一、一种基于自适应天线的OFDM自适应比特分配算法（论文文献综述）
吴伟[1]（2019）在《毫米波MIMO无线通信系统中的混合波束成型技术研究》文中认为毫米波技术一直是消费类电子高速无线通信系统的前沿,也是当前高速WLAN系统和5G蜂窝通信系统的核心技术。虽然毫米波拥有巨大的带宽优势,但是高路损易遮挡的传播特性以及高频器件的硬件设计和功耗成本制约了其发展。随着学术界和产业界对毫米波技术的研究和开发,配置大规模天线和少量RF链路的收发机架构以及混合数字模拟波束成型技术被提出,毫米波MIMO通信系统的商用成为可能。这种混合波束成型技术在模拟域可以充分利用大规模天线的阵列增益补偿链路预算的不足,而在数字域则可以充分利用毫米波信道的稀疏特性实现有效的数据传输。本文针对毫米波MIMO无线通信系统中的混合波束成型技术展开研究。一方面,以毫米波无线电传播和阵列天线的理论为基础,结合先进的信号处理技术,包括大规模MIMO、干扰对齐（IA）和非正交多址接入（NOMA）等,设计有效的基带处理算法。另一方面,以毫米波技术相关商业标准IEEE 802.15.3c、IEEE 802.11ad和3GPP 5G NR等为参考,结合RF特性和基带信号处理技术,提出实用可行的方案设计。论文的主要贡献以及成果如下:首先,研究毫米波MIMO系统中的混合波束成型设计。针对单用户MIMO系统,提出一种无需CSI的盲混合波束成型设计。首先采用随机梯度下降（SGD）算法以最大接收功率为优化目标设计模拟波束矩阵,然后在等效基带信道的基础上通过幂迭代算法实现数字波束矩阵的设计。针对多用户MIMO系统,为避免采用可变速率编码传输多流数据带来的同步误差和相位噪声问题,从最优BER设计的角度出发,提出一种采用相同MCS条件的混合块对角化-几何均值分解（BD-GMD）设计。首先基于等效基带信道互信息最大,并考虑空间自由度,推导出模拟波束矩阵,然后基于抑制用户间干扰和用户内流间干扰实现数字波束矩阵的设计。在混合BD-GMD设计中,不仅推导出了理论闭式解,而且提出了一种低复杂度的有限反馈算法,并对复杂度做出了理论分析。其次,研究毫米波MIMO系统中的码本设计和波束训练。针对码本设计,提出一种低复杂度的两级3D波束码本设计,其中主码本通过控制相位偏移数以保证波束增益,辅码本通过控制“旋转”因子以保证波束精度。针对单波束训练问题,提出一种通过天线选择改变训练波束宽度和数量的低复杂度搜索算法,其中多级波束的选择通过阵列相关性来决定。针对多波束训练问题,基于阵列天线和随机矩阵理论,推导出一种有效的波束子集优化方法,并证明了波束子集规模的最小值是信道传播径数。在此基础上,通过限定参与波束训练的收发机单元（TXRU）数量,提出了两种线性波束训练的方法,并给出了理论收敛的证明。最后,研究毫米波MIMO系统中的干扰抑制技术。以60GHz密集通信网络和5G毫米波蜂窝网络为典型场景,结合实际系统中的干扰问题,分别给出了基于IA和NOMA的混合波束成型设计方案。针对60GHz网络中的全局弱干扰问题,首先分析了混合IA设计的可行条件,即节点的RF链路数要求不小于两倍数据流数,然后给出了联合最大SINR和最小MSE的混合IA算法,最后提供了该算法在大规模天线系统下的干扰特性分析。针对5G毫米波蜂窝网络,考虑到传统OMA机制处理多用户干扰造成资源的浪费,提出结合NOMA机制和混合波束成型技术来有效利用毫米波传播的高路损特性。此外,针对NOMA系统中的簇内和簇间干扰问题,分别从用户配对、混合设计以及功率分配三个方面给出了详细的解决方案。
王灏[2]（2019）在《基于自适应天线阵列的移动终端快速定位方法研究与实现》文中指出近几年来,随着移动通信技术的迅速发展和大规模应用,移动通信终端数量猛增。为了满足运营商提供LBS的需求和公共安全的需求,对移动终端进行快速和准确的定位一直是研究和应用的重点技术方向之一。基于自适应天线阵列的定位技术随着阵列信号处理技术的不断发展使用也越来越广泛。本文主要研究了基于LTE上行信道DMRS序列、利用自适应天线阵列实现对移动终端快速、准确定位的算法和技术。本文首先对自适应天线阵列和第三方对移动终端定位的基本理论进行了分析。简要地介绍了在第三方对移动终端进行DOA估计存在的两个问题:相邻小区用户存在同频干扰、目标用户与干扰用户不同步到达。随后,详述了DOA非盲估计的两种经典算法:固定步长的LMS算法、RLS算法,简要介绍了多种变步长LMS算法的基本原理,并结合Sigmoid函数和log函数的特征提出了一种新的多参数变步长LMS算法,通过仿真实验比较了多种LMS算法在阶数为2的自适应滤波器系统中的性能,检验了该算法收敛性。然后研究了LTE上行参考信号DMRS的性质。针对移动终端的LTE上行DMRS序列发射模型,构建了在第三方设备的接收模型,并对在第三方进行DOA非盲估计的实现方法进行了相应的理论推导。利用了DMRS序列的自相关与互相关的特性,得到了接收信号的能量谱,根据能量谱峰值的位置提取出目标源DMRS所在的序列段,然后利用提出的变步长LMS算法进行DOA估计,并与传统的MUSIC算法、固定步长LMS、基于对数函数的变步长LMS算法进行比较讨论。最后将基于LTE系统的DOA非盲估计算法移植为C++语言在Visual Studio平台上实现,并使用Matlab产生的数据对移植后的算法进行了验证,同时对移植后程序的资源开销进行了预估,验证了移植的可行性。
张芳[3]（2018）在《OFDM系统中动态子载波比特分配算法的研究》文中研究表明伴随无线通信业务的迅猛发展,对通信的速度和质量有了更高的需求,而无线频谱资源的紧张阻碍了无线通信技术的发展。因此,如何利用有限的带宽实现信息的可靠、高速传输是当前的首要问题。信道被正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术分成若干相互独立的子信道,然后利用自适应技术依据各子信道的实际信道状况,实现子信道上的动态比特、功率分配,以此充分利用频带资源,提高系统传输性能。本文针对OFDM系统中动态子载波比特分配问题,完成了以下工作:1.在单用户OFDM系统的动态比特功率分配中,针对贪婪算法迭代次数多、运算复杂度高的缺点,提出了一种功率最大化准则下的改进贪婪算法。与贪婪算法相比,改进算法通过预分配和迭代分配两部分来降低算法的计算量。在预分配中改进算法通过引入功率利用率函数,对信道条件好的子信道预先加载一部分比特。然后,在迭代分配的过程中,引用分类排序的思想,用一张表格存储子信道的功率变化情况,从而降低算法的复杂度。仿真结果表明,在其余条件相同的情况下,改进算法和Greedy算法的误比特性能几乎一致,但在运行时间方面改进算法更优。从而说明改进算法在保证算法性能的同时,降低了算法的复杂度。2.在多用户OFDM系统的动态子载波比特分配中,提出了一种高公平性自适应资源分配新方案,解决了速率最大化准则下系统容量和用户公平性的不兼容问题。该方案通过基于高公平性的子载波分配算法和基于模拟退火的人工蜂群算法的功率分配来实现。在子载波分配算法中,通过引入比例因子b,将子载波分为两部分,首先选取bN个子载波分配给速率比例低的用户,以保证用户间的高公平性;然后将剩余子载波分配给信道增益最高的用户,且每个用户最多只能分配一个子载波,以提高系统容量。在功率分配中,利用基于模拟退火的改进人工蜂群算法实现在所有用户之间的功率寻优,以此获得更大的系统容量。仿真结果表明,所提出的方案不仅保证了用户之间的高公平性,同时有效提高了系统的容量,进而证明了本文算法的有效性。
王竟鑫[4]（2017）在《OFDM系统中自适应比特功率分配算法的研究》文中指出随着无线通信业务的多样化,传统的频谱利用技术并不能保证通信传输的高效性和可靠性。同时,频域资源的稀缺已经成为限制无线通信技术发展的重要因素。所以,在有限的带宽面前,如何可靠地实现信息的高速传输已经成为当下亟需解决的问题。而正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术将实际的信道划分成了许多并行的子信道,所以可以根据不同子信道的实时信道状况,利用自适应比特功率分配技术为各个子信道分配不同数量的信息比特和发送功率,从而可以更加充分地利用频谱资源,最终实现提升整个通信系统传输性能的目的。本文通过对OFDM系统自适应比特功率分配技术的研究,主要完成了以下工作:1.首先对无线信道的信道属性以及OFDM技术进行了详细的分析,然后对比OFDM传统的静态比特功率分配方案,重点分析了OFDM系统的自适应比特功率分配方案。2.在单用户OFDM系统中,通过对贪婪算法的深入研究,本文基于边缘自适应准则提出了一种复杂度降低的改进单用户自适应比特功率分配算法,并且提出的改进算法主要由预分配和迭代分配两部分组成。在预分配中,改进算法根据每个子信道的信道条件预先分配部分信息比特;而在迭代分配中,改进算法通过增大内存开销的方法来减少算法的计算次数和比较次数。仿真结果表明,在相同的仿真环境下,改进算法的仿真效果和贪婪算法的仿真效果基本一致,但改进算法的运行时间更短,从而说明提出的改进单用户比特功率分配算法具有更低的时间复杂度。3.在多用户OFDM系统中,针对速率自适应准则不能兼顾系统容量和用户公平度的问题,本文提出了一种采用子信道分配和功率分配两步来解决该问题的新方案。该方案主要通过基于公平度的子信道分配算法和基于惩罚函数的功率分配算法来实现。在子信道分配算法中,当满足公平度约束时就提高系统的容量,否则就提升用户的公平度。但是,在子信道分配完成后还是不能较好地兼顾系统容量和用户公平度。所以,在功率分配算法中,又基于惩罚函数提出了一种新的功率寻优策略,并且该策略利用基于模拟退火思想的改进人工蜂群算法来实现系统容量和用户公平度的折中。从仿真结果中可以看出,本文所提出的多用户自适应比特功率分配方案不仅可以有效地提升系统容量,同时也可以实现给定的用户公平度约束,从而证明了所提方案的有效性。
陶金[5]（2016）在《基于自适应MIMO-WPDM系统的信噪比估计研究》文中研究说明未来无线通信面临的主要难题是如何用有限的频谱资源实现最大速率传输,为克服这一难题需要采取一些先进的技术手段。结合了MIMO技术的WPDM系统（简称MIMO-WPDM系统）,不仅可以实现变带宽的高速数据传输,还可以显着地增加信道容量并提高频谱效率,是解决未来无线通信主要难题的有效技术手段之一。采用了自适应传输技术的MIMO-WPDM系统,能够根据信道状况自适应地调整传输方式,从而实现更加可靠、有效的通信。然而,在自适应传输的相关技术中都需要利用信噪比（Signal-to-Noise Ratio,SNR）参数,这些参数信息在实际的通信系统中需要通过估计获得,可见,有效的SNR估计对自适应MIMO-WPDM系统来说是具有重要意义的。本文就多载波系统的信噪比估计问题分别对适用于高斯信道和无线衰落信道的几种典型SNR估计算法进行了介绍,通过仿真发现,这些算法在各自假设的信道环境下可以有效地估计出SNR,但当信道环境不能满足算法要求时,估计性能会严重恶化。接下来本文根据WPDM系统子载波结构的紧支性,选取接收信号支撑区间外的部分求其能量作为对应子载波噪声能量的平均值,进而估计出各子载波的信噪比,最后得到系统的平均信噪比,在时间和频率选择性衰落信道中的仿真结果表明,在准确地检测出支撑区间端点并选取合理的噪声区间后,提出的算法可以较为准确地估计出SNR,且估计范围广,估计性能受信道衰落特性影响较小。此外,针对MIMO系统的信噪比估计问题,介绍了一种基于QR分解的SNR估计算法,但该算法的性能取决于信道估计的结果;接着对SIMO系统的基于子空间的SNR估计算法进行了扩展,将其推广到了MIMO-WPDM系统中,该算法通过对噪声子空间所对应的特征值求其统计平均得到噪声功率的估计值,进而估计出每路天线上接收信号的SNR,仿真表明该算法估计性能稳定,在无线衰落信道中具有较低的估计误差,且系统的天线规模越大估计出的误差越小。
王宇飞[6]（2010）在《MIMO-OFDM系统天线和子载波联合分配问题研究》文中进行了进一步梳理在未来的宽带无线通信系统中,存在两个最严峻的挑战：多径衰落信道和带宽效率。OFDM通过将频率选择性多径衰落信道在频域内转化成平坦信道,从而减小了多径衰落的影响。这种多载波传输技术,其多载波之间相互正交,可以高效地利用频谱资源。MIMO技术充分开发空间资源,利用多个天线实现多发多收,在空间中产生独立的并行信道同时传输多路数据流,在不需要增加频谱资源和天线发送功率的情况下,有效的增加了系统的传输速度,提高了信道容量。天线和子载波联合分配的意思是系统调度器能够根据不同用户的无线信道衰落特性自适应地为每个用户选择天线和子载波来进行信息的传输。天线和子载波联合分配可以充分利用独立多用户环境中固有的分集增益,即多用户分集,系统的传输效率和频谱利用率将会显着提高。本课题属于基础理论研究,旨在针对现有的MIMO-OFDM系统的天线和子载波联合分配算法存在的不足,即普通的遍历方法用时太长,基于遗传算法的MIMO-OFDM系统自适应天线和子载波分配容易陷入局部最优,提出一种基于粒子群算法的MIMO-OFDM系统自适应天线和子载波联合分配算法,实现了快速、准确找到天线和子载波的最优联合分配方式的效果,使系统能够充分利用独立多用户环境中固有的分集增益,提高信道容量。总结本文的工作主要有以下几个方面：1.归纳总结了MIMO-OFDM系统自适应天线和子载波联合分配算法、粒子群算法及遗传算法的国内外研究现状；分析了目前的天线和子载波联合分配算法的缺点。2.针对基于遗传算法天线和子载波联合分配算法易陷入局部最优的缺陷,提出了一种“基于粒子群算法的天线和子载波联合分配算法”,将生成的随机向量作为最初的天线和子载波分配方案,将系统的容量作为适应度函数,通过迭代寻求最优的天线和子载波联合分配方案。仿真结果表明,在发送数据速率和误码率一定的条件下,本文提出的改进算法能更有效的自适应对天线和子载波进行联合分配,增大整个系统的信道容量。3.针对基于粒子群算法的自适应天线和子载波联合分配算法用C语言编程处理后,8×8天线的最优分配方案确定时间只需0.017S,16×16天线的最优分配方案确定时间只需0.031S,能够满足时隙要求和实际的硬件运算速度,有实际实现的可能。
李海波[7]（2010）在《MIMO-OFDM无线通信系统中资源调度算法的研究》文中指出随着无线通信技术的迅速发展,为了满足人们对移动通信新的要求,在下一代（B3G或4G）通信中将使用新的关键技术——正交频分复用（OFDM）和多输入多输出（MIMO）。OFDM技术通过在频域内将频率选择性信道转变为平坦信道,减小多径衰落的影响。而MIMO技术能在空间产生独立的并行信道,同时传输多路数据流,这样就能有效提高系统传输速率,即由MIMO提供的空间复用技术能在不增加系统带宽的情况下,提高频谱效率。OFDM和MIMO有别于其它技术的独特优势符合人们对于通信的要求,将MIMO与OFDM结合,就能提高系统的传输效率。无线资源管理的目标就是在有限带宽的条件下,为网络内的无线用户终端提供业务质量保证。本文主要研究了MIMO-OFDM系统中的资源调度相关算法,在已有调度算法的基础上,进行相应的改进以提高系统性能。本文主要分为两个方面的内容,第一部分是介绍无线移动通信环境、OFDM和MIMO相关的理论知识：首先分析了移动通信的发展过程及相关技术,之后介绍了OFDM、MIMO的系统原理关键技术及OFDMA的无线资源描述。第二部分是关于资源调度算法的研究：首先介绍了自适应技术及其在OFDM系统的应用,解释了经典的注水原理,分析对比了应用在OFDM系统中的经典资源调度算法的原理和性能。应用LINEAR算法来实现子载波和功率的分配,来完成对OFDMA系统中的资源调度的研究,从而证明了系统容量和公平性的关系。针对系统容量性能,并对LINEAR算法提出改进,使系统在复杂度一定的情况下,容量得到提高,同时兼顾公平性。其次把用在OFDM系统中的Chow算法应用在MIMO-OFDM系统中,完成对MIMO-OFDM系统中资源调度的研究,证实多天线系统分集增益的优势。并对自适应Chow算法提出分组改进,使系统在误码率、比特能量分配没有损失的前提下,减少了计算的复杂度,节省了计算时间,这对自适应调制具有重要的意义。
张然然[8]（2009）在《下一代无线通信系统的自适应传输技术研究》文中提出为了提高无线通信系统的有效性和可靠性,自适应传输技术被广泛引入下一代无线通信系统的研究和设计中。一方面,随着人们对未来无线通信系统的可靠性、可支持移动速度和单位比特性价比等方面不断提出更高要求,研究者不仅要关注自适应调制技术的高效性,更对算法的可靠性和实现复杂度有了更高的追求。另一方面,认知无线电（CR,Cognitive Radio）技术的出现完全打破了传统的频谱授权机制对无线通信系统频谱使用的桎梏,与频谱共享、动态频谱接入（DSA,Dynamic Spectrum Access）等概念紧密地结合在一起。本文在对自适应传输领域的经典理论和算法进行认真的讨论和分析的基础上,对高多普勒频率条件下的MIMO-OFDM系统的自适应调制技术、信道状态信息（CSI,Channel Station Information）不精确条件下的MIMO自适应调制技术以及CR系统中的OFDMA自适应资源分配技术进行了深入研究,从系统的有效性、可靠性和计算复杂度等多个角度对其中的自适应传输算法进行分析,对所涉及的关键问题进行深入讨论,使自适应传输技术能够更好地满足未来无线通信系统的各种应用需求,更适合在实际系统和环境中的应用。论文的主要工作和创新之处在于:首先,对高多普勒频率条件下的MIMO-OFDM系统的自适应调制技术进行了研究。通过分析MIMO-OFDM系统等效信道的特点和规律,提出了基于马尔科夫（Markov）模型的自适应调制算法,并对算法的性能、实现的复杂度做了数值和仿真分析。针对传统自适应调制算法可靠性方面的不足,所提算法在考虑不理想CSI影响的情况下改善MIMO-OFDM系统的性能。一方面,可以显着提高系统有效信息速率和吞吐量,同时在信道多普勒频率较高造成CSI质量恶化的情况下,所提算法仍能够满足系统误比特率（BER,Bit Error Rate）的要求;另一方面,所提算法的实现复杂度明显低于传统的利用信道预测器的自适应调制算法。其次,对不精确CSI条件下的鲁棒MIMO自适应调制技术进行了研究,提出了三种全新的鲁棒自适应调制算法。首先提出了鲁棒贪婪算法。相比传统的贪婪算法,所提出的鲁棒贪婪算法可以在CSI不精确的条件下为MIMO系统提供稳定的BER性能,即便CSI误差较大,所提算法仍然可以满足系统BER要求。然后,针对鲁棒贪婪算法实现复杂度较高的问题,提出了鲁棒贪婪算法的简化算法,极大地降低了算法复杂度。接下来,提出了一种最大化信息传输速率的鲁棒算法,使系统的传输可靠性和频谱效率都显着提高。再次,本文研究了CR系统中的OFDMA自适应资源分配技术。提出了三种新的自适应资源分配算法来优化CR系统下行链路的性能。第一种算法为CR系统下行链路的最优自适应资源分配算法,分析了CR用户对授权用户的干扰并给出了设置干扰限制的方法,在此基础上将功率和干扰受限的最大化系统容量的自适应资源分配问题转化为线性不等式约束的凸优化问题,并借助最优化理论给出了解决方案。第二种算法在总功率和BER受限的条件下实现下行CR系统中最优的子载波、比特和功率分配,可以理解为第一种算法在实际系统中的具体实现方法。第三种算法为最小化发射功率的下行CR系统资源分配算法,在用户信息传输速率和干扰受限的条件下最小化系统发射功率。
李国才[9]（2009）在《宽带MIMO系统若干关键技术研究》文中提出移动通信业务的高速发展，以及移动网络和互联网的加速融合，使得对下一代宽带移动通信系统的需求日益迫切。宽带多输入多输出（MultipleInput Multiple Output，MIMO）技术能够充分开发空间资源，在不增加频谱资源和天线发送功率的情况下，成倍地提高信道容量。因此，宽带MIMO已经被确定为下一代移动通信系统的关键技术。众多研究机构和学者已经投入到宽带MIMO系统相关技术研究中，并已经取得了相当的成果，如宽带MIMO无线传播信道建模、信道测量、宽带MIMO系统容量和系统性能分析、载波同步、信道编码、空-时均衡和空-时检测等。然而，宽带MIMO通信系统中还面临大量实现问题亟待研究解决。为了进一步加快开发高频谱利用率、高可靠性、易实现的宽带MIMO通信系统以满足新一代移动通信需求，本文在及时跟踪宽带MIMO技术研究领域国内外发展动向的基础上，针对宽带MIMO系统的下列四个关键技术进行了深入的研究，并取得了一些新的研究成果。首先，本文研究了多输入多输出-正交频分多工（Multiple Input MultipleOutput-Orthogonal Frequency Division Multiplexing，MIMO-OFDM）系统的容量和发射分集MIMO-OFDM系统方案。在MIMO-OFDM系统信道模型的基础上，分析了MIMO-OFDM空频编码（Space-Frequency Coding，SFC）和复用方案下系统容量和性能。重点讨论了一种适合下一代无线通信系统的级联空频编码系统方案，该方案可以实现从普通MIMO空时编码到宽带MIMO-OFDM空频编码的直接映射扩展。仿真实验结果表明MIMO-OFDM是宽带MIMO的低复杂度、高效率实现。其次，为了提高MIMO-OFDM通信系统的传输性能。本文提出了一种空频分组码的自适应调制方案，并优化了基于天线选择发射分集的自适应功率分配策略。本文首先研究了自适应调制（Adaptive Modulation，AM）MIMO-OFDM系统结构、自适应调制算法在MIMO-OFDM系统中的应用。研究了自适应M阶正交幅度调制（M-ary Quadrature Amplitude Modulation，M-QAM）方案，给出了基于最大频谱效率的最优功率和调制分配的封闭解。在此基础上研究了普通MIMO系统和MIMO-OFDM系统特征波束形成结构的自适应传输方案，并且分别在功率和最大化速率条件下给出比特、功率分配算法。仿真表明自适应调制提高了系统的频谱利用率，优化了系统的性能。然后结合自适应调制技术和发射分集技术，针对MIMO-OFDM系统研究了基于空频分组编码发射分集和基于空间复用的自适应调制系统方案，依靠自适应比特和功率分配算法，达到在平均传输速率约束条件下最小化传输功率。研究表明，自适应调制MIMO-OFDM传输系统可以显着提高传统MIMO-OFDM系统的误比特率性能。与多载波实现方案不同，近年来，单载波宽带均衡技术也因其所固有的优点引起了研究者的注意。本文针对宽带MIMO系统均衡技术，分时域均衡（Time Domain Equalization，TDE）和频域均衡（Frequency DomainEqualization，FDE）两个部分分别进行了研究。对于宽带MIMO时域均衡，本文提出了一种最小均方误差（MinimumMean Square Error，MMSE）类盲均衡算法的凸组合策略。本文首先通过对宽带MIMO系统克服符号间干扰（Inter Symbol Interference,ISI）的自适应时域均衡技术的研究，给出了宽带MIMO系统的均衡方案。本文主要研究了单载波MIMO系统中时域线性均衡器（Time Domain-Linear Equalization，TD-LE）及判决反馈均衡器（Time Domain-Decision Feedback Equalization，TD-DFE）算法及对应的系统结构，并对其进行仿真验证和性能分析。针对恒模均衡（Constant Modulus，CM）算法收敛速度慢，收敛性能好，剩余误差大，而判决引导（Decision Directed，DD）算法的收敛速度快，稳态性能好，启动易发散的特点，我们提出了一种MMSE类盲均衡算法的凸组合策略和其锚定训练过程。同常规算法分析比较表明该方案具有收敛速度快稳态性能好的特点。最后，本文在宽带MIMO系统中对上述自适应均衡算法进行了仿真和比较。研究结果表明，应用自适应时域均衡能利用信道频率分集，降低误码率，提高宽带MIMO系统性能。对于宽带MIMO频域均衡，本文研究了宽带MIMO频域均衡及相关干扰抑制问题，研究了一种基于干扰双向预测的抑制窄带干扰的算法。本文首先研究了单载波频域均衡（SC-FDE）的基本原理、信号块结构。然后分析了单载波频分多址系统（SC-FDMA）原理和结构。接下来分析对比了正交频分多工（OFDM）系统和单载波频域均衡（SC-FDE）系统各自的特点和系统性能。然后针对宽带MIMO系统，研究了MIMO SC-FDE系统结构，特别研究了MIMO系统SC-FDE线性均衡（LE）算法。最后研究了一种基于干扰双向预测的抑制窄带干扰的算法。该算法基于宽带MIMO SC-FDE系统数据块结构，在频域均衡器的输出端，根据窄带干扰波形的相关特性，设计了干扰预测器。该预测器在两个方向上对中间传输数据块中的窄带干扰进行预测，预测的结果用于消除数据叠加的干扰波形，从而达到抑制窄带干扰的目的。研究结果表明，自适应频域均衡技术能够以较低的算法复杂度实现宽带MIMO均衡，是上行链路的较好解决方案。
孙玉凤[10]（2009）在《MIMO/OFDM自适应调制算法的研究》文中研究说明本文主要的研究方向是MIMO/OFDM系统中的自适应调制算法,MIMO/OFDM是多输入多输出正交频分复用系统,是结合了MIMO和OFDM这两种技术优势的新型系统。OFDM充分的利用了正交性使得系统可以在一定频带内传输更多的数据,MIMO则是利用多天线增加系统容量或者传输数据的可靠性,自适应调制就是根据信道情况自适应的选择调制方式,在MIMO/OFDM中就是根据每个子载波的信道情况选择合适调制方法。自适应调制的算法就是在满足一定目标的条件下,对其它因素进行最优化的处理。这个目标和可以进行优化的因素就是系统的自由度。MIMO/OFDM的自由度有空间,时间,频率三个方面,要满足的目标是争取利用最少的资源实现最大化的数据传输。本文通过分析已经存在的自适应调制的算法,结合MIMO/OFDM系统对算法进行改进,满足速率最大化或功率最小化的目标,然后使用matlab进行系统仿真,分析算法给系统带来的性能提升。将多输入多输出环境下的编码方法和改进的算法同时应用于MIMO/OFDM系统中,这样的结合使得系统比单独使用自适应算法有着更高的传输质量和传输容量,系统的优势变大,能够更加容易的满足人们对移动通信的要求。
二、一种基于自适应天线的OFDM自适应比特分配算法（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：
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、一种基于自适应天线的OFDM自适应比特分配算法（论文提纲范文）
（1）毫米波MIMO无线通信系统中的混合波束成型技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 60GHz毫米波WLAN系统 |
| 1.2.2 5G毫米波蜂窝系统 |
| 1.3 论文的研究工作及结构安排 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 论文组织结构 |
| 第二章 毫米波MIMO无线通信系统 |
| 2.1 毫米波MIMO系统架构 |
| 2.1.1 为什么在毫米波频段使用MIMO技术 |
| 2.1.2 毫米波MIMO与传统MIMO的不同 |
| 2.1.3 毫米波MIMO系统的主要架构 |
| 2.2 毫米波MIMO信道建模 |
| 2.2.1 无线传播模型 |
| 2.2.2 阵列天线模型 |
| 2.2.3 MIMO信道模型 |
| 2.3 混合波束成型技术 |
| 2.3.1 理想CSI下的混合波束成型设计 |
| 2.3.2 基于混合波束成型的信道估计 |
| 2.3.3 基于码本的波束训练 |
| 2.4 本章小结 |
| 第三章 毫米波MIMO系统中的混合波束成型设计 |
| 3.1 单用户毫米波MIMO系统的混合设计 |
| 3.1.1 引言 |
| 3.1.2 系统模型 |
| 3.1.3 问题分析 |
| 3.1.4 盲混合设计 |
| 3.1.5 具体实施 |
| 3.1.6 性能分析 |
| 3.2 多用户毫米波MIMO系统的混合设计 |
| 3.2.1 引言 |
| 3.2.2 系统模型 |
| 3.2.3 问题分析 |
| 3.2.4 混合BD-GMD设计 |
| 3.2.5 复杂度分析 |
| 3.2.6 性能分析 |
| 3.3 本章小结 |
| 第四章 毫米波MIMO系统中的码本设计与波束训练 |
| 4.1 3D波束码本设计 |
| 4.1.1 引言 |
| 4.1.2 系统模型 |
| 4.1.3 问题分析 |
| 4.1.4 码本设计 |
| 4.1.5 复杂度分析 |
| 4.1.6 性能分析 |
| 4.2 子连接混合架构下的单波束训练 |
| 4.2.1 引言 |
| 4.2.2 系统模型 |
| 4.2.3 问题分析 |
| 4.2.4 基于天线选择的波束训练 |
| 4.2.5 复杂度分析 |
| 4.2.6 性能分析 |
| 4.3 子连接混合架构下的多波束训练 |
| 4.3.1 引言 |
| 4.3.2 系统模型 |
| 4.3.3 问题分析 |
| 4.3.4 基于子集优化的线性波束训练 |
| 4.3.5 复杂度分析 |
| 4.3.6 性能分析 |
| 4.4 本章小结 |
| 第五章 毫米波MIMO系统中基于混合波束成型的干扰抑制 |
| 5.1 60GHz毫米波通信网络中的干扰抑制 |
| 5.1.1 引言 |
| 5.1.2 系统模型 |
| 5.1.3 问题分析 |
| 5.1.4 基于IA的混合设计 |
| 5.1.5 性能分析 |
| 5.2 5G毫米波蜂窝系统中的干扰抑制 |
| 5.2.1 引言 |
| 5.2.2 系统模型 |
| 5.2.3 问题分析 |
| 5.2.4 基于NOMA的混合设计 |
| 5.2.5 性能分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 缩略语说明 |
| 附录1 引理3.1的证明 |
| 附录2 引理4.1的证明 |
| 附录3 定理4.1的证明 |
| 附录4 定理4.2的证明 |
| 附录5 定理4.3的证明 |
| 附录6 定理5.2的证明 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间提交的发明专利 |
| 攻读学位期间参与的科研项目 |
（2）基于自适应天线阵列的移动终端快速定位方法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 DOA估计的发展状况 |
| 1.3 论文组织结构 |
| 第二章 自适应天线阵列与移动终端定位的理论基础 |
| 2.1 引言 |
| 2.2 接收阵列模型 |
| 2.2.1 均匀直线阵列模型 |
| 2.2.2 均匀圆形阵列模型 |
| 2.3 第三方DOA非盲估计存在的问题 |
| 2.3.1 相邻小区用户同频干扰问题 |
| 2.3.2 目标用户与干扰用户到达不同步问题 |
| 2.4 LTE上行物理层链路 |
| 2.4.1 LTE多址接入技术 |
| 2.4.2 LTE上行物理层帧结构和资源块 |
| 2.4.3 LTE上行物理信道概述 |
| 第三章 DOA非盲估计算法 |
| 3.1 引言 |
| 3.2 LMS算法 |
| 3.3 RLS算法 |
| 3.4 变步长LMS算法 |
| 3.4.1 SVSLMS |
| 3.4.2 G-SVSLMS |
| 3.4.3 基于双曲函数的变步长LMS算法 |
| 3.4.4 基于对数函数的变步长LMS算法 |
| 3.5 新的变步长LMS算法 |
| 第四章 基于LTE系统的第三方移动终端快速定位 |
| 4.1 引言 |
| 4.2 LTE上行DMRS序列的性质与生成方法 |
| 4.2.1 ZC序列 |
| 4.2.2 DMRS的生成方法 |
| 4.2.3 LTE上行的DMRS序列 |
| 4.3 LTE上行参考信号发射模型 |
| 4.4 第三方接收端处理模型 |
| 4.5 LTE系统下LG-SVSLMS算法的参数取值 |
| 4.5.1 LG-SVSLMS算法参数取值 |
| 4.5.2 LG-SVSLMS算法与传统MUSIC算法 |
| 4.6 LTE系统下LG-SVSLMS算法的仿真分析 |
| 4.6.1 单源多径信号同步达到 |
| 4.6.2 多源多径信号同步达到 |
| 4.6.3 单源多径信号非同步达到 |
| 4.6.4 多源多径信号非同步达到 |
| 第五章 LTE系统下DOA非盲估计算法的移植与验证 |
| 5.1 引言 |
| 5.2 DOA非盲估计算法的移植 |
| 5.2.1 数据类型设计 |
| 5.2.2 函数设计 |
| 5.3 DOA非盲估计算法的验证与优化 |
| 5.3.1 验证方案 |
| 5.3.2 优化方案 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）OFDM系统中动态子载波比特分配算法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 OFDM动态子载波比特分配的研究现状 |
| 1.3 课题的意义 |
| 1.4 本文内容安排 |
| 第2章 OFDM技术 |
| 2.1 OFDM技术的基本原理 |
| 2.1.1 OFDM的时域分析 |
| 2.1.2 OFDM的频域分析 |
| 2.2 OFDM技术的实现 |
| 2.2.1 串并转换 |
| 2.2.2 傅立叶变换 |
| 2.2.3 保护间隔和循环前缀 |
| 2.2.4 数字调制 |
| 2.3 OFDM关键技术 |
| 2.3.1 峰均比抑制技术 |
| 2.3.2 信道估计技术 |
| 2.3.3 同步技术 |
| 2.3.4 自适应技术 |
| 2.4 OFDM技术的优缺点 |
| 2.5 OFDM系统资源分配方案 |
| 2.5.1 OFDM系统中的静态子载波比特分配 |
| 2.5.2 OFDM系统中的动态子载波比特分配 |
| 2.6 动态比特功率分配的理论基础——注水定理 |
| 2.7 动态资源分配的优化准则 |
| 2.7.1 单用户OFDM动态比特功率分配的优化准则 |
| 2.7.2 多用户OFDM动态子载波功率分配算法优化准则 |
| 2.8 本章小结 |
| 第3章 单用户OFDM动态比特功率分配算法的研究 |
| 3.1 单用户OFDM动态比特功率分配的系统模型 |
| 3.2 几种典型的单用户OFDM动态比特功率分配算法 |
| 3.2.1 贪婪算法 |
| 3.2.2 Chow算法 |
| 3.2.3 Fisher算法 |
| 3.3 改进的单用户动态比特功率分配算法 |
| 3.3.1 改进算法的实现 |
| 3.3.2 改进算法的具体步骤及复杂度分析 |
| 3.4 仿真与性能分析 |
| 3.5 本章小结 |
| 第4章 多用户OFDM动态子载波比特分配算法的研究 |
| 4.1 多用户OFDM动态子载波比特功率分配的系统模型 |
| 4.2 典型的多用户OFDM动态子载波比特分配算法 |
| 4.2.1 Shen算法 |
| 4.2.2 Wong算法 |
| 4.2.3 两步算法 |
| 4.3 改进的多用户动态优化算法 |
| 4.3.1 子载波分配 |
| 4.3.2 功率分配部分 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 总结 |
| 5.1 本文主要工作与创新点 |
| 5.2 论文后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（4）OFDM系统中自适应比特功率分配算法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.1.1 无线移动通信的发展历史 |
| 1.1.2 OFDM技术的发展历史和应用概况 |
| 1.1.3 链路自适应技术中的OFDM自适应传输 |
| 1.2 OFDM自适应比特功率分配算法的研究现状 |
| 1.2.1 单用户OFDM自适应比特功率分配算法研究现状 |
| 1.2.2 多用户OFDM自适应比特功率分配算法研究现状 |
| 1.3 课题研究的目的与意义 |
| 1.4 本文的工作与组织结构 |
| 第2章 无线通信中的OFDM技术 |
| 2.1 无线信道的信道特征 |
| 2.1.1 路径损耗衰落与阴影衰落 |
| 2.1.2 多径效应与多普勒效应 |
| 2.1.3 频率选择性多径衰落信道 |
| 2.2 OFDM技术的基本原理 |
| 2.2.1 OFDM技术的时域分析 |
| 2.2.2 OFDM技术的频域分析 |
| 2.3 OFDM技术的实现 |
| 2.3.1 串并转换 |
| 2.3.2 调制与解调的数字化 |
| 2.3.3 保护间隔和循环前缀 |
| 2.3.4 OFDM系统参数的选择 |
| 2.4 OFDM系统的关键技术 |
| 2.4.1 信道估计技术 |
| 2.4.2 时频同步技术 |
| 2.4.3 信道编码与交织技术 |
| 2.4.4 峰均比抑制技术 |
| 2.4.5 自适应比特功率分配技术 |
| 2.5 OFDM技术的优缺点 |
| 2.6 本章小结 |
| 第3章 OFDM系统自适应比特功率分配方案的分析 |
| 3.1 OFDM系统的静态比特功率分配方案 |
| 3.2 OFDM系统的自适应比特功率分配方案 |
| 3.2.1 自适应比特功率分配的依据 |
| 3.2.2 自适应比特功率分配的实现 |
| 3.2.3 自适应比特功率分配的评价标准 |
| 3.3 自适应比特功率分配的理论基础 |
| 3.3.1 注水定理 |
| 3.3.2 调制方案的选择 |
| 3.4 本章小结 |
| 第4章 单用户OFDM自适应比特功率分配算法的研究 |
| 4.1 单用户OFDM自适应比特功率分配的系统模型 |
| 4.2 单用户OFDM自适应比特功率分配算法的准则 |
| 4.2.1 速率自适应准则 |
| 4.2.2 边缘自适应准则 |
| 4.3 单用户OFDM自适应比特功率分配的典型算法 |
| 4.3.1 贪婪算法 |
| 4.3.2 Chow算法 |
| 4.3.3 Fisher算法 |
| 4.3.4 其他算法 |
| 4.4 一种复杂度降低的改进单用户自适应比特功率分配算法 |
| 4.4.1 预分配理论推导 |
| 4.4.2 迭代分配理论推导 |
| 4.4.3 改进算法的详细步骤 |
| 4.4.4 改进算法的复杂度分析 |
| 4.5 仿真对比与性能分析 |
| 4.5.1 仿真参数设置 |
| 4.5.2 仿真与性能分析 |
| 4.6 本章小结 |
| 第5章 多用户OFDM自适应比特功率分配算法的研究 |
| 5.1 多用户OFDM自适应比特功率分配的系统模型 |
| 5.2 多用户OFDM自适应比特功率分配算法的准则 |
| 5.2.1 多用户速率自适应准则 |
| 5.2.2 多用户边缘自适应准则 |
| 5.3 多用户OFDM自适应比特功率分配的典型算法 |
| 5.3.1 基于速率自适应准则的典型算法 |
| 5.3.2 基于边缘自适应准则的典型算法 |
| 5.4 一种基于公平度的子信道分配算法 |
| 5.4.1 子信道分配算法的优化模型 |
| 5.4.2 子信道分配算法的步骤 |
| 5.5 一种基于惩罚函数的功率分配算法 |
| 5.5.1 功率分配算法的优化模型 |
| 5.5.2 人工蜂群算法的介绍 |
| 5.5.3 模拟退火算法的介绍 |
| 5.5.4 功率分配算法的步骤 |
| 5.6 子信道和功率分配算法的复杂度分析 |
| 5.7 仿真对比与性能分析 |
| 5.7.1 仿真参数设置 |
| 5.7.2 仿真与性能分析 |
| 5.8 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作的总结 |
| 6.2 下一步研究的展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（5）基于自适应MIMO-WPDM系统的信噪比估计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 MIMO-WPDM技术 |
| 1.2.2 自适应传输技术 |
| 1.2.3 信噪比估计技术 |
| 1.3 本文主要内容及章节安排 |
| 2 自适应MIMO-WPDM系统基础理论 |
| 2.1 MIMO技术 |
| 2.1.1 MIMO系统模型 |
| 2.1.2 空时编码技术 |
| 2.2 WPDM技术 |
| 2.2.1 系统结构 |
| 2.2.2 子载波的构造 |
| 2.3 自适应MIMO-WPDM系统 |
| 2.4 本章小结 |
| 3 信噪比估计的算法研究 |
| 3.1 AWGN信道中的信噪比估计算法 |
| 3.1.1 最小二乘信噪比估计算法 |
| 3.1.2 最大似然信噪比估计算法 |
| 3.1.3 最小均方误差信噪比估计算法 |
| 3.1.4 M2M4信噪比估计算法 |
| 3.1.5 算法仿真与性能分析 |
| 3.2 无线衰落信道中的信噪比估计算法 |
| 3.2.1 SISO-Boumard算法 |
| 3.2.2 Ren算法 |
| 3.2.3 一种双同步头估计算法 |
| 3.2.4 改进的DASS算法 |
| 3.2.5 算法仿真与性能分析 |
| 3.3 一种基于支撑区间的信噪比估计方法 |
| 3.3.1 基本原理 |
| 3.3.2 算法仿真与分析 |
| 3.4 本章小节 |
| 4 基于MIMO系统的信噪比估计的算法研究 |
| 4.1 系统模型 |
| 4.2 基于QR分解的信噪比估计算法 |
| 4.3 基于子空间的信噪比估计算法 |
| 4.4 基于子空间的扩展算法 |
| 4.5 算法仿真与性能分析 |
| 4.6 本章小结 |
| 5 MIMO-WPDM系统中的自适应传输 |
| 5.1 自适应比特功率分配 |
| 5.1.1 注水分配算法 |
| 5.1.2 算法仿真 |
| 5.2 自适应调制 |
| 5.2.1 简单分组比特分配算法 |
| 5.2.2 算法仿真 |
| 5.3 自适应天线选择 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 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 |
（6）MIMO-OFDM系统天线和子载波联合分配问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 多用户自适应OFDM子载波分配 |
| 1.2.2 多天线MIMO-OFDM子载波分配 |
| 1.2.3 粒子群算法国内外研究现状 |
| 1.2.4 遗传算法国内外研究现状 |
| 1.3 课题研究内容及论文安排 |
| 第2章 MIMO-OFDM技术概述 |
| 2.1 引言 |
| 2.2 OFDM技术简介 |
| 2.2.1 OFDM系统模型 |
| 2.2.2 OFDM技术特点 |
| 2.3 MIMO原理介绍 |
| 2.4 MIMO-OFDM系统的原理 |
| 2.4.1 MIMO和OFDM系统组合的必要性 |
| 2.4.2 MIMO-OFDM系统结构 |
| 2.4.3 MIMO-OFDM的系统的关键设计 |
| 2.5 本章小结 |
| 第3章 MIMO-OFDM自适应天线与子载波分配 |
| 3.1 MIMO-OFDM中的自适应技术介绍 |
| 3.2 自适应资源分配算法 |
| 3.2.1 贪婪算法 |
| 3.2.2 注水算法 |
| 3.3 多用户OFDM子载波分配 |
| 3.4 天线选择技术 |
| 3.5 自适应天线选择和子载波分配 |
| 3.6 本章小结 |
| 第4章 基于优化算法的MIMO-OFDM系统天线和子载波联合分配 |
| 4.1 遗传算法的基本原理 |
| 4.1.1 选择算子 |
| 4.1.2 交叉算子 |
| 4.1.3 变异算子 |
| 4.2 基于遗传算法的天线和子载波联合分配的实现 |
| 4.3 粒子群算法基本原理 |
| 4.4 基于PSO算法的天线和子载波联合分配算法的实现 |
| 4.5 本章小结 |
| 第5章 基于优化算法的MIMO-OFDM系统自适应天线和子载波联合分配仿真实验 |
| 5.1 实验条件 |
| 5.2 基于优化算法的自适应天线和子载波联合分配的实现 |
| 5.2.1 8X8天线的自适应天线和子载波联合分配的实现 |
| 5.2.2 16X16天线的自适应天线和子载波联合分配的实现 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）MIMO-OFDM无线通信系统中资源调度算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景 |
| 1.2 论文研究意义 |
| 1.3 无线移动通信的发展简介 |
| 1.3.1 第三代(3G)移动通信的发展 |
| 1.3.2 后三代(B3G)移动通信的研发现状及其核心技术 |
| 1.3.3 第四代(4G)移动通信的研发现状及其关键技术 |
| 1.4 多载波传输技术及多输入多输出技术 |
| 1.4.1 多载波传输技术 |
| 1.4.2 多输入多输出(MIMO)技术 |
| 1.4.3 MIMO-OFDM技术 |
| 第2章 MIMO-OFDM系统简介 |
| 2.1 无线移动通信环境 |
| 2.1.1 移动通信中的衰落 |
| 2.1.2 无线信道的传播特性 |
| 2.2 OFDM技术及原理 |
| 2.2.1 OFDM系统结构 |
| 2.2.2 OFDM信号的频带利用率 |
| 2.2.3 OFDM系统的调制解调 |
| 2.2.4 保护间隔和循环前缀 |
| 2.2.5 OFDMA资源描述 |
| 2.3 MIMO技术及原理 |
| 2.3.1 MIMO信道模型 |
| 2.3.2 自适应功率分配MIMO信道容量的表示与分析 |
| 2.4 MIMO-OFDM技术 |
| 2.4.1 系统信号模型 |
| 2.4.2 MIMO-OFDM关键技术 |
| 2.5 本章小结 |
| 第3章 OFDM系统下资源调度的研究 |
| 3.1 自适应调制OFDM系统介绍 |
| 3.1.1 单用户自适应调制的OFDM系统数学模型 |
| 3.1.2 多用户自适应调制的OFDM系统模型 |
| 3.2 自适应分配的理论基础 |
| 3.2.1 信道容量 |
| 3.2.2 功率分配的理论基础——注水定理 |
| 3.2.3 OFDM中自适应技术的分类 |
| 3.3 单用户OFDM自适应分配算法 |
| 3.3.1 经典算法 |
| 3.3.2 Hughes-Hartogs梯度分配算法及仿真分析 |
| 3.4 多用户OFDM自适应分配算法 |
| 3.4.1 多用户自适应分配原理 |
| 3.4.2 LINEAR算法 |
| 3.4.3 LINEAR算法的改进 |
| 3.4.4 仿真分析及结论 |
| 3.5 本章小结 |
| 第4章 MIMO-OFDM系统下资源调度的研究 |
| 4.1 自适应MIMO-OFDM系统 |
| 4.1.1 自适应调制 |
| 4.1.2 自适应子信道分配和天线选择 |
| 4.2 应用Chow算法对MIMO-OFDM系统进行资源调度 |
| 4.2.1 基于奇异值分解(SVD)的自适应调制 |
| 4.2.2 改进Chow算法来实现自适应分配 |
| 4.2.3 仿真分析及结论 |
| 4.3 本章小结 |
| 第5章 总结 |
| 5.1 论文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
（8）下一代无线通信系统的自适应传输技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 符号说明 |
| 1 第一章 绪论 |
| 1.1 概述 |
| 1.2 下一代无线通信系统关键技术的发展及研究现状 |
| 1.2.1 MIMO技术的发展及研究现状 |
| 1.2.2 OFDM技术的发展及研究现状 |
| 1.2.3 CR技术的发展及研究现状 |
| 1.2.4 自适应传输技术的发展及研究现状 |
| 1.3 本课题的来源和研究意义 |
| 1.3.1 课题研究内容与来源 |
| 1.3.2 课题研究意义 |
| 1.4 论文的主要内容和研究成果 |
| 参考文献 |
| 2 第二章 基于MARKOV模型的自适应调制算法 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.2.1 OFDM发射和接收过程 |
| 2.2.2 MIMO发射和接收过程 |
| 2.2.3 MIMO-OFDM等效系统 |
| 2.3 算法描述 |
| 2.3.1 MIMO-OFDM系统的Markov信道模型 |
| 2.3.2 BER受限条件下的自适应调制算法 |
| 2.3.3 模式选择矩阵 |
| 2.4 仿真结果 |
| 2.4.1 仿真1:与传统自适应调制算法的性能比较 |
| 2.4.2 仿真3:模式选择矩阵不匹配于传输过程时的性能 |
| 2.4.3 仿真3:预训练时间的影响 |
| 2.4.4 仿真4:计算复杂度比较 |
| 2.5 小结 |
| 参考文献 |
| 3 第三章 鲁棒的MIMO自适应调制技术 |
| 3.1 引言 |
| 3.2 鲁棒贪婪算法 |
| 3.2.1 自适应MIMO系统模型 |
| 3.2.2 不精确CSI条件下的等效SNR分析 |
| 3.2.3 鲁棒贪婪算法 |
| 3.2.4 仿真结果 |
| 3.2.5 结论 |
| 3.3 鲁棒贪婪算法的简化算法 |
| 3.3.1 优化问题分析 |
| 3.3.2 算法描述 |
| 3.3.3 仿真结果 |
| 3.3.4 结论 |
| 3.4 鲁棒自适应调制算法 |
| 3.4.1 优化问题分析 |
| 3.4.2 算法描述 |
| 3.4.3 仿真结果 |
| 3.4.4 结论 |
| 3.5 小结 |
| 参考文献 |
| 4 第四章 认知无线电系统中的自适应资源分配 |
| 4.1 引言 |
| 4.2 CR系统下行链路中的最优自适应资源分配算法 |
| 4.2.1 系统模型 |
| 4.2.2 对授权用户的干扰限制分析 |
| 4.2.3 最优自适应资源分配算法 |
| 4.2.4 仿真结果 |
| 4.2.5 结论 |
| 4.3 最大化信息传输速率的下行CR系统资源分配算法 |
| 4.3.1 优化问题描述 |
| 4.3.2 最优的子载波分配方案 |
| 4.3.3 功率和比特加载方案 |
| 4.3.4 仿真结果 |
| 4.3.5 结论 |
| 4.4 最小化发射功率的下行CR系统资源分配算法 |
| 4.4.1 系统模型 |
| 4.4.2 WGSA算法 |
| 4.4.3 DIPA算法 |
| 4.4.4 仿真结果 |
| 4.4.5 结论 |
| 4.5 小结 |
| 参考文献 |
| 5 第五章 总结与展望 |
| 5.1 论文的主要工作 |
| 5.2 下一步的研究计划 |
| 致谢 |
| 作者在攻读博士期间发表和已录用的论文 |
| 作者在攻读博士期间申请的专利 |
（9）宽带MIMO系统若干关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 无线移动通信的发展现状 |
| 1.2 未来无线移动通信的发展 |
| 1.2.1 下一代无线移动通信的技术需求和演进路线 |
| 1.2.2 3GPP LTE/LTE-Advanced演进路线 |
| 1.2.3 3GPP2 AIE/UMB/UMB+的演进路线 |
| 1.2.4 IEEE移动WiMAX(802.16m)的演进路线 |
| 1.3 下一代无线移动通信的关键技术-宽带MIMO |
| 1.3.1 MIMO技术及研究现状 |
| 1.3.2 MIMO-OFDM系统发射分集及研究现状 |
| 1.3.3 自适应调制MIMO-OFDM及研究现状 |
| 1.3.4 自适应均衡MIMO技术及研究现状 |
| 1.4 本论文的主要工作 |
| 1.5 课题研究的意义及论文结构 |
| 第二章 MIMO-OFDM系统及空频编码 |
| 2.1 MIMO-OFDM系统基带信号模型 |
| 2.2 MIMO-OFDM信道模型 |
| 2.3 MIMO-OFDM空频编码性能 |
| 2.4 MIMO-OFDM空频编码级联方案 |
| 2.4.1 SFBC/STBC MIMO-OFDM系统模型 |
| 2.4.2 V-BLAST/GLSTBC MIMO-OFDM系统模型 |
| 2.4.3 SFTC MIMO-OFDM系统模型 |
| 2.5 仿真实验结果和分析 |
| 2.6 本章小结 |
| 第三章 自适应调制MIMO-OFDM系统 |
| 3.1 自适应调制系统原理 |
| 3.1.1 多进制幅度正交调制及其判决门限 |
| 3.1.2 基于最大频谱效率的最优功率和比特分配 |
| 3.2 基于信道分解的MIMO-OFDM自适应调制比特和功率分配 |
| 3.2.1 普通MIMO虚拟子信道模型 |
| 3.2.2 MIMO-OFDM虚拟子信道模型 |
| 3.2.3 特征值波束形成结构自适应调制MIMO-OFDM |
| 3.2.4 实验仿真结果 |
| 3.3 V-BLAST 自适应调制MIMO-OFDM |
| 3.3.1 系统模型 |
| 3.3.2 实验仿真结果 |
| 3.4 STBC/SFBC自适应调制MIMO-OFDM |
| 3.4.1 系统模型 |
| 3.4.2 实验仿真结果 |
| 3.5 本章小结 |
| 第四章 宽带MIMO自适应空时均衡 |
| 4.1 自适应空时均衡MIMO系统模型 |
| 4.1.1 宽带MIMO信道模型 |
| 4.1.2 宽带MIMO空-时均衡 |
| 4.2 宽带MIMO线性均衡(LE) |
| 4.2.1 MIMO线性均衡器(LE)结构 |
| 4.2.2 线性均衡器(LE)自适应算法 |
| 4.2.3 仿真实验和结果 |
| 4.3 宽带MIMO判决反馈均衡(DFE) |
| 4.3.1 判决反馈均衡器(DFE)结构 |
| 4.3.2 判决反馈均衡器(DFE)自适应算法 |
| 4.3.3 仿真实验和结果 |
| 4.4 基于凸组合的盲均衡算法 |
| 4.4.1 盲均衡算法研究现状 |
| 4.4.2 凸组合概述 |
| 4.4.3 基于凸组合的盲均衡算法 |
| 4.4.4 性能分析和仿真结果 |
| 4.5 宽带MIMO凸组合盲均衡 |
| 4.5.1 基于凸组合的MIMO系统均衡结构 |
| 4.5.2 仿真实验结果和分析 |
| 4.6 本章小结 |
| 第五章 宽带MIMO自适应频域均衡 |
| 5.1 单载波频域(SC-FDE)自适应均衡原理 |
| 5.1.1 基于圆卷积的频域自适应均衡原理 |
| 5.1.2 SC-FDE线性均衡系统 |
| 5.1.3 SC-FDE系统容量 |
| 5.1.4 SC-FDE信号峰值平均功率比PAPR性能 |
| 5.1.5 SC-FDE系统块结构 |
| 5.2 SISO SC-FDE系统 |
| 5.2.1 SC-FDE系统结构 |
| 5.2.2 单载波频分多址(SC-FDMA)系统结构 |
| 5.2.3 仿真实验结果和分析 |
| 5.3 MIMO SC-FDE系统 |
| 5.3.1 MIMO SC-FDE线性均衡器 |
| 5.3.2 仿真实验结果和分析 |
| 5.4 基于干扰双向预测的MIMO SC-FDE窄带干扰抑制 |
| 5.4.1 部分频带干扰模型 |
| 5.4.2 基于干扰双向预测的干扰抑制算法 |
| 5.4.3 仿真实验结果和分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻博期间取得的研究成果 |
（10）MIMO/OFDM自适应调制算法的研究（论文提纲范文）
| 提要 |
| 第一章 绪论 |
| 1.1 移动通信的发展 |
| 1.2 MIMO和OFDM综述 |
| 1.3 本文的主要内容和基本结构 |
| 第二章 无线环境和OFDM基本原理 |
| 2.1 无线环境 |
| 2.1.1 无线信道衰落特征 |
| 2.1.2 衰落信道的统计模型 |
| 2.2 OFDM基本原理 |
| 2.2.1 用DFT实现OFDM |
| 2.2.2 保护间隔和循环前缀 |
| 2.2.3 OFDM的特点 |
| 2.3 本章小结 |
| 第三章 MIMO/OFDM基本原理 |
| 3.1 MIMO原理 |
| 3.1.1 空间复用 |
| 3.1.2 空间分集 |
| 3.1.3 MIMO的应用 |
| 3.2 MIMO/OFDM技术 |
| 3.2.1 实现MIMO/OFDM的关键技术 |
| 3.2.2 MIMO/OFDM系统模型 |
| 3.3 本章小结 |
| 第四章 自适应技术和算法 |
| 4.1 自适应技术的实现 |
| 4.2 OFDM中的自适应技术 |
| 4.2.1 信道容量 |
| 4.2.2 注水分布 |
| 4.2.3 OFDM中自适应技术的分类 |
| 4.3 经典算法 |
| 4.3.1 固定门限自适应调制算法 |
| 4.3.2 贪婪算法 |
| 4.3.3 Chow算法 |
| 4.3.4 多用户的自适应分配算法 |
| 4.4 MIMO/OFDM中的自适应技术 |
| 4.4.1 自适应调制 |
| 4.4.2 性能对比 |
| 4.5 本章小结 |
| 第五章 MIMO/OFDM中的自适应算法 |
| 5.1 Chow算法 |
| 5.1.1 改进算法 |
| 5.1.2 算法仿真分析 |
| 5.2 固定门限的自适应比特分配算法 |
| 5.2.1 改进算法 |
| 5.2.2 算法仿真分析 |
| 5.3 空时编码在MIMO/OFDM中的应用 |
| 5.3.1 空时编码 |
| 5.3.2 系统模型 |
| 5.3.3 性能分析 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 参考文献 |
| 致谢 |
| 摘要 |
| Abstract |
四、一种基于自适应天线的OFDM自适应比特分配算法（论文参考文献）
- [1]毫米波MIMO无线通信系统中的混合波束成型技术研究[D]. 吴伟. 北京邮电大学, 2019(01)
- [2]基于自适应天线阵列的移动终端快速定位方法研究与实现[D]. 王灏. 东南大学, 2019(06)
- [3]OFDM系统中动态子载波比特分配算法的研究[D]. 张芳. 重庆邮电大学, 2018(01)
- [4]OFDM系统中自适应比特功率分配算法的研究[D]. 王竟鑫. 重庆邮电大学, 2017(04)
- [5]基于自适应MIMO-WPDM系统的信噪比估计研究[D]. 陶金. 重庆理工大学, 2016(05)
- [6]MIMO-OFDM系统天线和子载波联合分配问题研究[D]. 王宇飞. 哈尔滨工程大学, 2010(07)
- [7]MIMO-OFDM无线通信系统中资源调度算法的研究[D]. 李海波. 东北大学, 2010(03)
- [8]下一代无线通信系统的自适应传输技术研究[D]. 张然然. 北京邮电大学, 2009(03)
- [9]宽带MIMO系统若干关键技术研究[D]. 李国才. 电子科技大学, 2009(11)
- [10]MIMO/OFDM自适应调制算法的研究[D]. 孙玉凤. 吉林大学, 2009(09)