基于多用户MIMO-OFDM系统的子信道和功率分配算法

在多用户MIMO-OFDM系统中，当总功率受限时，为了使整个系统的数据传输速率最大．已有的最优算法的计算十分复杂，这里采用了一种次最优算法。在发射端，基于已知信道状态信息。应用奇异值分解将MIMO信道转化为并行的子信道，并将表征信道增益的信道特征值用于子信道自适应调制优化设计中。在自适应过程中．用到了子信道和功率联合分配算法。仿真结果表明，这种算法能使系统的性能明显提高。     

多用户MIMO-OFDM系统中一种子载波分配算法

介绍了多用户MIMO-OFDM系统中的Hungarian子载波分配算法,然后针对其计算复杂度过高的缺陷,提出一种局部最优的子载波分配算法,并与Hungarian子载波分配算法进行仿真比较。结果表明,该算法使系统总数据速率仅下降1．7％,而其计算复杂度却大幅减小,提高了资源分配的效率,符合高速无线系统资源实时分配的要求。     

多用户FDD大规模MIMO下行系统能效功率分配算法

针对多用户频分双工(Frequency Division Duplexing,FDD)大规模多输入多输出(Multiple-Input MultipleOutput,MIMO)下行系统,从绿色通信角度出发,研究了能效准下基站训练序列信号和有效数据信号的功率分配问题。首先,利用大维随机矩阵理论,推导得出能效目标函数的解析表达式。基于此,采用高发射信噪比条件,将原始的非凸分式问题转化为拟凹问题。进而,证明了全局最优功率解的存在性和唯一性,并发现最优导频功率和数据功率之比为常数,且该常数仅由系统用户数、导频长度以及信道相干时长所决定。利用该关系式,获得最优功率的闭合形式解,并提出一种低复杂度的迭代优化算法。最后,通过Matlab数值仿真对所提功率分配算法进行了验证,分析了不同系统参数(如天线数、用户数、电路功耗等)对系统最优能效性能的影响,同时可以看到通过少量的迭代次数便可收敛到稳定点。     

基于信道反馈的MIMO-OFDM系统多用户分集研究

利用包含信道质量的反馈信息,多用户分集能显著提高无线通信系统的性能。然而,在多载波多天线(MIMO-OFDM)的架构下, 反馈所有用户的所有信道质量信息(CQI)将占据大量的无线资源,从而降低了频谱效率,因此各种有限信道反馈算法被提出来减少系统的反馈开销。该文主要研究了基于两种典型的有限信道反馈的多用户分集增益,并与理想反馈进行了对比。系统平均频谱效率数学表达式的推导考虑了可选调制方式有限的特性,更符合实际。仿真用于评估各种反馈算法下的多用户分集性能,其结果与理论分析相当匹配。并且只要恰当地选取反馈参数,有限信道反馈算法可以在不损失多用户分集增益的前提下,极大的降低反馈开销,这为设计实际系统的信道反馈提供了参考。     

基于用户公平性的MIMO-OFDM空间子信道分配算法

对多用户"多入多出-正交频分复用"(MIMO-OFDM)系统的空间子信道分配算法进行了研究,提出了使系统吞吐量最大化并且满足用户速率最小要求的多用户无线资源调度算法.仿真结果表明,与波束形成相比.所提算法具有更好的性能,既充分利用空间子信道,提高了系统容量,又采取有效措施保障了用户的公平性.     

MIMO-OFDM中继通信系统最优功率分配

针对两跳多输入多输出正交频分复用（MIMO-OFDM,Multiple-Input Multiple-Output-orthogonal frequency division multiplex）中继通信系统的最优功率分配问题,提出了基于改进粒子群算法（PSO,Partical Swarm Optimization）的分配方案。在约束总发射功率的情况下,利用粒子群算法设置参数少、收敛速度快、全局寻优能力强等特点,将其改进后引入到两跳MIMO-OFDM中继通信系统的最优功率分配中。仿真结果表明,与现有的分配方法相比,改进粒子群算法在同等条件下能更有效地分配功率,提升系统容量,增强系统的传输能力。     

MIMO-OFDM系统信道估计算法综述

MIMO-OFDM技术是近年来通信信号处理领域的研究热点,无线信道不仅是频率选择性的,而且是时变的,为了获得较高的系统性能,信道估计就显得尤为重要.对MIMO-OFDM系统中现有的信道估计算法进行了综述,重点介绍了基于训练序列的、导频符号的以及盲和半盲信道估计算法.比较了各种算法的优缺点,提出了未来信道估计的发展方向.     

MIMO-OFDM系统中的信道估计算法

本文对MIMO—OFDM系统中的信道估计技术进行了介绍,根据是否使用训练序列,信道估计可以分为导频辅助信道估计、盲信道估计及半盲信道估计,本文分别对已有的信道估计算法进行了综述,并对一种已有的基于m序列的时域信道估计方法进行了改进。     

MIMO-OFDM系统的信道估计算法

基于训练序列的信道估计方法在慢衰落信道中呈现出较好的性能，但是这种方法不适用于快衰落环境，为了能够及时跟踪信道的变化，通常采用基于导频符号的信道估计方法。将针对采用连续传输方式的MIMO—OFDM系统，讨论基于导频符号的信道估计方法并进行了计算机仿真。     

MIMO-OFDM系统基于导频信道估计算法研究

介绍MIMO-OFDM系统,文章着重介绍分析了MIMO-OFDM系统的各种信道估计技术,通过对LS,MMSE,基于DFT的信道估计算法的仿真,得到三种算法的性能对比图。仿真结果显示LS性能虽不及其他两种估计算法,但是复杂度最低;MMSE性能较好,复杂度却高;DFT信道估计算法性能比LS好,复杂度也较低。     

一种新的MIMO—OFDM白适应比特功率分配方案研究

针对MIMO-OFDM系统的自适应调制问题,在完全已知信道状态和满足固定速率以及给定的误比特率的约束下以最小化发射功率为目的,文中提出了一种低复杂度的自适应方案。该方案将对Chow算法和Campello算法进行功率分配和步长加载的改进。仿真结果表明,该算法在降低复杂度的同时提高了系统的性能。     

一种改进的MIMO-OFDM系统注水功率分配算法

鉴于目前MIMO—OFDM系统中大多数比特功率分配算法需要多次迭代,复杂度较高,及系统比特分配离散性的特点,本文结合贪婪功率分配算法逐步优化的思想,提出了修正的二次注水功率比特分配算法。该算法首先利用注水功率分配方案得到连续速率最优的功率分配,接着针对实际数据速率量化的误差对不同特征模式下的功率进行微调,实验证明改进后的算法有效提高了系统的总体传输速率。     

MIMO-OFDM系统中的比特和功率联合分配算法

针对MIMO-OFDM系统,该文首先提出一种实用的最优比特和功率联合分配算法;其次为简化实现,设计了一种简化的等功率自适应调制选择算法。仿真表明,提出的联合分配算法不但可以获得最优的性能,而且具有较低的复杂度。简化的次优等功率分配算法极大地降低了算法复杂度,而性能只略低于最优等功率分配算法。     

基于贪婪算法自适应比特功率分配的MIMO-OFDM系统性能

OFDM技术、MIMO技术和自适应调制技术的结合可以有效的抗无线信道的各种衰落,最大限度提高系统的容量和传输质量。借助于贪婪算法的最佳比特功率分配,本文深人研究了基于贪婪(greedy)算法自适应比特功率分配的MIMO- OFDM系统性能,对贪婪算法、等比特功率分配算法及CHOW算法下的系统误比特率(BER)进行比较,并对不同天线配置下的MIMO-OFDM系统的误比特率(BER)进行比较,推导及仿真结果表明：基于贪婪算法自适应比特功率分配的MIMO-OFDM系统BER要好于采用传统比特功率分配算法的系统BER,其频谱效率也要优于另外两种算法；同时,在采用相同的贪婪算法自适应动态比特分配策略下,MIMO-OFDM系统的BER要好于SISO-OFDM系统的BER。     

多用户分布式MIMO-OFDM系统中天线与子载波分配算法研究

本文针对多用户分布式MIMO-OFDM系统中的资源联合分配问题,提出了一种基于端口选择的天线与子载波分配算法。该算法依据计算复杂度容限设定用户通信静态端口数,以此为每个用户选取信道状况最好的通信端口进行通信,进而通过天线端口与下属用户的相互配合,并行地完成天线与子载波的分配。仿真结果表明,该算法在系统天线数大于用户数的情况下容量性能优于MASA算法,且其端口并行处理机制可以有效提高资源分配效率。     

多用户MIMO-OFDM系统基于QoE效用函数的跨层资源分配

对多用户MIMO-OFDM系统下行链路的资源分配问题进行了研究.依据实时(RT,real-time)和非实时(NRT,non real-time)业务的不同特点分别设计了QoE效用函数,并提出一种基于RT &NRT QoE效用函数的跨层资源分配算法.该算法利用所设计的效用函数计算用户分得资源所贡献的QoE增量,并根据由QoE增量确定的用户优先级完成时频资源块的分配,进而通过“拟注水”方式对功率分配进行优化.仿真结果表明,该算法相比已有算法在用户平均QoE、实时业务平均分组时延、非实时业务平均分组丢失率以及系统和吞吐量方面的性能均得到了明显改善.     

MIMO-OFDM系统中一种改进的V-BLAST检测算法

在V-BLAST MIMO-OFDM系统中,ML算法是检测信号的最佳方式,但是算法的复杂度随着天线数目呈指数增长,因此很难在实际中得到应用.OSIC算法可以降低算法的复杂度,但是其误码率性能也下降了,降低的原因是无法防止误码的扩散.本文提出的ML-OSIC算法,是ML与OSIC的结合,在减少ML算法搜索次数的同时,能有效地避免层间干扰和误码扩散.仿真结果表明,本算法在降低算法复杂度的同时,得到了与ML算法很接近的性能.     

一种MIMO-OFDM系统天线和子载波分配算法

在多输入多输出-正交频分复用(MIMO-OFDM)系统中,根据信道状况自适应地分配天线与子载波是使信道容量达到最大的关键技术。提出一种基于拥挤模型的差分进化算法,即拥挤差分进化算法(Crowding Differential Evolution Algorithm,CDE)用于解决MIMO-OFDM系统的自适应天线和子载波联合分配问题,利用该算法参数少、寻优能力强以及收敛速度快的特点,可快速确定最佳的天线和子载波联合分配方案,实现信道容量最大。