一种基于码本的SLNR算法

在有限反馈系统中,针对用户端向基站反馈完整的信道状态信息对上行链路传输能力要求较高、设备实现较为复杂的问题,给出一种基于码本的最大化SLNR及SFR的PF调度算法。该算法通过码本量化预编码矩阵,基站仅需用户端反馈码本编号即可获得预编码矩阵,从而大大降低了信息反馈量。仿真结果表明,算法保证了系统和边缘用户性能,但是,作为降低反馈量的代价,与引入码本前相比,算法性能略微下降。     

一种基于两级预编码的认知MIMO系统干扰抑制算法

在认知无线电系统中,认知用户通信必须同时解决对主用户造成的干扰和认知用户间的相互干扰问题。为此,提出一种基于两级预编码的认知MIMO系统干扰抑制算法,首先利用子空间正交投影理论,将认知用户的发射信号投影到干扰信道的零空间来消除主用户干扰,然后用信漏噪比预编码最小化认知用户间干扰,提高认知系统性能。仿真结果表明,在不影响主用户的前提下,该算法有效提高了系统误码率性能及其容量,并可以通过选择合适的子流数目,达到系统有效性和可靠性的良好折中。     

基于PSO-CF的有限目标信号盲抽取算法

以最大化规范四阶累积量绝对值为目标函数,解决了因概率密度函数估计过程中激活函数选取不当而带来算法分离性能下降的问题;引入PSO-CF方法进行优化问题求解,防止算法收敛到局部极值,降低算法的实现复杂度。为高效实现从多源混合信号中抽取有限数目的目标信号,提出了一种基于PSO-CF的有限目标信号盲抽取算法。仿真表明,该算法对超高斯、亚高斯及混合型源信号均可分离,算法普适性强,且收敛速度快,分离性能良好。     

基于LMS估计的卫星移动通信定时同步优化

针对采用长期演进(LTE)通信标准的地球静止轨道(GEO)卫星移动通信系统上行定时误差会影响单载波频分多址技术正交性的问题,在LMS线性估计算法的基础上提出了一种适用于大时延环境下单载波频分多址定时同步优化方法。该方法对用户与卫星之间传输时延的变化进行估计,通过闭环控制补偿减小上行定时误差。仿真表明:该方法在使用LTE标准帧结构时,能保护用户上行信号正交性,避免符号间干扰,且传输速率损失约为9%,远低于传统拓展帧结构方法带来的损失,验证了方法的优越性。     

融合多普勒频移信息的阵列数据域直接定位方法

相比于传统两步定位方法,直接定位方法具有更高的定位精度,但现有的基于阵列模型的直接定位方法未能够有效利用多普勒频移信息,其定位精度有待进一步提升。针对上述问题,该文提出一种融合多普勒频移信息的阵列数据域直接定位方法。首先构建了融合多普勒信息的直接定位模型,然后基于最大似然准则将信号源位置估计转化为求解位置信息矩阵最大特征值问题,并结合矩阵转置性质降低复杂度,最后通过2维搜索得到目标信号源位置估计。仿真结果表明,所提方法较目前的阵列数据域直接定位方法和多普勒频移直接定位方法的定位精度具有较大提高。     

一种自动匹配的分布式非圆信号二维DOA快速估计方法

在相干分布式非圆信号2维波达方向(DOA)估计中,针对利用非圆特性后维数扩展带来的较大复杂度问题,且现有的低复杂度算法均需要额外的参数匹配,该文提出一种基于互相关传播算子的自动匹配2维DOA快速估计算法。该算法考虑L型阵列,在建立相干分布式非圆信号扩展阵列模型的基础上,首先证明了L阵中两个子阵的广义方向矢量(GSV)均具有近似旋转不变特性,然后通过阵列输出信号的互相关运算消除了额外噪声,最终利用子阵GSV的近似旋转不变关系通过传播算子方法得到中心方位角与俯仰角估计。理论分析和仿真实验表明,所提算法无须谱峰搜索和协方差矩阵特征分解运算,具有较低的计算复杂度,并且能够实现2维DOA估计的自动匹配;同时,相比于现有的相干分布式非圆信号传播算子算法,所提算法以较小的复杂度代价获得了性能的较大提升。     

视距相关信道下考虑非理想CSI的多用户MIMO收发联合设计

在FDD模式多用户MIMO(Multi-input Multi-output)系统下行链路中,由于信道估计、反馈信道等存在误差,使得发送端获取理想信道状态信息(CSI,channel state information)十分困难。针对获得非理想CSI的多用户MIMO系统,考虑在基站和各用户的天线分别具有相关性并引入视距分量的信道条件下,提出了一种新的基于块对角化的MMSE准则收发联合设计算法。该算法首先通过块对角化消除用户间的共信道干扰,然后针对存在信道估计误差的用户信道依据MMSE准则分别迭代求解每个用户预编码和解码矩阵。论文设计出一种基于训练序列的信道估计误差算法,并获得等效信道模型,使得收发端获得的信道状态信息更有实际意义。本文假设反馈信道理想,发射端可以完整得到信道估计矩阵。在MMSE准则下,推导获得了Lagrange乘子的解析解,避免了求解非线性方程的复杂过程,显著降低了计算复杂度。和已有算法相比,该算法不仅可以获得良好的误码性能还可以对各用户进行独立优化,处理更加灵活。仿真分析了视距分量、信道相关性以及信道估计误差对算法性能的影响。仿真结果表明,该算法误码性能良好,算法收敛快,并且对信道估计误差带来的影响有较好的抑制作用。      

范数有界信道误差的权值可调鲁棒干扰对齐算法

针对传统干扰对齐算法需要理想的信道状态信息，且对信道误差敏感的问题，本文基于范数有界信道误差模型，提出了一种权值可调的鲁棒干扰对齐算法。该算法同时考虑干扰和期望信号在相应子空间投影的功率，采用极大极小值方法，最大化二者的最小加权和，而且将权值设计为SNR的指数函数，可随SNR变化自动可调，有效克服不同SNR下噪声的影响。仿真结果表明，在信道误差范数有界时，所提算法具有较好的鲁棒性，并且在中低信噪比区域，权值可调算法较固定权值算法具有更好的鲁棒性。      

最大化SLNR及软频率复用的比例公平调度算法

针对 LTE-Advanced 系统中小区间干扰及用户公平性问题,提出了最大化信漏噪比(SLNR)及软频率复用的比例公平调度算法(SLNR–SFR–PF)。该算法通过基于最大化 SLNR的分布式预编码和软频率复用的方法抑制小区间干扰,并结合比例公平调度算法,提高用户的公平性。仿真结果表明,与 SLNR–PF 算法相比,SLNR–SFR–PF 算法使系统容量提高了约7.9%,同时,小区边缘的平均用户数据速率提高了11.5%。     

无线通信中的智能识别神经网络对抗攻击技术综述

利用深度学习解决无线通信识别问题的研究越来越多。为了建立安全可靠的深度神经网络模型,有必要研究其对抗攻击技术。在介绍对抗样本概念和攻击算法的基础上,提出了无线通信智能识别神经网络的对抗攻击模型;对近年来无线通信中智能识别神经网络的对抗攻击方法进行了对比分析,给出了当前对抗攻击方法的局限性和后续研究重点;最后展望了未来的研究方向。