基于QR分解的MIMO-OFDM检测算法的改进

MIMO-OFDM系统接收端信号检测算法的研究对MIMO系统性能的提高起着重要作用。设计一个复杂度低且检测性能相对较好的检测算法是MIMO技术的一个重要分支。介绍了垂直分层空时结构中的几种典型检测算法,分析了其优缺点,在基本QR分解算法的基础上提出了2种改进的QR算法。通过MATLAB仿真观察,改进的算法在保证检测性能良好的同时降低了算法复杂度。     

一种改进的分布式天线系统帧同步度量函数与算法

传统分布式多输入多输出正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)系统定时同步算法中,帧同步算法都是通过直接选取经验值作为阈值进行帧头捕获,而当发射天线数改变时同步度量值变化较大,这将大大增加漏捕获和误捕获的概率.针对这一问题,通过对传统度量函数进行统计特性分析,提出一种修正的定时同步度量函数,推导了其统计特性,并且基于‘3σ'阈值选取准则,形成一种新的基于计算阈值的帧同步(Frame Synchronization Algorithm based on Computed Threshold,CTFS)算法.进行了大量的仿真实验,在不同MIMO发射天线数目下,比较了提出的CTFS帧同步算法与传统的不等周期同步(Unequal Period Synchronization Pattern,UPSP)方案和正交变周期同步(Orthogonal Variable Period Synchronization Pattern,OVPSP)方案的帧同步性能,实验证明相较传统算法,提出的算法大大提高了同步度量值及同步性能的鲁棒性,解决了传统同步度量函数在发射天线变化时出现的问题.     

MIMO—OFDM技术和下一代无线局域网

MIMO—OFDM技术是当前无线通信中研究的重点课题之一，并被视为是下一代无线局域网的核心技术。本文全面介绍了MIMO—OFDM的技术特点，并对其在下一代无线局域网中的应用做了阐述。     

A joint swarm intelligence algorithm for multi-user detection in MIMO-OFDM system

In the multi-input multi-output orthogonal frequency division multiplexing (MIMO-OFDM) system, traditional multi-user detection (MUD) algorithms that usually used to suppress multiple access interference are difficult to balance system detection performance and the complexity of the algorithm. To solve this problem, this paper proposes a joint swarm intelligence algorithm called Ant Colony and Particle Swarm Optimisation (AC-PSO) by integrating particle swarm optimisation (PSO) and ant colony optimisation (ACO) algorithms. According to simulation results, it has been shown that, with low computational complexity, the MUD for the MIMO-OFDM system based on AC-PSO algorithm gains comparable MUD performance with maximum likelihood algorithm. Thus, the proposed AC-PSO algorithm provides a satisfactory trade-off between computational complexity and detection performance.     

基于边带信息功率分配的SLM算法研究

通过对降低MIMO-OFDM系统峰均比的SLM算法进行研究,提出了边带信息功率分配技术,并通过MATLAB进行了仿真及验证.该方法通过为边带信息分配合适的功率来保护边带信息.仿真结果表明该方法能够有效地提高系统的误码率性能.     

MIMO-OFDM underwater acoustic communication systems—A review

The ever increasing demand for bandwidth, efficiency, spatial diversity and performance of underwater acoustic (UWA) communication has opened doors for the use of Multi-Input Multi-Output (MIMO). A combination of MIMO and Orthogonal Frequency Division Multiplexing (OFDM) has proved to be a promising solution for many scenarios in UWA communication; on the contrary, it also amplifies the design challenges for implementing such schemes to acquire the required bandwidth efficiency. The goal of this study is to provide a comprehensive survey of the latest researches in the field of UWA MIMO-OFDM communication. The previous works are summarized, reviewed and compared according to their years of publication while problems faced by UWA MIMO-OFDM communication are highlighted. The articles are classified according to the focused techniques like channel estimation, equalization, coding and detection. Furthermore the works are compared based on the complexity and performance of the algorithms while some future research issues are identified.     

多用户MIMO-OFDM系统功率最小化算法

针对多用户总速率和最大化算法,很少考虑用户之间公平性的不足,提出一种多用户功率优化算法,在满足每个用户速率要求的前提下,使多用户MIMO-OFDM系统的发射功率最小.仿真结果表明,该算法可在10-6>的精度内满足不同用户速率要求,同时所需的下行系统发射功率与理论上最少的基于循环迭代注水算法的DPC传输方式接近,具有较高的实用价值.     

空频码设计的新思路及快速检测算法

对于一个系统化设计的空频码而言,成对错误概率的分析是导出相应编码准则的关键.常用的Chernoff域方法只能提供一个比较松的上界,并不能有效体现空频码设计的一些特点.提出了一种宅频码设计的新思路,通过将多径信道下的空频码传输转化为平衰落信道下的空时码传输,从而利用空时码设计中的性能分析有效地导出了空频码设计的相应准则,在获取宽带系统频率分集的基础上优化了编码增益,提出了码设计的一些特点.该分析方法比现有的方法更加具有一般性,也更直观.还提出了一种空频码字的快速检测算法,它利用格形译码的方法大大简化了检测过程,比最大似然检测具有更小的复杂度,有利于系统的实现.     

基于MIMO—OFDM系统的信道估计算法分析

MIMO-OFDM技术是未来无线通信系统的研究热点。信道估计是估计出信道的时域或频域响应,对接收到的数据进行校正与恢复,是实现MIMO-OFDM系统优良的传输性能的重要环节。对MIMO-OFDM系统的多种信道估计算法进行了全面深入地探讨,重点分析和比较了基于LS和MMSE的非盲信道估计算法、盲信道估计算法和半盲信道估计算法,并提出了未来信道估计算法的研究方向。     

MIMO-OFDM系统中基于簇的有限反馈方法

本文针对有限反馈MIMO-OFDM波束形成系统,研究了基于簇的有限反馈方法。利用簇内相邻子载波信道的频率相干性,提出了一种低复杂度的信道均值分簇法,该方法以平均信道响应在给定码本中选择最佳簇波束形成向量。此外,利用簇波束形成向量之间的剩余相关性,还提出了递归反馈和基于格的反馈两种反馈速率降低方法,即将前一簇码字的邻域内码字作为当前簇的新码本,从而大幅度降低反馈比特数。仿真结果表明信道均值分簇法能以较低的计算复杂度获得较佳的BER性能,反馈降低方法相对传统分簇方法能进一步降低反馈速率,递归反馈方法有一定性能损失,而基于格的反馈方法性能损失可忽略不计。