基于稀疏感知有序干扰消除的大规模机器类通信系统多用户检测

在大规模机器类通信(mMTC)系统中,以用户活跃性为先验信息,接收机可以基于稀疏感知最大后验概率(S-MAP)准则来检测多用户信号。为了降低S-MAP检测的计算复杂度,基于干扰消除的思想,该文提出一种改进的活跃性感知有序正交三角分解(IA-SQRD)算法,以适用于mMTC系统上行链路多用户信号检测。IA-SQRD算法将传统的活跃性感知有序正交三角分解(A-SQRD)算法的最终解作为初始解,并额外增加迭代干扰消除操作,以进一步提高检测性能。此外,利用与改进A-SQRD算法相似的思路,该文对稀疏感知串行干扰消除(SA-SIC)、有序正交三角分解(SQRD)及数据相关的排序和正则化(DDS)算法亦进行了改进设计,分别获得了相应的改进型算法,即ISA-SIC、I-SQRD及I-DDS算法。仿真结果表明：相对于A-SQRD算法,在未显著增加计算复杂度的情况下,在系统误比特率(BER)为\begin{document}$2.5 \times {10^{ - 2}}$\end{document}时,该文所提IA-SQRD算法可取得3 dB性能增益;并且,对于不同的活跃概率或扩频序列长度等参数配置下的mMTC系统,IA-SQRD算法相对于其它算法均表现出更优良的多用户检测性能。     

基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法

基于干扰消除思想该文提出一种适用于大规模MIMO系统上行链路的低复杂度迭代并行干扰消除算法,在算法实现中避免了线性检测算法所需的高复杂度$({\cal O}({K^3}))$矩阵求逆运算,将复杂度保持在$({\cal O}({K^2}))$。在此基础上,引入噪声预测机制,提出一种基于噪声预测的迭代并行干扰消除算法,进一步提高了硬判决检测性能。考虑天线间残留干扰,将干扰消除思想运用到软判决中,最后提出一种基于迭代并行干扰消除的低复杂度软输出信号检测算法。仿真结果表明：提出的信号检测方法的复杂度优于MMSE检测算法,经过几次简单的迭代,算法即快速收敛并获得接近甚至优于MMSE检测算法的误码率性能。     

大规模MIMO信号检测IPIC算法的深度学习网络

针对在大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)系统中,信道硬化现象减弱时最小均方误差(Minimum Mean Square Error, MMSE)检测算法及Richardson、Jacobi等迭代检测算法检测性能退化严重的问题,提出了一种深度检测网络,称为IPICNet,将深度学习技术和迭代并行干扰消除(Iterative Parallel Interference Cancellation, IPIC)检测算法结合。在IPICNet中,将IPIC检测算法的迭代过程展开为深度网络,并在此基础修改网络架构和添加可训练参数,同时对网络中需要使用的投影函数和损失函数进行了讨论和设计。实验结果表明,训练完成的IPICNet能有效提升IPIC检测算法的检测性能并在信道硬化现象不明显的MIMO系统中稳定工作。     

改进的DetNet大规模MIMO检测器

对DetNet结构进行改进以提升大规模MIMO（Multiple-Input Multiple-Output）信号检测性能。首先,去除输入端的冗余向量简化网络中每个检测单元的结构;其次,为了进一步提升网络性能,借鉴随机森林在每个决策树的输入端引入随机性的思想,通过复制网络将原网络中的检测单元扩充为两个,构造成孪生网络的结构,并在其输入端设置不同的初值向量。仿真结果表明,结构优化后的网络比原DetNet具有一定的性能提升。     

基于串行干扰消除的V—BLAST检测

贝尔实验室分层空时结构（BLAST）是实现多输入多输出（MIMO）无线通信系统空时复用并获得容量增益的一种重要技术．本文将以垂直BLAST（V-BLAST）为主要对象，综述基于串行干扰消除的V-BLAST检测算法及相应的复杂度和误码性能，并对其发展作了有关展望。     

基于近似信息传递算法的大规模MIMO信号检测

大规模多输入多输出(MIMO)技术通过增加天线的数目可以有效降低发送功率,提高能量效率,被认为是5G移动通信的一项关键技术。随着天线数目的大幅增加,信号检测的复杂度随之增加。分析了大规模MIMO 信号检测的研究现状,提出了近似信息传递(AMP)算法,并比较了 AMP 算法、Richarson 算法以及Neumann级数迭代近似算法的复杂度。仿真结果表明,该算法使用较少的迭代次数即可达到和MMSE近似的系统差错性能。     

大规模MIMO系统中基于TFQMR的低复杂度信号检测算法

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统上行链路检测算法中,最小均方误差(Minimum Mean Square Error,MMSE)算法可取得近似最优的性能,然而MMSE算法涉及高维矩阵求逆问题,其计算复杂度高达O(K3),其中K表示用户数.为此,针对极化信...     

基于消息传递的大规模多用户MIMO低复杂度的检测算法

针对大规模多用户多输入多输出(MIMO)系统中基站端检测复杂度高的问题,提出了一种低复杂度、基于强制收敛的变量节点全信息高斯消息传播迭代检测(VFI-GMPID-FC)算法.首先对传统的GMPID算法进行改进,得到VFI-GMPID算法,VFI-GMPID算法的检测性能逼近最小均方误差检测(MMSE)算法,但复杂度要大大低于MMSE算法.然后结合强制收敛思想和VFI-GMPID,提出VFI-GMPID-FC算法,进一步降低算法复杂度,提升检测效率.最后通过仿真结果表明,所提算法在保证检测性能的同时,能有效地降低算法的复杂度.     

MIMO系统中基于混合干扰消除的低复杂度迭代接收

针对MIMO(多输入多输出)通信系统中传统的基于软干扰消除和MMSE(最少均方误差)滤波器的迭代接收方案对信道相关性较敏感的问题。提出了一种基于混合干扰消除(软干扰消除和硬干扰消除)以及MMSE滤波器的检测算法,并引入一个确信机制来控制错误传播问题。仿真结果表明,新算法相比传统的算法在相关信道环境下有明显的性能增益。定性的计算复杂度分析表明新算法在恰当的系统配置下比传统算法具有更低的计算复杂度。     

基于高斯树近似的大规模MIMO检测算法

大规模MIMO系统中,基站端复杂的接收信号将导致信号检测困难等问题。该文提出一种基于截断诺依曼级数近似求逆高斯树的低复杂度消息传递算法,该算法在高斯树近似消息传递的过程中利用诺依曼级数近似求解协方差矩阵和最小均方误差估计以降低计算复杂度。仿真结果表明,该文算法在检测性能满足系统需求的同时,也有较低的计算复杂度。     

基于连续干扰消除的毫米波MIMO系统混合预编码算法

该文研究多用户毫米波MIMO系统的混合模数预编码器和合并器设计。针对因信号传播漫散射造成的多用户间信号干扰问题,提出一种基于连续干扰消除(SIC)的鲁棒混合预编码算法。首先对信道矩阵进行正交分解,以消除来自已知用户信号的干扰,从而将含有非凸约束的多用户链路优化问题分解为多个单用户链路优化问题。然后采用相位提取算法逐个求解每个用户的最优传输链路,并结合最小均方误差(MMSE)准则求得多用户混合预编码矩阵。仿真结果表明,与现有的混合预编码算法相比,所提算法在强干扰环境下具有显著的性能优势。

     

分组空时块编码结构及其信号检测算法

本文提出一种可用于宽带数字移动通信系统的多输入多输出(MIMO)无线传输系统架构———分组的空时块编码(G-STBC)MIMO结构,即发送天线被分成若干组,组内的多根天线进行STBC编码,而各组发送的数据流相互独立。针对这一系统架构,提出了基于迫零检测的最优排序串行干扰消除(OZFSIC)接收信号检测算法的实现方案。计算机仿真结果表明,这种空时编码MIMO结构在等数据率的情况下能获得比相应的V-BLAST系统更优的性能。G-STBC-MIMO结构可以使发送天线多于接收天线,因此,对于无线通信系统下行链路以及大数据量广播业务系统(如数字高清晰度电视地面传输系统)都较V-BLAST更具有优势。     

一种改进的码分多址通信系统的多用户干扰抵消接收机

在码分多址通信系统中,由于许多用户占用同一信道进行通信,传统的单用户检测策略和最佳的多用户检测策略不是很实用。本文对直接序列－码分多址系统的多用户检测策略和次最优检测策略进行了分析和阐述,讨论了一种改进的多级并行干扰抵消接收策略,最后给出了几种模拟结果。     

基于并行干扰抵消的OFDM/OQAM系统中的信号检测方法

在多径衰落信道中,基于交错正交幅度调制的正交频分复用(OFDM with Offset QAM, OFDM/OQAM)系统使用迫零均衡器进行信号检测时,不能完全消除信道复数特性和滤波器实数正交特性引入的时域符号间干扰和频域子载波间干扰,及信道估计误差导致的误码率性能损失。该文利用对数据初始判决并重构相邻载波及符号间干扰的思想,通过分析采用迫零均衡信号检测时的残余干扰与信道估计误差干扰,提出了一种基于并行干扰抵消和迫零均衡器结合的OFDM/OQAM信号检测方法,并在IEEE 802.22 技术标准的两种典型多径衰落信道中进行了计算机仿真与比较研究。仿真结果表明,与基于迫零均衡的检测方法相比,基于并行干扰抵消的迭代信号检测方法在误码率为1%时,可获得1 dB至2 dB的性能提升。     

基于MMSE横式滤波器和PIC联合的MUD算法

多用户检测(MUD)是有效地抑制多址干扰(MAI)的关键技术。本文在对各种现有MUD算法的特点进行认真分析的基础上,提出了将最小均方误差(MMSE)横式滤波器与并行干扰对消(PIC)相结合的联合检测结构。计算机仿真结果表明,该算法计算复杂度不高,性能明显优于传统的MUD算法,具有一定的实际应用价值。     

基于切比雪夫-迹迭代的大规模MIMO系统软输出信号检测

在多用户大规模多输入多输出(MIMO)系统信号检测算法中,最小均方误差(MMSE)算法可取得近似最优性能,但MMSE算法中高维矩阵求逆的复杂度过高,导致在实际应用中难以快速有效地实现。同时,对于高阶正交幅度调制(HQAM),如果符号向比特的解映射采用硬判决,将会导致后续信道译码的性能明显下降。因此,该文针对采用格雷编码的HQAM的多用户大规模MIMO系统,提出一种基于切比雪夫-迹迭代(CTI)的低复杂度软输出信号检测算法。该算法不但有效地规避了信号检测所需的高维矩阵求逆,同时,利用格雷编码的调制信号的比特翻转特性和二叉树结构,给出了一种融合三叉链表搜索的比特对数似然比(LLR)简化计算方法。仿真结果表明,该文所提的软输出信号检测算法最多需要3次迭代就能收敛并可取得接近MMSE算法的性能,在复杂度和性能之间取得了很好的折中。

     

降低多用户MIMO下行检测复杂性的联合发送技术

该文研究降低多用户MIMO下行链路检测复杂性的联合发送技术。首先给出了多用户MIMO下行链路模型,在此基础上导出了数据检测算法,每个移动台只需一个线性滤波器来完成数据检测,大大地降低了接收机的计算量,然后就TD-SCDMA系统应用环境进行了仿真和分析,结果说明了多用户MIMO联合发送方案的优越性和良好的应用前景。     

无蜂窝大规模MIMO中基于深度强化学习的无人机辅助通信与资源调度

无蜂窝大规模多入多出(MIMO)网络中分布式接入点(AP)同时服务多个用户,可以实现较大区域内虚拟MIMO的大容量传输;而无人机辅助通信能够为该目标区域热点或边缘用户提供覆盖增强。为了降低反馈链路负载,并有效提升无人机辅助通信的频谱利用率,该文研究了基于AP功率分配、无人机服务区选择和接入用户选择的联合调度;首先将AP功率分配和无人机服务区选择问题联合建模为双动作马尔可夫决策过程 (DAMDP),提出了基于Q-learning和卷积神经网络(CNN)的深度强化学习(DRL)算法;然后将用户调度构造为一个0-1优化问题,并分解成子问题来求解。仿真结果表明,该文提出的基于DRL的资源调度方案与现有方案相比,可以有效提升无蜂窝大规模MIMO网络中频谱利用率。