一种地空3D-Massive MIMO信道模型

为了研究地空3D-Massive MIMO系统信道特性,提出一种基于三维单跳同心圆环散射体的地空3D-Massive MIMO信道模型。相比传统地空3D MIMO信道模型有两方面改进,首先是建立了基于单跳圆环散射体3D几何精确位置关系的球面波天线阵元相位偏移模型,其次采用生灭过程对Massive MIMO阵列上的非平稳特性进行建模。推导了该模型的信道统计特征函数,通过对特征函数理论推导值与蒙特卡洛统计值进行仿真对比,验证了理论推导正确性。此外,对所提信道模型与基于平面波的传统地空3D MIMO信道模型的空间相关性进行了分析及仿真对比,结果表明:在远场环境下,两者基本一致;在近场环境下,传统平面波模型不再适用,两者存在差异。最后,对若干组表征信道特征的仿真结果与公开文献中地空信道实际测试数据进行对比分析。表明本模型作为普遍适用性模型,可以根据信道的测试条件、测试环境和测试结果来优化参数配置以趋近于实际信道,以对特定信道进行精确建模。     

应用于MIMO-OFDMA下行链路的分组调度算法

提出了一种基于效用函数的应用于多输入多输出正交频分复用接入 (MIMO-OFDMA, Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing Access )系统下行链路的分组调度算法.该算法在调度时不仅考虑物理层的信道状况,还利用基站发送缓冲区的状态信息和用户反馈回来的ARQ(Automatic Repeat-request)信息来帮助基站做出调度决策.针对系统中多种业务的不同服务质量(QoS,Quality of Service)要求,分别设计了其效用函数,并将调度决策问题转化成一个系统总效用函数值最大化问题.同时考虑到实际的长期演进计划(LTE,Long Term Evolution) 系统中对子载波共享的限制条件,提出了一种可以降低实际复杂度的启发式算法用于求解该最优化问题.仿真结果表明,该算法不但在保证实时业务用户QoS要求方面要好于传统的调度算法,还能获得较好的系统总容量和丢包率性能.     

基于非全向天线的无人机MIMO信道模型研究

为研究无人机信道特性,针对地面控制站( GCS)环境特点和非全向多天线系统,建立并分析了基于散射体三维几何分布的单跳同心圆筒散射(GBSBCCS)宽带传播模型,根据方位角非全向散射和俯仰角非对称分布的特性,结合无人机实际飞行参数特点,推导出简洁的空时频联合相关函数.通过仿真进行了验证,并对相关特性影响因素进行分析,结果...     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

MIMO系统下一种改进的 LatticeReduction线性预编码算法

现有LR(Lattice Reduction)辅助的线性预编码算法,在接收机端需要对接收到信号进行平移变换,因而仅适合于点对点的MIMO系统中,然而在广播信道条件下,由于接收机是分散的,且功率尺寸受限,不适宜采用现有的线性预编码算法。针对这一问题,文章提出了一类改进的LR辅助线性预编码算法,并给出了相应ZF和MMSE准则下的具体实现。在该算法中,信号处理主要在发送机端完成,以降低接收机端的计算量。仿真结果表明:文章提出的算法相比现有的LR辅助线性预编码算法误比特率性能更好,因而更适用于广播信道条件下的MIMO系统。     

基于角度分集的机载超宽带MIMO天线设计

为了提高机载通信设备信道容量和进一步减小天线安装空间，提出一种采用角度分集技术的超宽带（UWB）多输入多输出（MIMO）天线。该天线将Vivaldi天线和超宽带槽天线进行了集成设计，无需采用解耦结构便可获得较高的端口隔离度，大大提高了数据传输率。通过在Vivaldi天线辐射臂上开一对方形缝隙和在介质板背面增加长方形辐射贴片，可以有效减小天线的尺寸，设计的UWB-MIMO天线尺寸为36 mm×36 mm×0.8 mm。给出了天线的设计流程，加工了天线实物，并对其进行了测量。仿真和实测结果表明MIMO天线具有超宽的阻抗带宽，可以覆盖整个3.1~10.6 GHz超宽带频段。Vivaldi天线阻抗带宽为2.8~15.9 GHz，UWB槽天线阻抗带宽为1.8~12.7 GHz，天线端口隔离度均在-10 dB以下。测量了天线的辐射性能和增益特性，实测结果与仿真结果吻合较好，证明了该天线的有效性。该天线可以应用于超宽带无线通信系统和机载阵列天线系统中。     

基于模型预测控制的永磁同步电机电流控制技术综述

永磁同步电机(PMSM)驱动控制技术的性能直接决定着整个电机驱动系统的性能。由于模型预测控制(MPC)技术可以对多输入多输出(MIMO)系统进行滚动优化控制,且容易施加约束,因此基于MPC的电机驱动技术正逐渐受到关注。回顾并总结了近年来国内外学者在基于MPC的PMSM电流控制方面所做的研究,并对现有技术中的基于单矢量、双矢量以及三矢量的电流控制技术进行了建模并进行了电流输出波形分析。最后综合比较了现有技术的优缺点,并讨论了现有技术尚存的一些问题和未来发展的主要方向。     

Moving target localization in distributed MIMO radar with transmitter and receiver location uncertainties

In this paper, the problem of moving target localization from Bistatic Range(BR) and Bistatic Range Rate(BRR) measurements in a Multiple-Input Multiple-Output(MIMO) radar system having widely separated antennas is investigated. We consider a practically motivated scenario,where the accurate knowledge of transmitter and receiver locations is not known and only the nominal values are available for processing. With the transmitter and receiver location uncertainties,which are usually neglected in MIMO radar systems by prior studies, taken into account in the measurement model, we develop a novel algebraic solution to reduce the estimation error for moving target localization. The proposed algorithm is based on the pseudolinear set of equations and two-step weighted least squares estimation. The Cramer-Rao Lower Bound(CRLB) is derived in the presence of transmitter and receiver location uncertainties. Theoretical accuracy analysis demonstrates that the proposed solution attains the CRLB, and numerical examples show that the proposed solution achieves significant performance improvement over the existing algorithms.     

块空时分组编码SC—FDMA虚拟MIMO迭代均衡接收机

以块空时分组编码的SC—FDMA虚拟MIMO系统为研究对象,理论推导给出块空时分组编码的SC—FDMA虚拟MIMO系统接收信号模型及虚拟MIMO接收机迭代均衡算法：仿真结果表明：迭代均衡接收机可显著提高块空时分组编码的sc—FDMA虚拟MIMO系统的链路可靠性。     

双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。