导读:本文包含了预编码算法论文开题报告文献综述及选题提纲参考文献，主要关键词:大规模MIMO,最小均方误差预编码,超松弛迭代,牛顿迭代
预编码算法论文文献综述
孙文胜,许俊杰[1]（2019）在《大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法》一文中研究指出在大规模MIMO系统中,将牛顿迭代法用于传统的WWSE预编码算法求逆运算,但是其迭代初始值计算复杂。针对这一问题,提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法,然后与牛顿迭代算法相结合,利用中间算法直接对高阶矩阵的逆进行估算,将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示,与传统牛顿迭代法比较,WWSESOR-NT算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。(本文来源于《电信科学》期刊2019年11期）
吕尉邦,贺光辉[2]（2019）在《一种适用于多用户MIMO系统的低复杂度S-GMI-THP预编码算法及硬件实现》一文中研究指出区块对角化(Block Diagonalization,BD)预编码技术广泛应用于多用户MIMO(Multiple-Input MultipleOutput),其算法的计算复杂性主要来源于两次奇异值分解操作.S-GMI(Simplified Generalized MMSE Channel Inversion)算法提出以一次QR分解代替BD算法中一次奇异值分解.本文提出S-GMI-THP算法,使用THP(Tomlinson-Harashima Precoding)代替S-GMI算法中的奇异值分解,极大降低了复杂度.分析与仿真结果表明,所提出的S-GMI-THP算法相较于THP与MMSE算法可以实现明显的BER性能增益.文章还给出了S-GMI-THP算法整体框图以及8×8规模矩阵求逆模块的硬件实现架构,该结构在virtex-7平台以较低的资源实现了23.8 M Matrix/s的吞吐.(本文来源于《微电子学与计算机》期刊2019年07期）
曹姝[3]（2019）在《毫米波大规模MIMO混合预编码算法研究》一文中研究指出随着无线通信技术的不断发展与广泛应用,无线数据业务呈爆炸式增长,将毫米波用于无线通信成为解决频谱资源短缺、提高系统容量的根本途径。为了抵制毫米波信号严重的路径衰落,必须采用大规模MIMO结构提高信号的收发增益。然而,对于大规模MIMO天线阵列,系统很难为每根天线提供独立的射频链路及其配套硬件电路,信号发射端也很难获得完备的信道状态信息。因此,有必要对信道的统计特性进行有效估计,提出适用于毫米波系统的低复杂度混合预编码策略。针对此问题,本论文主要完成以下工作:(1)基于连续基追踪(CBP)原理构造了一种波束字典矩阵,并设计了一种多分辨率码本,以降低毫米波大规模MIMO系统信道参数估计的复杂度。同时,利用估计的信道参数完成了信道状态信息重构,并通过SOMP混合预编码算法对该混合预编码的性能进行了评估。实验表明基于连续基追踪的波束字典能够提高信道估计精度。(2)基于均匀网格字典的信道估计方法得到包含路径增益信息较低维度的波束空间信道,并对波束空间信道矩阵进行奇异值分解获得最优预编码矩阵。然后,为了降低混合预编码的计算复杂度,设计了一种离散傅立叶变换—互相无偏基(DFT-MUB)码本,将互相无偏基码本应用于数字波束成形,而离散傅立叶码本应用于射频模拟波束成形。同时,利用波束空间混合预编码算法(BHP)完成模拟预编码与数字预编码设计,避免了常规迭代算法中大量的“矩阵求逆”。与全数字预编码方式相比,不仅保证性能损失小于5%,还降低了计算复杂度。(本文来源于《湘潭大学》期刊2019-06-01）
袁怡圃,吴健[4]（2019）在《毫米波大规模MIMO系统预编码算法》一文中研究指出由于毫米波多用户大规模MIMO系统采用全数字预编码时,面临硬件复杂度过高、成本和能耗较高的问题,模数混合预编码是一种有效的解决方案.文章提出基于信漏噪声比(SLNR)的混合预编码器算法用于多用户毫米波大规模MIMO系统,该算法将噪声计算在内可以阻止噪声的放大并能有效抑制同信道干扰.与迫零算法相比,该算法对发送端和接收端天线数没有限制.仿真结果表明,在有效减少系统所需射频链路数量的基础上,所提混合预编码方案能够接近传统全数字预编码方案的性能.(本文来源于《泉州师范学院学报》期刊2019年02期）
刘晋宏[5]（2019）在《大规模MIMO系统低复杂度线性迭代预编码算法研究》一文中研究指出大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统已经被认为是未来移动通信的关键技术之一,即在基站端配置大量的天线同时服务数十个用户终端使得空间自由度更多,且可以获得巨大的阵列增益和复用增益,理论证明频谱效率能够提升两个量级以上。由于用户终端的增加可能会导致用户间干扰,因此在基站端发送数据前必须采用非线性或线性预编码有效的抑制干扰。然而,传统线性迫零(Zero Forcing,ZF)预编码存在信道矩阵求逆,因此它的计算复杂度会随着天线阵列规模的增大而增加。针对上述问题,本文研究了低复杂度的线性预编码方法。本文的主要研究思路是通过对线性ZF预编码中的信道矩阵求逆利用迭代的思想近似求解从而降低计算复杂度。首先针对在少迭代次数下已存在的迭代方法性能下降且收敛速度较慢等缺点提出了一种改进的加权两步迭代(Weighted Two Stage,WTS)预编码方法,其具体思想是通过经验加权因子将前向和后向迭代结果进行合并从而调整迭代矩阵的谱半径大小进一步影响收敛速度。其次鉴于上述缺点,并且考虑到松弛因子以及迭代初始解对收敛速度的影响提出了一种改进的修正逐次超松弛(Modified Successive Over Relaxation,MSOR)预编码方法,其具体思想是通过合理的选择松弛因子和加速因子从而加速收敛。相比于传统线性ZF预编码,提出的两种改进预编码方法具有更低的计算复杂度,并且两种改进预编码方法的收敛速度要优于已存在的预编码方法。仿真结果表明提出的两种改进预编码方法可以通过较少的迭代次数就能够获得近似最优的线性ZF预编码的性能,因此本文所提方法更加适用于大规模MIMO系统。(本文来源于《内蒙古大学》期刊2019-04-10）
赵小燕[6]（2019）在《多用户毫米波大规模MIMO系统的高频效混合预编码算法研究》一文中研究指出随着经济和信息社会化的发展,第四代移动通信技术提供的传输速率已经不能满足人们的需求。现在世界各地已经展开对5G关键技术的深入研究。大规模多输入所输出(Multiple input multiple output,MIMO)技术可以大大提高系统的频谱效率,减少不同用户之间的干扰。毫米波技术通过提升频谱带宽可以实现高传输速率。因此,毫米波大规模MIMO技术已成为5G移动通信的关键技术之一。由于在大规模MIMO系统中,数字预编码方法会导致高成本、高功耗和高计算复杂度,全数字预编码方法在大规模MIMO系统中是不实际的。因此,在毫米波大规模MIMO系统中引入了混合预编码算法。然而,现有的混合预编码算法无法实现比传统的数字预编码算法更好的频谱效率性能。因此,本文针对多用户毫米波大规模MIMO系统的高频效混合预编码算法进行了深入的研究。本文的研究内容如下:为了进一步提高多用户毫米波大规模MIMO系统的频谱效率,本文首先提出了改进的混合块对角化预编码算法。它的核心思想重新构造基带等效信道矩阵以增大基带等效信道矩阵的维度,从而可以提高基带等效信道矩阵的增益,最终可以提高整个系统的频效性能。其次,提出了改进的基于交替优化的矩阵分解混合预编码算法,它的核心思想是由于模拟矩阵的非凸约束,利用交替优化的方法将非凸问题的求解转化为一系列凸优化问题。通过仿真表明,与传统的算法相比,改进的混合块对角化预编码算法和基于交替优化的矩阵分解混合预编码算法可以实现较好的频谱效率性能和更好的误码率性能,因此本文提出的算法更适合于毫米波大规模MIMO系统。(本文来源于《内蒙古大学》期刊2019-04-10）
朱国晖,陈星[7]（2019）在《一种大规模MIMO系统的低复杂度预编码算法》一文中研究指出在大规模多输入多输出系统中,基站侧天线数目和用户数目的增加导致信道矩阵的维度也增加,从而使预编码矩阵的计算复杂度增大。为此,将截断多项式展开理论与最小均方误差(MMSE)预编码算法相结合,提出一种低复杂度的预编码算法。将矩阵多项式的前J项和近似为矩阵的逆矩阵,在MMSE预编码的基础上推导该算法的预编码矩阵,并求解发射功率有限时最佳阶数的表达式。仿真结果表明,在与MMSE预编码算法频谱效率相近的情况下,该算法可有效降低预编码的计算复杂度。(本文来源于《计算机工程》期刊2019年03期）
陈小敏,方竹,胡续俊,朱秋明,陈兵[8]（2019）在《基于不完全信道状态信息的多用户MIMO中继系统预编码算法》一文中研究指出针对上行多用户MIMO中继系统,在信道存在反馈延迟及估计误差的条件下,以误比特率(Bit error rate,BER)为优化目标,提出了基于最小均方误差(Minimum mean?squared error,MMSE)准则的预编码算法。所提算法将求解发射端、中继节点、接收端矩阵的复杂非凸问题分解为3个独立的子优化问题,发射端的用户配备单天线且服从空间独立分布,先确定发射端预编码矩阵,将求解中继矩阵的凸优化问题转化为半正定规划(Semi?definite programming,SDP)问题,采用CVX工具箱求解,接收端处理矩阵通过线性搜索法求解,最后采用联合迭代法得到各节点矩阵的最优解。仿真结果表明,所提算法能有效改善系统的误比特率性能。(本文来源于《数据采集与处理》期刊2019年02期）
武嘉煜[9]（2019）在《大规模MIMO系统中基于松弛迭代的预编码算法研究》一文中研究指出预编码是一种干扰消除技术,常用于多输入多输出系统(Multiple Input Multiple Output,MIMO)的下行链路。由于大规模MIMO系统有比MIMO系统多出几个数量级的基站天线,复杂度相对较小的线性预编码实现近似最优性能的同时,也会带来矩阵求逆复杂度的增加。迭代算法的提出代替了线性预编码中的矩阵求逆,减小计算复杂度,但是会出现误码率性能不够好的情况。而松弛迭代法中含有参数,可以通过选取合适的参数来适应不同的实际问题。现有的松弛迭代算法在提升误码率性能的同时无法保证其收敛速度,即无法平衡二者间的关系。论文从平衡算法的误码率性能和收敛速度的角度,对基于松弛迭代的预编码算法进行研究。论文首先对大规模MIMO系统的预编码方法进行了分析归纳,研究了预编码的基本原理,并对几个常用的线性预编码算法进行了分析。重点研究了松弛迭代算法中的逐次超松弛迭代(Successive Over Relaxation,SOR)预编码算法和对称逐次超松弛迭代(Symmetric Successive Over Relaxation,SSOR)预编码算法,且在瑞利衰落信道中,对这两种预编码算法进行仿真以及对比分析。接着,我们研究了一种快速超松弛迭代算法,在此基础上,针对实际大规模MIMO系统,从提升收敛速度的角度,对其加速因子的选取进行改进,根据随机矩阵理论,利用正定Hermit矩阵谱半径和特征值之间的关系,使加速因子由原来根据系数矩阵的Jacobi矩阵的特征值改为利用系数矩阵的Jacobi矩阵的谱半径表示,而系数矩阵的Jacobi矩阵的谱半径只与系统收发天线数有关。从而提出一种基于加速因子改进的快速超松弛迭代(Accelerated Over Relaxation,AOR)预编码算法。我们分析了该算法的复杂度,并和Neumann级数展开预编码算法,SOR迭代预编码算法进行比较,在收敛速度和误码性能方面,与改进前的AOR迭代预编码算法,SOR迭代预编码算法和Neumann级数展开预编码算法进行仿真比较,结果表明,改进后的AOR迭代预编码算法收敛速度快于其他叁种算法,且误码率性能也得到了保证。在AOR迭代算法的基础上,从提升误码率性能的角度考虑,进行进一步的改进,将其在前向和后向分别应用一次,形成一种对称快速超松弛迭代(Symmetric Accelerated Over Relaxation,SAOR)算法,并对加速因子的选取方法进行了改进,使它仅与系统收发天线数有关,利用改进后的SAOR迭代构造预编码矩阵,提出了一种改进的SAOR迭代预编码算法。分析了改进的SAOR迭代预编码算法的复杂度,并将其与SSOR迭代预编码算法以及Neumann级数展开预编码算法进行比较。最后对改进的SAOR迭代预编码算法的误码性能,收敛速度进行仿真分析,并与SSOR迭代预编码算法和Neumann级数展开预编码算法进行对比。(本文来源于《安徽大学》期刊2019-03-01）
黎明[10]（2019）在《低复杂度大规模MIMO预编码算法研究》一文中研究指出随着互联网技术和多媒体应用的飞速发展,人们对数据流量的需求变得越来越高,这就要求下一代无线通信技术(5G)拥有更高的通信容量。大规模MIMO(Multiple-Input Multiple-Output)技术作为5G的关键技术之一,在提升系统频谱效率和传输可靠性方面具有突出优势。但是大规模MIMO在实现的过程中,面临着严重的用户间干扰问题,而解决用户间干扰的有效途径是使用预编码技术。同样的,将预编码技术用于大规模MIMO系统,其实现也将面临着诸多的挑战。其中,信号处理计算复杂度过高以及硬件成本和功耗过高就是其面临的两个严峻的挑战。本文主要针对这些挑战展开研究。首先,研究了大规模MIMO的基础理论,介绍了其基本模型并对其信道特性进行了理论分析。从理论上推导了大规模MIMO系统的频谱效率上界并对实际频谱效率进行了仿真分析。其次,研究了配备高精度数模转换器(Digital-to-Analog Converter,DAC)的大规模MIMO系统中的预编码技术,重点研究了其线性预编码技术。针对传统预编码算法的计算复杂度较高的问题,研究了基于迭代法的预编码算法,并提出一种基于PCG(Preconditional Conjugate Gradient)迭代的预编码算法。仿真结果表明所提出的算法不仅具有较低的复杂度,而且还具有较快的收敛速度。最后,为了降低基站端硬件成本和功耗,研究了使用1-比特DAC进行量化的大规模MIMO系统中的预编码技术,针对传统的线性预编码在1-比特场景下效果不理想的缺点,重点研究了非线性预编码算法。文中提出一种Neumann-AM(Neumann series expansion Alternating Minimization)预编码算法。仿真结果表明,所提出的算法不仅能保证量化预编码的误码率性能,而且大大降低了计算的复杂度。(本文来源于《哈尔滨工程大学》期刊2019-03-01）
预编码算法论文开题报告
（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：
区块对角化(Block Diagonalization,BD)预编码技术广泛应用于多用户MIMO(Multiple-Input MultipleOutput),其算法的计算复杂性主要来源于两次奇异值分解操作.S-GMI(Simplified Generalized MMSE Channel Inversion)算法提出以一次QR分解代替BD算法中一次奇异值分解.本文提出S-GMI-THP算法,使用THP(Tomlinson-Harashima Precoding)代替S-GMI算法中的奇异值分解,极大降低了复杂度.分析与仿真结果表明,所提出的S-GMI-THP算法相较于THP与MMSE算法可以实现明显的BER性能增益.文章还给出了S-GMI-THP算法整体框图以及8×8规模矩阵求逆模块的硬件实现架构,该结构在virtex-7平台以较低的资源实现了23.8 M Matrix/s的吞吐.
（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。
预编码算法论文参考文献
[1].孙文胜,许俊杰.大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法[J].电信科学.2019
[2].吕尉邦,贺光辉.一种适用于多用户MIMO系统的低复杂度S-GMI-THP预编码算法及硬件实现[J].微电子学与计算机.2019
[3].曹姝.毫米波大规模MIMO混合预编码算法研究[D].湘潭大学.2019
[4].袁怡圃,吴健.毫米波大规模MIMO系统预编码算法[J].泉州师范学院学报.2019
[5].刘晋宏.大规模MIMO系统低复杂度线性迭代预编码算法研究[D].内蒙古大学.2019
[6].赵小燕.多用户毫米波大规模MIMO系统的高频效混合预编码算法研究[D].内蒙古大学.2019
[7].朱国晖,陈星.一种大规模MIMO系统的低复杂度预编码算法[J].计算机工程.2019
[8].陈小敏,方竹,胡续俊,朱秋明,陈兵.基于不完全信道状态信息的多用户MIMO中继系统预编码算法[J].数据采集与处理.2019
[9].武嘉煜.大规模MIMO系统中基于松弛迭代的预编码算法研究[D].安徽大学.2019
[10].黎明.低复杂度大规模MIMO预编码算法研究[D].哈尔滨工程大学.2019