Turbo-BLAST系统中天线选择和功率分配算法

提出一种适用于Turbo-BLAST系统的自适应天线选择和功率分配算法,所提算法以误比特率为优化目标,并且考虑了信道估计误差的影响.在总功率约束条件下,采用所提算法进行天线选择和自适应功率分配,并利用软干扰抵消算法对接收信号进行迭代检测,以进一步改善系统性能.仿真结果表明:采用所提算法可以显著改善系统的误比特率性能.     

基于天线选择的MIMO系统能效功率分配优化

对MIMO系统在毫米波衰落信道下的能效功率分配进行研究,以期实现绿色传输。考虑发送端采用天线选择技术,接收端采用最大比合并技术,给出系统能量效率公式,并构建系统基于能效最大化的目标优化函数。利用拉格朗日乘子法,获得迭代功率分配方案。利用排序法及朗伯函数给出简单的闭式功率分配方案。利用Matlab软件验证所提功率分配方案的有效性。仿真结果表明,文章提出的功率分配方案较穷举搜索法EE性能得到了明显提升,是一种复杂度低的优化算法,能快速收敛到EE最大值。     

Turbo-BLAST系统中基于容量的天线选择和功率分配算法

在不完全信道状态信息条件下,提出了一种适用于Turbo BLAST系统的天线选择和功率分配算法。所提算法以信道容量最大化为准则,从所有天线中选取一组天线子集用于发射,并对选择的天线子集进行注水功率分配,以充分利用Turbo BLAST系统的空间复用增益并提高信道容量。在接收端,采用Turbo原理对接收信号进行迭代检测以改善系统的误比特率性能。仿真结果表明采用所提算法不仅可以显著提高系统的信道容量, 而且误比特率性能也得到明显的改善。      

一种改进的大规模MIMO发射天线选择算法

为了降低天线选择算法在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统下的误码率和复杂度,以用户端接收的总功率为优化目标,提出一种最大化所有用户接收总功率的天线选择算法。该算法将优化目标函数转化为凸函数,并利用凸优化方法求得其有效解。仿真结果表明,所提天线选择算法与传统的最大和容量算法相比,具有较好的系统误码率性能,且运算复杂度低,但系统容量有所降低。     

多用户MIMO系统中基于单天线功率约束的功率分配方法

针对多用户多输入多输出(MIMO)系统,研究了单天线功率约束下的低复杂度功率分配方法。基于迫零预编码算法,通过理论分析指出,在单天线功率约束下使多用户和数据率最大化的最优功率分配具有多水平面灌水结构,由此证明了单天线功率约束与多天线加权和功率约束之间的等价关系,并提出了一种低复杂度功率分配方法。仿真结果表明,所提出的功率分配方法的性能优于现有的等功率分配和启发式方法,与最优功率分配方法相比,能够以很小的性能损失为代价有效地降低计算复杂度。     

大规模MIMO系统中收发联合阈值天线选择算法

在大规模多输入多输出(massive MIMO)系统中使用天线选择算法可提高能效和系统吞吐量,然而适用于传统MIMO系统的天线选择算法具有高复杂度,很难用于massive MIMO系统。为优化天线选择算法,以算法复杂度和系统容量为优化目标,提出了收发联合阈值天线选择算法。该算法在发射端使用最大范数双向天线选择算法进行天线选择,在接收端使用分组maxvol算法并通过仿真实验结果的预设阈值进行天线选择。仿真实验表明,收发联合阈值天线选择算法在降低复杂度的同时可以提高系统容量,与递增天线选择算法相比,系统容量最多可提高52.2 bit/s/Hz。提出的天线选择算法可以满足不同天线相关度和信噪比的传输环境。     

感知频谱共享下的多天线功率优化分配算法研究

本文构建了一种在感知结果下具有多天线次用户的频谱共享模型,该模型由单入单出主用户对和多入单出认知用户对构成。当认知用户感知到主用户占用信道时,主用户向认知用户发送Message信息,使得认知用户发射端能够得知主用户对干扰总功率的限制要求,通过自适应地调整认知用户发射机的发射功率,以保证其对主用户不造成有害干扰;如果主用户未占用信道,认知用户立刻以最大发射功率占用信道。并分别在主用户存在和不存在两种情况下,优化认知用户发射机各天线的发射功率来最大化系统总的数据传输率。最后,通过数值仿真来验证推导出的功率分配策略,并对其进行分析和讨论。仿真结果表明:相比于机会频谱接入（Opportunistic Spectrum Access, OSA）和基于感知的频谱共享（Sensing-based spectrum sensing）模式,推导的功率分配策略在提出的模型中可以获得更高的信息传输率。      

多用户JT MIMO系统下行联合功率分配算法

文中提出一种多用户MIMO下行联合发送（简称JTMIMO）技术中的功率分配算法。首先给出了多用户JT MIMO下行链路模型，并导出了下行信道干扰模型和有偏信道信息下的SINR公式。在此基础上，文中提出一种适用于多用户JTMIMO下行链路的联合功率分配算法，仿真验证表明：通过合理分配用户的发送功率，在满足每个用户信干比（SINR）的前提下，最小化总传榆能量具有较好的能量效率。     

多天线系统中多中继传输的时间分配和功率分配优化方法

本文考虑单小区内的两个中继使用解码转发的方法为两个用户提供下行数据的场景,基站和中继配置多根天线,用户配置单天线。两中继使用相同的频率资源同时为两个用户提供服务。为减小两中继同时向两用户传输时产生的干扰,中继到用户的传输采用协作干扰避免的策略;相应的基站到中继的传输采用多用户空分复用的传输策略。本文在时间分配和功率分配两个方面对上述两跳传输过程进行了优化,提出了两跳传输最优的时间分配策略。由于功率分配最优化问题难以求解,本文提出了一种匹配链路容量的次优功率分配方法,并对其进行简化以降低复杂度。通过仿真可以看出,简化的功率分配方法与匹配链路容量的功率分配性能很接近;所提出的时间分配和功率分配方案可以获得有效的性能提升。      

分布式 MIMO 系统中功率分配算法研究

本文将功率注水算法应用到分布式 MIMO(Multiple Input Multiple Output)系统中,充分利用分布式无线通信系统的高覆盖性,通过调整发射天线的发射功率,使系统的容量得到了提升,即系统的频谱效率得到了显著改善.仿真结果显示,与集中式 MIMO 系统相比,系统容量的确得到了显著改善     

一种快速的接收天线选择算法

天线选择是MIMO系统中一项重要的技术,它能从MIMO系统的多个发射天线和多个接收天线中选择出性能最好的一个或几个天线,从而以很小的性能损失换取成本的大幅降低,极大地提高了MIMO系统的性能价格比。最优算法具有较高的复杂度而限制了它的应用,文中从次优的递增递减算法入手,提出了一种具有更低复杂度的递增递减接收天线选择算法。仿真结果表明,该算法以很小的系统容量损失为代价换取了复杂度的降低。     

简明的联合收发端天线选择算法

For reducing the computational complexity of the problem of joint transmit and receive antenna selection in Multiple-Input- Multiple-Output (MIMO) systems, we present a concise joint transmit/receive antenna selec-tion algorithm. Using a novel partition of the channel matrix, we drive a concise formula. This formula enables us to augment the chan-nel matrix in such a way that the computational complexity of the greedy Joint Transmit/Receive Antenna Selection (JTRAS) algorithm is reduced by a factor of 4nL, where nL is the number of selected antennas. A de-coupled version of the proposed algorithm is also proposed to further improve the efficien-cy of the JTRAS algorithm, with some capacity degradation as a tradeoff. The computational complexity and the perform-ance of the proposed approaches are evalu-ated mathematically and verified by computer simulations. The results have shown that the proposed joint antenna selection algorithm maintains the capacity perormance of the JTRAS algorithm while its computational complexity is only 1/4nL of that of the JTRAS algorithm. The decoupled version of the proposed algorithm further reduces the computational complexity of the joint antenna selection and has better performance than other decoupling-based algorithms when the selected antenna subset is small as compared to the total number of antennas.     

MIMO系统中的接收天线选择算法研究

多输入多输出(MIMO)系统能极大地提高通信系统的容量和频谱利用率,然而多个射频链路的使用增加硬件成本和信号处理负担。最优的选择算法(穷举算法)和次优算法(递增或者递减算法)均能减少系统的成本和复杂度。但在天线规模较大时,选择天线时的计算量仍较大。提出一种基于信道矩阵特征空间的范数算法,仿真表明:相对于最优算法(穷举算法)和次优算法(递增或者递减算法),该算法能在损失较少容量的同时,极大地减少系统天线选择的计算时间。     

一种移动终端多天线方向图重构快速选择算法与基于滑动时间窗的加速实现

 多输入多输出(MIMO)系统中,天线选择技术可以在降低复杂度的同时,有效地提高系统的性能.但对于天线安装空间受限的小型终端,天线的数目将受到很大限制,本文结合方向图可重构技术,考虑基于线性接收机的空间复用系统,通过在已选择的发射天线上采用等功率分配等增益传输以减少反馈信息量.在此条件下,推导出空间相关衰落信道下自适应发射天线选择的统计容量公式下限,然后,在此基础上提出基于方向图重构的发射天线快速选择方法以最大化该容量值.此外,在实现中提出了一种基于滑动时间窗的梯度更新估计模型,缩短了算法所需时间.     

基于极化可重构天线的天线选择方案

天线选择是降低多天线通信系统的硬件复杂度以及改善空域相关性能的有效途径,但对于天线安装空间受限的小型终端,天线的数目将受到很大限制,从而制约了天线选择算法的实施.本文提出一种基于极化可重构天线的天线选择方案,该方案具有紧凑的天线结构和低复杂度的选择算法,适合于小型移动终端使用;通过理论以及数值仿真实验,证明了该方案能明显提高系统性能.     

基于矩阵特征值分解的MIMO天线选择算法

天线子集选择技术是一种有效的低代价且能够获得MIMO好处的技术.文中提出了一种基于矩阵特征值分解的天线选择算法以最大化信道容量,它将大的搜索空间分成若干小区间,在较小的搜索空间中采用穷举法.分析了所提算法及相关算法的计算复杂度.仿真实验表明,该算法能够获得接近穷举法的中断容量性能而且具有较低的计算复杂度.     

Joint User Scheduling and Antenna Selection in Distributed Massive MIMO Systems with Limited Backhaul Capacity

Massive MIMO systems offer a high spatial resolution that can drastically increase the spectral and/or energy efficiency by employing a large number of antennas at the base station（BS）.In a distributed massive MIMO system,the capacity of fiber backhaul that links base station and remote radio heads is usually limited,which becomes a bottleneck for realizing the potential performance gain of both downlink and uplink.To solve this problem,we propose a joint antenna selection and user scheduling which is able to achieve a large portion of the potential gain provided by the massive MIMO array with only limited backhaul capacity.Three sub-optimal iterative algorithms with the objective of sumrate maximization are proposed for the joint optimization of antenna selection and user scheduling,either based on greedy fashion or Frobenius-norm criteria.Convergence and complexity analysis are presented for the algorithms.The provided Monte Carlo simulations show that,one of our algorithms achieves a good tradeoff between complexity and performance and thus is especially fit for massive MIMO systems.     

一种多用户天线组选择辅助的MIMO-OFDM新型子载波分配算法

提出了一种适应多用户MIMO-OFDM下行传输的新型子载波分配算法.该算法根据各个用户的信道特征,将空间维多用户天线组选择手段引入频率维的子载波组分配算法中,从而在不明显降低系统整体性能的前提下大大降低发射端计算复杂度,使之更适用于实时信道传输环境.仿真结果表明,该算法在计算复杂度大幅减小的情况下仍能保证系统性能无明显损失.     

60GHz 室内信道下一种快速天线选择算法

传统的基于信道容量最大化准则的天线选择算法虽然使信道容量达到了最大化,但是计算复杂度很高。针对计算复杂度高的问题, 提出了一种基于Doolittle-QR 分解的低复杂度天线选择算法。该算法基于Doolittle-QR 分解,可以快速选择出使系统容量最大化的天线。与传统的天线选择算法相比,该算法的计算复杂度不仅有效地降低了, 而且容量性能相近。在60GHz 室内信道下,仿真实验结果表明, 该算法具有良好的容量性能,优于随机天线选择算法,接近最优天线选择算法。     

携能大规模MIMO资源分配算法研究综述

将大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术与无线能量传输(Wireless Power Transfer,WPT)技术相结合,能够帮助实现节能降耗,契合国内外绿色通信发展浪潮。针对WPT技术在大规模MIMO研究领域的应用问题,总结了当前携能大规模MIMO技术的研究现状及发展趋势,从频效、能效、安全性等多个方面对携能大规模MIMO资源分配算法进行综述,探讨了学术界在携能大规模MIMO资源分配算法上的重要研究成果。在现有算法研究进展分析的基础上,对当前研究中携能大规模MIMO资源分配算法研究情况存在的问题进行分析,并对未来的发展方向进行了展望。