MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用（MIMO-GFDM）系统的等效信道矩阵维度极大，传统的MIMO检测算法复杂度高且性能不佳的问题，将大规模MIMO系统中的动态禁忌搜索（RTS）检测算法运用到MIMO-GFDM系统中，并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差（MMSE）检测算法所用到矩阵的正定对称性将矩阵Cholesky分解，并结合Sherman-Morrison公式迭代计算初始值，降低了初始值求逆的高复杂度；然后以改进的MMSE检测结果作为RTS算法的初始值，从初始值逐步全局搜索最优解；最后通过仿真，对不同算法的迭代次数和误码率（BER）性能进行了研究。理论分析与仿真结果表明：在MIMO-GFDM中，所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时，RTS算法大约有低于MMSE检测6 dB的信噪比性能增益（误码率在10^-3时）；在16QAM时，RTS算法大约有低于MMSE检测4 dB的信噪比性能增益（误码率在10^-2时）。与传统RTS算法性相比，所提改进算法在不影响误码率性能的同时降低了算法复杂度。     

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。     

CoMP系统中的天线选择与预编码联合算法

针对大规模多输入多输出系统天线数量过多使得预编码算法计算量增加的问题,提出一种基于协作的天线选择与预编码联合算法。该算法通过降低小区间和用户间干扰,避免传统预编码算法对信道矩阵求逆运算时因天线数量增加使得复杂度提高。理论分析和仿真结果表明,与迫零预编码算法、最小均方误差预编码算法和基于信漏噪比最大化的预编码算法相比,天线选择和预编码联合算法不仅能更好地提高系统的信道容量,而且能够降低预编码算法复杂度。     

用于多用户大规模MISO信号检测的改进主动禁忌搜索算法

针对基站配置上百个天线的多用户MISO系统上行信号检测问题, 结合基于变化的最大似然（ML）代价函数判决门限的随机重启策略, 改进主动禁忌搜索（RTS）检测算法性能。仿真实验表明, 相比基本的RTS算法以及似然上升搜索算法（LAS）及其变体, 在相同条件下该算法误符号率性能更优, 尤其是在高阶QAM调制和信道增益矩阵为欠定阵（用户数大于基站天线数）时, 其他算法存在严重的性能恶化, 而该算法仍能呈现良好的性能。     

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。     

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。     

量子遗传算法优化神经网络的MIMO-OFDM检测研究

信号的最优检测在常规条件下是一NP难解问题,针对RBF（径向基函数）神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出一种新型智能算法并将其用于MIMO-OFDM系统信号检测中：该算法将量子计算、遗传算法与神经网络相结合,用量子遗传算法（QGA）优化神经网络初始值。由于QGA给RBF网络提供了较好的初始值,故能够使RBF网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。实验结果表明,该算法能够有效地提高系统的信号检测性能,降低误码率。     

MIMO—OFDM中基于波束成形的天线选择研究

为减少多输入多输出（MIMO）正交频分复用（OFDM）系统的复杂度，本文基于最小化差错概率准则，提出一种波束成形的天线选择算法。该算法不仅可以减少收发两端DFT／IDFT的个数，而且有效减少射频模块的个数，从而大大降低系统的复杂度。为降低天线选择算法本身的复杂度，文中提出一种简化的天线选择算法。仿真结果表明，与时频联合波束成形算法相比．相同性能要求下，其需要的射频模块的个数可减少37．5％以上。     

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%。     

一种改进的多天线信号能量检测方案

能量检测（ED）方法是最常用的信号检测方法之一,其具有实现复杂度低和不需要信号先验信息的优点。当噪声方差已知时,能量检测算法可以获得较好的检测性能。在大多数情况下,噪声的方差是需要预估的,因此噪声方差估计的不确定性会对能量检测算法性能造成较大的影响。为了减小由噪声方差不确定性造成的影响,提出了一种改进的多天线能量检测方案。方案将多天线采集的信号进行简单组合,从而构建出一种与噪声方差无关的判决统计量。理论公式表明,方案的检测概率和虚警概率是与噪声方差无关的。仿真结果显示,当天线的数量大于3时,方案的检测性能优于传统的能量检测性能。     

基于信道分析的动态可重构MIMO检测器

在多输入多输出(MIMO)系统中分析信道增益对信号检测性能的影响,提出一种基于信道分析的智能MIMO信号检测算法,根据各对天线间的信道增益动态调整子节点扩展数,在检测性能接近最大似然算法性能的前提下,该算法比传统K-best算法减少54%的子节点扩展数。基于该算法设计并实现的动态可重构的超大规模集成电路MIMO检测器支持4×4天线阵列、QPSK/16-QAM调制信号,数据吞吐率达到800 Mb/s。     

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。     

分布式空时编码的半定松弛非相干检测算法

针对译码转发（DF）协议下分布式空时编码（DSTBC）的多中继协作系统,提出了基于半定松弛（SDR）算法的协作系统非相干检测方案。将协作系统的非相干检测转化为布尔二次方程（BQP）形式,采用SDR算法,把NP难的BQP问题转换为多项式时间复杂度的半定规划问题。进一步结合SDR算法的特点,提出了一种中继加入信道信息估计的协作方案。与相干检测相比,SDR非相干检测虽然存在一定的性能损失,但目的节点无需任何信道信息,降低了系统的复杂度;提出的协作方案进一步降低了中继节点对源到中继间信道信息的要求。另外,比较了不同接收天线数目对系统检测性能的影响。     

基于二项交换林和HotStuff的改进共识算法

针对区块链中拜占庭容错类的共识机制存在通信复杂度高、视图切换复杂以及扩展性差的问题,提出了一种基于二项交换林和HotStuff的改进共识算法,即增强HotStuff（HSP）共识算法。为实现签名批量验证和签名聚合,采用了BLS签名算法;为降低系统的通信复杂度,采用了门限签名技术;为降低视图切换时的通信复杂度,共识过程采用了三阶段确认方式;为减少主副节点间的通信次数并降低主节点聚合签名的压力,采用了改进的二项交换林技术。测试结果表明,HSP共识算法在系统节点总数为64且请求和响应均为256字节的情况下,吞吐量较HotStuff共识机制提升了33.8%,共识延迟缩短了16.4%。HSP共识算法在节点多的情况下,具有较好的性能。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

基于网格查询的局部离群点检测算法

针对基于密度的局部离群因子算法（LOF），需要计算距离矩阵来进行[k]近邻查寻，算法时间复杂度高，不适合大规模数据集检测的问题，提出基于网格查询的局部离群点检测算法。算法利用距离目标网格中的数据点最近的[k]个其他数据点，一定在该目标网格或在该目标网格的最近邻接网格中这一特性，来改进LOF算法的邻域查询操作，以此减少LOF算法在邻域查询时的计算量。实验结果证明，提出的LOGD算法在与原LOF算法具有基本相同的检测准确率的情况下，能够有效地降低离群点检测的时间。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。