基于博弈论的大规模MIMO系统中导频分配方法

针对大规模MIMO系统中存在的导频污染问题,提出将博弈论应用于导频分配的方案。该方案构造了基于最小化系统干扰的博弈效用函数,此函数考虑了小区中用户经受的干扰和对其邻近小区用户造成的干扰。同时,设计了该博弈的潜在函数并证明该博弈过程是一个潜在博弈模型。仿真结果表明,在考虑所有小区导频复用的情况下,相比于传统的随机导频分配方案,所提方案可以明显地降低系统内的干扰,且性能与最优导频分配性能近似。     

大规模MIMO系统中基于用户位置的导频分配

大规模多输入多输出（multiple input multiple output,MIMO）系统中因导频复用而存在的导频污染问题,成为其性能提高的瓶颈。针对此问题,提出一种基于用户位置的导频分配方案。该方案通过上行功率控制方法保证不同用户到各自小区基站的信号功率相同,并在功率控制情况下,根据干扰用户到本小区基站距离与到目标小区基站距离的比值来定义干扰用户对目标用户的导频污染强度,并给用户间导频污染强度较小的两个不同小区用户分配相同的导频。仿真结果表明,所提方案能够有效提高系统容量,减小用户间性能差距,较好地降低了用户间的导频污染。     

基于压缩感知的大规模MIMO系统导频优化及信道估计算法

针对频分双工（FDD）大规模MIMO系统下行信道估计过程中由于导频数和基站天线数成正比会造成巨大的导频开销这一问题,首先提出一种基于压缩感知（CS）技术的伪随机导频优化方案,该方案令基站发射非正交导频信号,并且以最小化观测矩阵的互相关为优化目标,通过引入交叉、变异判断机制和内、外循环机制以实现对导频序列的优化;其次,联合利用无线MIMO信道的空间公共稀疏性和时间相关性提出一种基于压缩感知技术的信道状态信息（CSI）估计算法,利用线性最小均方误差（LMMSE）算法进行矩阵估计以精确获取CSI。分析和仿真结果表明,与随机搜索算法、逐位置优化方案、局部公共支撑算法、自适应结构子追踪（ASSP）算法、正交匹配追踪（OMP）算法以及逐步正交匹配追踪（StOMP）算法相比,所提算法在低导频开销比和低信噪比（SNR）的情况下均可以维持良好的信道估计性能。     

基于图着色的大规模MIMO系统中动态导频分配

针对大规模多输入多输出（MIMO）系统中存在的导频污染问题,提出一种基于图着色的动态导频分配方案。为了更加合理地分配导频、减小导频污染,首先,利用小区间协作,将不同小区的用户通过带权值的边相连来构建边权值干扰图,以此来描述多小区用户间的导频污染程度;然后,在传统的图着色理论基础上,利用相连用户边权值不同的特点,优先为受导频污染严重的用户分配导频资源。理论分析和仿真结果表明,所提的导频分配方案不同于现有的分布式导频分配方案,在考虑所有小区导频复用的情况下,基于图着色集中式地分配导频,能够减小小区间用户的干扰,提升大规模MIMO系统的上行可达和速率。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。     

基于卷积神经网络的大规模MIMO-D2 D的导频复用

大规模MIMO-D2D异构网络中,可以通过在蜂窝用户和D2D用户之间使用相同的频谱资源来提高频谱效率,但是在信道估计中,共享相同导频序列的用户之间会产生严重干扰.为了解决该问题,利用卷积神经网络,通过学习最优的导频分配来推断导频分配结果以减轻导频污染的影响.将用户在小区中的位置和相应的导频分配作为输入和输出标签,通过穷...     

基于贝叶斯压缩感知的毫米波MIMO信道估计

针对毫米波大规模多输入多输出(MIMO)通信系统中存在的硬件成本高、能耗大等问题,混合模拟-数字的收发机架构是一个很有前景的解决方案,然而系统的信道估计问题却成为一个挑战。在考虑正交频分复用和频率选择性衰落信道模型的前提下,提出了一种使用贝叶斯压缩感知理论来估计信道的方法。贝叶斯压缩感知算法可以在稀疏信道先验知识不完备的情况下,实现更高精度的信道估计。仿真结果验证了所提方法的有效性,与正交匹配追踪算法相比,在信噪比为30dB时,归一化均方误差降低了约25dB。     

大规模MIMO系统中导频污染下的信道估计研究

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术的很多优点让它发展为5G通信系统的主要技术之一。基于导频的信道估计方法原理较为简单,但系统的性能会受到导频污染很大的影响,所以研究低复杂度且能有效抗导频污染的信道估计算法就显得尤为重要。论文详细论证了导频污染下的信道估计在大规模MIMO系统中的主要运算过程。将LS信道估计方法与贝叶斯信道估计方法做比较,仿真结果表明贝叶斯信道估计方法有着较好的抗导频污染能力。     

基于导频的MIMO-OFDM系统信道估计算法研究

信道估计作为MIMO-OFDM的一种关键技术对系统性能有着十分重要的影响,该文分析了基于块状导频、梳状导频、矩形导频对信道估计的影响,并对LS线性插值算法进行了改进,通过计算机仿真验证了改进的LS插值算法在精度和性能上优于原有的算法。     

用于大规模MIMO系统的SAGE迭代信道估计算法

针对基于导频污染的大规模多输入多输出系统,提出一种空间交替广义期望最大化(SAGE)迭代的信道估计算法。将发送和接收的导频符号形成完备的数据空间集,利用基于导频的最小均方误差估计器初始化信道参数,通过导频符号和软信息迭代改进并更新初始估计数据。实验结果表明,该算法通过一次SAGE迭代即可实现精度收敛,且在高信噪比及导频污染的情况下相比基于导频的估计器具有更高的估计精度及频谱效率。     

大规模MIMO通信中基于Jacobi预迭代的改进Gauss-Seide算法

在大规模MIMO系统中,现有的高斯-赛德尔（Gauss-Seide,GS）算法相较于最小均方误差（Minimum mean-square error,MMSE）算法,GS的复杂度较低,但其检测性能相比而言较差。本文提出一种适用于大规模MIMO系统上行链路检测的基于雅克比预迭代改进的高斯-赛德尔（Jacobi-improved Gauss-Seide,JA-IGS）检测算法,该算法首先通过引入雅可比（Jacobi,JA）预迭代器来优化迭代初始解,然后对传统的GS进行线性优化,在增加较低复杂度情况下,检测性能和收敛速度有明显提升。仿真结果表明,与传统GS和JA检测算法相比,该算法具有较低的误码率（Bit error ratio,BER）和较高的计算效率。     

大规模MIMO系统中优化导频分配方案研究

针对大规模MIMO系统中小区间干扰而导致的导频污染问题,提出了基于IGTSA（Improved Greedy and Tabu Search Algorithm,改进贪婪禁忌搜索算法）和基于CA（Competition Algorithm,竞争算法）的导频分配方案。提出的ITSA是将遗传算法中的变异操作加入禁忌算法来避免其陷入局部最优解,提升全局搜索能力。为更好地实现全局搜索与局部搜索的协调统一,引入CA进一步优化以系统可达和速率达到最大为目标的导频分配方案。相比于局部搜索算法,如GA（Greedy Algorithm,贪婪算法）和TSA（Tabu Search Algorithm,禁忌搜索算法）,所提出的方案能获得更优的系统性能。仿真结果和分析证明了算法的有效性。     

基于时空域信息融合的视频拷贝检测算法研究

为了有效利用视频独有的时空域特性来提高视频拷贝检测算法的鲁棒性和精度,提出一种基于时空域信息融合的快速拷贝检测算法。该算法包括基于时空域信息融合的指纹提取算法、基于倒排索引的匹配搜索算法和结合异步滑窗策略的基于匹配状态机的匹配搜索算法。指纹提取算法首先将视频分段形成时空域信息帧,然后对该信息帧进行分块,提取DCT系数后,利用其中值进行阈值化得到视频指纹。基于倒排索引的搜索算法根据指纹的二值性特点建立倒排索引表,然后通过索引表快速查询指纹。结合异步滑窗策略的基于匹配状态自动机的搜索算法,利用与最近邻之间的匹配状态来改变搜索范围和步长,而异步滑窗策略通过对在线和离线过程采用不同的提取策略,减少搜索量,加快搜索速度。实验结果表明,提取的指纹对噪声模糊、添加字幕、空间偏移、旋转、掉帧具有较好的鲁棒性,同时提出的搜索方案在时间效率上也有较大的提升。     

基于基址重定位的快速域名压缩算法

为了提高DNS服务器的性能,提出了基于M/M/c排队系统的分析模型.利用该模型分析了DNS服务器的响应时间百分比,确定了其性能瓶颈在于域名压缩速率.目前传统压缩算法由于规则的限制只能在查询应答时进行实时的域名压缩,在高访问量场景存在性能问题.为了提高压缩速率,从DNS数据特征方面对域名压缩的原理进行了剖析,并在此基础上结合重定位技术,提出一种新的域名压缩算法.新的设计改变了传统的DNS数据处理流程,通过压缩前置,降低了应答的实时消耗.实验结果表明,该算法在压缩比损失很小的条件下提升了系统资源利用率,达到了优化响应时间百分比的目的.     

基于小波域降采样的低比特率图像压缩算法

针对无线传输背景下低比特率图像压缩存在的模糊和振铃问题,提出一种基于小波域降采样和插值的高效图像压缩算法.在编码端,对图像进行小波变换,根据各高频子带特点对其进行自适应降采样处理,并采用基于小波树的小波差分缩减编码算法进行编码.在解码端,采用基于边缘方向的插值方法将解码的高频子带进行放大,对解码重建的图像采用基于强边缘的自适应滤波算法以消除振铃效应.实验结果表明,与基于空域降采样的图像压缩算法相比,该算法具有较高的图像解码质量,可有效抑制低比特率下重建图像的模糊和振铃问题.     

大规模多输入多输出下的容量优化算法

针对3D相关信道中大规模多输入多输出系统的遍历和速率最大化问题,将空间自由度、信道估计精准因子引入预编码的容量分析中,提出一种联合优化问题的容量优化算法。推导空间自由度、信道状态信息准确度下的系统容量表达式,将系统容量最大化时的联合优化问题转化为用户数优化问题的条件,并基于中点法求优化问题的最优解。仿真结果表明,当信道估计精准因子为0.1、空间自由度为200时,该优化算法与基于用户数穷举搜索算法优化后的遍历和速率、用户数几乎相等,且收敛速度快、复杂度低。     

基于CIF-to-QCIF变换的压缩域视频水印算法

现有视频水印算法的设计目标主要是对有损压缩、重量化编码等处理具有鲁棒性,但很少考虑视频帧格式变换因素,使水印对这类处理不具有鲁棒性。论文结合视频帧格式由CIF到QCIF的变换设计了一个压缩域的视频盲水印算法,水印被嵌入到CIF格式的视频流中,既可以从CIF视频中提取也可以从QCIF视频中提取,实验结果表明提出的算法对MPEG重编码以及CIF到QCIF的视频格式变换具有鲁棒性,而且整个嵌入提取过程都基于DCT域,具有较低的计算复杂度。     

基于大规模MIMO的散射信道估计技术

随着用户对通信速率的要求日益增长,散射通信的通信容量亟待提升。大规模多输入多输出(MIMO)技术是提升容量的一种重要途径,本文研究基于大规模MIMO的对流层散射通信系统的信道估计问题。首先建立基于二维均匀方形天线阵列的大规模MIMO对流层散射信道模型,其次提出一种信道协方差矩阵估计算法对传统最小均方差(MMSE)信道估计算法进行改进,最后与最小二乘(LS)、传统MMSE算法和理想MMSE信道估计算法的准确度进行对比。仿真结果表明：在信噪比(SNR)为0～25 dB的情况下,传统的MMSE算法的准确度相较于LS算法的提升效果并不明显,与理想MMSE算法的准确度有一定差距;但改进MMSE信道估计算法的准确性优于传统MMSE算法,同等条件下NMSE相同时,其SNR可提升3～5 dB,并随着SNR的增大逐渐逼近理想MMSE算法。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。