一种新的基于压缩感知的毫米波信道估计算法

针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题,提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解,构造基于码本的感知矩阵,获得l1范数约束问题模型;其次结合分段弱匹配追踪算法,采用弱阈值从感知矩阵筛选原子,再通过分组选择机制对选择的原子进行二次优化;最后根据最小二乘法估计出毫米波信道。仿真结果表明,所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。     

多小区Massive MIMO系统中低复杂度MMSE线性检测算法研究

文章针对多小区Massive MIMO上行链路系统中MMSE线性检测中涉及大矩阵求逆具有高复杂度的问题,提出了一种低复杂度的MMSE检测算法。首先考虑已知目标小区的信道状态信息而其他小区信道状态信息未知条件下,通过求解干扰项与噪声之和的均值与方差,将多小区信道模型转化为单小区信道模型,再利用MMSE算法进行检测。为了降低求逆矩阵的复杂度,将大矩阵分解为对角矩阵和空心矩阵之和,再利用诺依洛曼级数近似将其展开,并优化展开项因子来增加算法收敛速度。仿真结果表明,所提出的改进算法在性能损失很少的情况下复杂度从O(K~3)降低到O(K~2),其中K为本小区中的用户数。     

非正交多脉冲调制的QR分解多用户检测

针对加性高斯白噪声信道下的多用户非正交多脉冲调制系统,提出了基于QR分解的非相干判决反馈多用户检测器。该检测器通过QR分解矩阵变换,利用功率较强用户的判决信息来进行干扰抵消,可以有效消除用户间的多址干扰。而在各用户内,针对多脉冲调制技术,提出了一种线性解相关运算来进行非相干检测。同时,考虑解相关运算中矩阵求逆的复杂度比较高,进一步提出了一种软干扰抵消检测器。仿真结果表明所提的两种多用户检测算法可以有效消除非正交调制所造成的多址干扰,极大地提高功率较弱用户的性能,并且所提软干扰抵消检测器通过避免矩阵求逆降低了计算复杂度,同时检测性能没有损失。      

MMSE准则下近似最优MIMO分组并行检测算法

在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4×4和6×6MIMO系统,该算法检测性能达到最优,对于8×8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6×6 MIMO系统中复杂度降低90%以上,在8×8 MIMO系统中复杂度降低98%以上.     

大规模MIMO系统中基于二对角矩阵分解的低复杂度检测算法

在大规模多输入多输出(MIMO)系统的上行链路检测算法中,最小均方误差(MMSE)算法是接近最优的,但算法涉及到大矩阵求逆运算,计算复杂度仍然较高。近年提出的基于诺依曼级数近似的检测算法降低了复杂度但性能有一定的损失。为了降低复杂度的同时逼近MMSE算法性能,该文提出基于二对角矩阵分解的诺依曼级数(Neumann Series)近似,即将大矩阵分解为以两条主对角线上元素组成的矩阵与空心矩阵之和。理论分析与仿真结果表明所提算法检测性能逼近MMSE检测算法,且其复杂度从O(K3)降低到O(K2),这里K是用户的数目。     

一种基于用户兴趣的协同过滤算法

针对评分数据矩阵的稀疏性导致推荐算法质量较低的问题,文章设计了一个改进的协同过滤算法:通过在算法中加入了用户兴趣的信息的方法,改进了用户相似度计算和扩展用户评分矩阵,从而改进了基于用户聚类的协同过滤算法。通过对比改进后算法的平均绝对偏差,该算法可以更准确地计算用户的相似性,并且降低数据稀疏性所带来的影响。实验的结果表明,该算法提高了协同过滤算法的准确性。     

短波衰落信道下Turbo均衡算法研究

短波衰落信道下由于多径和衰落的影响,接收机的解调性能严重恶化,甚至无法正常通信。针对短波信道的特性,阐述了现有的经典Turbo均衡算法与结构,对短波信道的变化情况进行了分析,并提出了Turbo均衡的简化算法,该算法基于最小均方误差准则,利用译码器的输出构造平均信息与方差信息,修正了信道循环矩阵从而使得计算复杂度大大降低。最后对其在衰落信道下的性能进行了仿真,仿真结果表明,提出的Turbo均衡简化算法既降低了复杂度,又不损失性能。     

一种多用户天线组选择辅助的MIMO-OFDM新型子载波分配算法

提出了一种适应多用户MIMO-OFDM下行传输的新型子载波分配算法.该算法根据各个用户的信道特征,将空间维多用户天线组选择手段引入频率维的子载波组分配算法中,从而在不明显降低系统整体性能的前提下大大降低发射端计算复杂度,使之更适用于实时信道传输环境.仿真结果表明,该算法在计算复杂度大幅减小的情况下仍能保证系统性能无明显损失.     

干扰距离最远的多用户多天线干扰对齐算法

针对多用户多天线中小区边缘用户同频干扰问题,提出了一种基于干扰距离最远准则的多用户MIMO干扰对齐优化算法,通过对等效干扰信道进行SVD分解,选择与等效干扰信道矩阵距离最大的特征子信道作为传输预编码矩阵,并分析了算法复杂度以及空间相关性对性能的影响,仿真结果显示系统频谱效率较原始算法在8天线下有31.57％的提高.     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

面向大规模MIMO信道信息反馈的模型驱动轻量化神经网络

信道状态信息对于大规模多输入多输出（Multi-Input Multi-Output, MIMO）系统获得高信道容量和能量效率是十分重要的。频分双工系统因为上下行信道缺少互易性,所以需要用户将下行信道反馈至基站来进行预编码等处理。因为反馈的信息量和天线数成正比,所以大规模MIMO系统的反馈量是十分巨大的。很多数据驱动的深度学习神经网络使用编码器压缩信道信息,使用解码器恢复信道信息,但是由于数据驱动神经网络的黑盒子特性,不仅需要很高的复杂度来恢复信道信息,而且性能难以得到进一步提升,尤其增加用户设备处模型的复杂度和计算资源来提升性能是不切实际的。本文提出了一种展开迭代阈值收缩算法（Iterative Shrinkage-Thresholding Algorithm, ISTA）的可解释的模型驱动网络。针对信道信息不严格满足压缩感知稀疏性要求而导致恢复性能下降的问题,引入残差网络,设计了一种非线性稀疏变换来提升性能;为了平衡性能和复杂度,在用户处提出了一个可学习的压缩矩阵来保留更多信道信息;进一步地,本文在不改变已有网络框架的基础上将适用范围从单天线用户扩大到多天线用户,提高了神经网络的兼...     

视距相关信道下考虑非理想CSI的多用户MIMO收发联合设计

在FDD模式多用户MIMO(Multi-input Multi-output)系统下行链路中,由于信道估计、反馈信道等存在误差,使得发送端获取理想信道状态信息(CSI,channel state information)十分困难。针对获得非理想CSI的多用户MIMO系统,考虑在基站和各用户的天线分别具有相关性并引入视距分量的信道条件下,提出了一种新的基于块对角化的MMSE准则收发联合设计算法。该算法首先通过块对角化消除用户间的共信道干扰,然后针对存在信道估计误差的用户信道依据MMSE准则分别迭代求解每个用户预编码和解码矩阵。论文设计出一种基于训练序列的信道估计误差算法,并获得等效信道模型,使得收发端获得的信道状态信息更有实际意义。本文假设反馈信道理想,发射端可以完整得到信道估计矩阵。在MMSE准则下,推导获得了Lagrange乘子的解析解,避免了求解非线性方程的复杂过程,显著降低了计算复杂度。和已有算法相比,该算法不仅可以获得良好的误码性能还可以对各用户进行独立优化,处理更加灵活。仿真分析了视距分量、信道相关性以及信道估计误差对算法性能的影响。仿真结果表明,该算法误码性能良好,算法收敛快,并且对信道估计误差带来的影响有较好的抑制作用。      

适用于两发射天线V-BLAST OFDM系统的排序插值QR分解算法

最近提出的插值QR分解算法有效降低了V-BLAST OFDM信号检测的复杂度。在大部分检测算法中,对信道矩阵按某策略排序后可进一步提高算法性能,但插值QR分解算法不能直接应用于这种情况。为解决这一问题,本文结合分组排序与插值QR分解的思路,通过引入不同列排序矩阵QR分解间的关系,提出一种适用于两发射天线的低复杂度排序插值QR算法。该算法可作为采用连续干扰抵消或球形译码算法的V-BLAST OFDM信号检测预处理方法。与对插值QR分解算法直接扩展的方法相比,该算法随着接收天线数的增多,复杂度节省程度更为明显,因此更适合基站接收机设计。     

基于隐语义模型的协同过滤图书推荐方法

针对协同过滤算法难以处理高维度以及稀疏数据等问题,提出了一种基于隐含语义分析的协同过滤图书推荐算法,该算法融合了用户的显性反馈与隐性反馈信息,考虑了用户在预览图书的时间以及用户与用户之间的相似度,有效地降低了矩阵的维度和稀疏性,提高了算法的精度,运用统计的方法来发现用户对图书使用过程中潜在的语义结构,分析用户对图书的兴趣度,帮助用户快速发现感兴趣和高质量的图书,使图书能够准确地推荐给用户,并提升用户体验。在Book-Crossing数据集上进行测试,实验结果表明,该算法具有一定的优势。     

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度.文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道.     

时变信道下低复杂度解码器设计

针对组分层空时结构(GLST)提出了一种适用于时变信道的低复杂度解码器设计方案。通过“正交对”矩阵的构造,首先去除所有分组内的符号干扰,再运用递推降维矩阵求逆算法,基于组检测技术获得所有分组反射符号。与已有传统解码方案相比,新设计解码器使计算复杂度大大降低。仿真结果同时表明,不同信道时变程度及发射天线分组情况时,两类解码器在最小接收天线数配置下获得几乎一致的性能;但随信道时变或分组数目增大,两类解码器性能恶化,均可通过提高接收天线数得到补偿。     

基于扩展路径识别算法的水声OFDM系统低复杂度迭代稀疏信道估计

移动OFDM水声通信系统中,基于压缩感知的稀疏信道估计方法计算量较大,不适用于实时通信。针对这一问题,该文基于一致多普勒信道模型提出一种扩展路径识别(GPI)算法。该方法首先使用信道多普勒扩展矩阵构造等效发射序列,将多普勒信道转化为等效线性时不变信道。然后使用GPI算法估计信道多普勒及各路径的时延及幅度参数,实现低复杂度稀疏信道估计。此外,该文将GPI算法扩展到Turbo接收机中,通过利用信道译码器反馈的数据符号先验信息迭代提高信道估计精度。仿真结果表明,所提方法的性能优于传统的路径识别算法,且与OMP算法接近,而其计算量远低于后者。     

融合TextRank算法的中文短文本相似度计算

传统的VSM向量空间模型忽略了文本语义,构建的文本特征矩阵具有稀疏性。基于深度学习词向量技术,文中提出一种融合改进TextRank算法的相似度计算方法。该方法利用词向量嵌入的技术来构建文本向量空间,使得构建的向量空间模型具有了语义相关性,同时采用改进的TextRank算法提取文本关键字,增强了文本特征的表达并消除了大量冗余信息,降低了文本特征矩阵的稀疏性,使文本相似度的计算更加高效。不同模型的仿真实验结果表明,融合改进的TextRank算法与Bert词向量技术的方法具有更好的文本相似度计算性能。     

一种MIMO-OFDM系统信道估计简化方法

提出了一种基于MMSE准则的MIMO-OFDM系统信道估计简化方法。该方法将信道估计问题转化为TBT线性方程求解问题,然后利用快速求解算法避免了复杂的矩阵求逆和矩阵相乘,大大降低了实现复杂度。仿真结果表明,相比于传统MMSE算法,该简化算法在降低复杂度的同时仅带来微弱的性能损失。     

基于EVD分解的OFDM系统时变信道估计

OFDM系统中,需要获得信道状态信息实现相干解调。信道的时变性会带来子载波间干扰(ICI),降低信道估计算法的精度。针对信道的快时变性,提出一种基于特征值分解的时变信道估计方法,同时设计一种新的导频结构。该方法利用信道矩阵时域及频域相关性,将信道频域矩阵表示为其特征向量的线性加权,并用贝叶斯模型估计加权系数。仿真结果表明,所提方法能有效降低ICI对系统性能的影响,可较好地满足快时变信道环境的要求。