本文關(guān)鍵詞：MIMO蜂窩網(wǎng)絡(luò)下的干擾對齊算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：如今,在新世紀第二個十年,人們有更多的通信需求,即追求更快的移動無線通信速度和更高的通信質(zhì)量。隨著無線通信技術(shù)的發(fā)展,無線通信環(huán)境變得越來越復(fù)雜,干擾是無線網(wǎng)絡(luò)通信中制約通信系統(tǒng)性能和用戶吞吐量的主要原因,種種干擾處理機制一向是無線通信領(lǐng)域的焦點問題。許多研究學(xué)者對干擾信道有更深入地研究,提出了一種新思想稱之為干擾對齊(IA, Interference Alignment)的干擾處理機制,這種技術(shù)通過在發(fā)送端設(shè)計預(yù)編碼向量和接收端進行簡單的迫零就可以使系統(tǒng)獲得最大自由度。文中開始介紹了干擾對齊的概念,學(xué)習了這種新思想的基本原理。研究了兩種傳統(tǒng)的干擾對齊算法,即方向型干擾對齊(D-IA)算法和機會式干擾對齊-OIA1算法。分析了D-IA算法在不同反饋條件下的性能和OIA1算法在用戶數(shù)量不同時的系統(tǒng)性能。其次,由于現(xiàn)有的干擾對齊算法沒有考慮對有用信號和接收信噪比(SNR)的影響,介紹了兩種迭代式的干擾對齊算法,即MP-IA算法和MSINR-IA算法。研究表明MP-IA算法和MSINR-IA算法都比D-IA算法有更好的和速率性能和誤碼率性能,MP-IA算法有最優(yōu)的誤碼率性能,MSINR-IA算法的和速率性能最好。針對實際場景中的信道估計誤差和高移動性導(dǎo)致的反饋延遲,仿真了兩種算法在非理想信道下的和速率性能和誤碼率性能,兩種算法依然比D-IA算法有更好的性能,各自的優(yōu)勢保持不變。隨著信道誤差增大或時延變長,都會造成三種算法的性能下降。最后,研究了兩種機會式干擾對齊算法,即SLIR-US算法和MSE-OIA算法。仿真結(jié)果表明,SLIR-US算法和MSE-OIA算法就和速率性能和誤碼率性能而言,比OIA1算法要更好；在非理想信道下,隨著誤差增大或者時延增大,三種算法的系統(tǒng)性能都會下降,但是SLIR-US算法和MSE-OIA算法的優(yōu)越性不會受到影響。在實際的通信場景中,對和速率要求比較高的時候,可以采用SLIR-US算法,而對誤碼率要求較高的時候,可以采用MSE-OIA算法。
【關(guān)鍵詞】：干擾對齊 迭代式 機會式 非理想信道
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN919.3
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-15
• 1.1 課題研究背景及意義11-12
• 1.2 國內(nèi)外研究發(fā)展現(xiàn)狀12-13
• 1.3 論文結(jié)構(gòu)與安排13-15
• 第2章 理想信道環(huán)境下的傳統(tǒng)干擾對齊算法研究15-26
• 2.1 干擾對齊的基本概念15-18
• 2.2 有限反饋下的干擾對齊算法18-21
• 2.2.1 方向型干擾對齊(D-IA)18-19
• 2.2.2 仿真結(jié)果分析19-21
• 2.3 傳統(tǒng)的機會式干擾對齊算法21-25
• 2.3.1 機會式干擾對齊-OIA1算法21-23
• 2.3.2 仿真結(jié)果分析23-25
• 2.4 本章小結(jié)25-26
• 第3章 非理想信道環(huán)境下的迭代式干擾對齊算法研究26-45
• 3.1 系統(tǒng)模型26-27
• 3.2 最大功率干擾對齊算法性能分析27-36
• 3.2.1 最大功率干擾對齊(MP-IA)27-29
• 3.2.2 理想信道下MP-IA算法的性能29-32
• 3.2.3 非理想信道下MP-IA算法的性能32-36
• 3.3 最大接收信噪比算法性能分析36-44
• 3.3.1 最大接收信噪比干擾對齊(MSINR-IA)36-38
• 3.3.2 理想信道下MSINR-IA算法的性能38-41
• 3.3.3 非理想信道下MSINR-IA算法的性能41-44
• 3.4 本章小結(jié)44-45
• 第4章 非理想信道環(huán)境下的機會式干擾對齊算法研究45-56
• 4.1 系統(tǒng)模型45-46
• 4.2 SLIR-US算法性能分析46-49
• 4.2.1 SLIR-US算法46-48
• 4.2.2 理想信道下SLIR-US算法的性能48-49
• 4.3 MSE-OIA算法性能分析49-52
• 4.3.1 MSE-OIA算法49-50
• 4.3.2 理想信道下的MSE-OIA算法的性能50-52
• 4.4 非理想信道下的SLIR-US算法和MSE-OIA算法的性能52-55
• 4.5 本章小結(jié)55-56
• 第5章 結(jié)論與展望56-58
• 5.1 論文工作總結(jié)56
• 5.2 未來工作展望56-58
• 致謝58-59
• 參考文獻59-64
• 攻讀碩士學(xué)位期間發(fā)表的論文及參與的科研項目64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉波;;“算法設(shè)計與分析”教學(xué)探討[J];高等理科教育;2007年04期

2 肖小克;陳莉;;《算法設(shè)計與分析》實踐教學(xué)探討[J];福建電腦;2009年10期

3 穆瑞輝;;計算機算法設(shè)計研究與思考[J];數(shù)字技術(shù)與應(yīng)用;2012年12期

4 潘博;;構(gòu)建“算法設(shè)計與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

5 王希常,楊志強;一類考場編排算法的設(shè)計[J];山東師范大學(xué)學(xué)報(自然科學(xué)版);2002年04期

6 龍騰芳,高金文;“分而治之”方法在算法設(shè)計中的應(yīng)用[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2004年01期

7 呂國英;;《算法設(shè)計與分析》教材建設(shè)的實施[J];計算機教育;2007年19期

8 徐子珊;;“算法設(shè)計與分析”教學(xué)中理論與技術(shù)的平衡[J];計算機教育;2008年10期

9 鄭紅;邵志清;符海波;;“算法設(shè)計與分析”課程教學(xué)改革初探[J];計算機教育;2008年14期

10 高尚;;“算法設(shè)計與分析”課程改革初探[J];計算機教育;2008年14期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計與實現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機動目標跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 徐子珊;;《算法設(shè)計與分析》課程中的工程教育[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設(shè)計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實踐教學(xué)模式在本科專業(yè)課程教學(xué)中的應(yīng)用[A];中國電子教育學(xué)會高教分會2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 李皓;羅熊;;云存儲部署優(yōu)化的進化算法設(shè)計[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

8 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 ;算法設(shè)計的策略[N];電腦報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學(xué);2010年

2 龍海俠;進化算法及其在生物信息中的應(yīng)用[D];江南大學(xué);2010年

3 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學(xué);2013年

4 尤海峰;求解隱式目標優(yōu)化問題的交互式進化算法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計與優(yōu)化[D];中國科學(xué)技術(shù)大學(xué);2014年

6 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學(xué);2002年

7 蔣蔚;粒子濾波改進算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

8 孫賀;算法設(shè)計中的若干前沿問題[D];復(fù)旦大學(xué);2009年

9 陳寧濤;基于二分技術(shù)的高效算法設(shè)計及其應(yīng)用[D];華中科技大學(xué);2006年

10 婁曉文;無符號基因組切割再粘貼重組問題的算法研究[D];山東大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 楊瀟;界約束非線性最小二乘問題的無導(dǎo)數(shù)算法[D];上海交通大學(xué);2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設(shè)計[D];哈爾濱工業(yè)大學(xué);2015年

4 樓磊磊;醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D];浙江大學(xué);2015年

5 齊海龍;基于改進人工蜂群算法的非線性系統(tǒng)辨識方法研究[D];北京化工大學(xué);2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號的恢復(fù)算法研究[D];上海大學(xué);2015年

7 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學(xué);2014年

8 茍清松;多目標粒子濾波檢測前跟蹤算法研究[D];電子科技大學(xué);2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];上海理工大學(xué);2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長沙理工大學(xué);2014年

  本文關(guān)鍵詞：MIMO蜂窩網(wǎng)絡(luò)下的干擾對齊算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：454224