（信号与信息处理专业论文）基于容量性能的mimo天线选择技术研究.pdf

分类号： tn911 密 级： 公 开 学 号： 092030026 工学硕士学位论文 基于容量性能的 mimo 天线选择技术研究 学生姓名 刘淑娟 指导教师 田雨波教授、 解志斌讲师 江苏科技大学 二 o 一二年三月 a thesis submitted in fulfillment of the requirements for the degree of master of engineering study on mimo antenna selection technology based on capacity performance submitted by liu shujuan supervised by tian yu-bo、xie zhibin jiangsu university of science and technology march, 2012 论论 文文 独独 创创 性性 声声 明明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得江苏科技大学或其它教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示谢意。 学位论文作者签名： 日 期： 学学 位位 论论 文文 使使 用用 授授 权权 声声 明明 江苏科技大学有权保存本人所送交的学位论文的复印件和电子文稿，可以将学位 论文的全部或部分上网公布，有权向国家有关部门或机构送交并授权其保存、上网公 布本学位论文的复印件或电子文稿。本人电子文稿的内容和纸质论文的内容一致。除 在保密期内的保密论文外，允许论文被查阅和借阅。 研究生签名： 导师签名： 日 期： 日 期： 二 o 一二年三月 摘 要 i 摘 要 随着现代无线通信技术的快速发展，人们对高速数据通信服务的需求日益增长， 常规单天线收发通信系统的容量性能已经远远不能满足实际应用的需求，通信系统的 可靠性也有待进一步提高。mimo 技术可以有效利用多径效应，在有限带宽内提高了 传输速率和通信质量，成为新一代无线通信系统中的关键技术之一。但由于 mimo 系 统需要配置多个 rf 链路，大幅度增加了系统硬件成本和信号处理的复杂度，这个问 题极大的限制了 mimo 技术的发展和推广。 天线选择技术通过选择较优的天线子集进 行收发，以较小的性能损失换取硬件成本和处理复杂度的大幅度降低，成为 mimo 无 线通信领域的一个研究热点。 对于现有 mimo 系统天线选择算法而言，穷尽搜索算法能够达到最优的性能，但 包含较多矩阵运算，计算复杂度较高；为降低算法复杂度，许多次优天线选择算法应 运而生，但这些算法大多造成了较大性能损失或复杂度仍较高，并主要集中于对非相 关信道下天线选择的研究。 针对这一问题，本文以容量性能最大化为目标，提出了基于相异度的天线选择算 法和针对相关信道下基于 csa 的改进选择算法， 并讨论了几种基于智能算法的收发联 合天线选择技术。主要研究成果如下： 1介绍了复高斯随机信道和相关信道情况下 mimo 的系统模型；对 mimo 系统 容量进行分析，研究信道相关性对系统容量性能的影响，对几种经典天线选择算法的 容量性能进行比较，仿真结果表明穷尽搜索算法能够获得最优的容量性能，但复杂度 非常高，经典的递增递减算法获得了接近最优的容量性能，同时降低了系统复杂度。 2 以实现容量性能最优为目标提出了一种基于相异度的天线选择算法。 分析了采 用相对误差、绝对误差对相异度算法性能的影响，同时通过对几种算法的复杂度计算 分析，证明所提算法保持了较低的运算复杂度。通过仿真将其与穷尽搜索、基于相关 度和相似度等天线选择算法进行了容量性能比较，仿真结果验证了所提算法在容量性 能上的改进。 3针对相关信道，对基于相关性的天线选择算法进行改进，通过选择具有最小平 均相关性和最大相关矩阵行列式的天线作为最优天线子集。在选择较少天线的情况， 所提算法降低了计算复杂度，达到几乎与相关性选择算法相同的性能，且非常接近最 优选择算法。仿真结果证明了该算法的有效性和可靠性。 4介绍了基于遗传算法和模拟退火算法的收发联合天线选择技术，并将遗传算法 与模拟退火算法结合得到一种新的基于智能算法的天线选择方法。同时，对几种算法 江苏科技大学工学硕士学位论文 ii 的原理和性能进行了讨论，并给出其实验仿真结果。 关键词 多输入多输出；天线选择；相异度；相关性；遗传算法；模拟退火 abstract iii abstract along with the development of wereless communication, the demand of high speed data communication is increasing, conventional single antenna communication system capacity can not meet the requirement of practial application, and the communication system reliability has yet to be further improved. multiple-input multiple-output (mimo) technology can utilize multipath effect, and improve the transmission rate and communication quality. it becomes one of key technologies for new generation wireless communication systems. however, mimo system needs multiple radio frequency (rf) chains for employing multiple antennas, this increase the cost of additional hardware and the complexity of signal processing substantially, and limits development and generalization of mimo technology to a great extent. antenna selection technology is to use only an antenna subset of transmit and receive with better performance, it can reduce the expense of hardware and complexity of processing with less performance loss, becomes research focus of mimo wereless communication field. as existing antenna selection algorithms in mimo systems, the exhaustive search algorithm gets the optimum performance, but it requires lots of matrix operations, so leads to very high complexity. some sub-optimal antenna selection algorithms emerge in order to decrease the complexity of algorithm, but most of these algorithms result in a greater performance loss or still higher complexity, and mainly concentrate on the antenna selection research in the non-correlated channels. according to the problem, this paper takes the capacity performance maximize for a target, proposes an antenna selection algorithm based on dissimilarity, an improved selection algorithm based on csa for correlated channel, and discussed several joint transmit/receive antenna selection technology based on smart algorithm. the main results are as follows: 1. mimo system model in complex gaussian random channel and correlated channel is introduced, then an analysis of mimo system capacity and the impact of the channel correlation is given, several classical algorithms capacity performance are compared, the simulation results proved exhaustive search algorithm can obtain the optimal capacity, but the complexity is very high, the decremental algorithm and incremental algorithm get the closed optimal capacity, and lower the system complexity at the meantime. 江苏科技大学工学硕士学位论文 iv 2. the paper proposes an antenna selection algorithm based on dissimilarity, the algorithm goal is to maximize capacity. it analyzes the impact of relative error and absolute error to the property of dissimilarity algorithm; meanwhile the complexity is computed and analyzed to prove that the proposed algorithm maintains lower computation complexity. the capacity performance of the proposed algorithm, exhaustive search, the algorithms based on correlation and similarity are compared, the results of simulation proved proposed algorithm offers an improved channel capacity. 3. for correlated channel, an improved antenna selection algorithm based on csa is presented, which selects the antenna subset with the lowest average correlation and the largest determinant of correlation matrix. with less antennas selected, the proposed algorithm decreases the computational complexity, obtains almost the same property with correlated selection algorithm, and is very close to the optimal selection algorithm. simulation results demonstrate the effectiveness and reliability of the proposed algorithm. 4. joint transmit/receive antenna selection algorithm based on priority-based genetic and simulated annealing algorithm are described, and getting a new algorithm through combining them. then we discussed the principle and property of these algorithms and some experimental results is given. keywords mimo; antenna selection; dissimilarity; correlation; genetic algorithm; simulated annealing 目 录 v 目 录 摘摘 要要 . i abstract . iii 第第 1 章章 绪绪 论论 . 1 1.1 mimo 无线通信的历史与发展 . 1 1.2 研究现状和发展趋势 . 2 1.2.1 mimo 技术的研究现状 . 2 1.2.2 天线选择技术研究现状 . 3 1.2.3 mimo 技术的发展趋势 . 4 1.3 课题研究内容与安排 . 5 第第 2 章章 mimo 系统模型及信道容量分析系统模型及信道容量分析 . 7 2.1 天线选择技术的基本原理 . 7 2.2 mimo 天线系统数学模型 . 8 2.3 mimo 系统信道模型 . 9 2.3.1 siso 系统的信道模型 . 9 2.3.2 mimo 系统的信道模型 . 9 2.4 mimo 信道容量分析 . 11 2.4.1 siso 系统信道容量 . 11 2.4.2 非相关信道下的 mimo 信道容量 . 12 2.4.3 半相关信道下信道容量 . 12 2.4.4 全相关信道下信道容量 . 13 2.5 经典天线选择算法及其容量比较 . 14 2.5.1 穷举搜索算法 . 15 2.5.2 递减天线选择算法 . 15 2.5.3 递增天线选择算法 . 16 2.5.4 经典算法性能比较 . 17 2.6 本章小结 . 19 第第 3 章章 基于相异度天线选择算法基于相异度天线选择算法 . 20 3.1 引言 . 20 3.2 mimo 系统容量模型 . 20 3.3 传统基于相关度的天线选择算法 . 21 3.3.1 基于相关度天线选择算法 . 21 江苏科技大学工学硕士学位论文 vi 3.3.2 基于 tanimoto 相似度的天线选择算法 . 22 3.4 基于相异度的天线选择算法 . 23 3.4.1 相异度算法原理 . 23 3.4.2 复杂度计算 . 25 3.4.3 仿真与分析 . 26 3.5 本章小结 . 29 第第 4 章章 相关信道下相关信道下 csa 的改进天线选择算法的改进天线选择算法 . 30 4.1 引言 . 30 4.2 mimo 信道容量模型 . 30 4.3 基于 csa 天线选择算法 . 32 4.3.1 csa 算法原理 . 32 4.3.2 l-csa 算法原理 . 32 4.4 改进的 csa 天线选择算法 . 33 4.4.1 i-csa 算法原理 . 33 4.4.2 算法复杂度分析 . 34 4.4.3 仿真结果与分析 . 34 4.5 本章小结 . 38 第第 5 章章 基于智能算法的天线选择技术基于智能算法的天线选择技术 . 39 5.1 引言 . 39 5.2 现有基于智能算法的天线选择技术 . 39 5.2.1 基于遗传算法的 mimo 天线选择算法 . 39 5.2.2 基于模拟退火的天线选择算法 . 41 5.3 基于优先度遗传-模拟退火算法的天线选择技术 . 42 5.3.1 信道容量模型 . 42 5.3.2 基于优先度遗传-模拟退火算法原理及流程 . 43 5.4 几种智能算法性能仿真比较 . 45 5.5 本章小结 . 48 结结 论论 . 49 参考文献参考文献 . 51 攻读硕士学位期间发表的学术论文攻读硕士学位期间发表的学术论文 . 55 致致 谢谢 . 57 catalog vii catalog abstract(chinese) . i abstract(english) . iii chapter 1 introduction . 1 1.1 mimo wireless comunication history and development . 1 1.2 research situation and development at home and abroad . 2 1.2.1 research situation of mimo technology . 2 1.2.2 research situation of antenna selection technology . 3 1.2.3 mimo technology research situation . 4 1.3 brief task and chapter arranging of paper . 5 chapter 2 mimo system model and channel capacity analysis . 7 2.1 fundamation principle of antenna selection technology . 7 2.2 mathematical model of mimo antenna system . 8 2.3 channel model of mimo antenna system . 9 2.3.1 the channel model of siso system . 9 2.3.2 the channel model of mimo system . 9 2.4 analysis of mimo channel capacity . 11 2.4.1 the channel capacity of siso system . 11 2.4.2 the channel capacity of mimo in uncorrelated channel . 12 2.4.3 channel capacity in semi-correlated channel . 12 2.4.4 the channel capacity in total correlated channel . 13 2.5 classical antenna selection algorithms and the performance comparison . 14 2.5.1 exhuastive search algorithm. 15 2.5.2 decremental antenna selection algorithm . 15 2.5.3 incremental antenna selection algorithm . 16 2.5.4 classical antenna selection algorithm comparison . 17 2.6 summary . 19 chapter 3 the antenna selection algorithm based on dissimilarity . 20 3.1 introduction . 20 3.2 capacity model of mimo system . 20 3.3 traditional antenna selection algorithms based on correlation . 21 3.3.1 antenna selection algorithm based on correlation . 21 江苏科技大学工学硕士学位论文 viii 3.3.2 antenna selection algorithm based on similarity . 22 3.4 antenna selection algorithms based on dissimilarity . 23 3.4.1 the principle of dissimilarity algorithm . 23 3.4.2 complexity computation . 25 3.4.3 simulation and analysis . 26 3.5 summary . 29 chapter 4 improved antenna selection algorithm based on csa in correlated channels . 30 4.1 introduction . 30 4.2 channel capacity mode