毫米波MIMO系统中部分连接型混合预编码设计

为了提高毫米波通信系统中混合预编码频谱效率,考虑交替使用最小化架构来提高波束形成增益。然而,这种架构因为射频域调相网络通常使用移相器构成,导致非凸约束,并且已知解决方案具有更高的计算复杂度。在使用交替最小化架构之前,证明了信道矩阵的有序右奇异向量的相位角可以用来初始化模拟预编码器,从而避免了采用搜索近似最佳模拟预编码矩阵的复杂优化过程。另外,不需要发射机处的天线阵列响应矢量。仿真结果表明,提出的算法性能优于传统部分连接型算法且复杂度更低,尤其在高信噪比情况下,更加明显。     

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%。     

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。     

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之间的误差为目标,利用卡尔曼滤波算法设计基带预编码器,从而减少用户之间的干扰。仿真结果表明,该方案相比模拟波束成形方案、数字预编码方案和迫零混合预编码方案可有效提升系统频谱效率和能量效率。     

基于改进智能水滴的正交匹配追踪混合预编码算法

针对毫米波大规模多输入多输出（mmWave Massive MIMO）系统硬件成本高、系统开销大等问题,提出一种基于改进智能水滴的正交匹配追踪（IWD-OMP）混合预编码算法。首先,基于正交匹配追踪（OMP）算法求解预编码矩阵;其次,采用改进的智能水滴（IWD）算法求解矩阵中全局最优的索引向量;最后,通过此方法求解的矩阵无须提前构造候选矩阵,可以达到节约系统资源、降低矩阵计算复杂度的目的。实验结果表明,当发送端天线数为128,信噪比为28 dB时,与OMP算法相比,该方法的系统可达和速率提高了约7.71%;当信噪比为8 dB时,该方法的系统误码率降低约19.77%。此外,所提预编码算法对实际信道环境中非完全信道状态信息（CSI）具有鲁棒性,当信噪比取值为28 dB时,相较于完全CSI,该方法对非完全CSI的可达和速率降低了约1.08%。     

天线选择下稳健波束形成新算法

研究认知无线电（CR）网络环境下的稳健发射波束形成问题,以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入[?0]范数的[?1]范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。     

自适应梯度下降观测矩阵优化算法

基于可以通过减小压缩感知中观测矩阵与稀疏矩阵之间的互相关性来提高信号的重构质量,结合无约束凸优化问题中梯度下降的思想,提出了一种自适应梯度下降算法（Adaptive Gradient Descent, AGD）。首先利用等角紧框架（Equiangular Tight Frame, ETF）收缩传感矩阵的Gram矩阵,然后通过收缩得到的Gram矩阵建立一个无约束凸优化问题,最后通过梯度下降方法求解无约束凸优化问题进而得到优化后的观测矩阵。AGD算法通过每次更新梯度下降的方向,使Gram矩阵能够在最短时间内逼近ETF。仿真实验表明,该算法不仅迭代次数少,且优化后的观测矩阵与稀疏矩阵之间的互相关性大大降低。与传统的优化算法相比,信号恢复效果更好。     

基于推广流形学习的高分辨遥感影像目标分类

针对传统的流形学习算法不能对位于黎曼流形上的协方差描述子进行有效降维这一问题，本文提出一种推广的流形学习算法，即基于Log-Euclidean黎曼核的自适应半监督正交局部保持投影（Log-Euclidean Riemannian kernel-based adaptive semi-supervised orthogonal locality preserving projection，LRK-ASOLPP），并将其成功用于高分辨率遥感影像目标分类问题.首先，提取图像每个像素点处的几何结构特征，计算图像特征的协方差描述子；其次，通过采用Log-Euclidean黎曼核将协方差描述子投影到再生核Hilbert空间；然后，基于流形学习理论，建立黎曼流形上半监督正交局部保持投影算法模型，利用交替迭代更新算法对目标函数进行优化求解，同时获得相似性权矩阵和低维投影矩阵；最后，利用求得的低维投影矩阵计算测试样本的低维投影，并用K—近邻、支持向量机（Support victor machine，SVM）等分类器对其进行分类.三个高分辨率遥感影像数据集上的实验结果说明了该算法的有效性与可行性.     

无线携能通信系统中基于人工噪声的波束成形算法研究

在存在多天线窃听者的情况下,研究了无线携能通信系统的物理层安全传输问题。传统上,人工噪声方案是一种保证物理层安全通信的有效策略。因此,提出了一种人工噪声辅助的波束成形算法,以提高信息与能量联合传输的安全性。该算法在满足多项约束（接收端能量采集门限、信息泄漏控制指标和发送功率）的基础上,通过优化波束成形预编码矩阵和人工噪声实现无线携能通信系统的物理层安全通信。在数学上该算法是一个非凸优化问题,不易求解。为此,首先引入最小均方误差接收算法和连续凸近似方法将其转换为凸的二阶锥规划子问题,然后对该凸问题进行迭代求解。仿真结果表明,该算法能够在保证窃听者无法解码信息的同时,实现信息和能量的联合传输,并且算法收敛速度快。     

基于OMP的Massive MIMO预编码

传统的全数字预编码器由于RF链的巨大硬件成本,使其不再适用于mmWave大规模MIMO系统,因此提出混合模拟/数字预编码以降低RF组件的硬件成本,同时实现类似性能到全数字预编码器。本文提出了一种OMP混合预编码算法。在该算法中,通过信道矩阵的奇异值分解获得最优全数字预编码矩阵。使用设计的初始矩阵作为RF预编码初始值,通过OMP思想更新RF矩阵,然后使用迭代改进来定义算法结束条件以改善混合预编码器的性能。仿真结果表明,OMP算法似乎提供很高的性能,并且接近最优的全数字预编码方案。能效分析结果表明采用混合预编码方案来保证频谱效率和能效更为合适。     

非平衡有向网络下带约束的连续时间分布式优化算法设计EI北大核心CSCD

本文基于权重不平衡有向网络,对一类分布式约束优化问题进行研究,其中全局目标函数等于具有李普希兹梯度的强凸目标函数之和,并且每个智能体的状态都有一个局部约束集.每个智能体仅知道自身的局部目标函数和非空约束集.本文的目标是用分布式方法求解该问题的最优解.针对优化问题,提出了一种新的分布式投影梯度连续时间协调算法,利用拉普拉斯矩阵的零特征值对应的左特征向量消除了图的不平衡性.在某些假设下,结合凸分析理论和李雅普诺夫稳定性理论,证明了算法能够获得问题的最优解.最后,通过仿真验证了算法的有效性.     

基于变量分离和交替最小化的图像修复

提出变量分离和交替最小化相结合解决l1正则优化问题,并用于非纹理图像的修复。基于变量分离技术,该算法将目标函数的l1成分和l2成分解耦,l1正则优化问题简化为一系列非约束优化问题。除了交替最小化迭代地求解这些非约束优化问题,还引入投影法加快和简化求解过程。实验在有噪声和无噪声的情况下,用提出的算法对信息丢失30%的图像进行修复。实验结果表明：该算法可有效解决包括图像修复在内的一系列图像复原问题;与某些同类算法相比,在修复速度和修复效果方面均具有优势。     

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。     

多运动体分布式最优编队构型形成算法

针对分布式通信条件下的多运动体编队构型形成问题进行研究.考虑到个体的有限通信与感知能力,传统集中式求解算法无法适应实际需求,提出一种基于分布式交替映射凸优化的分布式时间最优编队构型形成算法,使得个体间仅依赖局部通信与局部计算实现编队构型的快速形成;将该问题建模为含有等式约束的分布式Minimax凸优化问题,提出基于虚拟等式约束函数的分布式交替映射凸优化算法实现求解;根据求解结果,各运动体采用RVO避障策略实现最优构型形成.针对含有100个运动体的最优编队构型形成问题进行仿真,验证了所提出算法的有效性.     

基于邻近交替线性化的稀疏非负矩阵分解算法

结合稀疏约束与邻近交替线性化(PALM),提出稀疏非负矩阵分解算法(SNMF_PALM)。将非凸的平滑剪切绝对偏差函数作为稀疏正则项,获得逼近L0范数的最佳凸松弛,并利用PALM算法对非凸问题进行求解,得到SNMF_PALM算法的局部稳定最优解。在人脸数据库上将SNMF_PALM算法与SNMF、NMF算法进行实验对比,结果表明SNMF_PALM算法具有更好的聚类性能。     

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。     

基于加权Schatten-p范数的矩阵填充及其应用

基于核范数的矩阵填充模型中，由于对所有奇异值的惩罚力度一样以及实际应用中核范数对秩函数的逼近效果不佳，导致评分矩阵填充时准确性不高。针对这种情况，提出一种基于加权Schatten-p范数最小化模型。利用Schatten-p范数作为秩函数的逼近函数对评分矩阵进行低秩约束；采用对奇异值加权的方式来避免对所有奇异值用同一值收缩的问题，以更好地逼近原始秩函数；采用近端交替线性化最小化方法来求解非凸最小化问题。MovieLens数据集上的实验结果表明，相比加权核范数模型(WNNM)、卷积矩阵分解模型(ConvMF)、融合多维语义表示的概率矩阵分解模型(MFMSR),该模型提高了预测的准确性，在推荐性能指标上明显优于对比模型。     

基于非凸的全变分和低秩混合正则化的图像去模糊模型和算法

非盲图像去模糊问题是从已知核的带噪声的线性卷积变换中恢复原始图像.如果噪声是满足高斯分布的,则可以直接使用最小二乘求解.然而在大多数情况下,去模糊问题都是高度病态的,直接求解无法做到.因此,通常的做法是通过抽取原始图像的已知统计先验信息进行正则化来帮助求解问题.两种常用的正则化是低秩和全变分.早期的相关工作单独使用这两种正则化.直到几年前,人们才考虑将这两种正则化结合起来.已有的结果表明,混合正则化模型比单一模型具有更好的性能.然而,目前的混合正则化方法只是采用凸方法,非凸的工作仍然是空白的.考虑到非凸正则化在很多种情况下都比凸正则化的效果要好,因此本文使用L1/2范数和Schatten-1/2范数提出了一种新的非凸混合模型.我们使用这两个非凸函数,因为它们的近端算子很容易计算.这种非凸混合正则化模型本质上是一个非凸线性约束问题,可以通过交替方向乘子法求解.然而,非凸性使得交替方向乘子法收敛十分困难.因此,我们转向求解原问题的惩罚问题.将交替最小化方法应用于惩罚问题就可以得到提出的算法,其中每个子步骤只涉及非常简单的计算.由于惩罚参数很大时,交替极小化算法速度会很慢,为了加速算法,针对惩罚参数我们使用了预热技术,即选取很小的初值但是在迭代过程中不断将参数增大.我们证明了该算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.在非常温和的假设下,我们证明了算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.     

凸松弛全局优化机器人手眼标定

针对机器人运动学正解及相机的外参数标定存在偏差时,基于非线性最优化的手眼标定算法无法确保目标函数收敛到全局极小值的问题,提出基于四元数理论的凸松弛全局最优化手眼标定算法。考虑到机械手末端相对运动旋转轴之间的夹角对标定方程求解精度的影响,首先利用随机抽样一致性（RANSAC）算法对标定数据中旋转轴之间的夹角进行预筛选,再利用四元数参数化旋转矩阵,建立多项式几何误差目标函数和约束,采用基于线性矩阵不等式（LMI）凸松弛全局优化算法求解全局最优手眼变换矩阵。实测结果表明,该算法可以求得全局最优解,手眼变换矩阵几何误差平均值不大于1.4 mm,标准差小于0.16 mm,结果稍优于四元数非线性最优化算法。     

鲁棒的双向多中继物理层安全传输方案

针对双向多中继系统物理层安全传输无法获取窃听者的精确信道状态信息（CSI）的问题,提出鲁棒的多中继协作波束形成和人工噪声联合物理层安全传输方案,以最大化系统总功率约束下信道状态"最差情况"时的安全总速率。在该方案中,待求解的问题是一个复杂的非凸优化问题。采用交替迭代和连续凸近似（SCA）方法,对波束形成向量、人工噪声协方差矩阵和源节点发射功率进行交替优化迭代,得到了问题的优化解。仿真实验验证了所提方案的有效性,并表明该方案具有更优的安全性能。