精度的前提下提高了定位算法的鲁棒性。仿真结果验证了该方法的有效性、开放性和鲁棒性。     

新一代的总线结构——RapidIO

介绍新一代总线结构RapidIO的一般原理、基本特征、并给出该技术的典型应用。     

基于碰撞概率约束的认知系统子信道分配算法

针对如何在保护主用户的同时最大化有效吞吐量的子信道分配问题,考虑由于主用户的重新到来而造成的主次用户碰撞,给出一种基于子信道碰撞概率约束的子信道分配算法。算法通过约束子信道碰撞概率来保护主用户,依据碰撞概率约束估计各子信道可容忍最大传输时长,随后认知用户根据请求业务时长选择合适的子信道接入。仿真结果表明,与不考虑子信道碰撞概率约束的算法相比,该分配算法很好地保护了主用户,且在信道条件较好时,能取得更好的有效吞吐量性能。     

分布式MIMO系统发送天线选择与预编码联合设计

为了抑制多用户分布式多入多出(MIMO)系统中的同道干扰(CCI),使系统同时服务于更多用户,提出一种发送天线选择与预编码的联合设计方法。该方法立足于分布式MIMO系统基站端天线较多的特点,将下行发送天线选择与信漏噪比(SLNR)预编码相结合,通过为用户选择不同天线,从根本上减少CCI;在为每个用户选择天线时,先以信道子矩阵的迹为依据进行端口选择,再采用逐减的方法选择使SLNR损失值最小的天线,以保证每个用户对其他用户的干扰尽量小,从而达到进一步抑制CCI的目的。复杂度分析和仿真结果表明,该方法在具有较低复杂度同时,其容量性能仍可逼近最优算法;较之单纯的SLNR预编码,在相同的容量性能约束下,其能够有效增加系统同时服务的用户数。     

多跳蜂窝网络代理选取问题研究

无线自组织网与未来蜂窝移动通信系统的融合代表未来无线网络的发展趋势。引入自组织方式的必要性划分为形成局域子网、虚拟小区分裂和虚拟小区扩展三个方面。对现有的国内外研究机构提出的系统模型进行了类型划分,针对代理选取问题提出了基于跳数的分布式代理选取算法,并对基于该算法的单小区环境中各个系统参数对代理选取概率的影响进行了仿真分析。仿真结果表明,提高小区的覆盖半径和节点的通信半径是增加代理选取概率的有效方法,而增大搜索的跳数范围却只能在跳数范围较小时有效地提高代理选取概率。     

一种提高小区干扰协调中用户公平性的载波调度算法

针对LTE-Advanced系统中小区干扰协调的用户公平性问题,提出一种基于用户优先级的比例公平调度算法。该算法通过引入用户优先级因子来调节小区边缘用户与小区中心用户的载波分配,进而在保障系统吞吐量的前提下改善频谱资源受限的小区边缘用户的公平性。仿真结果表明,该算法在以系统吞吐量下降了0.7%的代价下使小区边缘平均用户数据速率提高了90%以上。     

一种基于码本聚类的低复杂度用户选择算法

现有块对角化(BD)预编码系统用户选择算法较少考虑利用已选用户与剩余用户之间的关系来排除不可选用户.针对这点不足,给出了一种采用码本聚类的低复杂度用户选择算法( CodeGreedy算法).该算法采用弦距离刻画用户信道的相关性,以此为依据将用户划分到不同码本空间中,聚集在同一码本空间的用户信道具有较强的相关性,形成互斥...     

基于神经网络的鲁棒NLOS误差抑制算法

提出一种基于Kalman滤波器和神经网络(NN)的非视距(NLOS)误差抑制算法。根据到达时间(TOA)测量值的特点和NLOS误差的统计特性,推导出Kalman滤波器输出无偏估计所需满足的条件,利用NN估计该条件中的环境参数,实现NLOS误差抑制。仿真结果表明,该算法在估计精度和算法鲁棒性方面均具有较好的性能。     

基于循环匹配追踪的稀疏重构时延估计算法

在单样本(SMV)、低信噪比条件下,稀疏重构方法可提升时延估计精度,但现有的重构算法在支撑集元素的选择中存在错选和漏选的情况,从而导致估计精度受限。针对上述问题,该文提出一种基于循环匹配追踪(LMP)的稀疏重构时延估计算法。该方法引入了“循环删除,匹配添加”的思想,有效提升了直达径的估计精度。算法首先建立信道冲激响应稀疏表示模型;然后在获得初始支撑集的前提下,先循环删除支撑集内的元素,再从支撑集补集中依据与当前残差内积值最大来匹配添加新元素,直至残差内积基本不变;最后利用时延值与稀疏支撑集的关系得到了时延的估计值。仿真结果表明,所提算法相比于传统稀疏重构时延估计算法具有更高的估计精度。同时基于USRP平台,利用实际信号对所提算法进行了有效性验证。