MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

MIMO系统中最大化信道容量的联合发射与接收天线选择算法

基于对信道容量公式的分析,得到了增加一对发射与接收天线时信道容量增量的表达式,通过对该表达式的分析简化提出了当发射端与接收端射频链路数相同时的低复杂度联合发射与接收天线选择(JTRAS)算法.仿真结果表明新算法在计算复杂度较低的条件下性能优于目前存在的其他算法,与最优算法接近.     

大规模MIMO相关信道下的联合天线分组和天线选择

在大规模多输入多输出系统中,针对密集部署的大型天线阵列之间的强相关性会抑制天线选择增益效果的问题。在系统下行链路场景下建立空间相关信道模型,提出了基于天线分组的天线选择算法。根据瞬时信道相关矩阵将天线阵列划分为若干组,保证各组内天线之间相关性较强。在完成天线分组的基础上,基于信道矩阵列范数准则在各组发射天线与接收天线之间构成的子信道矩阵中选择天线,进而构造有效发射天线与接收天线之间的信道矩阵。仿真分析了所提天线选择算法对系统遍历和速率的影响,结果表明,在基站天线数为32、接收天线数为2、选择天线数为2、天线相关因子为0.9的假设下,当信噪比为10 dB时,与基于相邻天线分组的天线选择算法相比,所提算法使系统和速率约提高了27.5%,且所提算法若要与最优天线选择算法达到相同的和速率,仅需将其信噪比提升1～2 dB即可。     

基于强化学习的大规模天线阵天线选择算法

传统天线选择算法过于依赖信道状态信息(CSI),然而以用户为中心的大规模多输入多输出(UC-MMIMO)系统难以获得足够CSI。针对以上矛盾,将强化学习方法引入到天线选择的问题中,提出了一种基于强化学习的天线选择算法。通过仿真说明所提算法相对于传统的天线选择方法对CSI依赖程度大大降低,并且有着更低的算法复杂度。     

基于特征空间的MIMO天线选择算法

多输入多输出(MIMO)系统中多天线阵元(MEA)的使用增加了硬件成本和信号处理负担,而天线选择技术能够在损失MIMO性能很小的条件下大幅度降低硬件需求.在最大化信道容量的准则下,提出了一种基于信道状态信息(CSI)特征空间的渐消算法及相应的启发式简化算法,并说明了简化算法等价于特征空间矩阵上的基于范数的选择(NBS)算法.仿真实验表明,在接收天线选择个数大于发送天线个数的条件下,两种算法达到的中断容量接近最优选择算法,且计算时间较小.     

一种用于MIMO系统的快速天线选择算法

在多径衰落环境中, MIMO系统的信道容量随天线数的增加呈线性增加,发射/接收天线选择方法能以很小的性能损失换取射频成本的大幅度降低,使MIMO系统不完全受射频成本的限制。为快速选择出使系统容量最优的发射/接收天线子集,该文提出一种快速天线选择算法的改进算法。该算法通过实时更新优化参数,大大降低计算复杂度。仿真结果表明,该算法在不影响系统容量的情况下大大减少了计算时间。     

放大转发MIMO中继系统中的快速天线选择算法

 本文研究放大转发MIMO中继系统的天线选择,目标是最大化系统容量.针对最优天线选择算法的高复杂度,本文提出了低复杂度且性能逼近最优的快速天线选择算法.首先对MIMO中继系统容量进行了分析和仿真,结果表明：若源的天线数为M、目标的天线数为N,中继从K根天线中选择min(M,N)根就可保证系统达到近似最优的性能.在此基础上,本文以优化容量下界为目标,利用分块矩阵的性质,推导出快速天线选择算法,并分析了算法的复杂度.研究结果表明本文提出的快速天线选择算法的性能与最优算法非常接近,并且有更低的复杂度.     

基于矩阵特征值分解的MIMO天线选择算法

天线子集选择技术是一种有效的低代价且能够获得MIMO好处的技术.文中提出了一种基于矩阵特征值分解的天线选择算法以最大化信道容量,它将大的搜索空间分成若干小区间,在较小的搜索空间中采用穷举法.分析了所提算法及相关算法的计算复杂度.仿真实验表明,该算法能够获得接近穷举法的中断容量性能而且具有较低的计算复杂度.     

无线MIMO系统中天线选择技术的算法

针对多天线需要多射频链路带来的高硬件成本,分析了低复杂度的MIMO天线选择的必要性,介绍了递增天线选择算法、递减天线选择算法和改进的递增递减天线选择算法.链路仿真结果表明:递增递减算法可以快速选择出使系统容量最大的天线子集,该算法简单易于实现,计算速度快,获得的结果非常接近穷尽搜索方法得到的结果.     

基于最大比合并的MIMO分集系统递增天线选择算法

MIMO分集系统天线选择技术可以在不增加系统射频链路的情况下,达到与全天线几乎相同的分集增益.针对发送端采用最大比发送,接收端采用最大比合并的MIMO分集系统,提出了一种递增天线选择方法,每次增加一根天线,并使得它与已选出的天线结合起来具有最大的信噪比增益.相对于对所有可用天线集进行遍历的最优算法,它减小了需要搜索的范围和每次搜索的计算量,降低了复杂度;相对于功控天线选择算法,它考虑了新增天线与已选出天线集之间的相关性,改善了性能.仿真结果表明,在误比特率、信道容量和信噪比增益方面,此算法和最优算法性能相近,且不随可用天线数和选出天线数的改变而改变.     

关于MIMO系统的天线子集选择性能的研究

讨论了有关 MIMO 无线系统中的天线子集选择性能的问题。首先建立了 MIMO 信道模型,对信道模型进行了分析,接着对信道矩阵为非满秩的情况进行了研究,分别采用几种组合对发射、接收天线进行选择,得出不同组合对信道容量的影响。仿真结果表明,选择发射天线可以增加信道容量,选择接收天线虽然无助于增加信道容量,但在不会严重降低信道容量的前提下,可以降低系统的成本。     

粒子群优化算法用于阵列天线方向图综合设计

粒子群优化算法是基于一群粒子的智能运动而产生的一类随机进化算法,其优点是算法非常利于理解和应用.本文介绍了粒子群算法的原理和流程,研究了如何将这种方法运用于天线阵的方向图综合上,给出了PSO算法在综合阵列方向图的应用实例,表明粒子群算法在天线阵列综合中具有广泛的应用前景.     

上行多用户MIMO系统中的用户与天线联合选择方案

在多用户MIMO系统中,基站所能同时进行通信的用户数受到基站和用户端天线数的限制,随着用户数的增加,系统的性能反而会降低,因此,用户选择技术就成为一种改善系统性能的有效技术.在本文中,针对上行多用户MIMO系统提出了一种低复杂度的用户选择算法.为获得更大的系统性能,在用户选择的基础上,进一步提出了一种用户与天线联合选择算法.这两种算法在极大地简化计算复杂度的条件下,提供了与最优算法几乎相同的性能.     

Linear antenna array synthesis using cat swarm optimization

Antenna arrays with high directivity and low side lobe levels need to be designed for increasing the efficiency of communication systems. A new evolutionary technique, cat swarm optimization (CSO), is proposed for the synthesis of linear antenna arrays. The CSO is a high performance computational method capable of solving linear and non-linear optimization problems. CSO is applied to optimize the antenna element positions for suppressing side lobe levels and for achieving nulls in desired directions. The steps involved in the problem formulation of the CSO are presented. Various design examples are considered and the obtained CSO based results are validated by comparing with the results obtained using particle swarm optimization (PSO) and ant colony optimization (ACO). The flexibility and ease of implementation of the CSO algorithm is evident from this analysis, showing the algorithm's usefulness in electromagnetic optimization problems.     

一种改进的麻雀搜索天线选择算法

为解决麻雀搜索算法在多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中进行天线选择时,存在过早收敛导致系统容量非最优的问题,提出了一种改进的麻雀搜索天线选择算法。该算法首先结合0-1规划推导出信道容量函数,将其作为适应度函数。在天线选择子集寻优过程中,通过引入自适应变异,有效增加了个体变化的多样性。最后将禁忌搜索算法融入到算法中,并加速算法收敛。仿真结果表明,改进的麻雀搜索天线选择算法能够有效降低MIMO系统进行天线选择时的运算复杂度,在保证收敛速度的同时,最终得到的系统信道容量趋近于最优算法。     

无线MIMO系统的容量分析及其在3G中的应用

在无线MIMO(MultipleInputMultipleOutput)系统信号模型的基础上,分析了无线MIMO系统的容量,讨论了无线MIMO系统提高频谱利用率的基本原理,并且给出收发天线数量和信噪比对系统容量影响的试验结果。最后,对无线MIMO系统的应用,尤其在第三代移动通信中的应用做出了比较详细的说明。     

Achievable sum‐rate analysis of correlated two‐antenna MIMO uplink channels

This paper analyzes the achievable sum‐rate of correlated two‐antenna multiple‐input multiple‐output (MIMO) uplink channels. Most of previous works have considered the case when a single user has multiple transmit antennas (i.e. multi‐antenna single‐user scenario). This paper considers the case when two‐antenna MIMO uplink channels comprise two users with a single transmit antenna (i.e. single‐antenna two‐user scenario). The analytic and simulation results show that the achievable sum‐rate of correlated single‐antenna two‐user MIMO uplink channels highly depends on the angle difference between the receive correlation coefficients of two users. It is also shown that the achievable sum‐rate of correlated single‐antenna two‐user MIMO uplink channels is larger than that of correlated two‐antenna single‐user MIMO uplink channels and can even be larger than that of independent and identically distributed Rayleigh two‐antenna MIMO uplink channels. Copyright © 2009 John Wiley & Sons, Ltd.