适应于5G网络的联合功率域和编码域的NOMA系统

提出一个基于联合功率域和编码域的非正交多址(Non-Orthogonal Multiple Access, NOMA)系统，用以解决5G网络系统中频谱资源紧缺的问题。提出的系统在发射端通过稀疏码分多址(Sparse Code Multiple Access, SCMA)编码器对信号进行编码，根据各个用户不同的信道增益，分配给用户不同的功率。在接收端利用基于消息传递和连续干扰消除组合的算法检测各用户的信号。实验结果表明，与传统的SCMA系统相比，在加性高斯白噪声和衰落信道场景下，提出的NOMA系统在用户配对方面具有较高的灵活性和更高的频谱效率。     

两类多用户MIMO线性预编码的功率分配*

将多用户MIMO线性预编码分为干扰消除和干扰抑制两类,针对干扰消除中的块对角化（block diagonalization,BD）迫零算法,讨论了经典注水功率分配,提出一种信噪比控制功率分配方案。该方案可使系统各子流接收信噪比相同,各个用户的误码性能一致,也可控制用户之间的任意信噪比比例;研究了干扰抑制类预编码的统一功率分配方案,提出一种针对存在干扰系统的适用于相关信道的迭代注水算法。该算法引入经典注水的思想,将干扰和噪声一并考虑。仿真结果表明,该算法在相关信道下使系统和容量获得了明显提高。     

一种基于子空间分解的认知MIMO传输机制

针对传统认知无线电中检测-避免机制无法保证认知用户通信质量的问题,利用多输入多输出(MIMO)在空域处理上的优势,提出一种基于子空间分解的认知MIMO传输机制。在信道检测阶段,通过对协方差矩阵进行子空间分解得到噪声空间,在数据传输阶段,结合预编码将发送信号投影到噪声空间上,并采用功率注水以优化系统性能。仿真结果表明,该算法可以实现认知用户与主用户的空间复用,有效地提高系统的频谱利用率。     

基于不完全信道状态信息的预编码算法

针对下行多用户多输入多输出中继系统,提出一种考虑信道估计误差和天线相关的线性预编码算法。在发射端和中继端功率约束条件下,根据最小均方误差准则设计代价函数,通过理论推导求得中继端和发射端的预编码矩阵。接收端的各个用户之间相互独立时,接收端的处理矩阵为对角矩阵,通过直接求导法得到接收端预处理矩阵的闭式解,并设计迭代法联合优化预编码矩阵和接收端的处理矩阵。数值仿真结果表明,与未综合考虑各端口的预编码算法相比,该算法能降低系统的误码率。     

非理想信道状态信息下权值可调干扰对齐算法

针对多输入多输出（MIMO）系统获取信道信息过程中存在估计误差、反馈延迟等问题,为了提高低信噪比（SNR）时的系统性能,提出了一种基于权值可调的稳健干扰对齐算法。首先,在理想信道的基础上考虑信道误差的影响重新构建系统模型;然后,采用矩阵投影技术对接收端的信号空间进行分解,分成期望信号子空间与干扰信号子空间两部分;其次,考虑期望信号和干扰信号之间的相互影响,把两者泄漏到相应的子空间的功率加权和作为目标函数运用迭代思想计算出预编码和干扰抑制矩阵;最后,利用计算出的预编码和干扰抑制矩阵推导出存在信道误差的和速率表达式。仿真结果表明与稳健最小干扰泄漏算法相比,在信噪比为10 dB、信道误差方差取值0.05时,系统的频谱效率提升了25%,能量效率提升了38%,因此所提算法在低信噪比时可以有效地提升系统性能。     

分布式MIMO CR系统预编码与功率分配的联合优化

分布式MIMO CR系统中,构建多用户功率分配的非合作博弈模型,使认知用户速率达到均衡状态。受授权用户和多用户干扰的影响,认知用户速率很难达到理想值。为了解决上述问题,在发射端设置了适用于不同约束条件的预编码矩阵,提出了预编码与功率分配的联合优化算法。仿真结果表明,基于块对角化的联合优化算法,有效消除用户之间的信道干扰,显著提高了认知用户速率。     

分布式MIMO系统容量最优的预编码设计

针对分布式多入多出(MIMO)系统各天线功率无法共享的问题,基于分布式MIMO系统各天线功率受限的假设,提出容量准则下的最优预编码矩阵设计方案。采用Lagrange对偶优化的方法,将原优化问题转化为其对偶问题,给出求解预编码矩阵的迭代算法流程,以及在不同天线配置和容量准则下的信号发射策略。仿真结果表明,在发射天线数目多于接收天线数目时或信道矩阵缺秩时,该迭代算法求得的预编码矩阵的容量性能优于已有次优解析解。     

基于预编码系统的LDPC-SSD性能研究

为有效提高通信系统在无线衰落信道中的性能,提出一种基于预编码的低密度奇偶校验码编码的信号空间分集(LDPC-SSD)系统。将信号空间分集旋转矩阵看作一个码率为1的编码器。在信号空间分集矩阵前加入一个预编码器。给出预编码器的3个设计准则。在无线衰落信道下,仿真基于预编码的LDPC-SSD系统。仿真结果表明,该方案比没有预编码的LDPC-SSD系统在衰落信道下具有更好的性能。     

基于叠加编码及多用户调度的高斯传输信道优化算法

为了提高高斯传输信道的数据传输效率,提出了一种基于叠加编码及多用户调度的高斯传输信道优化算法(MGSC)。首先,该算法提出了高斯传输信道的系统模型,分析源-端的距离概率密度函数和累积分布函数以及用户的平均功率增益;接着,在高斯传输信道上采用最优的叠加编码与连续干扰消除的方法,并根据各个用户的效用函数来执行最佳的功率和速率分配,并通过概率优化方法来对信道用户进行选择,接入最佳的传输信道;最后,实验仿真结果表明,在信道接入用户变化的情况下,相比双向中继信道无线信号和功率传输优化算法(TWRC)以及基于矩阵与格球解码(LSD)技术的数据传输算法,MGSC的信道总数据传输速率分别提升10.2%和21.7%,并且信道增益的平均效果分别高出5.7%和6.4%。因此,MGSC在信道传输速率和信道增益上有较好的优化效果。     

认知无线网络中基于Vandermonde预编码的认知用户可达比特率研究

在认知无线网络中,主用户与认知用户要求在频率选择性衰落信道下与它们各自相应的接收机进行同时通信.主用户与认知用户之间的干扰必须尽可能消除以实现两者的频谱共享.本文提出了认知正交频分复用(OFDM)中采用Vandermonde预编码的预编码多址接入(PDMA)策略,它有效利用认知信道的频率选择性构成频率波束成型器.在主用户干扰受限和最优功率分配策略下,采用Vandermonde预编码可使认知用户达到高比特传输率.理论推导过程均采用数值计算与仿真得到证明.数值计算与仿真结果表明,最优输入功率分配策略可使认知用户对主用户不产生干扰的前提下获得可达比特传输率(ABR).同时,数值仿真验证了理论推导过程.在认知无线网络中,采用Vandermonde预编码器构成PDMA,认知用户接收机信噪比与主用户目标速率均可以显著影响认知用户的可达比特率.     

相关信道下基于多用户STBC-OFDM系统的子载波分配研究

针对多用户空时分组码-正交频分复用(STBC-OFDM)下行链路系统,以总发射功率最小化为优化目标,给出一种在空间相关瑞利衰落信道下基于部分信道状态信息(CSI)的自适应子载波分配算法。该算法利用克罗内克(Kronecker)模型表示每个子载波对应的空间相关多输入多输出(MIMO)瑞利衰落信道,并通过动态发射端的信道状态信息(CSIT)模型来描述CSI的反馈过程,从而应用STBC的基本原理推导出相应的子载波分配原则。实验结果表明,该算法不仅能有效地反映天线相关矩阵中相关系数以及延时反馈参数对系统性能的影响,而且与未利用CSIT模型的子载波分配相比具有较好的性能。     

Unifying eigen-mode MIMO transmission

Multiple-input multiple-output (MIMO) technique plays a key role in improving the spectrum and power efficiency in future mobile communication systems. Exploiting a unified MIMO transmission scheme that can adapt with various channel conditions is well motivated both in theory and practical applications. An eigen-mode based closed-loop MIMO transmission over frequency selective fading MIMO channels, which considers receive correlation, transmit correlation and line of sight (LOS) components, is investigated by maximizing the upper bound of channel capacity under the assumption that the channel is partially known at the transmitter and perfectly known at the receiver. Based on the eigen-mode transmission, several key techniques including linear precoding, stream selection, virtual spatial hopping and online capacity estimation are proposed, and a unified MIMO transmission scheme is established. Both computer simulation and field test results show that the proposed scheme can significantly improve the spectral efficiency and link reliability under various channel conditions.     

异构蜂窝网络中联合功率控制的终端直通通信资源分配

针对异构蜂窝网络中终端直通（D2D）用户和小蜂窝用户复用宏蜂窝用户资源产生的干扰问题,提出一种联合功率控制的资源分配方案。首先,在满足用户信号干扰噪声比（SINR）和发射功率约束条件的前提下,根据系统干扰模型推导出每个D2D用户和小蜂窝用户复用宏蜂窝用户信道资源时的最优发射功率;其次,将用户的信道选择规划成用户和信道之间的双边匹配问题,采用延迟接受（Gale-Shapley）算法得到一个稳定的匹配解;最后,以所得的匹配解为初始条件,通过交换搜索算法进一步优化分配方案。仿真结果表明,该方案的系统总容量和能量效率分别是最优解的93.62%和92.14%,与随机资源分配方案、无功率控制和交换搜索的分配方案,以及有功率控制无交换搜索的分配方案相比,系统容量平均增幅分别为48.29%、15.97%和4.8%,系统能量效率平均增幅分别为62.72%、44.48%和4.45%。该方案能够达到近似最优的系统总容量,有效提高频率利用率和能量效率。     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

Massive MIMO 下行系统能效资源分配算法

摘 要: 针对无线通信网耗能造成二氧化碳排放量和运营成本日益增加的问题,提出了一种下行大规模天线系统能效最优的资源分配算法。算法在基站端采用最大比合并(MRT)的预编码情况下,考虑各用户最小数据速率、最大发射功率和可容忍的干扰水平约束条件下,以最大化系统能效下界为准则建立非凸优化模型。首先采用一种迭代算法确定每个用户的带宽分配,然后根据分数规划的性质,将能效优化问题的分数形式转化为减式形式,进而利用凸优化方法求解基站端最优的发射天线数和发射功率来获得最优能效。仿真结果表明,所提算法能以较小的迭代次数收敛到最大能效值,并且有较好的系统频谱效率性能,同时算法复杂度得到了显著降低。     

一种多用户MIMO系统中有限反馈预编码算法及性能分析

多用户多输入多输出(MIMO)系统中,用户可以通过反馈的方式把信道状态信息(CSI)传递给基站,基站利用该CSI进行预编码或者用户调度,可以有效地提取复用增益。但是传统的反馈方式,反馈量太大,占用过多上行资源。针对收发都是多天线条件的多用户MIMO系统,提出一种基于Grassmannian码本的有限反馈预编码方法,通过对用户信道矩阵进行量化,每个用户仅仅需要反馈一个序号而不是信道矩阵,从而大大减少了反馈量。通过对系统误码率(BER)和吞吐率的仿真,表明了该方法能保证系统性能。同时,由于信道估计存在误差,量化过程存在误差,所以,分析了信道矩阵误差对于新方法性能的影响,得到了系统吞吐率同信道矩阵误差的方差,以及基站发射功率三者的关系,并通过仿真进行验证,从而为评估信道估计和量化过程的优劣提供了理论依据。     

基于认知OFDM系统的功率分配算法

在正交频分复用的认知无线电系统中,授权用户会受到认知用户频带内子载波带外功率泄漏的干扰。针对这一问题,提出了一种基于幂函数分布的次优化功率分配方案,通过线性约束的凸优化数值运算,有效降低了最优方案中运算的复杂度。给出了在认知用户发射功率约束条件下的信道吞吐量分析。仿真结果表明,所提出的方案在满足授权用户干扰门限约束条件下,提高了现有功率分配方案的认知用户信道吞吐量。     

认知MIMO频谱共享系统中基于感知的预编码优化

提出了一种基于时域频谱感知的空域频谱共享策略:先对主用户频谱进行时域感知,如果主用户不存在则立刻进行认知通信,否则根据感知结果调整波束方向和发射功率,以尽量减小对主用户的干扰。具体地,以预编码矩阵为优化参数,最小化次用户均方误差为优化目标,在对主用户的干扰功率约束下,得到了最优的预编码策略。此外,还分别研究了硬判决和软判决对预编码优化的影响。仿真结果表明,基于感知的频谱共享获得的符号均方误差小于传统的频谱共享策略;而基于软判决的频谱共享策略优于基于硬判决的策略。     

Investigation on Key Technologies in Large-Scale MIMO

Large-scale MIMO (multiple-input multiple-output) systems with numerous low-power antennas can provide better performance in terms of spectrum efficiency, power saving and link reliability than conventional MIMO. For large-scale MIMO, there are several technical issues that need to be practically addressed (e.g., pilot pattern design and low-power transmission design) and theoretically addressed (e.g., capacity bound, channel estimation, and power allocation strategies). In this paper, we analyze the sum rate upper bound of large-scale MIMO, investigate its key technologies including channel estimation, downlink precoding, and uplink detection. We also present some perspectives concerning new channel modeling approaches, advanced user scheduling algorithms, etc.