一种基于相异度的接收天线选择算法

对于多输入多输出系统天线选择算法而言,穷尽搜索算法能够达到最优的性能,但包含较多矩阵运算,计算复杂度较高。而传统基于相关度和相似度的天线选择算法虽具有较低计算量,但损失了较大的容量性能。针对这一问题,以容量性能为目标,提出了基于相异度的接收天线选择算法,分析了不同相异度下所提选择准则对系统性能的影响。与传统相关度和相似度天线选择算法相比,所提算法有效降低了计算复杂度,改善了系统的容量性能,仿真结果表明:所提算法具有较好的系统性能,适用于实时通信系统。     

基于特征空间的MIMO天线选择算法

多输入多输出(MIMO)系统中多天线阵元(MEA)的使用增加了硬件成本和信号处理负担,而天线选择技术能够在损失MIMO性能很小的条件下大幅度降低硬件需求.在最大化信道容量的准则下,提出了一种基于信道状态信息(CSI)特征空间的渐消算法及相应的启发式简化算法,并说明了简化算法等价于特征空间矩阵上的基于范数的选择(NBS)算法.仿真实验表明,在接收天线选择个数大于发送天线个数的条件下,两种算法达到的中断容量接近最优选择算法,且计算时间较小.     

二进制猫群算法在大规模MIMO天线选择中的应用

在多输入多输出(MIMO)系统中,天线选择技术平衡了系统的性能和硬件开销,但大规模MI-MO系统收发端天线选择复杂度问题一直没有得到很好的解决.基于信道容量最大化的准则,采用两个二进制编码字符串分别表示发射端和接收端天线被选择的状态,提出将二进制猫群算法(BCSO)应用于多天线选择中,以MIMO系统信道容量公式作为猫群的适应度函数,将收发端天线选择问题转化为猫群的位置寻优过程.建立了基于BCSO的天线选择模型,给出了算法的实现步骤.仿真结果表明所提算法较之于基于矩阵简化的方法、粒子优化算法具有更好的收敛性和较低的计算复杂度,选择后的系统信道容量接近于最优算法,非常适用于联合收发端天线选择的大规模MIMO系统中.     

大规模MIMO相关信道下的联合天线分组和天线选择

在大规模多输入多输出系统中,针对密集部署的大型天线阵列之间的强相关性会抑制天线选择增益效果的问题。在系统下行链路场景下建立空间相关信道模型,提出了基于天线分组的天线选择算法。根据瞬时信道相关矩阵将天线阵列划分为若干组,保证各组内天线之间相关性较强。在完成天线分组的基础上,基于信道矩阵列范数准则在各组发射天线与接收天线之间构成的子信道矩阵中选择天线,进而构造有效发射天线与接收天线之间的信道矩阵。仿真分析了所提天线选择算法对系统遍历和速率的影响,结果表明,在基站天线数为32、接收天线数为2、选择天线数为2、天线相关因子为0.9的假设下,当信噪比为10 dB时,与基于相邻天线分组的天线选择算法相比,所提算法使系统和速率约提高了27.5%,且所提算法若要与最优天线选择算法达到相同的和速率,仅需将其信噪比提升1～2 dB即可。     

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.     

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。     

基于最大比合并的MIMO分集系统递增天线选择算法

MIMO分集系统天线选择技术可以在不增加系统射频链路的情况下,达到与全天线几乎相同的分集增益.针对发送端采用最大比发送,接收端采用最大比合并的MIMO分集系统,提出了一种递增天线选择方法,每次增加一根天线,并使得它与已选出的天线结合起来具有最大的信噪比增益.相对于对所有可用天线集进行遍历的最优算法,它减小了需要搜索的范围和每次搜索的计算量,降低了复杂度;相对于功控天线选择算法,它考虑了新增天线与已选出天线集之间的相关性,改善了性能.仿真结果表明,在误比特率、信道容量和信噪比增益方面,此算法和最优算法性能相近,且不随可用天线数和选出天线数的改变而改变.     

基于Householder变换的快速天线选择算法

基于符号误码率准则的天线选择技术可以有效地提高空分复用系统的传榆性能,降低系统成本.但同时其对算法的实时性、快速性提出了更高的要求.以往天线选择算法通过奇异值分解来得到天线子集次最优解,计算量大、计算复杂度高.针对这一问题,对空分复用系统的信噪比边界特性进行了深入分析,提出了基于递推Householder-QR分解的天线选择算法.与传统算法相比,该算法降低了计算量的同时提高了系统的传输可靠性,改善了空分复用系统的性能.仿真结果表明:该算法具有良好的性能,并适用于实际相关信道传播环境.     

MIMO系统中最大化信道容量的联合发射与接收天线选择算法

基于对信道容量公式的分析,得到了增加一对发射与接收天线时信道容量增量的表达式,通过对该表达式的分析简化提出了当发射端与接收端射频链路数相同时的低复杂度联合发射与接收天线选择(JTRAS)算法.仿真结果表明新算法在计算复杂度较低的条件下性能优于目前存在的其他算法,与最优算法接近.     

放大转发MIMO中继系统中的快速天线选择算法

 本文研究放大转发MIMO中继系统的天线选择,目标是最大化系统容量.针对最优天线选择算法的高复杂度,本文提出了低复杂度且性能逼近最优的快速天线选择算法.首先对MIMO中继系统容量进行了分析和仿真,结果表明：若源的天线数为M、目标的天线数为N,中继从K根天线中选择min(M,N)根就可保证系统达到近似最优的性能.在此基础上,本文以优化容量下界为目标,利用分块矩阵的性质,推导出快速天线选择算法,并分析了算法的复杂度.研究结果表明本文提出的快速天线选择算法的性能与最优算法非常接近,并且有更低的复杂度.     

基于阵列天线和稀疏贝叶斯学习的室内定位方法

由于多径和非同源等因素的影响,传统基于蓝牙信号强度的室内定位方法的性能精度和稳定性都不高。针对基于蓝牙信号的复杂室内环境定位问题,该文提出基于低成本阵列天线的室内定位方法,该方法利用单通道轮采极化敏感阵列天线对蓝牙信号进行采样,然后结合暗室测量获得的准确阵列流形和极化快收敛稀疏贝叶斯学习(P-FCSBL)算法实现信源的角度估计,最后通过角度实现定位。该方法充分利用极化信息和角度信息来实现目标和多径信号的分离,同时对单信源的同时采样保证了估计的稳定性。最后通过实测数据处理验证了该方法的有效性。

     

基于微遗传算法的天线阵列布阵技术

天线阵列的优化设计是电子系统设计中的一个十分重要的环节。天线阵列布阵是否合理对通信系统的性能具有至关重要的影响,对性能指标起着决定性的作用。将微遗传算法应用到天线阵列的优化设计中,突破常规布阵技术对最小阵元间距、最大阵列口径等的严格限制。通过将算法应用到实际工程上,证实了该算法酮肴效性和适用性。     

认知无线电网络中基于强化学习的智能信道选择算法

认知无线电系统不仅要具有自适应性,更应具备一定的智能性。该文将强化学习理论引入到认知无线电系统中,用于解决次用户在频谱感知过程中的信道选择问题,提出了一种基于强化学习的信道选择算法。该算法在未知主用户占用规律和动态特性的前提下,仅通过不断与环境进行交互学习,便能够引导次用户选择“较好”信道优先进行感知,使次用户吞吐量得到提高。仿真结果表明,相对于现有信道选择算法,所提算法可有效提高次用户的吞吐量,并且在主用户使用规律发生变化时,能够自动实现二次收敛,可作为认知无线电系统迈向智能化的一种尝试。      

基于TDRSS阵列天线的目标跟踪算法

采用基于跟踪与数据中继卫星系统构建的天地一体化遥测、跟踪与指挥系统,不仅能有效地提高遥测、跟踪与指挥的覆盖率、定轨精度、飞行器全程测量和对多目标的同时遥测、跟踪与指挥能力,而且能够完成各类对地观测卫星的高速实时数据回传的任务。与常规的测控系统不同的是,中继星的遥测、跟踪与指挥是在地球这一复杂的背景环境下进行的,因而会受到各种各样的干扰。采用阵列天线对目标进行自适应跟踪可以实现空域滤波,使信号得到加强,干扰得到抑制。采用Matlab软件仿真了中继星对目标星的跟踪过程,并对两种经典的自适应跟踪算法（LMS,DMI）进行了研究。通过分析信号干扰比的变化,比较两种算法的跟踪性能。     

基于深度强化学习的无蜂窝系统无线接入点选择算法

面向以用户为中心的无蜂窝分布式多输入多输出（Multiple睮nput Multiple睴utput,MIMO）架构,研究利用不完备信道状态信息（Channel State Information,CSI）下实现无线接入点（Access Point,AP）与用户（User Equipment,UE）之间的选择,提出基于深度强化学习（Deep Reinforcement Learning,DRL）的高效分配算法,通过使用不完备CSI快速生成以用户为中心的AP集合,减少了对前馈链路容量的占用。仿真结果表明,与其他传统选择算法相比,所提出的DRL接入点选择算法可以获得至少22.48%的总遍历频谱效率增益;与深度Q网络 (Deep睶睳etwork,DQN)算法相比,可以获得约14.17%的总频谱效率增益。     

大规模天线阵列系统技术探析

无线数据业务的爆炸式增长,特别是用户对高清晰度视频、手机电视等多媒体业务的需求越来越多,对无线通信系统的网络容量提出了更高的要求,提升频谱效率是满足未来无线通信系统中网络容量需求的重要手段。分析了大规模天线阵列系统的基本原理,通过仿真验证了大规模天线阵列系统的性能,并对信道信息获取、天线阵列设计、码本设计等关键技术进行了研究,提出了相应的解决方案。研究结果表明,大规模天线阵列系统能大幅提升频谱效率,显著降低系统能耗,是非常值得深入研究的绿色通信技术。     

基于FFT校正相控阵天线的角度选择

陈述了基于FFT校正相控阵天线的角度选择关系θk=sin^-1{λ（2k=(N 1)]/(2Nd)}。并从天线理论和数学的角度对该关系进行了论证。结果表明，采用此关系选择角度有助于提高检测校正精度。     

基于混合遗传算法的非周期阵列综合技术

针对遗传算法的缺陷,文中首先提出了一种改进的结合局部搜索算法的混合遗传算法,并用5个测试函数对混合遗传算法的性能进行了测试,充分说明了新算法的有效性。最后利用混合遗传算法对一种由6×6个单元构成的非周期大间距阵列进行了综合,在±15。扫描范围内最大副瓣电平小于-16 dB,扫描增益大于24 dB,达到了设计要求,并对最终结果进行了分析,提出了改进的方法。     

一种基于遗传算法的阵列天线方向图综合

基于排序的实数码遗传算法实现对阵列天线方向图综合,并对遗传参数作了一些改进.该算法使得搜索效率有很大的提高,有效避免了早期收敛.通过计算机仿真实验,该算法成功地实现了阵列天线的方向图综合.通过对阵列天线的阵元电流幅值进行优化,同样可以达到传统方法所能实现的效果.良好的仿真结果体现了遗传算法在阵列天线方向图综合中的优越性能.     

基于粒子群算法的阵列天线波束赋形研究

波束赋形可以得到雷达系统所希望的理想辐射波束,然而传统分析方法存在理论分析繁琐、计算量较大的缺点,不利于在实际的工程应用中得到推广和使用。文章提出了一种基于粒子群算法对波束赋形的研究方法,具有代码简单、计算快速准确等优势。根据直线阵列的基本理论建立基本模型及方向图波瓣评估函数,最后得出两个案例的分析结果。计算结果验证了该方法的可行性和高效性,利于在实际工程中得到应用。