基于SINR判决的MIMO联合检测算法

一种低复杂度的MMSE-QRD-QRDM检测方法被提出,该算法根据接收端各子流的信干噪比(SINR)和门限值的比较,对各子流分别进行最小均方误差QR分解(MMSE-QRD)检测或QR分解-M(QRD-M)检测。对MMSE-QRD-QRDM算法进行了误码率(BER)性能仿真和算法复杂度分析。结果表明,和OSD-MLD算法相比,MMSE-QRD-QRDM算法可以在大大降低检测算法复杂度的情况下,获得优于OSD-MLD算法的BER性能,同时通过减少运算中的矩阵求逆次数,提高了算法的数值稳定性。     

一种基于先验信息的机载MIMO雷达发射方向图设计方法

在非均匀杂波背景下,针对旁瓣杂波抑制问题,该文提出一种基于先验信息的机载多输入多输出(MIMO)雷达发射方向图设计方法。该方法利用目标和杂波在空域和多普勒域的2维先验信息,以最大化雷达空时匹配滤波后的输出信杂噪比(SCNR)为准则,建立关于发射信号相关矩阵的优化代价函数,并采用半正定规划(SDP)方法进行求解。仿真表明,在非均匀杂波背景下,采用该文方法优化设计的发射方向图可有效提高空时2维匹配滤波后的输出信杂噪比。     

基于最大化信干噪比的多用户MIMO下行预编码

研究多用户MIMO系统下行链路的容量，以及如何达到该容量是最近几年研究的热点．基于各用户之间干扰为零的BD（Block Diagona Jjzation）算法，由于各用户信道空间的交叠，会造成多用户MIMO系统容量较大的损失，同时BD算法要求接入点的发射天线数不能小于空间复用用户的接收天线数之和．本文提出了基于最大化信干噪比准则下的线性预编码，和减少容量损失的次优线性预编码两种方案，避免了上述两个缺点，推导出基于最大化邬恹准则的线性预编码就是各用户采用单数据流传输的方案，同时通过容量分析和误码率仿真证明，这两种算法都优于传统的BD算法。     

基于协方差矩阵的MIMO雷达离散编码设计

MIMO雷达相对于传统的相控阵雷达,可以更自由地选择发射波形来匹配所需要的发射方向图。文中首先给出了一个带有限制条件的优化问题以寻找发射信号的协方差矩阵,从而能够在空间匹配理想的方向图,接着建立了一组恒模的二相离散序列来匹配已有的协方差矩阵,并将这种方法推广到多相码设计中,并对实验结果进行了详细分析。     

发射波形任意合成结构下机载MIMO雷达STAP性能分析

输出信杂噪比(SCNRout)是决定机载多输入多输出(MIMO)雷达空时自适应信号处理(STAP)性能的一个重要指标,但是现有的STAP算法均无法准确地给出其理论解析式。针对上述问题,文中研究了发射波形任意合成结构下的机载MIMO雷达衡量STAP性能的SCNRout的精确理论解析式。首先,通过发射波形互相关矩阵和MIMO STAP性能之间的联系,推导得出了SCNRout的理论解析式;然后,基于对该理论解析式的分析,从发射波形任意合成结构这个角度阐述了理想MIMO雷达、MIMO相控阵雷达和相控阵雷达的STAP性能特征。仿真实验表明:推导得出的理论解析式与仿真结果精确一致,并论证分析了机载MIMO雷达STAP处理性能的优越性。所推导的理论解析式对发射波形的优化设计具有重要的参考意义。     

基于发射子阵集中式MIMO雷达波束形成

与相控阵雷达相比,集中MIMO雷达发射在采用正交波形时,虽然能够得到波形分集增益,但同时也损失了相干处理增益。针对这一问题,本文提出了发射子阵波束合成的思想。首先对集中式MIMO雷达的发射端进行非相干子阵划分,然后利用子阵内波形的相关性和子阵间波形的正交性来同时获取相干处理增益和波形分集增益,并推导出了子阵划分MIMO雷达波束方向图和输出SINR的数学表达式。与相控阵雷达和常规集中式MIMO雷达相比,采用该方法的雷达能够实现较低的空域副瓣和较大的输出信干噪比。仿真实验证明了该算法的有效性。     

基于原子范数的MIMO雷达发射波形设计方法

针对现有多输入多输出(MIMO)雷达发射波形设计方法存在运算量高的问题,该文提出一种基于原子范数的MIMO雷达发射波形设计方法。根据原子范数的信号模型,该算法首先选择一个具有特殊结构的发射滤波器组以及一组正交信号,将MIMO雷达发射波形设计问题转化为原子范数最小化问题,然后采用半正定规划(SDP)对原子范数进行求解,得到(半)正定Toeplitz矩阵,并对其进行范德蒙分解实现发射滤波器组的估计,最后综合发射滤波器组与正交信号获得MIMO雷达的发射波形。理论分析与仿真结果表明,该算法满足等能量发射准则以及小的峰均功率比(PAPR)。同时,该算法相比于现有算法有较低的运算量以及良好的匹配性能。     

一种循环迭代的MIMO雷达发射方向图设计方法

现有多输入多输出(MIMO)雷达发射方向图设计是通过优化信号相关矩阵来逼近期望方向图,可采用凸优化方法求解,但其计算量较大,不利于工程实现。针对上述问题,该文提出一种循环迭代的MIMO雷达发射方向图设计方法。该方法以加权最小二乘为准则,通过引入辅助变量,将对信号相关矩阵的优化问题转化为关于其Hermite平方根的二次优化问题,再以循环迭代的方式进行求解。对于均匀线阵,当采用均匀加权且离散化方位角在归一化空间频率域均匀采样时,可采用快速傅里叶变换(FFT)的方式进行求解,进一步提高计算效率。仿真结果表明,该方法所得发射方向图可以很好地逼近期望方向图,且具有较高的实时性。     

多输入多输出雷达发射阵列误差联合校正方法

针对多输入多输出雷达发射阵列提出了一种同时校正阵元位置误差、幅相误差和阵元互耦的新方法.该方法首先通过多次旋转天线阵列进行采样,获得来自多个方位的实验数据,然后对数据的协方差矩阵进行特征分解,得到实际阵列流型的估计值并构造代价函数,最后通过迭代算法估计所有的误差参数,并对误差进行校正.计算机仿真及实际天线阵列的校正实验均验证了该方法的有效性.     

多输入多输出正交频分复用中基于频域的信干噪比估计

终端的信干噪比(SINR)信息是多输入多输出正交频分复用(MIMO OFDM)系统进行编码调制方式选择和资源分配的重要依据之一。在频率选择性衰落信道中,针对MIMO OFDM的链路特征提出一种低复杂度的SINR估计方法:利用子载波之间的相关性构造降秩矩阵,提取其协方差矩阵的最小特征值来估计SINR,并分析了SINR估计误差。遵循LTE标准规范,进行了计算机仿真。结果表明:在SINR小于30 dB时,该方法只需要利用连续4个参考信号载波,便可实现估计误差小于0.2 dB,且该方法对最大多普勒频移不敏感。     

有源干扰条件下机载MIMO雷达STAP协方差矩阵秩的分析

该文分析了正侧阵机载MIMO雷达杂波加有源干扰协方差矩阵的结构,得到杂波加有源干扰协方差矩阵秩的上界为杂波的秩与有源干扰的秩之和减去有源干扰个数。并由此得到MIMO雷达杂波加有源干扰协方差矩阵非满秩而SIMO雷达杂波加有源干扰协方差矩阵满秩时有源干扰个数的范围。当有源干扰的数目在此范围时,SIMO雷达的理论性能严重下降,而MIMO雷达在理论上仍然有足够的自由度来抑制杂波和有源干扰,从而保证有较好的性能。通过仿真实验验证了上述结论。     

MIMO雷达波形设计方法综述

MIMO雷达是一种新兴的有源探测技术,波形分集能力赋予MIMO雷达潜在的探测能力,使得波形设计成为一项重要研究内容.文中综述了MIMO雷达的波形设计方法,重点探究了正交波形设计、发射方向图匹配设计、发射信号波形合成等方法,并指出了MIMO雷达波形设计下一步的研究方向.     

相控阵MIMO雷达最佳子阵划分

研究了相控阵多输入多输出（MIMO）雷达发射阵列采用满重叠划分方式时的波束形成,将收发波束方向图表示为单个子阵的发射波束方向图、波形分集方向图和接收波束方向图乘积的形式,并分析其最大探测距离、主瓣宽度、副瓣性能以及输出信号与干扰加噪声比性能。理论及仿真结果表明：与同等配置的相控阵雷达和MIMO雷达相比,相控阵MIMO雷达拥有更好的副瓣抑制性能以及抗干扰能力。并通过研究子阵数目对雷达性能的影响,得到了不同准则下的最佳子阵数目选取方案。     

噪声干扰背景下压缩感知雷达波形优化设计

为改善压缩感知雷达（Compressive Sensing Radar,CSR）在干扰噪声背景下目标检测及距离-多普勒参数的估计性能,该文提出一种感知矩阵平均相干系数（Averaged Coherence of the Sensing Matrix,ACSM）与信干噪比（Signal to Interference and Noise Ratio,SINR）联合优化的波形设计方法.文中首先建立了CSR距离-多普勒二维参数感知模型,推导了波形联合优化设计的目标函数,其次以多相编码信号作为优化码型并采用模拟退火（Simulated Annealing,SA）算法对目标函数进行优化求解.与传统CSR波形相比,优化设计的波形提高了CSR在低信干噪比条件下的成功检测概率,同时有效降低了目标距离-多普勒参数估计误差,由此改善了CSR在干扰噪声背景下的距离-多普勒成像质量.计算机仿真验证了该方法的有效性.     

SINR Driven Joint Network Selection Policy in the Heterogeneous Internet of Things

In the heterogeneous Internet of things (IoT), the Signal to interference plus noise ratio (SINR) and delay constraint are two important factors that influ-ence the throughput of IoT and the performance of users. Until recently, most network selection policy researches were based on either the Shannon theory or the signal strength, while the combined influence of the delay con-straint and the SINR, which has a significant impact on re-source utilization, is hardly considered. We therefore pro-pose an SINR driven joint network selection policy, which incorporates the delay constraint and the signal strength into the SINR. This policy permits IoT users to access the network with the maximum of SINR from all the available networks under the delay and signal strength constraints. Theoretical analysis and the simulation results show that the joint network selection policy can obtain the higher throughput of IoT and average SINR comparing with other polices.     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

毫微微蜂窝基站的自配置功率机制

为了解决分层网络中由于添加飞小区引起的一系列干扰问题,提出了一种飞小区基站的自配置功率机制。该机制首先分析了飞基站可能受到各种其他基站的干扰和引起对已有用户的干扰类型,然后设计了一个功率最优化问题,即在保证已有用户正常通信前提下最大化飞小区的系统容量,最后通过拉格朗日乘数法得到了功率自配置的最优解。仿真结果表明该机制对比于基于接收信号强度设置功率机制,有效降低了飞基站发射功率,提高了已有用户的吞吐量,减少了对已有用户的干扰。     

基于交替投影的MIMO雷达信号盲分离算法研究

多输入多输出（multiple-input-multiple-output,MIMO）雷达利用灵活的发射波形设计以及阵列配置,在微弱目标探测及高分辨参数估计方面有着巨大优势.为侦察识别MIMO雷达信号,建立了MIMO雷达信号侦察模型.基于最大似然估计以及交替投影算法,并利用MIMO雷达信号的恒模特性对MIMO雷达信号进行了盲分离.通过理论推导和数值仿真分析了所提算法分离MIMO雷达信号的性能.结果表明该算法在信噪比高于0dB时,其分离后的信号与原信号具有很高的相关系数,且分离指数较低,性能明显优于现有的非圆复信号Fast ICA（non-circular complex Fast ICA,NC-Fast ICA）算法.