带内全双工通信中天线自干扰抑制研究进展

带内全双工无线通信由于能够有效地提高频谱利用率,目前得到了广泛研究。文中针对IBFD通信中天线自干扰抑制技术进行综述,详细介绍了该领域最新研究进展,阐述了不同自干扰抑制技术手段的主要原理。通过对该领域当前采用的自扰抑制技术进行系统归纳,分类比较了不同技术手段,总结了不同自干扰抑制技术的优势和不足。结合当前研究现状和应用热点,提出了未来IBFD天线自扰抑制技术的研究和发展方向。     

一种基于多天线波束成形的全双工自干扰抵消算法

针对同时同频全双工无线通信系统,当基站采用多根发射天线和多根接收天线进行自干扰抵消时,现有技术多集中于自干扰迫零,缺少对发射机射频噪声抑制的研究.本文在考虑射频噪声抑制的基础上,提出一种收发波束联合成形算法,算法首先以信干噪比最大化为原则,优化接收机天线波束成形向量,给出了算法求解表达式;其次以自干扰最小化为原则,优化发射机天线波束成形向量,给出了算法步骤.仿真结果表明,本文算法在发射机信噪比为30.0dB和60.0dB时,3发3收基站的自干扰抵消值分别为65.5dB和89.8dB,与SVD迫零技术相比,分别有25.5dB和19.8dB的性能改善.     

同时同频全双工场景中的射频域自适应干扰抵消

考虑同时同频全双工无线收发信机的射频域自干扰抵消技术,现有研究多集中于利用手动方式调整自干扰估计信号的参数。针对这一问题,该文提出一种射频域的自适应干扰抵消算法。以正交、同相参考支路构成的自干扰估计结构为基础,利用梯度下降法搜索支路的最优权矢量,估计出自干扰信号,实现了射频域的自适应干扰抵消,并且给出了该算法的收敛性分析。分析与仿真表明,当迭代步长越大或统计时间越短时,算法的收敛速度越小。在100倍符号周期的统计时间,0.3的归一化步长,80 dB干信比以及0 dB信噪比的仿真条件下,该文提出的射频域自适应干扰抵消算法可以实现约100 dB的自干扰抑制。     

基于卷积长短时记忆深度神经网络的带内全双工非线性数字自干扰消除

带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率,近年来引起了广泛关注。然而,同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项式模型方法存在模型失配导致自干扰效果恶化的风险,而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理。该文基于卷积长短时记忆深度神经网络(CLDNN),通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构,分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN),充分利用卷积神经网络局部感知和权值共享的优势,在高维特征中学习到更抽象的低维特征,从而提高自干扰消除的效果。实际场景中获得数据的评估结果显示,当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时,通过总共60次训练轮数,该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26%的改进,训练轮数也有明显减少。     

自适应干扰抵消系统的双边带调幅干扰抵消特性

根据系统模型给出了自适应干扰抵消系统针对双边带调幅制干扰时的稳态权值表达式,推导出干扰抵消比计算式,分析了影响干扰抵消效果的因素及其作用规律,并给出了提高干扰抵消比的设计思路和方法。对于双边带调幅制信号,通过提高系统增益来提高干扰抵消比,将受到信号带宽和等效传输延迟距离的制约。信号带宽越宽或等效传输延迟距离越大,通过增大增益所能实现的干扰抵消比提高越有限。对于一定的信号带宽,可以通过增益和等效传输延迟距离的联合设计来提高干扰抵消比。仿真结果验证了理论分析的正确性和可行性。     

时间异步全双工数字域分段卷积自干扰抑制技术

同时同频全双工(CCFD)多载波信号时间异步场景下,有用信号(SoI)与自干扰信号(SI)多径最大时差超出循环前缀长度(CP),有用信号与自干扰信号子载波不正交,造成频域自干扰抑制性能严重下降。针对上述问题,该文提出一种时间异步数字域分段卷积的自干扰抑制方法,建立了自干扰分段、频域重建、叠加抵消的自干扰抑制过程,提升了时间异步场景下自干扰抑制性能。理论和仿真结果表明,在异步场景下,采用分段卷积的自干扰抑制方法可以直接在频域重建自干扰,达到与同步场景相当的干扰抑制性能。     

基于分段反变换的无线全双工多径自干扰信号抵消方法

针对无线带内全双工系统存在的多径自干扰信号,若采用模拟域多抽头抵消电路,需要复杂的电路结构和控制算法。本文提出一种数字域协助的多径自干扰抵消方法,根据瑞利分布模型,利用分段反变换法(SITM)直接产生数字抵消参数,再反馈到模拟域进行抵消。本方法无需在数字域建立复杂的信道模型,电路结构得到精简。仿真结果表明,在信号传播路径数为20的情况下,本文方案相比于已有方案有5 dB的性能增益,且不随路径数的增大而明显减小。     

带内全双工多用户MIMO系统中的用户选择

考虑一种多用户MIMO的传输设计,配置发射天线阵列和接收天线阵列的蜂窝基站可以工作在带内全双工传输模式。在该全双工通信方案中,基站的下行发射信号对基站的上行接收产生显著的干扰,即自干扰。这里,下行预编码处理和上行发射协方差矩阵处理将被依次进行,以简化全双工的设计。其次,为了进一步改善上、下行信道的和速率性能,我们提出一种尝试性的下行用户选择方案,其基本思想是:当某一个下行用户的信道矩阵的范数较小时,关闭该下行用户的数据流。计算机仿真结果表明,在基站下行总发射功率受限时,在低的和中等的下行信噪比区域,用户选择有助于提高下行和速率;在高的上行信噪比区域,简化的用户选择使得上行和速率明显提高。      

基于辅助符号的非线性自干扰抵消算法及其简化实现

同频同时全双工是第5代(5G)通信关键技术之一,数字自干扰抵消算法是其重要研究方向。针对非线性数字自干扰抵消算法中,失真系数估计受到自干扰信道估计误差的影响这一问题,该文提出一种基于辅助符号的非线性自干扰抵消算法,通过对辅助符号做自干扰抵消,将信道估计符号的失真误差映射到其抵消结果中并提取出来,从中估计失真系数。接着针对算法开销问题提出一种简化实现方案。仿真结果显示,接收自干扰信号为-5 dBm时,算法可将自干扰非线性失真分量抵消至约-100 dBm,且性能随接收自干扰功率降低而提高。     

单通道全双工系统数字自干扰消除研究

单通道全双工系统是一种在同时同频发送和接收信号的通信系统,因此本地接收机需要进行自干扰消除.文章对数字自干扰消除进行了研究,通过分析量化位数对误码率的影响得到ADC量化前的最大干信比;分析了解调后自干扰信号对期望信号的影响,得到自干扰消除需要达到的消除量;最后给出了自干扰信道估计的模型,为数字自干扰消除的实现提供了理论依据.     

一种抑制相位噪声的多通道变时延下变频全双工收发方法

相位噪声会限制全双工(FD)收发机的自干扰抑制能力,恶化有用信号解调性能,即使全双工收发机采用发射机、接收机共用本振的结构,也无法消除相位噪声的限制作用。为了降低多径自干扰(SI)分量中相位噪声的影响,该文提出一种多通道变时延下变频全双工收发方法,具体包括可以补偿相位噪声的全双工收发机设计和能够抑制残余相位噪声的自干扰抑制算法。多通道变时延下变频全双工收发机采用多条通道接收同一天线的信号,各接收本振信号为经过不同延时调整的发射本振信号,可以在下变频时补偿多径自干扰中的相位噪声。自干扰抑制算法利用不同接收信号估计相位噪声参数,进一步降低残余相位噪声的影响。此外,该文推导了这种全双工收发方法的自干扰抑制能力,并给出了其随发射功率、接收通道数量的变化关系。分析与仿真结果表明,当接收通道数量高于自干扰信道强径数量时,多通道变时延下变频全双工接收方法不受相位噪声影响。     

无线带内全双工信道的多用户最优分配问题模型

无线带内全双工(IBFD)具有频谱效率倍增潜力,应用到多用户接入时,共享信道的优化分配将决定系统容量的实际增益。该文分析多用户争用冲突的干扰特性及链路分配的约束条件,以容量最大为优化目标,针对双向全双工(BFD)、全双工中继(FDR)以及两者混合的传输模式,建立信道资源分配的问题模型。通过典型站点分布的最优解计算,分析IBFD系统相对半双工(HD)的容量增益。结果表明,BFD有理想的100%增益,而FDR有较大变化范围(最低增益25%)。此外,计算发现,站点间传输链路呈现1维链型结构的容量增益明显优于2维平面分布的链路结构。     

一种改进的码分多址通信系统的多用户干扰抵消接收机

在码分多址通信系统中,由于许多用户占用同一信道进行通信,传统的单用户检测策略和最佳的多用户检测策略不是很实用。本文对直接序列－码分多址系统的多用户检测策略和次最优检测策略进行了分析和阐述,讨论了一种改进的多级并行干扰抵消接收策略,最后给出了几种模拟结果。     

基于连续干扰消除的毫米波MIMO系统混合预编码算法

该文研究多用户毫米波MIMO系统的混合模数预编码器和合并器设计。针对因信号传播漫散射造成的多用户间信号干扰问题,提出一种基于连续干扰消除(SIC)的鲁棒混合预编码算法。首先对信道矩阵进行正交分解,以消除来自已知用户信号的干扰,从而将含有非凸约束的多用户链路优化问题分解为多个单用户链路优化问题。然后采用相位提取算法逐个求解每个用户的最优传输链路,并结合最小均方误差(MMSE)准则求得多用户混合预编码矩阵。仿真结果表明,与现有的混合预编码算法相比,所提算法在强干扰环境下具有显著的性能优势。

     

基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测

近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10^–3误码率上有至少0.5 dB以上的增益。     

异步V-BLAST中基于功率扩展的迭代并行干扰消除

在平坦瑞利衰落信道下,异步V-BLAST系统中,现有检测算法随信噪比提高误码率性能改善缓慢。为此,该文提出一种基于预处理矩阵的迭代检测算法：在发射端,通过预处理矩阵将发射信号扩展到整个数据帧上,以获取空时分集度;在接收端,采用低复杂的迭代并行干扰消除方法,由于在迭代过程中干扰重建基于预处理矩阵,所以上次迭代的检测误差被扩展,降低了迭代过程中的误差传播。仿真验证了所提方法的有效性,在8发4收场景下,误码率为10-3时,与现有串行干扰消除方法相比,带来了约7 dB信噪比增益。     

一种基于独立成分分析和最小最大概率机的人脸识别系统

提出了一种基于独立成分分析和最小最大概率机的人脸识别系统。该系统首先从摄像头中捕捉包含人脸的实时图像，利用haar特征人脸检测算法定位人脸区域，并将其从原始图像中分割出来。为了更好地提取有效特征，采用了ICA的特征提取方式，结合改进误差估计的最小最大概率机的分类方法对输入的测试图像进行识别。实验证明，该系统能够快速有效地处理实时状态下的人脸识别任务，准确率达到了96．8％，并且对多姿态的人脸具有一定的鲁棒性。     

基于图像矩阵的广义主分量分析

传统的主分量分析在处理图像识别问题时是基于向量的,且没有充分利用训练样本的类别信息。该文提出了一种直接基于图像矩阵的广义主分量分析方法,该方法能够提取包含在类平均图像中的鉴别信息,与传统的主分量分析相比,具有更强的鉴别力。在ORL标准人脸库上的试验结果表明,所提出的方法不仅识别性能优于传统的主分量分析和Fisher线性鉴别分析,而且极大地提高了特征抽取的速度。     

多径瑞利衰落信道条件下射频干扰抵消误差对CCFD系统中OFDM性能的影响

针对同时同频全双工无线通信系统,考虑远端到近端的无线信道为多径瑞利衰落信道,近端发射天线到接收天线的自干扰信道为加性白高斯噪声信道,分析了同时同频全双工传输场景中,自干扰射频抵消幅度及载波相位误差对OFDM误码率的影响。结果表明,在相同信干比和信噪比条件下,幅度和载波相位估计误差的绝对值越小,误码率越低;针对载波频率2.3 GHz, OFDM子载波个数4096,子载波间隔15 kHz的同时同频全双工传输方式,在信干比为-70 dB,误码率为10-2时,若期望信噪比损失小于0.8 dB,则需要射频干扰抵消的载波相位估计误差的绝对值小于610-6,幅度估计相对误差的绝对值小于310-5;若期望获得40 dB的射频自干扰抑制效果,则射频干扰抵消的载波相位估计误差的绝对值小于0.5,幅度估计相对误差绝对值小于1%。