认知MIMO系统中波束成形和功率的联合控制博弈算法

针对认知MIMO系统中波束成形和功率的联合优化问题,建立了非合作可分离对策联合博弈模型,提出了新的代价函数,根据KT条件证明了该模型中的各个子博弈均存在最优纳什均衡,从而得到联合博弈存在最优纳什均衡的结论,并提出了新的交替迭代算法。仿真结果表明,该算法有较快的收敛速度;同时,在动态环境下,算法也能达到最优纳什均衡,具有较好的稳定性。     

对认知无线电波束成形算法的探讨

对多天线协作双向认知无线电系统中的波束成形算法进行了研究。在多天线协作双向认知无线电系统中,2个主用户系统通过次用户进行信息交换,次用户配置多个天线,且次用户通过叠加信号后将其发送给主用户,所以对分配发送主用户和次用户信息的信号的功率以及设计主用户和次用户的波束成形矩阵等进行了重点研究。依据最大化系统容量的优化准则,得到的优化问题均是非凸问题,因此采用半正定优化和二阶圆锥优化,得到闭合解。仿真结果表明,此方法优于以往的波束成形算法。     

基于IRS辅助的MIMO车联网系统联合波束成形设计

针对MIMO车联网系统中V2I和V2V共享频谱的情形,提出了一种IRS辅助的联合波束成形设计方法。在保证V2V用户数据速率需求、V2I基站发射功率受限和IRS反射相移模约束等条件下,以最大化V2I用户的信道容量为目标,联合优化基站端发送预编码和IRS端的反射相移矩阵。采用最小均方误差规则、矩阵分析理论和内逼算法把非凸且变量耦合的优化问题转换为解耦后的凸优化问题,并提出一种交替迭代优化算法获得原问题的解。对所提算法的性能进行仿真,分析了IRS反射单元数、IRS部署位置和车速对车联网频谱效率的影响。仿真结果表明,所提算法收敛性较好,若在基站附近部署IRS,利用所提的联合波束成形方法能最大限度地提高车联网频谱效率。     

MIMO系统中的随机波束成形技术

P.Viswanath等首次提出"波束成形"的概念。Jaehak Chung在其论文中指出:MIMO系统中使用随机波束成形技术,只要向基站反馈有效的信噪比就可以同时获得下行链路多用户分集增益,空间复用增益和阵列增益。另外,功率控制技术和注水原理可以提高相干信道的信道容量。慢衰落信道中,蜂窝中有很多用户时,利用他们提出的方法获得的吞吐量逼近采用相干波束成形技术获得的吞吐量。M.Sharif and Babak Hassibi在其文章中提出了如下的方案:基站构建M个随机波束,并和SINR最大的用户通信。M固定,用户数n增加,上述方案的总容量可表示为M·lg(lg(n)),这与已知精确信道状态信息情况下获得的总容量一致。本文比较了上述文章中的方案,并分析出每个方案的优缺点。     

毫米波大规模MIMO系统混合波束成形技术综述

毫米波通信和大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）技术是5G的关键候选技术,在提高5G系统各项性能指标上潜力巨大。混合波束成形作为毫米波大规模MIMO系统中的关键点,能在系统性能和实现复杂度上取得较好平衡,受到业界和学术界广泛关注。首先给出了混合波束成形经典系统模型和常用信道模型,根据信道状态信息获取方式的不同,从基于理想信道条件和基于波束配对两个方面分析和归纳了现有的混合波束成形方案,最后指出了混合波束成形未来发展趋势以及尚未解决的难点。     

协作式中继增强MIMO通信系统的联合波束成形

本文对协作式中继辅助的多输入多输出(Multiple-input Muhiple-output,MIMO)通信中的联合波束成形问题进行了研究.首先推导了接收信噪比的下界,并基于该下界建立了联合波束成形的数学模型;然后推导了分布式波束成形的最优方案;最后设计了联合优化信源的多天线波束成形和协作式中继的分布式波束成形的算法,从而获得联合波束成形方案.计算机实验仿真表明所提联合波束成形方案获得明显的性能增益.     

认知无线电中智能天线波束成型算法比较研究

本文考虑将具有空间分隔特性的智能天线用于认知无线电系统的下行链路,并比较了LMs及改进算法以及sMI—LSCMA算法,使su能够更加灵活地利用频谱和空间资源,在不干扰Pu的情况下共享信道。此外,还对基于智能天线的认知无线电系统的波速成形理论做了对比分析。结果表明：加入了智能天线的认知无线电,对于波束成形理论更有优势,基于智能天线的认知无线电系统能获得更多的传输机会,吞吐量有较大提升,且Pu越活跃,吞吐量提升倍数越高。     

基于无人机中继的星地认知网络波束成形算法

针对基于无人机中继的星地认知网络,提出了两种波束成形（beamforming, BF）算法,通过对各种干扰进行抑制,实现系统间的频谱共享。具体而言,在基于无人机中继的卫星网络作为次级网络、地面网络作为主网络的情况下,以无人机最大发射功率和主用户所受干扰为约束条件,建立次级用户信干噪比最大化准则的优化问题;接下来在已知次级用户统计信道状态信息的条件下,提出一种基于迭代的BF算法对优化问题进行求解;更进一步,为了降低迭代算法的实现复杂度,提出了一种基于迫零的BF算法。最后,计算机仿真验证了所提两种波束成形方案的正确性与有效性。     

MIMO-OFDM系统中基于波束成形的自适应资源分配技术研究

MIMO—OFDM系统具有空间、时间和频率三维的自由度,结合自适应资源分配技术,使得系统的传输速率、频谱效率及功率利用率等性能进一步优化,同时可以结合波束成形技术进一步提高系统的性能。文章介绍了MIMO—OFDM系统中资源分配的几种方式,分析比较了几种方式的特点和存在的不足,提出进一步研究的内容。     

基于MSMSE的MIMO放大转发双向中继信道中波束成形设计

本文主要研究了基于最小化均方误差和准则的MIMO放大转发双向中继信道中的波束成形向量(矩阵)的设计.我们分别在集中式与分布式两种应用环境中提出了一套解决方案.在集中式方案中,多个中继之间完全协作,因此将多个单天线中继等效成一个多天线的中继节点,设计了基于所有中继天线的总功率控制的波束成形向量(矩阵).在分布式方案中,中继节点之间无协作,分别设计了基于所有中继总功率控制波束成形向量(矩阵)和基于单个中继功率控制的波束成形向量(矩阵).仿真表明,通过波束成形设计,可以显著提高通信节点平均误码率.由于中继节点之间的完全协作,集中式方案要优于分布式方案.但是,由于中继结构简单,分布式方案更易于在实践中应用.     

基于特征值确定门限的协作MIMO频谱感知

针对最新的基于特征值确定门限的检测方法,引入多认知用户MIMO环境,提出了基于特征值确定门限的协作MIMO频谱感知,充分利用了MIMO技术的优点来提高感知性能,利用随机矩阵理论推导出决策门限的准确表达式,改进了传统基于特征值算法需要大量协作用户的缺点。理论分析和仿真结果均表明,新的决策规则不仅减少了计算复杂性,整体性能也优于同类算法和典型的能量检测算法。     

联合检测在认知无线电中的应用

在多用户认知无线电系统中，针对认知无线电联合频谱感知中用于传递感知信息的控制信道受限的问题，分析比较了纽曼-皮尔逊检测器和“K”秩法检测器的检测性能及其对控制信道的要求。仿真结果表明在设计联合频谱感知检测器时，需要在提高检测性能和降低对控制信道资源需求两方面进行综合考虑来选择满足系统设计要求的检测方法。     

认知无线电中频谱感知技术

固定频谱分配政策导致频谱使用率低下,为克服这一缺点,人们提出使用认知无线电技术实现动态频谱接入,从而有效利用频谱空穴。频谱感知是认知无线电的关键技术。文中介绍了目前已提出的频谱感知技术:发射机检测(包括匹配滤波器检测、能量检测和周期平稳特征检测)、合作检测、接收机检测及基于干扰温度的检测,仿真分析了各种方法的优缺点及有待解决的问题。为满足多用户环境和实时性要求,仍需探讨新的频谱感知方法,提高检测性能。     

基于非负矩阵分解的频谱感知技术研究

为了提高认知无线电系统中低信噪比条件下的频谱感知性能,提出了基于非负矩阵分解的频谱感知方法。在无需知道被感知信号的先验信息的条件下,将原始信号进行短时傅里叶变换后,利用非负矩阵分解的噪声与信号之间的特征矩阵存在的差异性,将特征矩阵作为检测统计量进行频谱感知。仿真结果表明,基于非负矩阵分解的频谱感知方法在低信噪比条件下,具有较传统的能量检测方法与循环平稳检测方法更优的感知性能。     

认知无线电中频谱检测技术研究

认知无线电技术是为了解决频谱资源匮乏的问题而提出的一种无线通信技术。首先简述了认知无线电的背景和概念,然后详细研究了认知无线电中的各种检测技术,分析了其优缺点。     

Spectrum Sensing Based on Deep Learning Classification for Cognitive Radios

Spectrum sensing is a key technology for cognitive radios.We present spectrum sensing as a classification problem and propose a sensing method based on deep learning classification.We normalize the received signal power to overcome the effects of noise power uncertainty.We train the model with as many types of signals as possible as well as noise data to enable the trained network model to adapt to untrained new signals.We also use transfer learning strategies to improve the performance for real-world signals.Extensive experiments are conducted to evaluate the performance of this method.The simulation results show that the proposed method performs better than two traditional spectrum sensing methods,i.e.,maximum-minimum eigenvalue ratio-based method and frequency domain entropy-based method.In addition,the experimental results of the new untrained signal types show that our method can adapt to the detection of these new signals.Furthermore,the real-world signal detection experiment results show that the detection performance can be further improved by transfer learning.Finally,experiments under colored noise show that our proposed method has superior detection performance under colored noise,while the traditional methods have a significant performance degradation,which further validate the superiority of our method.     

认知无线电的合作频谱检测分析

认知用户需要持续快速地检测主用户的出现,对基于认知无线电的合作频谱检测机制进行了分析。在理想的两用户网络中,认知用户采用合作机制可以提高系统的平均侦测时间。在多认知用户网络中,参与合作的用户越多,单个认知用户对主用户的侦测概率越高。对于多用户网络,还考虑了整体的实现。     

基于博弈论的MIMO认知无线电波形自适应算法

 本文从非合作博弈的角度研究了MIMO认知无线电(MIMO-CR)网络中最大化信息速率的波形自适应问题,证明了在给定条件下Nash均衡的存在与唯一性,并提出了一种求解Nash均衡的带惩罚价格的分布式迭代注水算法——MIMO-CR IWFA,通过价格机制的运用使得MIMO-CR在满足主用户的干扰温度约束时最大化各自的信息速率;同时证明了在给定条件下MIMO-CR IWFA能够收敛到唯一Nash均衡解.仿真结果表明MIMO-CR IWFA具有快速收敛特性且能够很好的满足干扰温度约束;虽然受到主用户的干扰温度约束限制,MIMO-CR IWFA的性能能够随着MIMO-CR链路之间的同信道干扰的增大而逐渐接近不考虑干扰温度约束的经典MIMO迭代注水算法(MIMO IWFA).     

合作认知无线网络中能效最优资源分配

针对能量受限的合作认知网络,该文研究在保证主用户服务质量要求下,认知用户能量效率最大化问题。认知用户利用信能同传技术接收主用户信号,并采用解码转发协议协助主用户通信。基于分式规划和引入辅助变量将原始非凸问题转换为凸优化问题进行求解,并提出一种迭代的资源分配算法。仿真结果表明,所提算法能够快速收敛于最优解。与能量合作方案相比,该文所采用方案能量效率显著提高,同时能更好地保证主用户服务质量要求。