最大化瑞利熵的干扰对齐优化算法

干扰对齐技术常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,然而目前采用的迭代方法并不能做到完全的干扰对齐。针对这种情况,提出了一种新的干扰对齐优化算法,避开了反转信道的操作。该算法在最大化信干噪比算法的基础上加入完全干扰对齐的约束条件,将系统中各用户的所有干扰对齐约束条件进行奇异值分解,最终通过瑞利熵最大化的求解方法联合迭代求解发送侧的预编码矩阵与接收侧的干扰抑制矩阵。仿真结果表明,所提优化算法在较高信噪比时不同天线数下的和速率、不同迭代次数下的和速率等方面都优于原最大信干噪比算法。     

三小区多用户MIMO系统中干扰对齐优化算法

针对三小区多用户MIMO干扰信道系统,通过一个启发性例子,联合设计发射预编码矩阵和接收赋形矩阵,给出基于特征向量闭式解的干扰对齐优化算法,相比已有干扰对齐算法,用户端可使用更少的天线资源获得相同的自由度性能,且只需本小区内用户协作共享信道信息;并归纳出普适场景下系统配置与可达自由度之间的关系：设定每个小区中的基站配置M根天线和K个用户,用户配置N根天线,各个基站对本小区中每个用户都发送d个数据流,当M=N≥2 Kd时,所提算法总共可获得3 Kd个自由度。所提算法可以完全消除小区间干扰和用户间干扰,相比传统的正交化干扰抑制算法,系统容量得到了明显地提升。     

蜂窝系统自适应K近邻干扰对齐算法

干扰对齐算法应用于蜂窝网络时,存在计算复杂度高、系统开销大等缺点,本文基于分簇模型,提出了一种自适应K近邻干扰对齐算法,并给出一种无需收发端迭代的干扰对齐预编码向量求解方法。该算法依据信干比门限自适应选取参与干扰对齐的干扰信号,对预筛选的干扰信号利用优化方法进行干扰对齐,降低了算法的计算复杂度和系统开销。仿真分析表明,通过选取合适的信干比门限,本文所提算法在干扰消除性能相当的情况下,其算法复杂度和系统开销显著降低,提高了干扰对齐算法的适用性。      

蜂窝网络下行链路单反馈干扰对齐算法研究

干扰是无线蜂窝网络面临的主要问题之一。蜂窝网络干扰对齐能消除干扰的影响从而提高系统信道容量。经典蜂窝网络下行链路干扰对齐算法仅优化单个用户自身信道容量,从而限制了蜂窝小区整体信道容量的提升。从提高蜂窝小区总信道容量出发,该文提出一种蜂窝网络下行链路单反馈干扰对齐算法。构建了蜂窝网络下行链路干扰对齐数学模型;在用户端以最大化用户SINR为目标构造接收矩阵;而在基站端以最大化小区总信道容量为目标构造预编码矩阵,并通过梯度投影算法来求解该优化问题。实验结果表明,相比于传统蜂窝小区下行链路干扰对齐算法,新算法可有效提高蜂窝网络下行链路信道容量。     

多天线两小区蜂窝系统的低开销线性干扰对齐算法

在蜂窝系统中,由于干扰的存在,用户性能受到影响,特别是对于小区边缘用户,其通信质量较差。干扰对齐作为一种能够消除干扰、提高系统容量的技术,近年来受到广泛关注。针对多天线两小区蜂窝系统的边缘用户,本文给出了一种系统开销小、需要天线数少的线性干扰对齐算法。该算法利用发送端预编码矢量消除小区内干扰,利用接收端干扰抑制矢量消除小区间干扰。采用本文算法后,在每个小区有 个用户、基站有 根发送天线、用户有 根接收天线的情况下,只需 和 就可以实现上下行的干扰对齐,整个系统可以达到 的自由度,并且在下行链路中不需要小区间反馈,而在上行链路中只需要较小的小区间反馈。仿真结果表明,本文提出的算法能够以较小的开销实现比以往的算法更好的性能。      

一种多用户MIMO系统干扰对齐优化算法

干扰对齐技术可以获得干扰信道自由度的最佳值,从而有效改善系统的性能。在实际系统中干扰对齐技术通常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,而迭代方法都需要对发送预编码矩阵进行初始化处理。然而,目前大多数已有的研究所采用的初始化处理方法都忽略了干扰的影响。因此,在此基础上提出了一种基于新的初始化方法的优化算法,该方法在初始化预编码矩阵中既考虑了干扰信号也考虑了有用信号。首先,选取均方误差和最小化作为优化目标,然后利用正交三角（QR）分解将信道空间分为有用信号空间与干扰信号空间来进行预编码矩阵的初始化设计,经过反复迭代得到发送预编码矩阵与干扰抑制矩阵的最优解。理论分析和仿真结果表明,所提算法在收敛性、均方误差、和速率等方面都优于其他算法。     

采用天线选择的多用户MIMO-OFDM系统容量研究

对于采用线性预编码进行空分复用的多用户MIMO-OFDM系统的下行链路,分析了使用户间干扰完全消除的预编码矩阵设计实现过程,提出了用户端联合天线选择算法,以增大发送的数据流数,提高系统和容量,在此基础上提出了逐次递增确定用户天线的选择算法.仿真结果表明,本文所提的天线选择算法使系统和容量远高于未经天线选择时的和容量,并且次优的逐次选择算法在计算量可接受的情况下与最优联合选择算法相比获得的容量增益相差不大.     

MIMO干扰信道下低复杂度的分布式干扰对齐算法

干扰对齐技术可以有效地提高干扰信道容量和抑制干扰,其问题归结为求得闭式解。传统的干扰对齐方案根据信道的互易性,采用迭代的方法（分布式）来逼近闭式解,但带来了较大的计算开销。本文在K用户MIMO干扰信道系统中提出一种低复杂度的分布式干扰对齐算法,通过对用户K的干扰协方差矩阵进行基于修正的Gram-Schmidt方法使用排序QR分解,选出酉矩阵Q最后的dk列作为用户近似的干扰抑制滤波矩阵,和传统分布式干扰对齐方案相比,在基本保持系统容量和迭代收敛速度的同时,系统的复杂度明显降低。仿真结果验证了算法的有效性。      

多小区多用户TDD MIMO下行链路干扰抑制预编码算法

针对多小区多用户TDD MIMO下行链路,提出了一种基于预编码的联合干扰抑制算法。首先,利用广义MMSE信道逆的QR分解设计预编码矩阵抑制下行链路的多用户干扰(MUI)。然后,从信号能量泄露的角度设计第二个预编码矩阵抑制小区间干扰(ICI)和残留的多用户干扰。该算法能够利用TDD MIMO信道的互易性,不需要用户端的反馈。在市区微小区组成的多用户TDD MIMO系统中的仿真结果表明,该算法能有效地提高系统容量和用户端平均信干噪比(SINR)。     

蜂窝网络下行链路中基于干扰图的干扰对齐算法

针对多用户蜂窝网络的下行链路,提出了基于干扰图的干扰对齐算法。首先用干扰图表示蜂窝网络的小区间干扰（ICI）分布,每五个相邻小区划分为一簇。然后在簇内先根据对称信道和不对称信道,分别设计接收波束赋形矩阵将四个ICI对齐到两个干扰子空间,再设计发送波束赋形矩阵与干扰子空间正交。最后通过簇的平移实现蜂窝网络内所有活动小区的干扰对齐。该算法减少了基站和用户的天线数及计算复杂度。仿真结果表明所提算法消除了ICI、用户间干扰（IUI）及簇间干扰,有效提高了蜂窝网络容量。      

Beam interference suppression in multi-cell millimeter wave communications

Due to the increase in the number of users, beam switching is used for suppressing interference, which leads to higher computational complexity in multi-cell millimeter wave communications. In order to resolve this problem, a beam interference model is introduced, and a lower complexity beam interference suppression algorithm based on user grouping is proposed. The proposed algorithm operates beam switching and multi-cell cooperative transmission for a part of the users when there exists beam interference due to high user density. In particular, considering the distinct interference suffered by each user, the proposed dual-threshold user grouping method can effectively solve the frequent switching problem at the base station caused by multi-cell cooperative transmission in multi-cell environments. Simulation results show that the proposed algorithm can reduce the computational complexity of beam switching and approach ideal system capacity, compared with conventional interference suppression algorithms that do not involve grouping of users.     

Comparison of Partial CSI Encoding Methods in Multi-User MIMO Systems

In this paper, we discuss different algorithms that can be used to encode channel state information (CSI) in realistic multi-user multiple-input multiple-output (MIMO) systems where there are only few users experiencing similar propagation conditions and the mobile user receivers do not necessarily have the same number of receive antennas. We divide systems with CSI encoding into four classes: time-division multiplexing (TDM) with and without linear pre-coding, and multiple user scheduling with and without linear pre-coding. The practical aspects such as system’s complexity and approaches for transmitting the CSI feedback and rate information from the mobile receivers to the base station are discussed and compared for different bit rates in the feedback link. We show that significant increases of the mean throughput of the multi-user scheduling systems demand much higher feedback link bit rates than TDM solutions. We also demonstrate that, while optimum, the non-linear pre-coding systems may introduce unacceptable degree of complexity into the base station design while linear pre-coding offers a very good trade-off between performance and complexity.     

Low Complexity Suboptimal User Selection Algorithm for Multiuser MIMO Systems with Block Diagonalization

In downlink multiuser multiple-input multiple-output (MU-MIMO) systems, block diagonalization (BD) is a well-kown precoding technique that eliminates interuser interference. The number of simultaneously supportable users with BD is limited by the number of base station transmit antennas and the number of user receive antennas. The brute-force search for the optimal user set, however, is computationally prohibitive. Therefore, we propose a low complexity and suboptimal user selection algorithm based on block diagonalization for MU-MIMO systems. We introduce a strong tight upper bound of sum capacity as selection metric. Furthermore, we employ a substitution operation to improve system performance. The computational complexity analysis and simulation results show that the proposed algorithm achieves comparable throughput with low complexity compared to the existing algorithms.     

大规模MIMO系统中收发联合阈值天线选择算法

在大规模多输入多输出(massive MIMO)系统中使用天线选择算法可提高能效和系统吞吐量,然而适用于传统MIMO系统的天线选择算法具有高复杂度,很难用于massive MIMO系统。为优化天线选择算法,以算法复杂度和系统容量为优化目标,提出了收发联合阈值天线选择算法。该算法在发射端使用最大范数双向天线选择算法进行天线选择,在接收端使用分组maxvol算法并通过仿真实验结果的预设阈值进行天线选择。仿真实验表明,收发联合阈值天线选择算法在降低复杂度的同时可以提高系统容量,与递增天线选择算法相比,系统容量最多可提高52.2 bit/s/Hz。提出的天线选择算法可以满足不同天线相关度和信噪比的传输环境。     

一种超密集网络基站分簇管理算法

为了降低超密集网络中基站管理算法的计算复杂度并提升基站的能源使用效率,根据用户密度、网络负载量等信息,提出了一种基于分簇的动态管理基站算法.该算法首先根据用户测量报告计算出理论最小需求基站数,然后对基站进行合理的网络分簇,最终通过粒子群优化算法确定基站休眠组合.仿真结果表明,与未进行分簇的基站管理算法相比,该算法可以降低约60%的计算复杂度,并能有效降低基站能源消耗.     

双向中继系统用户联合预编码与检测算法研究

双向中继协同通信系统的两用户节点通过中继节点相互交换信息,显示了其在频谱效率上的优势。在系统装备多天线的情况下,为进一步改善误比特率性能,论文提出一种基于格规约算法的用户联合预编码与检测算法。该算法通过一次复数域格规约处理来提高信道增益矩阵的正交性,预编码和检测算法联合应用处理后的矩阵,中继节点仅需要对接收信号进行求模运算和放大转发,算法的复杂度主要集中在两用户节点上。仿真结果显示:相比于传统的预编码和检测算法,用户联合预编码与检测算法在计算复杂度仅增加了对信道增益矩阵一次格规约计算的前提下,可显著降低系统的误比特率,提高分集增益,具有工程实用价值。     

分布式MIMO系统发送天线选择与预编码联合设计

为了抑制多用户分布式多入多出(MIMO)系统中的同道干扰(CCI),使系统同时服务于更多用户,提出一种发送天线选择与预编码的联合设计方法。该方法立足于分布式MIMO系统基站端天线较多的特点,将下行发送天线选择与信漏噪比(SLNR)预编码相结合,通过为用户选择不同天线,从根本上减少CCI;在为每个用户选择天线时,先以信道子矩阵的迹为依据进行端口选择,再采用逐减的方法选择使SLNR损失值最小的天线,以保证每个用户对其他用户的干扰尽量小,从而达到进一步抑制CCI的目的。复杂度分析和仿真结果表明,该方法在具有较低复杂度同时,其容量性能仍可逼近最优算法;较之单纯的SLNR预编码,在相同的容量性能约束下,其能够有效增加系统同时服务的用户数。     

多用户MIMO系统在有限反馈下结合预编码与调度算法的研究

捅要：研究了多用户多输入多输出（MIMO）系统在有限反馈下的一种结合单位预编码与用户调度算法的方案。在该系统中每一用户都具有多个接收天线,该方案具有较大的多用户分集增益和较小的计算复杂度,从而能够减少系统中的用户间干扰。每个用户独立地决定自己的天线合并矢量,并将最优波束矢量以及对应的估计信干噪比通过有限反馈信道反馈给基站,此时基站获取了相应的用户信道信息和用户间干扰信息。基于接收到的反馈信息,基站从预定义的码本中选取和速率最大的最优子集进行系统预编码,然后依照预编码矩阵调度欧氏距离最小的用户且用户个数不超过发送天线的数目。仿真结果显示该方案有效地改善了系统速率,特别是在用户数目较多或者信道环境较好的情况下。     

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.     

CDMA系统中一种反向链路自适应波束成形算法

在已有波束成形算法基础上,针对码分多址(CDMA)系统反向链路,给出相应智能天线信号模型及性能分析;并基于最大功率输出准则,采用幂法迭代计算,提出一种适合于高速环境的自适应波束成形算法.与原有一些算法相比,该算法仅计算解扩后信号的最大特征矢量,有效地降低了计算量,且性能稳定;可很好地应用于高速车载多径环境.计算机仿真结果表明在相同衰落情况下所提算法性能可接近于性能较好的码滤波法,但复杂度远低于后者,从而实现了以低的计算复杂度获得较好的系统性能.