一种可扩展的广义空移键控调制系统设计

5G车联网中的不同传输业务对高可靠、可扩展和低功耗的通信性能有较高要求,为此,设计一种新型高可靠、可扩展的广义空移键控调制(GSSK)系统。在发射端提出一种基于Butson Hadamard矩阵的广义空移键控调制(BHSSK)方案,通过引入具有正交性和可扩展性的Butson Hadamard矩阵,采用循环加权方法构造符号选择矩阵,将矩阵的列作为符号向量并调制到激活的天线组合上进行发送。针对检测复杂度对车联网下通信可行性的影响,在接收端提出一种基于方向夹角加权排序检测(DWOD)算法,通过设计发射天线组合的权重因子构造天线组合搜索空间,并设置判决收敛门限以减少信号检测的搜索范围,在保证可靠性的同时降低检测复杂度。Matlab仿真结果表明,BHSSK以较少的天线实现相对较高和可扩展的频谱效率,相比GSSK、GSM、MA-SM和HSSK分别达到约8dB、3dB、3dB和0.6dB的误码率性能增益。DWOD算法在达到近似最优误码率性能的同时,其复杂度减少了约40%~70%。     

多活跃天线空间调制技术的低复杂度检测算法

针对多活跃天线空间调制技术提出了一种低复杂度的检测算法,该解调算法基于干扰消除的思想,不仅在原有的迫零检测算法的基础上进一步降低了解调误码率,同时也解决了迫零检测算法在接收天线数小于发射天线数的情况下无法使用的问题,且复杂度基本与迫零算法相当。通过蒙特卡洛实验对该解调算法的性能进行了分析和评价。     

低复杂度的空间调制信号检测

空间调制(SM)算法在接收端常用最大释然(ML)信号检测获得发送天线编号以及调制符号,恢复发射信息比特,但是ML算法复杂度随着天线数和调制阶数的增加呈指数增长,不具有实用性。针对该难题,提出一种新的低复杂度次最优检测算法。通过设置合理的判决门限将信号矢量检测(SVD)和硬限最大似然(HL-ML)算法进行联合。蒙特卡洛仿真结果表明,该算法的误比特率检测性能比SVD算法更接近ML算法,且复杂度与ML算法相比降低了85%。     

多入多出系统中改进的QRD-M检测算法

在研究传统QRD-M检测算法的基础上,提出一种用于多入多出系统的改进的QRD-M检测算法。该算法通过累积分支度量排序和终止门限设置,合理减少搜索树的分支数。仿真结果表明,当信噪比为10 dB、调制方式为16QAM、天线配置为4×4时,改进算法在无检测性能损失的情况下可使传统QRD-M检测算法的复杂度降低30%。     

一种广义空间调制系统的低复杂度检测算法

针对广义空间调制(GSM)系统中信号检测复杂度过高的问题,提出一种采用分组检测方式的低复杂度检测算法。首先发送端根据激活天线数对发射天线进行分组,每组激活一根天线用于传输调制符号,然后提出算法基于这种发射天线组合方式,在接收端做相应的分组串行检测。分析和仿真结果表明,该检测算法能以极低的检测复杂度获得与最大似然检测算法(MLD)相近的误比特率(BER)性能。     

基于分层编码的空间调制系统设计

空间调制(SM)作为一种新颖的多天线传输方案,独创性地将输入比特与发射天线序号构成一种映射关系,用来承载一定的发送信息。但该方案通过单层调制模式将发送比特映射到均匀分布的信号星座点上,极大地限制了系统性能的提升。在星座点映射上采用分层编码调制(SCM)技术,满足了同一传输时隙上不同数据业务的不同服务质量(Qo S)要求,并有效提升系统性能。基于SCM的原理,提出了一种低复杂度的检测算法。仿真结果表明,新算法的检测性能近似最大似然(ML),且接收端复杂度随调制阶数呈线性增加。     

基于压缩感知的低复杂度广义空移键控信号检测算法

广义空移键控（GSSK）作为空间调制（SM）的一种简化形式，被广泛应用于大规模多输入多输出（MIMO）系统，以更好地解决传统MIMO技术中的信道间干扰（ICI）、天线间同步（IAS）和多射频（RF）链路等问题。针对GSSK系统最大似然（ML）检测算法计算复杂度高的问题，结合压缩感知（CS）中的子空间追踪（SP）算法和ML检测算法，并结合阈值的设置，提出一种基于CS理论的低复杂度GSSK信号检测算法。首先，用改进的SP算法获得部分发送天线组合（TAC）；其次，删除部分天线组合，缩小搜索天线组合的集合；最后，利用ML算法和预设的门限估计发送天线组合。仿真实验结果表明，所提算法的计算复杂度明显低于ML检测算法，同时误比特率（BER）性能逼近ML检测算法，验证了所提算法的有效性。     

大规模MIMO系统的改进MCMC检测算法

大规模MIMO(多输入多输出)技术通过配置大规模天线阵列提高系统的频谱和能量效率,接收算法的复杂度是其实现的瓶颈。MCMC(马尔可夫链蒙特卡罗)检测方法可以较低复杂度获得接近理论最优的性能。提出一种改进的MCMC算法,将超松弛迭代方法应用于MCMC检测,引入松弛因子加快马尔可夫链收敛速度,降低检测复杂度。仿真结果表明,该算法能改善系统的误码率(BER)性能,解决传统MCMC算法在高信噪比条件下的"陷入"问题,同时降低运算复杂度。     

基于阴影域的搜索树检测算法

大规模多输入多输出（MIMO）系统中，随着天线数目的增加，传统的信号检测算法的检测性能大幅度下降，复杂度呈指数增长，且不适用于高阶调制。针对大规模MIMO场景，基于阴影域思想提出一种结合二次规划（QP）与分支界限（BB）算法的搜索树检测算法。首先，构造QP模型，并针对一阶QP算法后的解向量，提取落入阴影域的不可靠符号；然后，将落入阴影域的不可靠符号进行BB搜索树检测以求得最优解；同时，为了降低复杂度，提出三种搜索树修剪策略，在性能和复杂度之间折中选择。仿真结果表明，在大规模MIMO场景下，在调制阶数为6的正交幅度调制（QAM）时，提出的基于阴影域搜索树检测算法比QP算法提升了约20 dB的性能增益，在256QAM调制时，比QP算法提升了约21 dB的性能增益，验证了算法对高阶调制的适应性，同时，与传统的搜索树算法相比，使用相同修剪策略，复杂度降低了50%左右。     

EH-MIMO协作网络中数据与能量天线选择性能分析

为了实现有效的能量利用和数据传输,针对无线EH-MIMO协作系统,提出了在节点的多根天线中选择部分天线进行能量收集和部分天线进行数据传输的遍历最优算法。选择结果即是所提出的EH-MIMO协作模型信道容量最大化问题的遍历解决方案,因此在容量性能方面是最优的。为了降低算法的复杂度,进一步提出了递增天线选择和递减天线选择的两种次优天线选择算法,并与最优算法进行了对比。仿真结果表明,次优算法在系统信道容量和能量效率方面接近最优算法,同时具有较低的复杂度。