交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Techn...交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Technology,5G)低密度校验(Low Density Parity Check,LDPC)码新型优化译码算法。通过在LP译码模型的目标函数中引入惩罚项,基于ADMM的变量节点惩罚译码有效地减轻了非积分解,从而提高了误帧率(Frame Error Rate,FER)性能。尽管ADMM在许多实际应用中表现出色,其收敛速度较慢以及对初始条件和参数设置敏感的问题仍然限制了其在高维、实时性要求高的场景中的进一步应用。特别是在LDPC线性规划译码过程中,ADMM的交替更新机制容易导致优化路径振荡,且在处理非精确约束时表现不佳。针对ADMM算法收敛速度慢的问题,我们提出了一种新的优化算法,该算法将Nesterov动量加速方法与ADMM相结合,以解决ADMM对LDPC译码器错误修正能力和收敛效率的影响。算法通过动量项减少迭代次数将一个Nesterov加速格式从无约束复合优化问题推广到ADMM惩罚函数模型,利用ADMM算法将原问题的约束条件有效转化为目标函数的一部分,从而构造出无约束优化子问题;在此基础上,进一步采用Nesterov加速技术对梯度下降迭代过程进行改进,以提高收敛速度和求解精度。仿真实验使用了三种不同码率的5G LDPC短码。结果表明,相对于现有ADMM惩罚译码算法,所提出的基于动量加速的ADMM译码算法不仅有大约0.2 dB的信噪比增益,而且平均迭代次数也降低了20%左右,加快了收敛速度。展开更多
全双工系统能实现在同一时隙与同一频率传输数据,相比于半双工系统能大大地提升数据吞吐量和频谱效率。为了进一步提高全双工多输入多输出(Multi-input and multi-output,MIMO)中继系统传输速率,本文基于放大转发(Amplify-and-forward,...全双工系统能实现在同一时隙与同一频率传输数据,相比于半双工系统能大大地提升数据吞吐量和频谱效率。为了进一步提高全双工多输入多输出(Multi-input and multi-output,MIMO)中继系统传输速率,本文基于放大转发(Amplify-and-forward,AF)传输模式,在全双工双向中继系统中引入梯度下降算法,将用户发送端、接收端波束成形与中继端波束成形矩阵相结合设计一种最大化速率的交替迭代算法,并构造出一种最小均方误差(Minimum mean square error,MMSE)迭代算法作为初始条件,在此基础上推导出中继接收端与发射端的波束成形矩阵表达式。仿真结果表明,本文构造的交替迭代算法收敛速度快,而且相比于迫零、最小均方误差以及最大泄信噪比算法,和速率有显著提高。展开更多
为进一步提高多输入多输出(MIMO)双向中继系统性能,该文在梯度下降法的基础上,引入用户端功率分配和发射预编码与接收波束成形,结合中继站波束成形矩阵和分配功率相,构成一个完整的联合交替迭代结构(AIS);通过固定变量循环计算,逐个得...为进一步提高多输入多输出(MIMO)双向中继系统性能,该文在梯度下降法的基础上,引入用户端功率分配和发射预编码与接收波束成形,结合中继站波束成形矩阵和分配功率相,构成一个完整的联合交替迭代结构(AIS);通过固定变量循环计算,逐个得到各个变量的最优值。仿真表明,与梯度下降法、迫零和最小均方误差加注水功率分配法相比,该文交替迭代结构方法的速率有所提高,误码性能提高较明显。当误码率等于10-2时,与3种算法中最优的梯度下降法相比,该文方法可获得2.5 d B的信噪比增益。展开更多
文摘交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Technology,5G)低密度校验(Low Density Parity Check,LDPC)码新型优化译码算法。通过在LP译码模型的目标函数中引入惩罚项,基于ADMM的变量节点惩罚译码有效地减轻了非积分解,从而提高了误帧率(Frame Error Rate,FER)性能。尽管ADMM在许多实际应用中表现出色,其收敛速度较慢以及对初始条件和参数设置敏感的问题仍然限制了其在高维、实时性要求高的场景中的进一步应用。特别是在LDPC线性规划译码过程中,ADMM的交替更新机制容易导致优化路径振荡,且在处理非精确约束时表现不佳。针对ADMM算法收敛速度慢的问题,我们提出了一种新的优化算法,该算法将Nesterov动量加速方法与ADMM相结合,以解决ADMM对LDPC译码器错误修正能力和收敛效率的影响。算法通过动量项减少迭代次数将一个Nesterov加速格式从无约束复合优化问题推广到ADMM惩罚函数模型,利用ADMM算法将原问题的约束条件有效转化为目标函数的一部分,从而构造出无约束优化子问题;在此基础上,进一步采用Nesterov加速技术对梯度下降迭代过程进行改进,以提高收敛速度和求解精度。仿真实验使用了三种不同码率的5G LDPC短码。结果表明,相对于现有ADMM惩罚译码算法,所提出的基于动量加速的ADMM译码算法不仅有大约0.2 dB的信噪比增益,而且平均迭代次数也降低了20%左右,加快了收敛速度。
文摘全双工系统能实现在同一时隙与同一频率传输数据,相比于半双工系统能大大地提升数据吞吐量和频谱效率。为了进一步提高全双工多输入多输出(Multi-input and multi-output,MIMO)中继系统传输速率,本文基于放大转发(Amplify-and-forward,AF)传输模式,在全双工双向中继系统中引入梯度下降算法,将用户发送端、接收端波束成形与中继端波束成形矩阵相结合设计一种最大化速率的交替迭代算法,并构造出一种最小均方误差(Minimum mean square error,MMSE)迭代算法作为初始条件,在此基础上推导出中继接收端与发射端的波束成形矩阵表达式。仿真结果表明,本文构造的交替迭代算法收敛速度快,而且相比于迫零、最小均方误差以及最大泄信噪比算法,和速率有显著提高。
文摘为进一步提高多输入多输出(MIMO)双向中继系统性能,该文在梯度下降法的基础上,引入用户端功率分配和发射预编码与接收波束成形,结合中继站波束成形矩阵和分配功率相,构成一个完整的联合交替迭代结构(AIS);通过固定变量循环计算,逐个得到各个变量的最优值。仿真表明,与梯度下降法、迫零和最小均方误差加注水功率分配法相比,该文交替迭代结构方法的速率有所提高,误码性能提高较明显。当误码率等于10-2时,与3种算法中最优的梯度下降法相比,该文方法可获得2.5 d B的信噪比增益。
