为了使得大规模多输入多输出(MIMO)系统的上行链路可达速率最大化,提出一种基于匹配博弈的导频分配(PA-MG)算法.在用户侧,根据用户效用函数生成对导频的偏好列表,并向排列最优的导频发出申请;在基站侧,根据导频效用函数生成对请求用户...为了使得大规模多输入多输出(MIMO)系统的上行链路可达速率最大化,提出一种基于匹配博弈的导频分配(PA-MG)算法.在用户侧,根据用户效用函数生成对导频的偏好列表,并向排列最优的导频发出申请;在基站侧,根据导频效用函数生成对请求用户的偏好列表,并依次将导频分配给排列最优的用户,直到完成所有用户的导频分配.仿真结果表明:相比于潜博弈的导频分配(PG-PA)算法,所提PA-MG算法支持的小区规模更大、复杂度更低;相比于WGC-PD(Weighted Graph Coloring Based Pilot Decontamination)算法,PA-MG算法能够获得更大的上行链路可达速率,各用户的信干噪比分布更均匀,且对阴影衰落的鲁棒性更强.展开更多
在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加...在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加,MMSE检测算法涉及到高维的矩阵求逆运算,难以应用在实际生活中。因此,文中提出了一种低复杂度的并行共轭梯度软输出检测算法,该算法对传统的共轭梯度(Conjugate Gradient,CG)法进行改进,并行求解共轭方向和优化步长,在提高算法检测性能的同时还加快了算法的收敛速度;然后利用信道编译码中的比特对数似然比近似算法求解出软信息,进一步提升检测算法的性能。通过理论定量地分析了算法的复杂度,并通过仿真实验对不同检测算法在不同判决方式下的误码率性能和收敛速度进行了研究,结果表明:所提出的并行CG软输出检测算法在复杂度降低的情况下,仅需要少量次数的迭代,便能以较快的收敛速度达到近似最佳的MMSE线性检测性能。展开更多
随着6G技术对数据传输速率的高要求,超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的应用前景广泛。然而,XL-MIMO系统中的近场球面波前特性使得传统基于平面波前的信道估计方法不再适用,从...随着6G技术对数据传输速率的高要求,超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的应用前景广泛。然而,XL-MIMO系统中的近场球面波前特性使得传统基于平面波前的信道估计方法不再适用,从而影响信道状态信息(Channel State Information,CSI)的获取。为了解决这一问题,提出了一种新的信道估计方案,分析了XL-MIMO的近场球面波特性,并将其与适用于高速移动场景的正交时频空间(Orthogonal Time Frequency Space,OTFS)调制技术结合,构建了一个考虑球面波特性的XL-MIMO OTFS系统框架。此外,利用模型驱动的思想设计了一种可学习的去噪近似消息传递(Learned Denoising Based Approximate Message Passing,LDAMP)算法,用于有效估计信道状态信息。仿真结果表明,所提出的XL-MIMO OTFS信道估计框架在近场高速移动场景下具有显著的性能提升和良好的鲁棒性。在信噪比为20 dB时,LDAMP算法的归一化均方误差达到10^(-2),相比传统算法提高了多个数量级。展开更多
文摘为了使得大规模多输入多输出(MIMO)系统的上行链路可达速率最大化,提出一种基于匹配博弈的导频分配(PA-MG)算法.在用户侧,根据用户效用函数生成对导频的偏好列表,并向排列最优的导频发出申请;在基站侧,根据导频效用函数生成对请求用户的偏好列表,并依次将导频分配给排列最优的用户,直到完成所有用户的导频分配.仿真结果表明:相比于潜博弈的导频分配(PG-PA)算法,所提PA-MG算法支持的小区规模更大、复杂度更低;相比于WGC-PD(Weighted Graph Coloring Based Pilot Decontamination)算法,PA-MG算法能够获得更大的上行链路可达速率,各用户的信干噪比分布更均匀,且对阴影衰落的鲁棒性更强.
文摘随着6G技术对数据传输速率的高要求,超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统的应用前景广泛。然而,XL-MIMO系统中的近场球面波前特性使得传统基于平面波前的信道估计方法不再适用,从而影响信道状态信息(Channel State Information,CSI)的获取。为了解决这一问题,提出了一种新的信道估计方案,分析了XL-MIMO的近场球面波特性,并将其与适用于高速移动场景的正交时频空间(Orthogonal Time Frequency Space,OTFS)调制技术结合,构建了一个考虑球面波特性的XL-MIMO OTFS系统框架。此外,利用模型驱动的思想设计了一种可学习的去噪近似消息传递(Learned Denoising Based Approximate Message Passing,LDAMP)算法,用于有效估计信道状态信息。仿真结果表明,所提出的XL-MIMO OTFS信道估计框架在近场高速移动场景下具有显著的性能提升和良好的鲁棒性。在信噪比为20 dB时,LDAMP算法的归一化均方误差达到10^(-2),相比传统算法提高了多个数量级。
