Massive MIMO 3D空间相关信道超松弛检测算法

为降低Massive multiple-input multiple-output(MIMO)信号检测算法的计算复杂度,采用迭代方法进行信号检测.在采用矩阵分解的迭代方法基础上,逐步推导引入超松弛迭代检测算法,利用行列式计算推导出松弛因子范围,同时采用几何方法,在二维空间相关信道模型基础上,构建三维空间相关信道模型并给出相应三维空间几何模型,同时忽略高阶项,推导出相应的空间相关信道相关性近似解析形式解,给出相关性近似解析表达式.仿真表明,三维空间相关信道模型会加剧信道的相关性,降低检测算法的误比特率检测性能.当迭代算法的迭代次数N=8,在一定误比特率条件下,采用优化松弛因子的超松弛迭代算法所需的信噪比有所下降.在一定信噪比下,误比特率能下降约两个数量级,接近迭代次数N=16的误比特率,同时分集增益有所提升,计算复杂度也有所下降.通过权衡分析信噪比和计算复杂度,选用优化松弛因子迭代检测算法能在较少的迭代次数下实现较低的误比特率检测性能,超松弛迭代检测算法能获得较优的算法检测性能.     

低复杂度的OFDM系统有效吞吐量最大化算法

针对OFDM系统有效吞吐量最大化问题,提出了一种低复杂度的资源分配算法LCGM.该算法的子载波采用统一的编码调制方式,以等误比特率的方式分配功率,并在此条件下将有效吞吐量最大化问题进行简化.利用有效吞吐量函数在平坦衰落信道和频率选择性衰落信道下为单峰函数这一特点,通过引入一种新的等效信道增益,采用二分法确定数据占用的子载波集合.仿真结果表明,LCGM算法以较低的复杂度获得了与高复杂度算法相当的有效吞吐量,在性能和复杂度之间取得了较好的折中.     

均匀功率谱密度约束下的 OFDM-UWB比特分配算法

针对基于正交频分复用的超宽带系统（OFDM UWB）,提出一种自适应比特分配算法,以对抗超宽带信道的频率选择性衰落.以系统传输速率和均匀功率谱密度为约束条件,将比特分配问题转换为以误比特率（BER）为目标函数的最优化问题,给出了比特分配算法的具体步骤.仿真结果表明该算法可以有效地提高系统性能.     

联合模拟网络编码和信道编码的迭代设计

为了进一步改善多址接入全双工中继系统的误比特率和误帧率,提出了基于模拟网络编码和联合迭代检测与译码技术的中继通信方案.该方案中,中继节点对来自不同用户的信息经过交织和调制后进行信号叠加,发送到目的节点.目的节点采用联合迭代检测和译码方法获得源信息.该方案能够充分利用模拟网络编码提供的信息冗余,获得更好的编码增益.计算机仿真结果表明,如果源-中继节点信道理想,当误比特率为10-5时,相比较于码字叠加迭代译码方案,所提方案有将近5 dB的信噪比改善.     

OFDM双向中继子载波配对与功率联合优化

为了提高基于正交频分复用(OFDM)的放大转发模式下双向中继系统总容量,提出了一种低复杂度的基于信道增益排序子载波配对算法(SP-SCC)和一种联合该子载波配对与功率分配的资源优化策略. 该策略首先是在等功率的条件下进行SP-SCC方法的子载波配对; 然后在系统总功率的限制下,利用对偶分解获得各子载波间的功率分配; 最后将各子载波上的功率分配到各节点上,即获得了各节点上最优功率分配. 仿真结果表明,所提的资源分配策略可以提高系统总容量.     

协作通信中的中继节点选取和功率分配联合优化

为了优化协作通信系统的性能,提出了一种基于信道容量增益的中继节点选取策略,并在此基础上提出了源节点和中继节点最优功率分配算法。通过采用凸优化的算法,功率在源节点和中继节点间得到了合理的分配。理论分析和仿真验证表明,所提算法能以较低的复杂度显著提高系统性能和功率效率,因而可以有效地用于基于中继传输的协作通信中。     

不精确信道状态信息下的自适应调制算法

提出了一种适用于多输入多输出系统的自适应调制算法,在满足总发送功率和误比特率限制条件下利用不精确的信道状态信息使系统信息传输速率最大化。该算法首先利用拉格朗日方法得到最优化问题在实数域的闭合最优解,然后将其调整为符合多进制正交幅度调制要求的离散比特数,从而获得最终的比特和功率分配结果。仿真结果表明,与传统算法相比,该算法不仅呈现对不精确信道状态信息更加鲁棒的误比特率特性,而且在相同误比特率条件下可以提供更高的频谱效率。     

MIMO中继系统中的线性鲁棒收发机联合设计

为了获得理想的信道估计,针对单中继节点的非再生多输入多输出中继系统及部分信道状态信息,提出了一种鲁棒的基于最小均方误差准则的线性收发机联合设计方案. 假设信道估计误差是独立的复高斯变量,在源节点和中继节点平均发射功率受限的条件下,对源节点、中继节点和目的节点进行联合设计,通过迭代算法可得到各节点的线性处理矩阵. 仿真结果表明,与其他方案相比,联合设计方案具有较好的鲁棒性和误比特率性能.     

低复杂度的MIMO比特和功率分配方案

提出了一种低复杂度的自适应比特和功率分配算法,在满足系统信息传输速率和误比特率限制的条件下,利用不精确的信道状态信息使多输入多输出系统的发送功率最小化. 首先利用函数部分单调性将非凸最优化问题转化为凸优化问题,然后得到最优化问题在非负实数域内的闭合最优解,并将其调整成离散比特数,从而获得最终的比特和功率分配结果. 仿真结果表明,该算法可以获得与最优的鲁棒贪婪比特和功率分配算法相同的分配结果和功率效率,而计算复杂度大幅度降低.     

mMTC中基于功率控制的URLL上行无线资源优化方案

提出了一种大规模机器类通信（mMTC）中基于功率控制的高可靠低迟延（URLL）上行无线资源优化方案.考虑时分双工蜂窝网络,设计了上行链路传输的反向功率控制方案,并导出了基于距离的链路可靠性函数;在此基础上,建立了上行无线资源优化模型,分析了链路可靠性函数的特性,并提出了一种基于黄金分割搜索最优的传输错误概率算法;给出了一种最小化系统所需的总带宽算法,可为每个用户分配多个子信道,用户通过判断信道增益是否超过门限值来选择子信道.仿真实验结果表明,新方案在迟延和可靠性的改进以及总带宽、功耗等方面的优势显著.     

基于深度强化学习的多小区NOMA能效优化功率分配算法

在下行多小区非正交多址接入系统中,功率分配是决定系统性能的关键因素之一。由于多小区系统间的功率优化问题的非凸性,获得最优功率分配在求解上非常困难。为此提出了一种基于深度强化学习最大化能效的功率分配算法,将深度Q网络作为动作?状态值函数,将系统能效直接设置为奖励函数,优化信道功率分配,使系统能量效率最大化。仿真结果表明,该算法比加权最小均方误差、分式规划、最大功率和随机功率算法等能够获得更高的系统能量效率,在算法计算复杂度、收敛速度和稳定性方面也有较好表现。     

移动边缘计算中的时延和能耗均衡优化算法

为了提升移动边缘计算（MEC）网络中的任务卸载效用,提出了一种基于任务卸载增益最大化的时延和能耗均衡优化算法.通过分析通信资源和计算资源对时延和能耗这2种性能指标的制约关系,将原问题分解为联合发射功率子信道分配子问题和MEC计算频率分配子问题.通过Karush-Kuhn-Tucker条件,导出了最优的MEC计算频率闭式解.此外,提出了一种基于二分法的发射功率分配算法和基于匈牙利二部图匹配的子信道分配算法.仿真结果表明,提出的算法相比传统算法可以显著提升用户的任务卸载效用.     

一种自适应调制V-BLAST系统的功率受限分配算法

提出了一种自适应调制垂直-贝尔实验室分层空时结构（V-BLAST）系统的低复杂度比特、功率分配算法,满足总平均功率和单根发射天线峰值功率受限条件下使比特率最大化. 该算法可以达到与比特递增分配算法相同的最优分配结果,而计算量大幅度降低. 仿真结果表明,在满足目标误比特率条件下,单天线功率限制会使比特率降低.     

多小区多用户OFDM系统中的最佳比特分配算法

在研究单小区多用户OFDM(正交频分复用)系统中最佳或次最佳的子载波比特功率分配算法基础上,提出了一种在满足所有用户QoS(服务质量)要求下多小区多用户OFDM-TDMA(正交频分复用-时分多址)系统的,以最大化系统吞吐量为目的的最佳功率比特分配算法.通过仿真验证,此算法在确保QoS条件下,能够最大化系统吞吐量并减轻同频干扰的影响.     

结合功率分配的干扰对齐预编码优化算法

针对K用户多输入多输出干扰信道系统提出了一种基于功率分配预编码优化算法.首先通过信道的奇异值分解,基于矩阵弦距离,选出一组与最好的特征子信道最为匹配的预编码矩阵来传输信号,然后根据信道矩阵信息的强弱进行功率分配,从而对预编码矩阵进行优化,可最大化保证接收信号的强度.仿真结果表明,该算法未用迭代计算预编码矩阵和接收抑制矩阵,不仅使整个系统的复杂度大大降低,而且在系统和速率有微小损失的情况下,提高了系统的误码率性能.     

电力线通信系统中基于动态规划的自适应资源分配

分析了电力线通信OFDM系统在多种约束下,多用户多业务在多子载波上自适应的比特和功率分配模型,提出了一种新的基于动态规划的速率和功率自适应相结合的动态资源分配算法,其先给实时用户分配资源以满足固定速率下总功率最小,再利用剩余功率和未用子载波给非实时用户分配资源以满足最小速率下总速率最大．在典型电力线信道环境下的仿真结果表明,该算法的性能优于已有的多用户资源分配优化算法,且其能更好的满足电力线通信系统中多用户资源分配的多目标要求．