一种基于内点罚函数和梯度迭代的频偏估计方法

为了克服现有技术的不足,提出了基于内点罚函数和梯度迭代的频偏估计方法。即利用频偏估计的方差与信噪比和相关训练段长度的关系式,在不缩小频偏估计范围的条件下,建立最小化频偏估计精度的方差的最优化函数问题,由于是非线性优化问题,采用内点惩罚函数法, 在效用函数收敛于由频偏估计范围确定的相关长度的可行域之内时,通过梯度迭代,得到一个局部最小值,即最优相关训练段长度,实现相关训练段长度自适应信噪比的变化而调整,提高频偏估计的抗噪性和精度。     

分布式波束成形的迫零用户选择方案

为了实现在系统总人数大于基站发送天线数条件下,对多小区系统中小区间和小区内用户干扰同时抑制的目的,提出一种基于迫零算法的分布式波束成形的用户选择算法.算法将整体用户分为可一同参与迫零算法和不可一同参与的两类,并利用信道之间的弦距去选择可一同参与迫零算法的用户,实现波束成形向量与未参与迫零的本地信道之间的准正交,同时分析和证明了该算法的有效性.仿真结果表明,新算法在不同发送天线数和总用户数条件下,其吞吐率性能均优于传统算法.     

一种基于内惩罚函数的多小区波束成形算法

本文提出一种利用惩罚函数的分布式波束成形迭代算法,该算法利用当效用函数的梯度为零时的局部最大值的性质。建议算法的收敛性已被证明。仿真结果表明,对比传统算法,建议算法在抑制小区内和小区间干扰方面具有较好的性能,特别是当用户数增加时建议算法具有更高的速率。