基于黎曼拟牛顿的毫米波MIMO混合预编码算法

针对毫米波MIMO系统混合预编码算法的非凸单位模约束、矩阵耦合问题,文章提出了一种基于黎曼拟牛顿的交替最小化混合预编码（RLBFGS-AltMin）算法。该算法首先引入交替最小化框架（AltMin）,有效解决了混合预编码矩阵联合优化困难的问题;其次,利用黎曼流形将模拟预编码部分中的非凸单位模约束转化为搜索空间无约束优化求解;最后,通过改进的梯度计算方式和黎曼梯度下降理论求解出最优数字预编码和模拟预编码矩阵。仿真实验结果表明,所提算法可以获得更接近全数字预编码的频谱效率。     

大规模MIMO加权正交匹配追踪信道估计算法

针对大规模多输入多输出系统基站天线数目众多,移动用户很难实时精确完成信道估计等问题。提出了一种加权的正交匹配追踪算法。该算法在每次迭代过程中,计算得到的估计信号值由当前残差信号估计值和迭代之前估计值两部分组合而成;分别对当前残差信号估计值和迭代之前估计值设置不同的权值,以提高信号在低信噪比情况下的估值精度;通过调整不同迭代次数权值大小,可以提升信号在不同信噪比情况下的计算精度。仿真结果表明,在不同的信噪比情况下,该算法都可以获得比标准正交匹配追踪算法更高的估计精度。     

基于改进粒子群算法的毫米波大规模MIMO混合预编码方案

针对毫米波大规模多输入多输出（MIMO）系统中基于传统粒子群优化（PSO）算法的混合预编码方案,在迭代后期收敛速度较慢以及容易陷入局部最优值的问题,提出了一种基于改进PSO算法的混合预编码方案。首先,随机初始化粒子的位置矢量和速度矢量,并以最大化系统和速率为目标求解初始群体最优位置矢量;其次,更新位置矢量和速度矢量,并随机地选择更新后的两个粒子的个体历史最优位置矢量进行加权求和作为新的个体历史最优位置矢量,从中挑选出若干个使系统和速率最大的粒子,将其个体历史最优位置矢量的加权平均值作为新的群体最优位置矢量,并与之前的群体最优位置矢量比较,经过多次迭代形成最终的群体最优位置矢量即为所求的最佳混合预编码矢量,并对其进行归一化;最后,根据归一化后的混合预编码矢量设计最终的模拟预编码矩阵和数字预编码矩阵。仿真结果表明,与基于传统PSO算法的混合预编码方案相比,所提改进方案在收敛速度与和速率上都得到优化;其收敛速度提高约100%,且性能可以达到全数字预编码方案的90%,因此,该改进方案能够有效提升系统性能且加快收敛。     

多用户MIMO系统预编码技术的研究

多天线基站和多用户可以组成一个多用户MIMO系统,为获得更高的系统容量和高效传输性能。预编码是一种应用于发射端以达到抑制多用户间干扰的预均衡方法。基于非理想信道状态信息(CSI)条件,针对多用户MIMO系统的下行信道,研究了线性ZF预编码和非线性THP预编码的性能,给出了接收端信号与干扰和噪声比SINR的近似表达式。对两种THP变体结构,dTHP结构和cTHP结构进行了性能仿真比较。仿真结果表明,cTHP结构的性能要优于dTHP结构。同时,给出了信道估计误差对cTHP结构BER影响的定量仿真结果。对非理想CSI下的预编码技术选择提供了一定的依据,并对限定信道估计误差的偏差程度具有参考意义。     

毫米波MIMO系统离散化混合预编码设计

为了提高毫米波大规模多输入多输出（MIMO）系统波束成形增益,降低天线与移相器的硬件成本,提出一种基于离散移相器的混合预编码设计方案。以最优化频谱效率为目标,该方案通过分析均匀直线阵列与均匀平面阵列的响应矢量,将毫米波信道的空间特性预编码的设计考虑为空间稀疏重构问题,采用离散化正交匹配追踪原理求出数字预编码与离散化的模拟预编码。仿真结果表明,同等条件下平面阵列的频谱效率优于直线阵列,同时所提出的离散化混合预编码方案中低精度移相器的性能近乎达到全精度移相器的性能增益。     

基于改进OMP算法的毫米波大规模MIMO混合预编码设计

针对全连接单用户毫米波大规模MIMO系统,以最大化系统可达和速率为目标,提出一种基于改进的正交匹配追踪（orthogonal matching pursuit,OMP）算法的混合预编码方案。在既有的基于OMP算法的混合预编码基础上,首先,针对其迭代次数过多的问题,受多步长思想的启发,从阵列响应集合中选取与射频链路数目相等的最优的前多列矢量,从而求得模拟预编码矩阵;其次,针对其求逆运算复杂度高的问题,利用Hlder不等式及Schatten范数来逼近待优化的目标函数,从而求得最优的数字预编码矩阵。仿真结果表明,所提基于改进的OMP算法的混合预编码方案有效降低了运算复杂度,且在数据流数目与射频链数目相差较小时,其系统性能更优。     

改进的基于树型搜索的正交匹配追踪算法

正交匹配追踪算法(OMP)是一种利用一个超完备的字典进行信号分解的非线性自适应算法.文献[2]提出了基于树型搜索的正交匹配追踪算法(TB-OMP),尽管TB-OMP算法能够改进向量的逼近性能,但使计算的复杂度成指数倍的增加,严重限制了该算法在许多领域里的应用.在本文中将介绍一种灵活的基于树型搜索的正交匹配追踪算法(FTB-OMP)[5],算法通过设置参数,能够在算法逼近性能和计算复杂度之间找到一个灵活的折衷方案.     

无人机协助的多用户MIMO毫米波网络混合预编码方案

针对无人机(UAV)协助的毫米波网络下行链路多用户通信场景,设计一种混合预编码方案.在发射端和接收端分别使用混合预编码器和模拟合并器,并将多元联合优化问题分解为子问题进行求解.构建UAV与地面用户的三维位置模型,利用带外位置信息对波束导向向量进行优化,进而通过码本生成模拟预编码器和模拟合并器.以最小化接收数据和发送数据...     

基于改进共轭梯度的大规模多输入多输出预编码

针对大规模多输入多输出（Massive MIMO）系统下行链路预编码实现复杂、线性预编码矩阵求逆困难等问题，提出一种基于对称逐步超松弛预处理共轭梯度法（SSOR-PCG）的低复杂度预编码算法。该算法在共轭梯度（PCG）算法的基础上，采用对称逐步超松弛分裂（SSOR）算法对矩阵进行预处理以降低矩阵的条件数，达到提高预编码算法收敛速度、降低复杂度的目的。仿真结果表明：与PCG算法相比，所提出的SSOR-PCG预编码算法运行时间缩短约88.93%，在信噪比为26 dB时已收敛；与迫零预编码算法相比，所提算法迭代2次即可获得与迫零预编码算法相近的系统容量性能，复杂度降低约一个数量级，误码率降低约49.94%。     

改进的压缩采样匹配追踪算法

针对压缩采样匹配追踪( CoSaMP)算法重构精度相对较差的问题,为了提高算法的重构性能,提出了一种基于伪逆处理改进的压缩采样匹配追踪( MCoSaMP)算法。首先,在迭代前,对观测矩阵进行伪逆处理,以此来降低原子间的相干性,从而提高原子选择的准确性;然后,结合正交匹配追踪算法( OMP),将OMP算法迭代K次后的原子和残差作为CoSaMP算法的输入;最后,每次迭代后,通过判断残差是否小于预设阈值来决定算法是否终止。实验结果表明,无论是对一维高斯随机信号还是二维图像信号,MCoSaMP算法的重构效果优于CoSaMP算法,能够在观测值相对较少的情况下,实现信号的精确重构。     

基于最小均方误差准则的相关旋转预编码算法

针对传统相关旋转(CR)算法放大噪声的问题,利用拉格朗日函数最小化接收信号与发射信号间的误差,通过贝叶斯理论和信道统计特性计算不完美信道状态信息,设计了信道状态信息(CSI)完美和不完美两种情况下基于最小均方误差(MMSE)准则的CR预编码算法的系统方案。分析与仿真结果表明,与传统迫零(ZF)准则下的CR算法相比较：信道状态信息完美时设计方案在同一信噪比(SNR)下误码率性能提高2~3dB;信道状态信息不完美时系统误码性能也有显著的提高。     

基于优化正交匹配追踪和深度置信网的声音识别

针对各种环境声音对声音事件识别的影响,提出一种基于优化的正交匹配追踪（OOMP）和深度置信网（DBN）的声音事件识别方法。首先,利用粒子群优化（PSO）算法优化OMP稀疏分解,在实现正交匹配追踪（OMP）的快速稀疏分解的同时,保留声音信号的主体部分,抑制噪声对声音信号的影响;接着,对重构声音信号提取Mel频率倒谱系数（MFCC）、OMP时-频特征和基音频率（Pitch）特征,组成OOMP的复合特征;最后,使用DBN对提取的OOMP特征进行特征学习,并对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明,OOMP特征结合DBN的方法适用于各种环境声下的声音事件识别,而且能有效地识别各种环境下的声音事件,即使在信噪比（SNR）为0 dB的情况下,仍然能保持平均60%的识别率。     

基于压缩感知的多小区MASSIVE MIMO信道估计

针对多小区多用户大规模多输入多输出（MASSIVE MIMO）系统信道估计在低信噪比情况下估计精度较差的问题,提出了一种基于群智能搜索的果蝇分段正交匹配追踪（FF-StOMP）压缩感知算法。该算法在分段正交匹配追踪（StOMP）求解不同阈值下的信道矩阵参数与归一化最小均方误差的基础上,采用果蝇优化算法动态搜索出最小归一化均方误差与其对应的阈值,达到自适应参数设定的目的。仿真结果表明,与StOMP算法相比,信噪比在0~10 dB情况下,所提出的FF-StOMP算法信道估计性能能够提升0.5~1 dB;信噪比在11~20 dB时,信道估计性能能够提升0.2~0.3 dB。当小区用户数发生变化时,所提出的算法能实现自适应信道估计,能够有效提升MASSIVE MIMO系统低信噪比情况下的信道估计精度。     

基于自适应阈值SAMP算法的OFDM稀疏信道估计

为了降低重构算法的复杂度,提高重构的精确度,提出一种自适应阈值的稀疏度自适应匹配追踪算法（SAMP）,并将其运用在OFDM稀疏信道估计中。蒙特卡洛仿真证明,改进后的算法相比于原算法在CPU运行时间上减少了44.7%,并且在较低的信噪比下也能达到较好的估计效果。此外,针对OFDM稀疏信道估计问题,结合压缩感知理论中观测矩阵的构造方法,提出一种新的导频图案分布设计方法,仿真证明该导频图案设计方法比现有方法在估计精确度方面提高2~4dB。     

基于Gerschgorin理论稀疏度估计的宽带频谱感知算法

针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 dB、8.5 dB和9.7 dB;所提算法频谱感知的虚警概率在信噪比大于13 dB时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。     

基于稀疏表示的高噪声人脸识别及算法优化

为提高基于稀疏表示人脸识别的速度和抗噪性能,研究了交叉花束(CAB)模型及压缩感知重构算法。针对重构算法中的大矩阵求逆,提出快速正交匹配追踪(FOMP)算法,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算。为增加高噪声图片的有效信息量,提出几种实用且有效的方法,并通过实验验证这些方法都能提高高噪声人脸识别率,可识别的噪声比例提高到75%,具有一定的实用价值。