导读:本文包含了波束选择论文开题报告文献综述及选题提纲参考文献，主要关键词:全双工中继,信息与能量同传,波束成形,天线选择
波束选择论文文献综述
谢显中,扶渝茜,陈九九[1]（2019）在《FD-SWIPT双向中继系统中基于天线选择与波束成形联合优化的高能效和吞吐量最大化方案》一文中研究指出本文考虑了一个利用full-duplex simultaneous wireless information and power transfer (FDSWIPT)双向中继提供移动通信蜂窝网络中小区覆盖,同时改进吞吐量和能量效率的应用场景.针对FD-SWIPT双向中继研究存在问题,提出了FD-SWIPT双向中继系统中基于天线选择与波束成形联合优化的高能效和吞吐量最大化方案.首先,给出了一种低复杂度次优天线分组算法,在中继接收端使用天线分组策略,将信道条件好的接收信号用于传输,剩下的信号用于能量采集.进一步,在中继发送端设计了波束成形方案,并利用最大广义特征值方法优化波束成形矢量,达到优化接收端信干噪比的目的.仿真结果表明,所提出的联合优化方案能有效提升系统的和吞吐量与能量效率,且天线选择方案起到了重要的作用.(本文来源于《中国科学:信息科学》期刊2019年09期）
陈尔东,靳学明,胡元奎,贺文干[2]（2019）在《一种基于光波长路由选择的光学同时多波束网络》一文中研究指出介绍一种采用光波长路由选择方式实现时延扫描的光学波束形成网络,波束形成网络具有处理带宽大、电磁兼容性好、传输损耗小、同时多波束能力强等诸多优势。根据介绍的光学同时多波束网络原理框图,搭建了原理样机,进行了性能指标测试,结果表明,波束形成网络可同时形成多个波束,并具备很好的宽带性能。(本文来源于《光电技术应用》期刊2019年04期）
慕熹东,郭莉,董超,林家儒[3]（2019）在《一种基于无人机毫米波通信的波束选择方法（英文）》一文中研究指出在无人机毫米波多用户通信网络中,基于波束空间多输入多输出系统提出了一种利用无人机移动特性的波束选择方法.首先,以减少用户间的能量泄漏为目标设计了无人机基站的最优部署位置;然后,为避免不同用户选择同一波束造成射频链路浪费的情况,提出了一种通过用户接收能量衡量的波束重新选择准则.仿真结果表明,相比传统的波束选择方法,所提方法可以实现接近最优的系统和速率性能以及更高的能量效率.(本文来源于《北京邮电大学学报》期刊2019年03期）
季中恒,季新生,陈亚军,王继[4]（2019）在《基于天线选择的CRN下行波束赋形方案》一文中研究指出针对underlay模式下认知无线网络(CRN)的性能提升问题,提出一种基于天线选择的下行波束赋形方案。方案对由CRN模型得到的优化问题的非凸约束条件,包括秩1约束、二进制整数型变量和非线性约束等,分别采用双线性等效变换、松弛变量替换及添加惩罚项等方法转换为凸约束条件,得到了双凸优化问题。并给出了基于交替优化方法的问题求解算法。数值仿真结果表明,相对于固定天线,采用天线选择优化的CRN随着可选天线数目的增加,能量效率增大;在相同的服务质量下,下行功率减小,优化算法的可行解区域增大,而且对主网络基站的干扰具有鲁棒性。(本文来源于《高技术通讯》期刊2019年04期）
肖志涛,雷炳海,张芳,童军[5]（2019）在《基于交叉验证的MVDR波束形成对角线加载因子选择》一文中研究指出最小方差无失真响应(MVDR:Minimum variance distortionless response)波束形成器在阵列信号处理中具有广泛的应用。在样本数少的情况下,MVDR波束形成器设计中的协方差矩阵的估计是一个挑战。已经证明对角加载(DL)是解决该问题的有效方法,但是对角加载因子(DLF:Diagonal loading factor)的选择是困难的。本文中,我们提出了一种基于留一交叉验证的(LOOCV:Leave-one-out cross-validation)数据驱动方法,用于为MVDR波束形成器选择DLF。我们还对算法做了简化使得DLF的选择可以在低复杂度下实现。数值结果表明,该方法可以实现DLF的近乎最优的选择。(本文来源于《电视技术》期刊2019年01期）
赵阔[6]（2018）在《基于NOMA的大规模MIMO波束选择算法性能研究》一文中研究指出近些年出现的毫米波Massive MIMO对发射端硬件功耗提出了较高的要求。因此工业界和学术界将目光转向了波束空间领域波束选择算法的研究。另外,考虑到非正交多址接入技术在未来蜂窝移动网络中具有广阔的应用前景,可以解决波束空间下用户数量大于射频链路数量的问题。本文将NOMA和波束选择算法作为本文的重点研究内容。首先给出了传统MIMO多径信道模型,并通过一组正交基组成的酉矩阵转换到波束空间下,阐述了波束空间的系统模型。本文采用了广泛应用的S-V信道模型,转换到波束空间下的信道矩阵具有稀疏性。由于本文中根据NOMA来解决波束空间模型下的具体问题,介绍了NOMA中串行干扰消除技术和功率分配算法。然后研究了基于NOMA的波束选择算法的频谱效率和能量效率等性能问题。波束空间下的信道矩阵具有稀疏性,因此可以选择不同的波束选择算法,在保证通信质量几乎不受影响的同时,减少发射链路进而增加能量效率。在此基础上,应用NOMA解决用户数量多于波束数量的问题。首先将信道矩阵转换到波束空间下,通过波束选择算法降低信道矩阵的维度;然后根据信道向量分量幅值对用户分簇,通过基于奇异值分解的改进迫零预编码,推导出用户接收到的信号表达式;最后利用串行干扰消除技术和分布式功率分配算法在保证用户公平性的同时最大化系统和速率。将NOMA与不同的波束选择算法联合使用,分析不同组合对应的频谱效率和能量效率。最后研究了一种改进的用户配对方法,对比根据信道向量分量幅值来对用户分簇的方法,讨论在应用不同波束选择算法时是否可以提高系统性能。在波束选择算法完成后,根据用户信道向量之间的相关系数和增益差进行分簇,通过仿真验证频谱效率等性能指标是否有所提高。另外基于本文模型研究了改进的波束选择算法,用户在波束选择前根据信道向量分量幅值分簇,然后基于簇内强用户的信道向量构成的信道矩阵进行预编码和波束选择。由于用来进行波束选择的矩阵的维度会降低,最终选择的波束总数量也会降低,此时能量效率也会随着变化。本文将仿真分析改进的算法的性能,并通过仿真曲线提供合理的分析及为实际通信系统根据不同需求提供合理的算法方案。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
赵天[7]（2018）在《毫米波MassiveMIMO系统波束选择与信道估计研究》一文中研究指出随着无线通信技术在研究领域的不断发展和深入,移动通信已经逐步渗透到了人们日常生活的各行各业,并且在很大程度上改变了人们的生活方式。当前人们对于无线通信系统的数据传输速率、系统容量、数据吞吐量等的需求仍在不断增长,高出当前网速数十倍、网络承载力数百倍的第五代移动通信理所当然的引起了研究者们的极大兴趣。Massive MIMO技术作为5G的关键技术之一,近年来成为了专家学者们的重点研究对象。由于低频段的频谱资源己经十分拥挤,毫米波丰富的可利用频谱资源也使得人们对其越发关注。毫米波与Massive MIMO技术的完美结合因其充裕的带宽资源,更高的数据传输速率和能量效率成为了当前通信领域的又一研究热点,本文主要针对毫米波Massive MIMO系统的波束选择和信道估计方案展开研究。首先介绍了Massive MIMO系统几种经典的基本模型,同时也给出了不同模型下相关特性的分析。对处理发送信号时采用的几种常见的线性预编码方案给出确切的描述。通过介绍毫米波通信的一般场景,给出了其信道稀疏特性的简单说明。由于系统信道状态信息是对信号进行预处理的关键,因此需要寻求精确度更高复杂度更低的信道估计算法。本章首先描述了插入固定导频的LS和MMSE信道估计算法。然后又针对稀疏信号的恢复问题,引入了以压缩感知技术为理论基础的OMP和CoSaMP信道估计算法,由于在大规模天线系统中MMSE算法过于繁琐,故只仿真分析本章所述的其余叁种算法,以便更好的理解不同算法性能的高低。在采用全数字预编码方案对毫米波的Massive MIMO系统信号进行预处理时,射频链路数过多增加了系统的硬件成本,也造成了巨大的能量消耗。为此,提出了一种基于透镜的波束选择方案,以便有效降低系统所需射频链路数及设计难度。仿真结果表明,所提方案的系统和速率性能能够近似逼近全数字预编码方案,但却能够在很大程度上提升系统的能量效率。最后,针对毫米波Massive MIMO系统中理想信道状态信息难以获取的问题,将块稀疏信号的特性融合到传统的CoSaMP算法中,提出一种块稀疏的正则化CoSaMP算法进行信道估计。仿真结果表明相比于传统的CoSaMP算法,所提结合块稀疏的CoSaMP算法的信道均方误差更低,系统的能量效率也更高。(本文来源于《江西理工大学》期刊2018-05-25）
赵东梅[8]（2018）在《D2D通信模式选择和收发波束联合优化算法研究》一文中研究指出设备到设备(Device-to-Device,D2D)通信是在网络中允许近终端设备之间直接进行信息传递的新兴通信技术,是下一代(5G)移动通信网络的重要组成部分。通过允许终端间不经过基站而利用网络资源直接进行通信,D2D极大地提升了频谱效率、提高了用户体验并扩展了通信应用。另一方面,为了实现D2D的上述优点,必须仔细地控制整个D2D通信过程,涉及的核心问题包括邻近D2D终端的检测及识别、D2D同步、通信模式选择和切换、无线资源管理、功率控制和干扰协调等等。本文重点研究D2D通信过程中的模式选择和干扰控制问题,提出了一种面向多用户多天线蜂窝通信网络的D2D通信模式选择及波束赋形联合优化算法,以有效提升系统吞吐率。目前关于D2D模式选择和干扰控制的研究很多,覆盖了单用户/多用户、单天线/多天线、理想信道/非理性信道等诸多场景。尽管在问题描述和算法设计方面存在差别,大多数现有研究都事先定义好了蜂窝网用户和D2D用户,并且认为蜂窝网用户具有更高优先级(类似于认知无线电网络中的主用户和次用户)。在该设定下,D2D通信管理的一个重要任务就是避免D2D用户对蜂窝网用户造成干扰。为此,通常只有D2D用户涉及模式选择问题,而蜂窝网用户固定地利用基站进行通信;同时,为更好地保护蜂窝网用户,只允许D2D用户复用蜂窝网的上行链路资源;等等。显然,这极大地限制了D2D通信的灵活性,导致D2D的性能增益没有完全被利用。D2D和认知无线电存在明显差异,其根本区别在于D2D使用授权频谱资源且其通信过程受到基站的监控。因此,在网络通信管理过程中,D2D通信和蜂窝网通信具有同样优先级的设定更为合理。基于上述考虑,本文研究了一个更为通用的D2D通信模式选择和干扰管理问题。具体而言,考虑一个多用户蜂窝网,并且网络中的基站和用户都配备多天线,通过联合优化每个用户对间的通信模式和传输/接收波束来最大化网络吞吐率。特别地,设定D2D通信和蜂窝网通信具有相同优先级,共享网络中的上下行链路资源;同时,不再事先区分蜂窝网用户和D2D用户,每一个用户对间的通信模式可以在蜂窝网模式和D2D模式间自由切换,选择何种通信模式完全取决于其对网络吞吐率的贡献和对其它用户对的干扰。显然,这一更加通用的设定对现有D2D研究中的各种限制条件进行了松弛,有助于更好地利用D2D通信的潜力。但是,这是一个NP-Hard问题,难以求解,本文转而设计低复杂度的算法以求得该问题的高质量近似解。为此,本文首先将吞吐量最大化问题转换成一个加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题,在此基础上设计算法对该问题进行迭代求解。该算法的重要特点是,在每一轮的迭代过程中,仅仅对WMMSE问题进行粗略求解,从而简化了算法结构和加速了算法收敛过程。本文证明了尽管没有对WMMSE问题进行精确求解,所提出的算法仍然能够确保收敛到静态解(Stationary Solution)。其次,为了便于算法的高效实现,进一步利用交错方向乘子法(Alternating Direction Method of Multipliers,ADMM)对每轮迭代过程中的WMMSE进行转换和分解,最终设计出高效的分布式算法。该分布式算法的每一步都具有闭合解,因而具有极低的运算量。最后,通过一系列仿真实验,验证了所提算法的有效性和高效性。(本文来源于《电子科技大学》期刊2018-05-10）
陈岩博[9]（2018）在《毫米波大规模MIMO波束选择算法研究》一文中研究指出毫米波大规模MIMO及密集异构网络技术是满足5G通信需求的关键使能技术,可极大提高网络容量与传输速率。然而,在毫米波小小区大量密集部署的异构网络中,UE波束选择与小小区间干扰是主要的难题与技术挑战,为此,本文主要完成了以下两方面的研究:1.针对现有波束选择算法信息反馈量大,计算过程繁琐,且很难应用至毫米波小小区密集部署的异构网络等问题,研究一种基于位置指纹的毫米波多小区波束选择方案。所研究方案主要分为离线信息采集与在线UE波束选择两个阶段。在离线阶段,首先为每个毫米波小小区的覆盖区域提取一系列的指纹点,确定每个指纹点的波束信息。然后,将各指纹点对应的波束信息保存至特定的指纹数据块中,并由此构成指纹数据库。在线阶段,UE周期性执行当前位置指纹测量与上报过程,控制器通过位置指纹匹配获取当前UE的最佳波束及最强干扰波束,并对最佳波束和最强干扰波束加以区分以抑制小区间的波束干扰。所研究方案有效地避免了UE大量的信息反馈及测量。仿真表明,所给出的小小区间波束干扰抑制方法,可有效提高UE接收信号的SINR,并改善系统总速率。2.为进一步提高毫米波小小区大量密集部署的异构网下波束选择的时效性,同时避免波束选择带来的大量信息反馈与测量过程,研究一种基于BDS的毫米波大规模MIMO波束选择算法。为迎合波束选择过程,提出并设计了BDS,且毫米波AP所发送各定向波束均用特定的BDS进行标识,UE通过周期性检测BDS便可确定其最佳波束。此外,通过小小区间协作来降低邻小区间的波束干扰。仿真结果表明,所研究算法有效避免了穷举搜索造成的计算复杂度,在简化波束选择过程的同时提高了UE波束选择的时效性。尤其在毫米波异构网络场景下,多小区协作波束选择算法可有效抑制小区间的波束干扰,使系统总速率进一步提高。(本文来源于《重庆邮电大学》期刊2018-03-25）
王涛,周志刚,李茂[10]（2019）在《以用户为中心的基站与波束自适应选择算法》一文中研究指出根据信道环境选择最优的微基站与波束时存在非自适应问题。为此,基于随机向量量化码本的限制反馈波束赋形技术,推导出最大化平均有效信噪比的表达式,提出以用户为中心的分布式毫米波蜂窝小区基站与波束的自适应选择算法。根据用户在蜂窝内的位置,以平均有效信噪比为代价函数,自适应地选择最优的微基站。仿真结果表明,在反馈比特数为6 bit以及信噪比大于12 dB的情况下,该算法的误码率和遍历容量性能都优于固定数目的微基站,能够获得2 dB～4 dB的信道增益。(本文来源于《计算机工程》期刊2019年01期）
波束选择论文开题报告
（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：
介绍一种采用光波长路由选择方式实现时延扫描的光学波束形成网络,波束形成网络具有处理带宽大、电磁兼容性好、传输损耗小、同时多波束能力强等诸多优势。根据介绍的光学同时多波束网络原理框图,搭建了原理样机,进行了性能指标测试,结果表明,波束形成网络可同时形成多个波束,并具备很好的宽带性能。
（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。
波束选择论文参考文献
[1].谢显中,扶渝茜,陈九九.FD-SWIPT双向中继系统中基于天线选择与波束成形联合优化的高能效和吞吐量最大化方案[J].中国科学:信息科学.2019
[2].陈尔东,靳学明,胡元奎,贺文干.一种基于光波长路由选择的光学同时多波束网络[J].光电技术应用.2019
[3].慕熹东,郭莉,董超,林家儒.一种基于无人机毫米波通信的波束选择方法（英文）[J].北京邮电大学学报.2019
[4].季中恒,季新生,陈亚军,王继.基于天线选择的CRN下行波束赋形方案[J].高技术通讯.2019
[5].肖志涛,雷炳海,张芳,童军.基于交叉验证的MVDR波束形成对角线加载因子选择[J].电视技术.2019
[6].赵阔.基于NOMA的大规模MIMO波束选择算法性能研究[D].哈尔滨工业大学.2018
[7].赵天.毫米波MassiveMIMO系统波束选择与信道估计研究[D].江西理工大学.2018
[8].赵东梅.D2D通信模式选择和收发波束联合优化算法研究[D].电子科技大学.2018
[9].陈岩博.毫米波大规模MIMO波束选择算法研究[D].重庆邮电大学.2018
[10].王涛,周志刚,李茂.以用户为中心的基站与波束自适应选择算法[J].计算机工程.2019