一种基于范数和相关的MIMO接收天线选择新算法

在MIMO系统中天线选择可以增加系统容量,并能有效地降低MIMO系统的复杂度和射频成本。在对天线选择算法研究的基础上,设计了一种新的基于范数和行向量相关的快速算法获得较大的信道容量。该算法没有矩阵运算,计算复杂度低。最后通过仿真分析与其它算法进行了比较,表明该算法在接收天线数和发送天线数不相等时和最优算法基本一致,优于其他算法。     

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。     

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。     

大规模MIMO系统中基于Lanczos方法的低复杂度预编码

针对大规模MIMO系统中因基站天线数与用户数过大导致迫零(ZF)预编码矩阵求逆复杂度较高的问题,提出一种基于迭代子空间投影算法的Lanczos方法低复杂度预编码方案。根据大规模MIMO系统信道矩阵具有对角占优特性,将信道大矩阵求逆诺依曼级数的第1项作为迭代的初始值,从而加快算法的收敛速度,使得ZF预编码的复杂度从O(K~3)降低到O(K~2)。仿真结果表明,该算法以较快的收敛速度逼近传统ZF预编码方案的信道容量与误码率性能。     

一种分布式MIMO系统的快速天线选择算法

分布式MIMO系统的天线数目与点对点MIMO相比进一步增多,性能优越的经典天线选择算法难以应用其中。针对这一问题,在分布式架构的基础上提出一种基于逐增端口选择的改进型逐减天线选择算法。该算法通过设定上限的动态端口选择缩小待选天线范围,进而利用贪心策略,逐步去除对信道容量贡献最小的天线。仿真结果表明,该算法的容量性能逼近穷举算法,且复杂度大幅降低,在强相关信道下表现出良好的适应性。     

多天线系统频域信道估计算法的研究

在天线性能优化问题的研究中,MIMO-OFDM 技术将 OFDM 与空时编码技术有机的结合在一起,能够大幅度的提高无线通信系统的信道容量和传输速率.为了有效地抵抗多径衰落、抑制干扰和噪声,提出了一种改进的 LS 频域信道估计的改进算法即分组 LS 频域信道估计算法.算法根据 MIMO-OFDM 系统相邻子载波频域信道响应变化缓慢的结论,把所有天线发送的 OFDM 子载波分成多组来进行信道估计.通过对算法的仿真建模并进行仿真,表明算法具有简化算法复杂度以及提高抗噪声和信道估计能力,在抗多普勒频移等方面有更好的性能.算法可为多天线系统信道估计的研究提供了设计依据.     

应用于空间调制系统的低复杂度检测算法

应用于大规模多输入多输出系统的空间调制系统是一种新颖的5G传输方案。针对空间调制提出了一种复杂度较低的检测算法,提出的算法通过将接收天线重排序来减少总复杂度。算法结合已有的A-Star算法对接收天线分层并排序,改变树搜索结构并排除错的节点,使所选分支尽可能包括最优路径,极大缩小了所需访问节点数。该算法具有近似最优的误比特性能和更低的计算复杂度,与最大似然检测算法相比复杂度减少了80%左右。     

基于降元集合的组分层空时结构发送天线选择

针对结合空时分组编码和分层空时的组分层空时(Group layered space-time,GLST)系统,提出了一种基于降元集合的发送天线选择算法.在信道矩阵列向量Euclidean范数排序的基础上,构建与较大范数列向量对应的天线元减少的集合.对该降元集合的子集进行重构信道矩阵QR分解,通过比较各子集R矩阵对角元素的最小值,选定与其最大值对应的天线子集.并结合采用正交空时分组编码和分层空时的GLST,分析了所提出算法的性能和计算复杂度.仿真结果表明,该算法的性能明显优于几种常见的快速天线子集选择算法.当合理选择降元集合元素数量时,该算法以很高的概率达到最优.     

基于组分层空时结构的天线子集选择

将天线选择应用于空时分组编码和分层空时相结合的组分层空时系统,提出了基于重构信道矩阵QR分解的天线子集选择算法.该算法考虑了GLST结构的重构排序连续干扰消除栓测的特点,通过使最差一层的信号流性能最优实现天线子集的选择.仿真表明,该算法在中断信道容量上与基于容量最大化的最优算法非常接近,在性能上优于基于常规信道的天线选择算法.     

MIMO信道在不同条件下的容量分析

对影响多输入多输出(MIMO)信道容量的因素进行分析研究有助于未来无线传感器网络的组建与优化。假设信道系数不变,给出了发射端不同功率分配方案对信道容量的影响并进行了对比,通过实验仿真可知,注水算法对信道容量是最优的,此结论与理论分析相吻合,但其运算复杂度较高。推导了等功率分配方案在低信噪比时信道容量的近似表达式,并通过实验仿真与理论值进行了比较,其运算量大大降低,且在低信噪比时逼近理论值。假设MIMO信道矩阵随机分布,对影响信道容量的天线相关性进行了分析与仿真;比较了在不同天线配置下,遍历容量和中断容量的变化趋势,结论有助于组网时根据相关要求选择适宜的天线数目。