【摘 要】
:
大规模多输入多输出(MIMO)系统因具有比传统小规模的MIMO系统更高的可靠性和频谱效率而正在快速发展。该系统的主要目的是在相同频带上同时在数以百计的基站天线和用户天线间建立连接。然而大规模MIMO系统在实际应用中往往会面临许多挑战,其中一个主要挑战是由于天线数目庞大而导致的接收端信号检测难的问题。线性检测(即迫零和线性最小均方误差(LMMSE)算法)被认为能够达到接近最优的信号检测性能,但对于大
论文部分内容阅读
大规模多输入多输出(MIMO)系统因具有比传统小规模的MIMO系统更高的可靠性和频谱效率而正在快速发展。该系统的主要目的是在相同频带上同时在数以百计的基站天线和用户天线间建立连接。然而大规模MIMO系统在实际应用中往往会面临许多挑战,其中一个主要挑战是由于天线数目庞大而导致的接收端信号检测难的问题。线性检测(即迫零和线性最小均方误差(LMMSE)算法)被认为能够达到接近最优的信号检测性能,但对于大规模天线系统却并不适用。由于包含高阶矩阵的求逆运算,线性检测方法的计算复杂度随着天线数目的增加而快速升高。为了避免大型矩阵的求逆运算,人们将基于迭代的信号检测技术应用到MIMO系统中,但该技术仍需要提升性能和具体实现才能应用于大规模MIMO系统中。本文提出了一种M-MIMO信号技术,它能够避免大型矩阵的求逆运算,并应用到非常大规模的天线系统中。本文提出的技术基于Jacobi和Richardson方法,具有更低计算复杂度和更高信号检测精度的优势。本方法的初始解是天线相关的,这比零初始解要更高效,性能也更好,而且本方法使用近似特征值来计算松弛参数,从而提高了收敛速度。所提出方法在较低的基站用户天线比(BUAR)的情况下展现出了出色的性能。本文用误符号率(SER)来比较不同的BUAR值下的系统性能。结果表明,系统精度随着迭代次数的增加而提高,而且尽管在较小BUAR值下误符号率上升,但本方法展示出了更优的性能,更接近最优的线性最小均方误差方法。
其他文献
目的 探讨在上肢骨折手术中采用锁骨上臂丛神经阻滞麻醉的镇痛效果及治疗体会.方法 选择2019年1月至2020年12月间在本院行手术治疗的上肢骨折病例资料,按照麻醉方式分为锁骨上臂丛神经阻滞麻醉和肌间沟入路臂丛神经阻滞麻醉各77例,对比手术前后VAS评分、术中操作时间(以穿刺针刺入皮肤开始计时)、麻醉起效时间、术后镇痛效果、术后麻醉相关并发症.结果 两组病人术前一般情况比较,P>0.05.观察组在麻醉操作时间、神经阻滞持续时间、术后VAS评分方面较对照组有显著优势,P<0.05.两组病人术中均未更改麻醉方式
目的 探讨丙帕他莫超前镇痛在痔手术的有效性和安全性.方法 随机将200例接受痔手术的患者分为2组,每组100例,试验组:麻醉前15分钟静滴2g丙帕他莫+100ml生理盐水;对照组:麻醉前15分钟静滴100ml生理盐水.分别观察其术后4、8、12、24小时的疼痛情况,首次镇痛药使用时间,24小时镇痛药总剂量及镇痛药相关不良反应.结果 试验组在术后4、8、12、24小时的疼痛VAS评分均小于对照组(P<0.01),首次使用镇痛药时间晚于对照组(P<0.01),24小时镇痛药总剂量小于对照组(P0.05).结论
目的 探讨颅内皮样囊肿的发病机制、好发部位、临床表现、鉴别诊断、影像学特征及治疗.方法 回顾性分析临床1例颅内皮样囊肿自发破裂患者的临床资料,并文献复习,总结其发病机制、好发部位、临床表现、鉴别诊断、影像学特征及治疗.结果 颅内皮样囊肿可日益增大破裂而导致颅内感染及其他并发症.结论 颅内皮样囊肿存在突发破裂可能,建议早期手术.
数据中心网络(DCNs)中拥塞控制机制的研究主要集中在如何实现DCNs的三个主要目标:高带宽、低延迟和稳定性。高精度拥塞控制(HPCC)同时实现了这些目标。但是其公平性欠佳。本论文主要研究如何改进HPCC,从而提升其公平性。本研究提出对HPCC进行有效的调整,对HPCC-WAI(window additive increase)中最重要的参数之一进行了广泛的研究,该参数负责控制并发流数量和收敛速度
[目的]探讨以运气学理论阐发中药药性的钱塘医派本草气化学说.[方法]通过研读《本草乘雅半偈》《本草崇原》《侣山堂类辨》和《医学真传》等著作,查阅研究钱塘医派本草理论相关文献,参考时代学术背景等影响因素,对本草气化学说内容进行整理论述,探讨各医家的传承,并列举医案以证临床验效.[结果]钱塘医派对本草气化学说研究大体基于《黄帝内经》(以下简称《内经》)五运六气思想,各医家主要通过对《神农本草经》的注释发挥,从而创立本草气化学说.其核心内容是通过辨本草生时、形态以及色味,以格物之法推药物禀气,以原药性.以本草生
深度卷积神经网络(CNN)在深度学习的发展中起着重要作用。CNN保留了输入信号的空间信息,这对于诸如图像识别之类的任务很有用。CNN在图像识别任务中的应用取得了丰硕的成果。在这种势头的基础上,深度学习已扩展到其他计算机视觉任务,例如目标检测,目标跟踪等。但是,CNN需要大量的计算和存储。这阻碍了将深度学习模型部署到资源受限的设备(例如移动电话)中。为了克服这些限制,本文提出了许多方法来加速深度模型
在过去的三十年里,由于波分复用(WDM)技术具有显著的可扩展性,该技术已被有效地用于扩展光通信系统的频谱效率(SE)和满足日益增长的带宽利用率(BW)。尽管如此,网络流量的快速发展扭转了这种局面。目前的趋势表明,网络流量的增长速度超过了通信系统效率的提升速度。在过去的十年里,大容量光纤通信系统有了一些突破性的发展。基于先进调制格式的波分复用相干光通信系统结合数字信号处理技术可有效提升通信系统的SE