高速移动环境下基于深度学习的信道估计方法

针对高速移动环境下信道快时变、非平稳特性导致下行链路信道估计性能受限的问题,本文提出一种基于深度学习的信道估计网络,即ChanEstNet.ChanEstNet使用卷积神经网络（Convolutional Neural Network,CNN）提取信道响应特征矢量和循环神经网络（Recurrent Neural Network,RNN）进行信道估计.我们利用标准的高速信道数据对学习网络进行离线训练,充分挖掘训练样本中的信道信息,使其学习到高速移动环境下信道快时变和非平稳的特点,更好的跟踪高速环境下信道的变化特征.仿真结果表明,在高速移动环境下,与传统方法相比,所提信道估计方法计算复杂度低,性能提升明显.     

适应城市肌理的上海近代集合住宅转角空间研究

以55处上海近代集合住宅实例为基础,探讨上海近代集合住宅转角空间的设计原则和规律,总结其适应城市肌理的空间机制。首先,统筹多源数据并建立关联数据库,通过矢量化转角空间几何要素,统计上海近代集合住宅转角空间的基本信息及所处城市肌理情况,通过统计学方法对转角空间与城市肌理之间的关系进行假设;其次,从街道尺度、街角形态、街区业态3个方面,对转角空间与城市肌理之间的规律和机制进行分析;最后,综合量化统计假设及实例分析验证,总结转角空间适应城市肌理并与城市肌理融合且各具特色的空间节点,以期为后续城市更新中的转角空间节点处理提供参考。     

基于两阶段的毫米波大规模MIMO低复杂度混合预编码算法

针对现有基于矩阵分解的混合预编码算法信道容量有损和算法复杂度高的问题,本文提出了一种基于两阶段的低复杂度混合预编码算法.该算法分为获取最优全数字预编码器和求解混合预编码器两部分.首先,本文联合奇异值分解(Singular Value Decomposition,SVD)与注水算法以容量无损的要求设计最优全数字预编码矩阵...     

高速移动环境下基于动态CSI的MIMO系统改进模代数预编码

针对高速移动场景下信道快时变特性给多输入多输出（Multiple Input Multiple Output,MIMO）系统预编码带来的技术挑战,提出基于动态信道状态信息（Channel State Information,CSI）的MIMO系统改进模代数预编码（Tomlinson-Harashima Precoding,THP）算法.该算法利用信道统计量信息以及相关性构建动态CSI模型,更准确实时地体现当前信道状况;进一步地,提出一种基于循环遍历搜索的多用户调度算法,以最大化信干噪比为目标进行用户调度,且将多用户调度算法应用到THP中,提高了预编码精度.仿真结果表明,所提算法相比传统预编码算法具有更优的误码率性能和信道容量,验证了所提算法能有效地适应高速移动场景.     

基于SLNR与矢量扰动的毫米波大规模MIMO双层混合预编码算法

在多用户毫米波大规模多入多出（Multiple Input Multiple Output,MIMO）系统中，针对现有基于信漏噪比（Signal-to-Leakage-plus-Noise Ratio,SLNR）准则的混合预编码算法未考虑用户信道质量不同和信道矩阵具有病态性的问题，本文提出了一种联合SLNR与矢量扰动（Vector Perturbation,VP）的双层混合预编码算法.该算法分两层设计预编码矩阵.第一层，考虑用户信道质量不同，提出了基于SLNR准则的匹配加权算法.该算法充分考虑信道系数、预编码矢量和组合矢量的影响设计信道加权因子，利用加权因子对SLNR算法进行改进，从而设计更优的混合预编码器，消除用户间干扰.第二层，根据第一层获取到的等效基带信道，利用迫零（Zero Force,ZF）消除用户天线间干扰.考虑到信道矩阵具有病态性，采用VP算法进一步处理.通过在发射信号上添加扰动矢量减小发射端功率增强的影响.仿真结果表明，相较于同类混合预编码算法，所提算法可以获取更好的误码率（Bit Error Rate,BER）性能和频谱效率.