一、MIMO技术及其在未来无线通信中应用（论文文献综述）
仇桐同[1]（2021）在《大规模MIMO天线阵列信道模型及其性能研究》文中进行了进一步梳理无线通信技术的迅猛发展驱动着移动通信和互联网的结合,并取得了长足的发展与进步,面对未来通信场景中数据流量的增长、海量的终端设备、各类新型场景业务的层出不穷以及超高数据传输速率等需求,第四代移动通信系统已经无法满足。大规模多输入多输出（Multiple Input Multiple Output,MIMO）技术能够在不增加带宽的前提条件下以具备提高传输速率,增加系统容量和提升频谱效率的特点成为了未来移动通信系统的关键技术。本文围绕大规模MIMO多天线信道建模展开研究,深入探讨了MIMO天线阵列,天线平均相关性和信道容量等分析MIMO多天线系统模型的统计信道特性,以及基于几何散射簇模型研究了大规模MIMO的非平稳特性,研究了空时相关函数和系统性能,通过对不同数据的仿真对比分析,验证了所提出模型的有效性。本文具体的工作内容分为以下三个方面:首先,在大规模MIMO系统中,针对传输场景中到达方位角（Azimuth Angles of Arrival,AAo A）和到达仰角（Elevation Angles of Arrival,EAo A）分布的复杂性,提出了一种空间相关函数,再对这种分布下的信道进行建模。针对典型的均匀线性阵列（Uniform Linear Array,ULA）的天线布局建立了一个三维（Three Dimensional,3D）几何信道模型,并在该模型的基础上研究了大规模MIMO系统天线的平均相关性和信道容量。基于统计物理信道模型,推导了到达方位角和到达仰角之间的关系,分别使用平面波（Plane Wave,PW）和球面波（Spherical Wave,SW）模拟远场效应和近场效应,同时分析了模型参数对大规模MIMO系统性能的影响。仿真结果验证了所提出模型的有效性,该模型易于实现,可通过通信环境进行调整。接着,考虑到在大规模MIMO系统中,由于天线空间的限制,大量的天线很难放置在有限的空间中,使得天线之间的空间相关性很高,进一步导致了系统的性能下降。引入多极化天线应用于大规模MIMO系统,可以通过降低天线之间的相关性提高系统性能,实现空间效率的有效利用,以此建立了一个三维多极化大规模MIMO信道模型。本模型考虑了交叉极化鉴别度,天线数量,天线倾角等参数对系统性能的影响,并比较了多极化大规模MIMO系统与单极化大规模MIMO系统在不同通信场景的性能。研究结果显示多极化大规模MIMO系统比单极化大规模MIMO系统具有更好的性能表现。最后,针对大规模MIMO信道的近场效应和非平稳特性,提出了一个基于散射簇的大规模MIMO信道模型。在所提出的模型中,接收信道由视距（Line of Sight,LOS）传播分量和经过散射簇的非视距（Non-Line of Sight,NLOS）传播分量组成,同时引入了混合的生灭过程和可见区域法来描述信道的非平稳特性。研究了簇的非平稳特性对MIMO信道的影响,包括空间互相关函数（Cross-correlation Function,CCF）和时间自相关函数（Auto correlation Function,ACF）。然后提出了一种有限条射线的仿真模型,将仿真数据与理论模型对比验证,数值分析结果表明所提出的信道模型可以有效描述大规模MIMO的非平稳特征。
杜刘通[2]（2021）在《面向下一代移动通信系统的新型MIMO关键技术研究》文中研究表明本文基于多输入多输出（Multiple Input Multiple Output,MIMO）技术,以赋能下一代（后5G及6G）移动通信系统为目标,面向MIMO系统中的三个基本问题——可靠性（接收端误码率/空间分集增益）,有效性（频谱效率/空间复用增益）以及移动通信的内生安全,分别从小规模MIMO中的非线性预编码、物理层安全技术中的实际安全传输方案以及新型网络架构——无蜂窝大规模MIMO三个方面展开研究。本文立足于实际传输场景中的非理想因素,研究新型MIMO关键技术在实际非理想传输场景中的新技术与新方案。本文的主要工作和创新点总结如下:第一、针对向量扰动预编码技术在量化误差下的新型预编码技术的研究。首先对非线性预编码传输中信道状态信息和功率归一化因子的非理想量化误差模型进行了分析。结合上述分析,本文提出了一种考虑功率归一化因子相对量化误差和发射端信道状态信息有限反馈的新型预编码方案,根据最小均方误差准则对存在量化误差下最优预编码矩阵以及扰动向量的联合优化问题进行了研究。仿真结果表明,相比经典的扰动预编码所提方案能够有效对抗传输中由量化误差带来的非理想传输的影响,在不同的场景下能够提供1-3dB增益,相比现有基于最小均方误差准则的预编码方案对非理想因素更不敏感。第二、针对向量扰动预编码在安全传输方案中应用的研究。本文以实际安全为目标,基于向量扰动预编码分别针对理想和非理想场景设计了相应的安全传输方案。针对人工噪声方案存在的空间自由度与发射功率损失的问题,本文基于向量扰动预编码设计了不同场景下的实际安全传输方案。首先,本文基于扰动向量的设计特性代替人工噪声作为干扰信号,提出了一种理想场景下的安全传输方案。然后本文考虑了现有基于正交幅度调制信号的实际安全方案由有限天线数和调制阶数带来的安全泄露现象,提出了一种基于调制符号极性的安全传输方案。最后,考虑窃听者可以消除扰动向量的场景,本文提出了两种分别基于固定偏移量和动态偏移量的实际安全传输方案,偏移量的选取可以根据调制阶数得到。仿真结果显示,所提方案相比现有基于人工噪声的传输方案在全负载场景下相比人工噪声方案可以获得3-6 dB的增益,能有效避免安全泄露现象,显着提升了实际安全传输能够有效的提升合法用户接收性能。第三、针对无蜂窝大规模MIMO网络中的频谱效率和能量效率问题,本文首先提出了一种联合分布式及集中式信号处理的预编码方案:选取部分接入点使用集中式迫零预编码,提升系统频谱效率;余下的接入点则使用分布式最大比传输预编码方案,以降低前传（front-haul）链路开销。然后,基于信道的大尺度衰落参数得到接入点选择方案以及对应的频谱效率的闭式表达式。针对最大最小化（max-min）功率分配问题,本文给出了基于二阶锥优化的功率分配方案。针对大规模网络中二阶功率优化方案复杂度较高的问题,本文依据一阶优化算法,给出了一种低复杂度功率分配方案。在系统能效方面,对负载均衡下的接入点休眠及功率分配的联合优化问题进行了研究,提出了一种新的利用激活接入点集合的稀疏性及网络稳定性接入点休眠算法。研究表明,所提预编码方案可以有效避免分布式预编码性能受限于接入点间干扰的问题,在仅有少数接入点进行集中迫零时就能获得优于分布式预编码方案的性能;在接入点天线数量少于正交导频数的场景,所提算法相比分布式预编码方案在95分位处可以获得3-6倍频谱效率增益。在资源开销方面,所提预编码方案相比集中式迫零预编码方案具有更低的计算复杂度以及前向链路开销;所提功率分配方案在中等规模网络下能够达到接近二阶优化功率分配方案的性能,同时将计算时间降低了两个数量级;相比二分搜索算法,所提接入点休眠算法在复杂度相当或更低的情况下,具有更优的能量效率。
刘磊[3]（2021）在《毫米波大规模MIMO系统波束选择和功率分配技术研究》文中进行了进一步梳理毫米波大规模多输入多输出（Multiple input multiple output,MIMO）技术已经被认为是未来无线通信的关键技术之一,它充分利用了空间资源,可以在不增加带宽的情况下大幅度提高系统的频谱效率（Spectral efficiency,SE）,但随着基站端天线数量的急剧增加,毫米波大规模MIMO系统的功耗问题已经成为未来无线通信发展的瓶颈问题,探求能量效率（Energy efficiency,EE）最大化的最优部署已经成为当下最热门的研究课题。针对毫米波大规模MIMO系统中亟待解决的功耗问题,本文从减少射频（Radio frequency,RF）链路使用数量的角度出发,深入研究了非正交多址（Non-Orthogonal multiple access,NOMA）背景下的波束选择和功率分配技术。本文的主要研究内容如下:首先,本文的波束选择和功率分配算法都需要在波束空间下进行,所以本文应用了三维（Three-Dimensional,3D）透镜天线阵列将传统空间转变为了波束空间,并且为了提升系统的SE,文中引入了NOMA技术,使得一条波束可以同时服务多个用户。其次,功率分配算法是提高系统SE和EE的有效手段,但目前的功率分配算法未考虑RF链路使用数量过多而引起的系统功耗过大的问题。因此,在研究功率分配算法前,本文先深入研究了干扰感知（Interference-aware,IA）波束选择算法,该算法通过选择少量幅值最强的波束来服务用户,从而减少RF链路使用数量。然而,干扰感知波束选择算法中存在非干扰用户SE较差的问题,这会导致系统整体的EE较差,故本文在干扰感知波束选择算法的基础上进行了改进,本文将改进的算法称为改进的干扰感知波束选择算法。改进算法利用最大幅值原理选出合适的波束,通过用户分组解决其中存在的用户间干扰问题,然后利用增量/减量算法为干扰用户和非干扰用户选择最优波束,保证了系统SE接近全数字系统的条件下,系统的EE大幅度提高。最后,在波束选择算法的基础上,本文提出了功率分配迭代（Power allocation iteration,PAI）算法,该算法通过为波束选择算法选择到的波束解决波束内干扰和波束间干扰来有效提高系统的EE,在数学上体现为求解非凸优化问题。仿真结果表明,本文改进的IA波束选择算法解决了用户间干扰问题并且通过增量/减量算法为非干扰用户提供使系统和速率最大的波束,使得系统的SE和EE都有了明显的提升。其次,本文在提出的PAI算法中通过解决波束内和波束间干扰,使得系统的EE性能得到进一步提高。
刘颖[4]（2021）在《基于博弈论的无线携能通信系统的功率分配方案研究》文中指出随着无线通信技术在现代经济中持续发挥着重要作用,大量移动设备的接入和通信行业中爆炸式增长的无线业务造成无线频谱资源稀缺,因此,高数据传输速率需求与稀缺频谱资源间的矛盾日益紧张。与此同时,电信行业用电量的快速增长使无线设备的能耗问题成为了无线通信技术中一个亟待解决的问题,而无线能量传输（Wireless Power Transfer,WPT）技术作为一个非常有前景的解决方案近年来成为研究热点。因此,针对无线通信网络的能量受限和频谱资源紧张问题,研究合理有效的资源分配方案以提升系统数据传输速率、解决传统无线网络中移动设备充电问题具有重要的研究价值。本论文以解决无线通信网络的能量受限问题和提高网络传输速率为目标,研究了具有能量收集功能的无线通信系统的功率分配问题。在系统建模过程中,为了进一步提升系统传输速率,考虑将传统的无线通信网络与多输入多输出（Multiple-Input Multiple-Output,MIMO）技术、全双工（Full-Duplex,FD）技术和中继技术相结合。针对不同的网络架构,通过博弈论及交替优化相关理论对发射功率和中继波束赋形进行联合设计和优化。研究内容主要包括:构建了一个基于无线携能通信（Simultaneous Wireless Information and Power Transfer,SWIPT）的中继协作通信系统模型,在每个接收端处配备了功率分配（Power Splitting,PS）接收机,实现信息和能量同时传输。将FD中继通信模式与SWIPT技术相结合,建立了一个以系统传输速率为目标函数,中继发射功率和接收端收集功率为约束条件的最大化系统传输速率问题。针对优化问题中发射功率和惩罚因子耦合性,通过交替优化思想将原问题分解为两个子问题分别求解。考虑到所提系统模型中各通信链路间的竞争关系,将原问题建模为非合作博弈问题,并通过Karush-Kuhn-Tucker（KKT）条件求解纳什均衡。提出了一个基于KKT条件和固定步长投影法的迭代交替优化算法,并通过纳什均衡的定义及对角严格凹条件证明了算法的收敛性。仿真结果表明所提算法的系统传输速率优于未迭代方案、半双工（Half-Duplex,HD）中继方案、自干扰部分消除方案和未引入惩罚项的方案,验证了所提算法的有效性。提出了一个基于SWIPT的FD MIMO中继协作通信系统模型,能够有效地提高系统传输速率和网络覆盖范围。建立了一个以系统传输速率为目标函数,以发射端发射总功率、中继发射功率和接收端收集能量为约束条件的最大化系统传输速率问题。针对所提系统模型的变量耦合问题,提出了一个基于交替优化思想的迭代优化方案,通过对发射端发射功率和中继波束赋形交替优化对原问题解耦合。在功率分配问题中,利用博弈论思想将存在竞争关系的优化问题建立为一个非合作博弈问题,并通过注水法求解纳什均衡。此外,由于MIMO中继发射波束赋形矩阵处理较为复杂,本文在优化中继波束赋形时,将原问题转换成了一个等价的最小均方误差（Mean-Square-Error,MSE）问题,基于奇异值分解（Singular Value Decomposition,SVD）的思想,将MIMO技术带来的矩阵问题标量化,降低了算法的复杂度。基于上述优化过程,提出了一个基于博弈论和SVD的迭代交替优化算法,对发射功率和波束赋形联合优化,并分析验证了所提算法的收敛性。仿真结果表明所提算法能够在满足发射功率和接收能量约束的条件下,系统传输速率优于未迭代方案;系统传输速率随着天线数增加而增大;算法能够快速收敛到纳什均衡。提出了一个干扰信道下基于SWIPT的多中继MIMO通信网络系统模型,研究了多中继系统的干扰最小化和功率分配问题,有效地提高了系统传输速率。针对所提系统模型,建立了一个以系统传输速率为目标函数,以发射端发射总功率、中继发射功率和接收端收集能量为约束条件的最大化系统传输速率问题。针对系统中多中继为接收端引入的干扰噪声,设计了一个基于SVD思想干扰最小化方案,降低了算法的复杂度。针对系统中多条“发射端-中继-接收端”通信链路间的变量耦合问题,本文利用博弈论思想将原问题建模为一个非合作博弈问题,从而使集中式问题转换成一个分布式问题,并利用拉格朗日函数和KKT条件求解纳什均衡。基于上述过程,在干扰最小化情况下,设计了一个基于博弈论和固定步长投影法的迭代交替优化算法,最小化系统间干扰并对发射功率进行合理分配,进一步提高系统传输速率。最终,通过仿真不同方案的系统传输速率验证了算法的高效性,通过仿真发射功率与迭代次数之间的关系验证了所提算法的收敛性。仿真结果表明本文所提算法能够在满足发射功率和接收能量约束的前提下,系统传输速率优于未迭代方案、HD中继方案和未引入惩罚项的方案;系统传输速率随着天线数增加而增大。
黄源[5]（2021）在《基于压缩感知的MIMO系统稀疏信道估计方法研究》文中认为多输入多输出（Multiple-Input Multiple-Output,MIMO）系统通过在发射端和接收端分别部署多个天线阵列,可以显着地提升信道容量和传输速率,被认为是未来无线通信的关键使能技术之一。然而,在MIMO系统中,随着基站端天线数目的增加,导致产生大量的未知信道参数和巨大的导频开销,使得无线信道估计成为一项极具挑战性的难题。因此,研究MIMO系统的信道估计技术,对未来无线通信技术的发展具有十分重要的意义。在无线通信系统中,无线多径信道通常为稀疏信道,传统的信道估计算法没有利用信道的稀疏性。基于压缩感知（Compressed Sensing,CS）的信道估计方法通过充分利用信道的稀疏特性,可以使用很少的导频序列获得更好的信道估计性能。本文针对复杂环境下MIMO-OFDM（Multi-Input Multi-Output Orthogonal Frequency Division Multiplexing）和大规模MIMO系统,提出了一系列基于压缩感知的稀疏信道估计方法。本文的主要研究内容如下:（1）提出了一种基于压缩感知的MIMO-OFDM系统改进的稀疏信道估计算法。针对MIMO-OFDM系统无线信道模型,考虑到现有的基于稀疏度自适应匹配追踪信道估计算法在低信噪比下存在着重构性能不稳定的问题,本文提出了一种新的自适应匹配追踪（New Adaptive Matching Pursuit,NAMP）稀疏信道估计算法。该方法在不需要信道稀疏度先验知识的情况下,通过固定步长的方式,对迭代过程中的支撑集原子进行选取,提高算法的收敛效率。此外,该方法采用奇异熵定阶的机制来防止引入不相关的原子,提高算法的收敛精度。实验结果表明,该方法的计算复杂度较小和具有更稳定的性能。（2）提出了一种基于压缩感知的TDD大规模MIMO系统改进的稀疏信道估计算法。针对时分双工（Time Division Duplex,TDD）大规模MIMO系统上行链路模型,本文探讨了导频污染问题,提出了一种有效的半正交导频设计方案。此外,考虑到现有算法在重构过程中存在着对稀疏信道抽头能量不够敏感以及重构精度不高的缺点,本文提出了一种优化的自适应匹配追踪（Optimized Adaptive Matching Pursuit,OAMP）算法。该方法采用基于能量熵的排序方法对支撑集原子进行筛选,提高算法的估计性能。然后,该方法利用分段自适应变步长的方法,提高算法的泛化能力。理论分析和仿真结果表明,本文提出的OAMP算法进一步减少了导频污染,且以较小的时间复杂度为代价提高了信道估计的精度,其综合性能优于其它信道估计算法。（3）提出了一种基于结构化压缩感知的FDD大规模MIMO系统改进的稀疏信道估计算法。针对频分双工（Frequency Division Duplex,FDD）大规模MIMO系统下行链路模型难以确定信道稀疏度和重构算法阈值参数的问题,本文提出了一种基于结构化压缩感知的时频分块稀疏信道估计方法,即广义分块自适应匹配追踪（Generalized Block Adaptive Matching Pursuit,g BAMP）算法。首先,该算法利用大规模MIMO系统的时频联合分块稀疏性,实现对索引集的优化选取,从而提高算法的稳定性。然后,该算法在没有阈值参数的情况下,利用残差的F范数确定算法自适应迭代的停止条件,证明了该算法的有效性。仿真结果表明,本文提出的g BAMP算法能够快速、准确地估计出FDD大规模MIMO系统信道的状态信息,且性能优于同类算法。（4）提出了一种基于深度学习的压缩感知FDD大规模MIMO系统稀疏信道估计算法。在FDD大规模MIMO系统中,随着无线信道矩阵规模的增大,该迭代优化的密集计算和不能保证解全局最优的缺点已成为压缩感知在信道估计应用中的瓶颈。为了解决这个问题,本文提出了一种新型的基于深度学习的压缩感知稀疏信道估计方法,即卷积重构网络（Convolutional Compressive Sensing Network,Con CSNet）。在不需要信道稀疏度的情况下,本文通过Con CSNet算法求解由接收信号得到信道状态信息的逆变换过程,从而解决压缩感知框架下的欠定最优化问题,实现对原始稀疏信道的重构。实验结果表明,与基于传统贪婪算法的压缩感知信道估计方法相比,本文提出的Con CSNet算法的精度更高,且运算速度更快。
吴文捷[6]（2021）在《毫米波Massive MIMO系统的混合波束赋形技术研究》文中认为近三十年来,无线通信业务量剧增,第五代移动通信（The 5th Generation Mobile Communication,5G）应运而生。毫米波、大规模多输入多输出（Massive Multiple-Input Multiple-Output,Massive MIMO）和波束赋形是5G三大核心技术。其中全数字波束赋形（Digital Beamforming,DBF）性能理想,硬件成本和能耗较高。全模拟波束赋形（Analog Beamforming,ABF）硬件成本低,性能表现差。而混合波束赋形（Hybrid Beamforming,HBF）技术能够实现期望性能和硬件成本间的折衷,但其在模拟域的处理存在恒模约束,系统不能获得全部天线增益,存在性能损失。其次,移动通信中传统的正交多址（Orthogonal Multiple Access,OMA）技术中存在一个资源块被单用户独占的问题。因此,本文结合毫米波通信、Massive MIMO技术和波束赋形技术,分别针对混合波束赋形的性能损失和OMA技术中一个资源块被单用户独占的问题,研究了毫米波Massive MIMO系统的混合波束赋形算法。针对混合波束赋形性能损失的问题,基于部分连接架构下的毫米波Massive MIMO系统,以最大化系统频谱效率为目标,提出一种混合波束赋形算法。首先基于奇异值分解得到最优全数字波束赋形,然后利用矩阵特性交替更新模拟和数字波束赋形,将非凸问题转化为凸优化子问题,在小范围内求解模拟域的元素相位增量。仿真结果显示该算法在所考虑的信噪比（Signal to Noise Ratio,SNR）范围内的平均频谱效率分别是部分连接架构下的经典算法、全模拟波束赋形、全连接架构下经典算法和全数字波束赋形的108.8%、168.1%、98.7%和97.6%。即,所提算法性能优于部分连接架构下的经典算法和全模拟波束赋形的性能,与最优全数字波束赋形及全连接架构下经典算法的性能接近,但硬件复杂度和功耗更低。针对OMA技术中一个资源块被单用户独占的问题,引入非正交多址（Non-Orthogonal Multiple Access,NOMA）技术,提出了两种用户分组、功率分配和混合波束赋形方案。首先,基于K均值聚类算法,根据用户间的信道相关性,提出了一种用户分组方案。在此基础上,提出了一个功率分配和混合波束赋形的联合优化问题。然后,将信漏噪比（Signal to Leakage plus Noise Ratio,SLNR）作为性能目标,可将原问题的两个变量解耦从而迭代地求解。然后,基于初始波束赋形矩阵,通过引入辅助正实变量,将功率分配问题转化为一个凸问题,再基于卡罗需-库恩-塔克（Karush-Kuhn-Tucker,KKT）条件和拉格朗日（Lagrange）乘子法解得最优功率分配闭式解。最后,基于广义特征值分解（Generalized Eigenvalue Decomposition,GED）求得最优全数字波束赋形矩阵的闭式解。基于此矩阵,根据对模拟域和数字域的不同优化方法,设计两种混合波束赋形算法。仿真结果显示在所考虑的信噪比范围内,经典的NOMA方案的平均频谱效率和平均能量效率分别是所提方案2的24.8%和24.7%,分别是所提方案1的32.8%和32.7%。经典的OMA方案的频谱效率和能量效率分别是所提方案2的0.45%和1.17%,分别是所提方案1的0.61%和1.55%。即,所提出的两种用户分组、功率分配和混合波束赋形的联合方案频谱效率和能量效率优于经典的NOMA方案和OMA方案。
秦伟[7]（2021）在《高速移动场景下5G链路级增强技术研究》文中研究指明第五代移动通信（5G）系统承诺为用户提供大容量、低时延和超高可靠的通信服务,然而在高速铁路、商用航空等高速移动场景下,5G给人们带来的实际体验却差强人意。究其原因,主要是由于通信终端或散射体高速移动所致的多普勒问题易造成严重的时间选择性衰落,进而恶化系统的误码性能并降低通信容量。针对以上问题,本文通过研究高速移动场景中的5G链路级增强技术,提出对抗多普勒扩展的有效方案以显着提升时变信道的通信质量。首先,设计了基于滤波正交频分复用（Filtered Orthogonal Frequency Division Multiplex,F-OFDM）系统的并行干扰消除（Parallel Interference Cancellation,PIC）算法。在高速移动场景中,受多普勒扩展的影响,F-OFDM系统中的子载波正交性被严重破坏。针对复杂的载波间干扰问题,本文提出时分PIC-F-OFDM方案,即通过时域分集在发送端对两路分支信号做互逆的傅里叶变换处理,接收端利用傅里叶变换的对偶性对信号进行对齐,通过等增益合并增强有用信号且抑制干扰信号。仿真结果表明,相比于传统的干扰自消除算法,本文所提PIC-F-OFDM系统的性能增益显着,可有效抑制多普勒扩展的影响。其次,为了满足高速移动场景下大容量的通信要求,本文设计了基于空时分组编码（Space-Time Block Coding,STBC）的波束赋形机制,并提出空域分集PIC算法。在方案中,数据经STBC编码与互逆的傅里叶变换处理后形成两路并行信号,信号通过两个独立波束发送到接收端。相比于传统干扰消除方法,所提方案能够保证频谱效率并有效改善误码性能。综上,本文根据高速移动场景下无线信道快速时变的特征,提出了 5G链路级增强技术方案。通过仿真验证所提方案能够对抗不同通信场景下的多普勒扩展问题,进而提高5G系统链路的可靠性。而且基于F-OFDM系统的算法可以充分满足不同类型业务的差异化性能需求。
李尤[8]（2021）在《基于空间调制的新型MIMO传输技术研究》文中提出空间调制（Spatial Modulation,SM）是一种新型的多输入多输出（Multiple-Input Multiple-Output,MIMO）无线通信技术,其利用传统数字调制符号和天线的索引共同传输信息,从而可以降低射频开销,简化硬件实现结构,具有较低的功耗、信号处理复杂度和较高的系统链路配置灵活性。因此,空间调制技术有望为未来的移动通信系统提供高效、可靠的解决方案而得到广泛的研究与应用。本文以基于空间调制的多天线系统设计为目标,探索了空间调制的误码率性能分析,自适应算法设计,发射符号向量优化等重点问题。本文的研究内容和创新点主要包含以下几个方面:针对传统发射端空间调制系统的射频切换频率过高的问题,本文研究了基于射频偏置的空间调制系统,该系统通过设计信息比特和天线索引间的新型映射方案从而降低射频切换频率。然后以降低系统误码率为设计目标,提出发射天线数为2时的最优功率分配方案;当发射天线数大于2时,以多天线分别求解为基础,逐次优化欧氏距离最小的天线分组,提出基于主要错误向量的低复杂度功率分配方案;本文进一步通过将非凸的多天线功率联合优化问题近似为串行的凸优化问题,提出基于迭代凸近似的功率分配方案。仿真结果表明,上述三种功率分配优化的射频偏置空间调制系统相比传统的系统均有较好的误码率性能增益。本文进一步分析推导了射频偏置空间调制系统在有信道估计误差时的理论误码率性能,仿真结果验证了理论分析的合理性,表明了射频偏置空间调制系统在有信道估计误差时仍能维持相对传统空间调制系统的性能增益。本文还分析推导了在相关信道条件下射频偏置空间调制系统的理论误码率性能,仿真结果证明了理论误码率分析的合理性,表明在相关系数小于0.5时系统性能损失在0.2d B以内,系统性能对于相关系数的变化不敏感。本文对比了基于最小均方误差（Mimimum Mean Squared Error,MMSE）和基于迫零（Zero Forcing,ZF）预编码的接收端空间调制（Receive Spatial Modulation,RSM）系统,推导了MMSE-RSM系统的理论平均误码率,理论分析和数字仿真表明采用MMSE预编码后,RSM系统具有更好的误码率性能。本文针对传统ZF-RSM系统接收天线数量必须为2的幂次的问题,提出基于不定激活的ZF-RSM系统,并对该系统的误码率性能进行了理论分析。仿真结果证明了理论分析的合理性,表明了不定激活ZF-RSM系统的误码率性能优于传统ZF-RSM系统,同时允许接收端配置任意数量的天线。本文针对传统ZF-RSM系统,基于ZF-RSM系统的理论误码率分析,以降低系统误码率为目标,首先提出了一种基于凸优化的最优功率分配方案;然后为了进一步降低复杂度,通过优化接收天线索引误判导致的误码率,提出了次优的低复杂度功率分配方案。数字仿真表明采用所提功率分配方案后能提升系统性能,随着接收天线数增加,次优方案将贴近最优方案的性能。本文分析了有信道估计误差时ZF-RSM系统的理论误码率性能,并以降低系统误码率为目标,提出导频和数据间的最优功率分配方案。仿真结果表明,所提功率分配方案可进一步降低系统误码率。本文深入研究了跨介质中继通信的系统模型,分析了该系统的理论中断概率,并以降低系统中断概率为目标提出了中继功率分配方案,数字仿真表明采用所提功率分配方案后,系统性能获得进一步提升。本文进一步提出了跨介质的空间调制中继传输方案,为了量化分析系统的数据传输能力,推导了该传输方案的理论互信息量,并以最大化互信息量为目标,设计了中继功率分配方案,数字仿真表明,采用所提功率分配方案后可提升系统性能。
刘元钦[9]（2021）在《光学相机通信系统中信号检测与识别的方法研究》文中指出随着5G等移动通信技术的广泛应用,人们对通信的速率和信道容量的需求在日渐增长。为了满足人们对更广阔的频谱资源的追求,很多专家把着眼点放在可见光通信（Visible Light communication,VLC）技术。可见光通信技术利用发光二极管（Light Emitting Diode,LED）作为信号发射源,同时实现照明和数据通信功能,可见光的频谱资源非常丰富,拥有广阔的应用前景。针对以光电二极管（Photo-Diode,PD）作为接收端的可见光通信系统接收角（Field of View,FOV）较窄、移动环境下很难精确对准、仅适用于室内的通信环境等问题,论文提出一种基于图像处理中目标检测算法的光学相机通信（Optical Camera Communication,OCC）系统。本文首先探讨了国内外的可见光通信技术研究现状,比较了各种基于光学相机通信技术的研究重点,介绍了光学相机通信系统相对于传统的光电二极管做接收端的VLC系统的优势。论文研究白光LED的发光原理与特性,着重分析基于LED的图像传感器可见光通信的信道特性,构建了基于LED的VLC视距链路。研究数种LED作为发射端的可见光调制技术。并且在实验中引入多输入多输出（Multiple-Input Multiple-Output,MIMO）技术,能够实现传输容量的增加,提高通信信噪比,极大地缓解信道选择性衰落对通信质量的影响。实验构建的可见光MIMO信道模型,验证了MIMO信道下多个LED同时通信能够有效降低误码率。论文深入研究对比了光电二极管与图像传感器的优劣。针对当前复杂的光源环境产生的背景噪声以及LED阵列上多个光源之间产生的干扰,采用了图像传感器来进行光信号的接收。为此设计适合室外可见光信号接收的OCC系统模型。本文中设计的OCC系统以安置在移动AGV（Automated Guided Vehicle）小车上的LED阵列为信号发射源,CCD相机作为接收端,能够实现室外环境下的数据传输。最后,在实验中,该OCC系统使用基于改进的概率霍夫变换算法、基于自适应阈值的三帧间差分法等图像处理中的目标检测算法,来实现像素平面中检测出LED阵列区域的位置信息。并且在研究中进一步使用连通区域法对目标区域的图像进行信息识别和提取,实现二维数据码元的输出。可以实现移动情形下较为稳定可靠的通信,信号发送端到接收端的距离覆盖6m到14m,通信误码率为6.5×10-4。
熊点[10]（2020）在《数字波束形成技术在MIMO系统中的应用》文中指出多输入多输出（multiple input multiple output,MIMO）技术在发射端和接收端均设置多根天线,而数字波束形成（digital beamforming,DBF）技术是将多个天线单元中的发射相同数据的天线等效成一根天线的波束形成技术,这两者都是推动现代移动通信向前大步发展的重要技术。本文提出了用线阵或面阵等效为MIMO系统中单根天线的创新思路,结合数字波束形成技术,能有效减小系统中的干扰,改善信号质量,降低信道误码率,同时提高系统容量。本文主要研究应用于MIMO系统的自适应数字波束形成算法,主要工作如下:首先,介绍了MIMO技术的原理,信道模型和系统模型,介绍了数字波束形成技术和自适应数字波束形成技术的原理及其常用的波束形成准则,并针对几种常用的准则做了对比和分析。其次,讨论了多种不同的自适应数字波束形成算法,并选取了典型的盲自适应算法和非盲自适应算法进行理论分析和对比仿真,来确定相对较优且适合在MIMO系统的自适应数字波束形成算法。仿真结果表明,最小方差无畸变（minimum variance distortionless response,MVDR）算法相较于最小均方（least mean square,LMS）算法,能更好地抑制干扰和有着更佳的收敛特性,是一种相对较优的自适应数字波束形成算法。最后,针对上述研究结果,本文提出了一种基于斜投影的MVDR算法,将其应用于MIMO系统中,进行了相应的系统仿真。经过仿真分析表明,本文提出的基于斜投影的低旁瓣MVDR算法应用于MIMO系统中能有效抑制干扰,并且得到稳健的波束方向图,有着良好波束形成效果。数字波束形技术与多输入多输出技术相结合,有着鲜明的特色,一定能够满足移动通信的要求,在未来的移动通信发展中熠熠生辉。
二、MIMO技术及其在未来无线通信中应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、MIMO技术及其在未来无线通信中应用（论文提纲范文）
（1）大规模MIMO天线阵列信道模型及其性能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无线通信的发展历程与大规模MIMO技术 |
| 1.1.1 无线通信的发展历程 |
| 1.1.2 大规模MIMO技术简介 |
| 1.2 大规模MIMO信道建模研究背景及现状 |
| 1.3 主要工作及创新性 |
| 1.4 章节安排 |
| 第二章 大规模MIMO无线信道研究基础 |
| 2.1 引言 |
| 2.2 无线通信信道的衰落特性 |
| 2.2.1 大尺度衰落 |
| 2.2.2 小尺度衰落 |
| 2.3 MIMO信道模型 |
| 2.3.1 MIMO信道模型的基本原理 |
| 2.3.2 MIMO信道建模方法 |
| 2.4 常用信道模型 |
| 2.4.1 瑞利模型 |
| 2.4.2 莱斯模型 |
| 2.5 本章小结 |
| 第三章 三维ULA大规模MIMO信道模型性能分析 |
| 3.1 引言 |
| 3.2 大规模MIMO系统天线阵列的3D几何模型 |
| 3.2.1 远场效应的信道模型 |
| 3.2.2 近场效应的信道模型 |
| 3.3 统计特性分析 |
| 3.3.1 PW模拟的大规模MIMO天线的平均相关性 |
| 3.3.2 SW模拟的大规模MIMO天线的平均相关性 |
| 3.3.3 信道容量分析 |
| 3.4 数值与仿真结果 |
| 3.5 本章小结 |
| 第四章 三维多极化大规模MIMO信道模型性能分析 |
| 4.1 引言 |
| 4.2 大规模MIMO的极化天线模型 |
| 4.3 统计特性分析 |
| 4.3.1 多极化大规模MIMO天线的相关性分析 |
| 4.3.2 信道容量分析 |
| 4.4 仿真与分析 |
| 4.5 本章小结 |
| 第五章 基于散射簇的Massive MIMO非平稳信道模型 |
| 5.1 引言 |
| 5.2 系统信道模型 |
| 5.2.1 信道脉冲响应 |
| 5.2.2 非平稳性 |
| 5.3 模型的统计特性 |
| 5.4 数值结果和分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文的工作总结 |
| 6.2 未来的工作展望 |
| 附录 缩略语 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）面向下一代移动通信系统的新型MIMO关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 综述 |
| 1.1 论文研究背景 |
| 1.1.1 非线性预编码技术研究背景 |
| 1.1.2 物理层安全技术研究背景 |
| 1.1.3 无蜂窝大规模MIMO研究背景 |
| 1.2 研究现状 |
| 1.2.1 非线性预编码技术研究现状 |
| 1.2.2 物理层安全技术研究现状 |
| 1.2.3 无蜂窝大规模MIMO技术研究现状 |
| 1.3 待解决问题 |
| 1.3.1 非线性预编码技术在实际传输中的问题 |
| 1.3.2 现有物理层安全技术在实际传输中的问题 |
| 1.3.3 无蜂窝大规模MIMO预编码、功率分配及能效优化 |
| 1.4 研究内容及创新点 |
| 1.4.1 有限前馈及反馈下的向量扰动预编码设计 |
| 1.4.2 实际安全准则下的安全传输方案设计 |
| 1.4.3 无蜂窝大规模MIMO网络中灵活预编码方案设计 |
| 1.5 论文章节安排 |
| 第二章 小规模MIMO增强型传输技术 |
| 2.1 引言 |
| 2.2 向量扰动预编码 |
| 2.2.1 系统模型 |
| 2.2.2 向量扰动预编码设计 |
| 2.2.3 非理想信道状态信息建模 |
| 2.2.4 非理想前馈信道 |
| 2.3 非理想传输向量扰动预编码设计 |
| 2.3.1 基于最小均方误差准则的向量扰动预编码设计 |
| 2.3.2 非理想传输下鲁棒的向量扰动预编码设计 |
| 2.4 仿真结果及分析 |
| 2.4.1 误比特率性能分析 |
| 2.4.2 计算复杂度分析 |
| 2.5 小结 |
| 第三章 基于向量扰动预编码的物理层安全传输方案研究 |
| 3.1 引言 |
| 3.2 MIMO窃听信道模型及人工噪声方案 |
| 3.2.1 基于格点理论的解调及判决 |
| 3.2.2 基于实际安全的物理层安全传输方案 |
| 3.3 基于向量扰动预编码的安全传输模型 |
| 3.4 理想场景下基于向量扰动预编码的安全传输方案 |
| 3.4.1 系统模型 |
| 3.4.2 复杂度分析 |
| 3.4.3 仿真结果 |
| 3.5 天线数或调制阶数有限场景下基于向量扰动预编码的安全传输方案 |
| 3.5.1 系统模型 |
| 3.5.2 仿真结果 |
| 3.6 带有固定偏移的基于向量扰动预编码的安全传输方案 |
| 3.6.1 系统模型 |
| 3.6.2 仿真结果 |
| 3.7 基于动态偏移的向量扰动预编码的安全传输方案 |
| 3.7.1 系统模型 |
| 3.7.2 仿真结果 |
| 3.7.3 考虑实际安全的MIMO窃听场景总结 |
| 3.8 小结 |
| 第四章 无蜂窝大规模MIMO传输方案设计 |
| 4.1 引言 |
| 4.2 无蜂窝大规模MIMO系统模型 |
| 4.2.1 无蜂窝大规模MIMO信道模型 |
| 4.2.2 无蜂窝大规模MIMO下行链路频谱效率分析 |
| 4.3 现有无蜂窝大规模MIMO预编码方案 |
| 4.3.1 无蜂窝大规模MIMO中的分布式预编码与集中式预编码 |
| 4.3.2 基于最大比传输的无蜂窝大规模MIMO预编码 |
| 4.3.3 集中式迫零预编码方案 |
| 4.3.4 全导频迫零预编码方案 |
| 4.3.5 部分导频迫零预编码方案 |
| 4.4 联合最大比传输和迫零的预编码方案 |
| 4.4.1 研究动机 |
| 4.4.2 新型预编码传输方案设计 |
| 4.4.3 接入点选择方案 |
| 4.4.4 功率分配方案设计 |
| 4.4.5 仿真结果及分析 |
| 4.5 基于负载均衡和功率分配的接入点休眠方案分析 |
| 4.5.1 系统模型 |
| 4.5.2 低复杂度次优算法研究 |
| 4.5.3 仿真结果及分析 |
| 4.6 小结 |
| 第五章 总结与展望 |
| 5.1 本论文已取得的研究成果 |
| 5.2 进一步研究方向 |
| 参考文献 |
| 附录1 缩略词列表 |
| 附录2 定理4.1的证明 |
| 致谢 |
| 攻读博士期间发表的学术论文和专利 |
（3）毫米波大规模MIMO系统波束选择和功率分配技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 波束选择研究现状与分析 |
| 1.2.2 功率分配研究现状与分析 |
| 1.3 论文主要内容及创新点 |
| 1.4 论文结构 |
| 第二章 大规模MIMO下行链路系统概述 |
| 2.1 系统模型 |
| 2.2 信道模型 |
| 2.2.1 毫米波传播特性 |
| 2.2.2 毫米波信道模型 |
| 2.3 预编码技术 |
| 2.4 系统性能指标 |
| 2.5 本章小结 |
| 第三章 基于波束空间MIMO-NOMA下的波束选择 |
| 3.1 系统模型 |
| 3.2 SIC信号检测 |
| 3.3 波束选择算法 |
| 3.4 改进的干扰感知波束选择算法 |
| 3.4.1 方法原理 |
| 3.4.2 复杂度分析 |
| 3.5 仿真结果与分析 |
| 3.6 本章小结 |
| 第四章 基于波束空间MIMO-NOMA下的功率分配 |
| 4.1 非凸优化问题分析 |
| 4.2 基于功率域NOMA的迫零预编码 |
| 4.3 基于非凸优化的功率分配方法 |
| 4.3.1 方法原理 |
| 4.3.2 复杂度分析 |
| 4.4 仿真结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（4）基于博弈论的无线携能通信系统的功率分配方案研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 无线通信网络中资源分配研究现状 |
| 1.2.2 基于SWIPT的无线通信网络研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 基本理论与关键技术 |
| 2.1 关键技术 |
| 2.2 数学基础知识 |
| 2.2.1 优化理论 |
| 2.2.2 矩阵计算 |
| 2.3 博弈论基础知识 |
| 2.3.1 博弈论的要素和分类 |
| 2.3.2 纳什均衡 |
| 2.3.3 博弈论在资源分配中的应用 |
| 2.4 本章小结 |
| 第三章 基于SWIPT的中继系统的功率分配方法 |
| 3.1 系统模型及目标建立 |
| 3.2 基于非合作博弈的交替优化算法研究 |
| 3.2.1 博弈问题建立及分析 |
| 3.2.2 基于KKT条件的功率分配方案设计 |
| 3.2.3 算法收敛性分析 |
| 3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 MIMO中继系统的功率分配和波束赋形联合优化设计 |
| 4.1 系统模型及问题建立 |
| 4.2 联合优化算法设计 |
| 4.2.1 基于非合作博弈的发送功率优化 |
| 4.2.2 基于SVD的波束赋形优化 |
| 4.3 仿真结果与分析 |
| 4.4 本章小结 |
| 第五章 干扰信道下MIMO中继系统的功率分配方法 |
| 5.1 系统模型及问题建立 |
| 5.2 基于干扰最小化的功率分配研究 |
| 5.2.1 基于SVD的干扰最小化设计 |
| 5.2.2 非合作博弈问题建立及分析 |
| 5.2.3 基于KKT条件的功率分配算法设计 |
| 5.3 仿真结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来研究与展望 |
| 参考文献 |
| 附录1缩略词表 |
| 致谢 |
| 攻读博士学位期间的学术成果列表 |
（5）基于压缩感知的MIMO系统稀疏信道估计方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状和挑战 |
| 1.2.1 MIMO-OFDM系统稀疏信道估计研究现状 |
| 1.2.2 大规模MIMO系统稀疏信道估计研究现状 |
| 1.2.3 面临的挑战 |
| 1.3 论文研究主要内容 |
| 1.4 论文结构安排 |
| 第2章 MIMO无线通信系统及压缩感知技术 |
| 2.1 引言 |
| 2.2 MIMO-OFDM系统 |
| 2.2.1 MIMO技术 |
| 2.2.2 OFDM技术 |
| 2.3 大规模MIMO系统 |
| 2.3.1 多用户大规模MIMO系统 |
| 2.3.2 大规模MIMO系统上行链路 |
| 2.3.3 大规模MIMO系统下行链路 |
| 2.4 压缩感知 |
| 2.4.1 信号的稀疏表示 |
| 2.4.2 信号的观测矩阵设计 |
| 2.4.3 信号的重构 |
| 2.4.4 基于压缩感知稀疏信道估计方法的可行性分析 |
| 2.5 本章小结 |
| 第3章 基于自适应匹配追踪的MIMO-OFDM系统信道估计算法 |
| 3.1 引言 |
| 3.2 慢时变频率选择性衰落信道的MIMO-OFDM系统模型 |
| 3.3 基于导频符号的传统信道估计方法 |
| 3.3.1 导频结构 |
| 3.3.2 LS信道估计方法 |
| 3.3.3 MMSE信道估计方法 |
| 3.4 基于导频符号的压缩感知信道估计方法 |
| 3.4.1 压缩感知稀疏信道估计模型 |
| 3.4.2 基于SAMP算法的MIMO-OFDM稀疏信道估计 |
| 3.4.3 基于NAMP算法的MIMO-OFDM稀疏信道估计 |
| 3.4.4 仿真结果与分析 |
| 3.5 本章小结 |
| 第4章 基于稀疏度自适应匹配追踪的TDD大规模MIMO系统信道估计算法 |
| 4.1 引言 |
| 4.2 TDD大规模MIMO系统上行链路稀疏信道模型 |
| 4.3 导频污染与导频设计 |
| 4.3.1 TDD大规模MIMO信道估计基本原理 |
| 4.3.2 导频污染 |
| 4.3.3 导频设计 |
| 4.4 基于稀疏度自适应匹配追踪的信道估计算法 |
| 4.5 信道估计算法的性能分析 |
| 4.5.1 MSE性能分析 |
| 4.5.2 CRLB性能分析 |
| 4.6 仿真结果与分析 |
| 4.7 本章小结 |
| 第5章 基于广义分块自适应匹配追踪的FDD大规模MIMO系统稀疏信道估计算法 |
| 5.1 引言 |
| 5.2 FDD大规模MIMO系统下行链路稀疏信道模型 |
| 5.3 FDD大规模MIMO系统信道估计与导频设计 |
| 5.3.1 FDD大规模MIMO信道估计基本原理 |
| 5.3.2 FDD大规模MIMO系统下行链路导频设计 |
| 5.4 结构化压缩感知技术 |
| 5.4.1 多测量向量模型 |
| 5.4.2 结构化压缩感知 |
| 5.5 FDD大规模MIMO系统信道估计算法 |
| 5.5.1 基于结构化压缩感知的信道估计 |
| 5.5.2 广义分块自适应匹配追踪算法 |
| 5.6 仿真结果与分析 |
| 5.7 本章小结 |
| 第6章 基于深度学习的压缩感知FDD大规模MIMO系统稀疏信道估计算法 |
| 6.1 引言 |
| 6.2 FDD大规模MIMO系统下行链路稀疏信道模型 |
| 6.3 卷积神经网络 |
| 6.4 基于传统贪婪算法的压缩感知稀疏信道估计方法 |
| 6.5 基于深度学习的压缩感知稀疏信道估计方法 |
| 6.5.1 线性映射网络 |
| 6.5.2 卷积学习网络 |
| 6.5.3 Con CSNet网络训练参数配置 |
| 6.6 仿真与实验结果分析 |
| 6.6.1 评估标准 |
| 6.6.2 实验结果 |
| 6.7 本章小结 |
| 第7章 论文总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（6）毫米波Massive MIMO系统的混合波束赋形技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 缩略语对照表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 5G移动通信现状及关键技术 |
| 1.1.2 Massive MIMO系统 |
| 1.1.3 波束赋形技术 |
| 1.1.4 NOMA技术 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 混合波束赋形研究现状及存在问题分析 |
| 1.2.2 NOMA技术与波束赋形/功率分配的研究现状及存在问题分析 |
| 1.3 本文的主要贡献与创新 |
| 1.4 论文的结构安排 |
| 2 Massive MIMO系统的基本理论 |
| 2.1 天线阵列基本模型 |
| 2.1.1 均匀直线阵天线 |
| 2.1.2 均匀平面阵天线 |
| 2.2 Massive MIMO波束赋形系统架构 |
| 2.2.1 全数字波束赋形架构 |
| 2.2.2 部分连接型混合波束赋形架构 |
| 2.2.3 全连接型混合波束赋形架构 |
| 2.3 NOMA基本原理 |
| 2.4 相关优化理论 |
| 2.4.1 凸优化问题 |
| 2.4.2 Lagrange乘子法和KKT条件 |
| 2.5 本章小结 |
| 3 毫米波Massive MIMO系统的混合波束赋形算法设计 |
| 3.1 系统建模与分析 |
| 3.2 毫米波传输特性和信道模型 |
| 3.2.1 路径损耗特性 |
| 3.2.2 有限散射特性 |
| 3.2.3 信道模型 |
| 3.3 基于分解式的混合波束赋形算法 |
| 3.3.1 全数字波束赋形性能分析 |
| 3.3.2 混合波束赋形算法设计 |
| 3.3.3 波束赋形算法的执行流程 |
| 3.4 算法仿真和分析 |
| 3.4.1 仿真条件 |
| 3.4.2 仿真结果及分析 |
| 3.5 本章小结 |
| 4 毫米波MIMO-NOMA系统的波束赋形和功率分配算法设计 |
| 4.1 系统建模与分析 |
| 4.2 信道模型 |
| 4.3 用户分组和解码顺序 |
| 4.3.1 用户分组方案 |
| 4.3.2 解码顺序 |
| 4.4 基于信漏噪比性能指标的波束赋形和功率分配设计 |
| 4.4.1 基站功率分配算法设计 |
| 4.4.2 混合波束赋形算法设计 |
| 4.4.3 总解决方案的执行流程 |
| 4.4.4 复杂度分析 |
| 4.5 算法仿真和分析 |
| 4.5.1 仿真条件 |
| 4.5.2 仿真结果及分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）高速移动场景下5G链路级增强技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文研究内容与结构安排 |
| 第二章 高速移动场景及5G链路级关键技术 |
| 2.1 高速移动场景无线信道分析 |
| 2.1.1 快时变衰落信道特性 |
| 2.1.2 快时变信道建模 |
| 2.2 F-OFDM系统基本原理与技术 |
| 2.2.1 F-OFDM系统框架 |
| 2.2.2 子载波参数配置 |
| 2.2.3 子带滤波方案 |
| 2.2.4 综合仿真验证及分析 |
| 2.3 大规模MIMO技术 |
| 2.3.1 大规模MIMO系统原理 |
| 2.3.2 波束赋形技术 |
| 2.3.3 5G大规模MIMO应用 |
| 2.4 本章小结 |
| 第三章 PIC-F-OFDM抗多普勒扩展研究 |
| 3.1 多普勒扩展对F-OFDM系统的影响 |
| 3.1.1 多普勒扩展造成的子载波间干扰问题 |
| 3.1.2 F-OFDM系统中子载波间干扰分析 |
| 3.1.3 仿真结果验证 |
| 3.2 时分PIC-F-OFDM方法 |
| 3.2.1 时分PIC-F-OFDM系统模型 |
| 3.2.2 信干比分析 |
| 3.3 仿真结果与分析 |
| 3.3.1 信干比仿真分析 |
| 3.3.2 误码率仿真分析 |
| 3.3.3 复杂度分析 |
| 3.4 本章小结 |
| 第四章 大规模MIMO系统中的抗多普勒扩展研究 |
| 4.1 系统模型 |
| 4.2 基于大规模MIMO的抗多普勒扩展方案 |
| 4.2.1 波束成形与Alamouti空时码 |
| 4.2.2 基于STBC-TxBF的改进PIC方案 |
| 4.3 仿真结果与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）基于空间调制的新型MIMO传输技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 主要数学符号表 |
| 第一章 绪论 |
| 1.1 空间调制技术的研究背景 |
| 1.2 空间调制技术的发展现状 |
| 1.2.1 空间调制概念的发展 |
| 1.2.2 空间调制主要研究问题的发展 |
| 1.3 本文主要研究内容及贡献 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文的主要贡献 |
| 1.4 本文的结构安排 |
| 第二章 发射端空间调制系统及其优化设计 |
| 2.1 引言 |
| 2.2 传统空间调制系统模型与性能分析 |
| 2.2.1 系统模型 |
| 2.2.2 BER性能分析 |
| 2.3 射频偏置空间调制传输原理 |
| 2.3.1 系统模型 |
| 2.3.2 仿真结果 |
| 2.4 射频偏置空间调制系统的功率优化设计 |
| 2.4.1 系统模型 |
| 2.4.2 发射天线数为2 时的最优功率分配方案 |
| 2.4.3 基于主要错误向量的功率分配方案 |
| 2.4.4 基于迭代凸近似的功率分配方案 |
| 2.4.5 仿真结果及分析 |
| 2.5 本章小结 |
| 第三章 非理想信道状态信息下的发射端空间调制系统 |
| 3.1 引言 |
| 3.2 OSM系统在信道估计有误差时的BER性能分析 |
| 3.2.1 信道估计误差模型 |
| 3.2.2 计算理论PEP的广义分析框架 |
| 3.2.3 静态OSM系统中平均PEP的推导 |
| 3.2.4 动态OSM系统中平均PEP的推导 |
| 3.2.5 数字仿真结果 |
| 3.3 OSM系统在相关信道下的BER性能分析 |
| 3.3.1 相关信道模型 |
| 3.3.2 相关信道下静态OSM系统BER上界的推导 |
| 3.3.3 数字仿真结果 |
| 3.4 本章小结 |
| 第四章 接收端空间调制系统及其优化设计 |
| 4.1 引言 |
| 4.2 传统接收端空间调制系统 |
| 4.3 基于MMSE预编码的接收端空间调制系统 |
| 4.3.1 系统模型 |
| 4.3.2 基于MMSE预编码的等效接收模型推导 |
| 4.3.3 误比特率上界分析 |
| 4.3.4 数字仿真结果 |
| 4.4 不定激活的接收端空间调制系统 |
| 4.4.1 不定激活映射方式 |
| 4.4.2 系统BER性能分析 |
| 4.4.3 数字仿真结果 |
| 4.5 本章小结 |
| 第五章 自适应功率分配的接收端空间调制系统 |
| 5.1 引言 |
| 5.2 完美信道状态信息下的功率分配辅助接收端空间调制系统 |
| 5.2.1 系统模型 |
| 5.2.2 功率分配方案设计 |
| 5.2.3 数字仿真结果 |
| 5.3 非完美信道状态信息下的功率分配辅助接收端空间调制系统 |
| 5.3.1 系统模型 |
| 5.3.2 信道估计 |
| 5.3.3 系统性能分析 |
| 5.3.4 功率分配方案设计 |
| 5.3.5 数字仿真结果 |
| 5.4 本章小结 |
| 第六章 基于空间调制的跨介质中继通信 |
| 6.1 引言 |
| 6.2 解码转发中继的跨介质通信 |
| 6.2.1 系统模型 |
| 6.2.2 系统性能分析广义框架 |
| 6.2.3 两种跨介质通信系统性能分析及功率分配方案设计 |
| 6.2.4 数字仿真结果 |
| 6.3 基于空间调制的跨介质通信 |
| 6.3.1 空间调制的互信息性能分析 |
| 6.3.2 空间调制跨介质通信系统的功率分配设计 |
| 6.3.3 数字仿真结果 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文主要工作及贡献 |
| 7.2 下一步工作建议及研究方向 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录B |
| 附录C |
| 附录D |
| 攻读博士学位期间取得的成果 |
（9）光学相机通信系统中信号检测与识别的方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 选题目的与意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 可见光通信技术发展和光学相机通信研究现状 |
| 1.4 论文研究重点和内容结构 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文结构安排 |
| 2 LED可见光通信与MIMO技术理论基础 |
| 2.1 LED发光原理和光源特性 |
| 2.1.1 LED的发光原理 |
| 2.1.2 LED的光学特性参数 |
| 2.1.3 白光LED |
| 2.2 可见光通信技术原理 |
| 2.2.1 可见光通信技术概念 |
| 2.2.2 可见光视距链路 |
| 2.3 可见光通信调制技术 |
| 2.3.1 开关键控(On-Off Keying,OOK) |
| 2.3.2 脉冲位置调制(Pulse Position Modulation,PPM) |
| 2.3.3 色移键控(Color Shift Keying,CSK) |
| 2.3.4 正交频分复用 (Orthogonal Frequency Division Multiplexing,OFDM) |
| 2.4 可见光MIMO技术理论 |
| 2.4.1 信道的多径衰落 |
| 2.4.2 MIMO技术原理 |
| 2.4.3 空间复用(Space Multiplexing,SM) |
| 2.4.4 空间分集(Space Diversity,SD) |
| 2.5 可见光MIMO信道模型 |
| 2.6 本章小结 |
| 3 光学相机通信系统概述 |
| 3.1 光学相机通信(OCC)系统结构 |
| 3.1.1 OCC系统简介 |
| 3.1.2 发送机构成 |
| 3.1.3 接收机构成 |
| 3.2 光学相机成像通信技术理论 |
| 3.2.1 OCC技术概述 |
| 3.2.2 技术标准 |
| 3.2.3 图像传感器成像原理 |
| 3.2.4 图像传感器类型 |
| 3.3 可见光屏幕通信技术 |
| 3.4 光学相机通信系统设计 |
| 3.4.1 设计OCC系统 |
| 3.4.2 OCC通信链路 |
| 3.4.3 OCC实验平台 |
| 3.4.4 曼彻斯特编码 |
| 3.4.5 OCC系统信道信噪比分析 |
| 3.5 OCC系统收发机同步 |
| 3.6 本章小结 |
| 4 OCC系统中可见光信号的检测与识别方法 |
| 4.1 光学相机通信方案 |
| 4.1.1 OCC系统中信号的检测与识别流程 |
| 4.1.2 光学相机工作模式 |
| 4.2 图像信息预处理 |
| 4.2.1 灰度值转化 |
| 4.2.2 直方图均衡化 |
| 4.2.3 图像二值化与自适应阈值 |
| 4.2.4 倾斜角校正 |
| 4.3 LED区域的快速检测与定位 |
| 4.3.1 LED快速定位 |
| 4.3.2 基于自适应阈值分割的帧间差分法 |
| 4.4 图像信息解码方法 |
| 4.4.1 改进的霍夫变换检测圆 |
| 4.4.2 连通区域标记法实现图像解码 |
| 4.4.3 图像信息解码 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（10）数字波束形成技术在MIMO系统中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文结构 |
| 1.4 本章小结 |
| 第二章 MIMO理论基础 |
| 2.1 MIMO技术原理 |
| 2.1.1 MIMO系统的分类 |
| 2.1.2 MIMO系统的信道模型 |
| 2.1.3 MIMO系统的信道容量 |
| 2.2 MIMO系统中的重要技术 |
| 2.2.1 空时编码技术 |
| 2.2.2 预编码技术 |
| 2.3 大规模MIMO技术 |
| 2.3.1 大规模MIMO系统原理 |
| 2.3.2 大规模MIMO技术的特点 |
| 2.4 本章小结 |
| 第三章 数字波束形成技术理论基础 |
| 3.1 波束形成技术 |
| 3.1.1 波束形成技术的分类 |
| 3.2 数字波束形成技术 |
| 3.2.1 数字波束形成技术原理 |
| 3.2.2 数字波束形成与MIMO技术结合的优势 |
| 3.3 自适应数字波束形成技术及其常用准则 |
| 3.3.1 最小均方误差准则 |
| 3.3.2 最大信干噪比准则 |
| 3.3.3 线性约束最小方差准则 |
| 3.3.4 三种准则的总结对比 |
| 3.4 本章小结 |
| 第四章 自适应数字波束形成算法分析 |
| 4.1 非盲自适应算法 |
| 4.1.1 最小均方算法 |
| 4.1.2 采样矩阵求逆算法 |
| 4.1.3 递归最小二乘算法 |
| 4.1.4 三种盲算法的总结对比 |
| 4.2 盲自适应算法 |
| 4.2.1 恒模算法 |
| 4.2.2 多重信号分类算法 |
| 4.2.3 最小方差无失真响应算法 |
| 4.3 算法仿真分析 |
| 4.3.1 最小均方算法仿真 |
| 4.3.2 最小方差无失真响应算法仿真 |
| 4.4 两种算法对比总结 |
| 4.5 本章小节 |
| 第五章 自适应数字波束形成算法在MIMO系统中的应用 |
| 5.1 系统模型和信号模型 |
| 5.2 基于斜投影的低旁瓣级MVDR算法 |
| 5.2.1 斜投影 |
| 5.2.2 算法的具体实现 |
| 5.3 算法的仿真和实现 |
| 5.3.1 波束图性能分析 |
| 5.3.2 收敛特性分析 |
| 5.3.3 仿真结果总结 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
四、MIMO技术及其在未来无线通信中应用（论文参考文献）
- [1]大规模MIMO天线阵列信道模型及其性能研究[D]. 仇桐同. 南京信息工程大学, 2021(01)
- [2]面向下一代移动通信系统的新型MIMO关键技术研究[D]. 杜刘通. 北京邮电大学, 2021(01)
- [3]毫米波大规模MIMO系统波束选择和功率分配技术研究[D]. 刘磊. 内蒙古大学, 2021(12)
- [4]基于博弈论的无线携能通信系统的功率分配方案研究[D]. 刘颖. 北京邮电大学, 2021(01)
- [5]基于压缩感知的MIMO系统稀疏信道估计方法研究[D]. 黄源. 合肥工业大学, 2021
- [6]毫米波Massive MIMO系统的混合波束赋形技术研究[D]. 吴文捷. 西安科技大学, 2021(02)
- [7]高速移动场景下5G链路级增强技术研究[D]. 秦伟. 北京邮电大学, 2021(01)
- [8]基于空间调制的新型MIMO传输技术研究[D]. 李尤. 电子科技大学, 2021(01)
- [9]光学相机通信系统中信号检测与识别的方法研究[D]. 刘元钦. 重庆理工大学, 2021(02)
- [10]数字波束形成技术在MIMO系统中的应用[D]. 熊点. 南京邮电大学, 2020(03)