导读:本文包含了大规模复杂系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:复杂度,系统,频谱,迭代,毫米波,效率,多项式。
大规模复杂系统论文文献综述
刘凯[1]（2019）在《低复杂度大规模多天线系统关键技术的研究》一文中研究指出随着我国社会信息化深入发展,智能终端广泛应用,人们对移动通信的高性能需求与日俱增。为应对未来剧增的移动数据、海量的设备连接和低时延的新型业务等,承载着众多期望的第五代移动通信系统(The Fifth Generation,5G)应运而生。与此同时,作为5G的核心技术之一,大规模多天线(Massive Multiple-Input Multiple-Output,Massive MIMO)技术受到了学术界和工业界的广泛关注。相比传统MIMO技术,大规模MIMO技术具有诸多优势:通过在基站端配备数十甚至上百的天线就能在不增加系统带宽和天线发射功率的前提下大大提高频谱效率;此外,随着天线数的增大,各子信道趋于正交,可进一步消除热噪声和小区内用户间干扰的影响。带来这种巨幅增益的同时,大规模MIMO技术也面临着诸多挑战,其中最为突出的是系统复杂度、经济成本和功耗问题。在大规模MIMO系统中,需要为基站端的每根天线配备一条对应的射频链路,而每条射频链路上都有一个高采样率高量化精度的量化器,硬件复杂度、经济成本和系统功耗由此提升,从而制约了大规模MIMO系统的最终商业化。因此研究低复杂度低成本的大规模MIMO系统具有重要的理论和实践意义。在上述背景下,本文重点围绕低复杂度大规模MIMO关键技术展开研究,旨在为后期5G网络规划和商用提供理论依据和技术支撑。本研究创新点和理论贡献主要有以下四个方面:1)对大规模MIMO系统的信道容量进行了深入研究。首先,考虑实际通信系统中天线数有限的情况,通过建模修正项,运用矩阵泰勒展开和高阶统计量等数学工具,分别针对不同的泰勒展开阶数,推导得出了系统遍历信道容量的闭式表达式。其次,基于该闭式解与理想假设(天线数无穷大时)的信道容量进行了对比分析。最后,通过计算机仿真,验证了所得闭式表达式的正确性。得出结论:随着泰勒展开阶数的提高,推导所得的信道容量愈发接近真实通信环境中的信道容量,当泰勒展开阶数为4时,可几乎还原实际通信环境中的信道容量。因此可通过所得信道容量闭式表达式来分析并衡量系统在实际通信环境中的性能,从而降低性能分析的复杂度。2)对低精度大规模MIMO系统进行了深入研究。首先,针对窄带大规模MIMO系统,考虑系统具有完整信道状态信息(Channel State Information,CSI)的情况,推导得出基站采用最小均方误差(Minimum Mean Square Error,MMSE)检测算法时用户上行可达速率的闭式表达式。其次,考虑系统具有非完整CSI的情况,推导得出采用线性最小均方误差(Linear Minimum Mean Square Error,LMMSE)信道估计算法和MMSE接收机的用户上行可达速率的闭式解。基于所得闭式表达式,对系统的性能进行了分析,指出在低精度大规模MIMO系统中,可通过增加天线数来弥补低精度ADC带来的性能损失。通过与配备高采样率高量化精度ADC的传统大规模MIMO系统进行对比发现,当低精度大规模MIMO系统具有非完整CSI时,要弥补低精度ADC所带来的性能损失,采用1比特和2比特ADC的基站至少需要多配备1.5倍和1.1倍的天线。最后,通过仿真验证了低精度大规模MIMO系统的可行性,证明了在大规模MIMO系统中可以通过采用低精度ADC的方式来降低硬件复杂度和系统功耗。3)对混合精度大规模MIMO系统进行了深入研究。首先,分别考虑窄带大规模MIMO系统和大规模MIMO-OFDM系统,假设系统具有非完整CSI和完整CSI的情况,推导得出了接收端采用最大比合并(Maximal Ratio Combining,MRC)和迫零(Zero Forcing,ZF)接收机时用户上行可达速率的闭式解。其次,与低精度大规模MIMO系统和传统大规模MIMO系统进行了对比,并利用所得闭式解对系统的能量效率和频谱效率进行了分析。最后通过计算机仿真验证了所得结果的正确性,证明了混合精度大规模MIMO系统在权衡能量效率和频谱效率方面的优势,同时指出在硬件成本允许的条件下,ADC的量化精度为3比特或4比特时可获得最佳折中。4)对低精度大规模MIMO系统中天线选择技术进行了深入研究。首先,考虑下行大规模MIMO系统,根据贪心算法和QR分解提出了一种基于最大化信噪比(Signal to Noise Ratio,SNR)的天线选择算法。其次,分析了传统天线选择算法不能直接应用于低精度大规模MIMO系统的原因,通过综合考虑量化误差和信道增益,提出了低精度递减/递增天线选择算法。接着优化所提算法的步骤,针对不同目标天线数分类提出了两种降低计算复杂度的双选算法。最后,通过计算机仿真和算法复杂度的对比验证了所提算法的有效性,证明了在大规模MIMO系统中可通过天线选择技术有效减少射频链路的个数,同时还可与低精度ADC相结合,进一步降低硬件复杂度、经济成本和系统功耗。(本文来源于《北京交通大学》期刊2019-09-01）
董妮娅,林毅[2]（2019）在《大规模多用户MIMO系统中的低复杂度混合预编码方案》一文中研究指出大规模多输入多输出(MIMO)可提供相当大的系统容量,但代价是硬件的高复杂性。本文提出了一种低复杂度的混合预编码方案phased-ZF(PZF),具有接近传统迫零(ZF)预编码的性能,其原理是在RF域仅进行相位控制,而在基带部分则进行低维基带ZF预编码。通过稀疏散射毫米波信道的仿真,证明了本方案的正确性。(本文来源于《科学技术创新》期刊2019年19期）
刘晋宏[3]（2019）在《大规模MIMO系统低复杂度线性迭代预编码算法研究》一文中研究指出大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统已经被认为是未来移动通信的关键技术之一,即在基站端配置大量的天线同时服务数十个用户终端使得空间自由度更多,且可以获得巨大的阵列增益和复用增益,理论证明频谱效率能够提升两个量级以上。由于用户终端的增加可能会导致用户间干扰,因此在基站端发送数据前必须采用非线性或线性预编码有效的抑制干扰。然而,传统线性迫零(Zero Forcing,ZF)预编码存在信道矩阵求逆,因此它的计算复杂度会随着天线阵列规模的增大而增加。针对上述问题,本文研究了低复杂度的线性预编码方法。本文的主要研究思路是通过对线性ZF预编码中的信道矩阵求逆利用迭代的思想近似求解从而降低计算复杂度。首先针对在少迭代次数下已存在的迭代方法性能下降且收敛速度较慢等缺点提出了一种改进的加权两步迭代(Weighted Two Stage,WTS)预编码方法,其具体思想是通过经验加权因子将前向和后向迭代结果进行合并从而调整迭代矩阵的谱半径大小进一步影响收敛速度。其次鉴于上述缺点,并且考虑到松弛因子以及迭代初始解对收敛速度的影响提出了一种改进的修正逐次超松弛(Modified Successive Over Relaxation,MSOR)预编码方法,其具体思想是通过合理的选择松弛因子和加速因子从而加速收敛。相比于传统线性ZF预编码,提出的两种改进预编码方法具有更低的计算复杂度,并且两种改进预编码方法的收敛速度要优于已存在的预编码方法。仿真结果表明提出的两种改进预编码方法可以通过较少的迭代次数就能够获得近似最优的线性ZF预编码的性能,因此本文所提方法更加适用于大规模MIMO系统。(本文来源于《内蒙古大学》期刊2019-04-10）
周冬,曹海燕,许方敏,方昕,王秀敏[4]（2019）在《大规模MIMO系统中基于权重高斯赛德低复杂度ZF预编码方案》一文中研究指出大规模MIMO系统中的传统ZF(zero forcing,迫零)预编码方法中由于存在厄米特矩阵求逆,其复杂度随着用户数的增多呈指数增加。针对这一问题,提出了一种基于权重高斯赛德(weighted Gauss-Seidel,WGS)的低复杂度全数字ZF预编码方案,即在高斯赛德(GS)的基础上,将传统GS算法迭代结果与上一步的迭代结果进行权重相加以加速迭代收敛,其权重因子通过最小均方和来确定,并且证明权重因子可使算法收敛。仿真结果表明,WGS算法通过极少的迭代次数即可逼近ZF预编码方案的性能,且将ZF预编码的复杂度从O(K~3)降低到O(K~2),其中, K为用户数。(本文来源于《电信科学》期刊2019年03期）
朱国晖,陈星[5]（2019）在《一种大规模MIMO系统的低复杂度预编码算法》一文中研究指出在大规模多输入多输出系统中,基站侧天线数目和用户数目的增加导致信道矩阵的维度也增加,从而使预编码矩阵的计算复杂度增大。为此,将截断多项式展开理论与最小均方误差(MMSE)预编码算法相结合,提出一种低复杂度的预编码算法。将矩阵多项式的前J项和近似为矩阵的逆矩阵,在MMSE预编码的基础上推导该算法的预编码矩阵,并求解发射功率有限时最佳阶数的表达式。仿真结果表明,在与MMSE预编码算法频谱效率相近的情况下,该算法可有效降低预编码的计算复杂度。(本文来源于《计算机工程》期刊2019年03期）
李红军,牟明,崔西宁[6]（2019）在《机载大规模复杂系统软件开发技术研究》一文中研究指出针对综合模块化航空电子系统中机载软件规模、复杂度大幅上升的趋势,对传统机载软件研制方法不能满足机载大规模复杂软件研制的问题进行了分析。针对机载综合化大规模软件,为解决软件的可信性、确定性、健壮性和连续性,提出"需求管理、模型开发、仿真验证、产品复用、工具支撑、过程管理"为核心的软件开发方法。经过国产机载嵌入式操作系统等机载大规模软件研制实践,可有效提高软件研制质量。该方法对同等软件的研制具有极强的参考价值。(本文来源于《现代电子技术》期刊2019年05期）
王斐然[7]（2019）在《大规模复杂海洋环境下AUV自主决策系统研究》一文中研究指出自主水下机器人(AUV)在探索海洋资源和执行海洋任务方面有着独特的优势和广泛的应用前景,越来越多的学者致力于AUV自主决策系统及相关算法的研究。AUV在海洋环境中具有灵活性高、能耗低和体积小的优势,而且由于配备了一定程度的自主决策系统,AUV有能力在很少人员参与的情况下自主地完成多种海洋任务。但目前存在的AUV自主程度普遍不高,尤其是在大规模复杂海洋环境中,自主完成任务的能力不强。因此,本文以AUV自主决策系统为研究对象,重点研究能适应大规模复杂海洋环境的自主决策系统架构、任务规划和路径规划算法,并开发了一套AUV自主决策系统软件,取得了以下几方面的研究成果:(1)研究和设计了能适应大规模复杂海洋环境的AUV自主决策系统架构。在经典的混合叁层式控制决策体系架构的基础上,结合项目需求设计了包含决策层、规划层和控制层的AUV自主决策系统架构。系统分为决策单元、导航单元、控制单元、通信单元和监测单元,各个单元之间功能划分及相互之间数据传输接口定义清晰。系统有效结合了高层慎思决策和低层实时规划,提升了AUV在大规模复杂海洋环境下安全和自主地完成使命任务的能力。(2)开展了大规模海洋环境中任务规划模型的建立及算法验证的研究。将AUV大规模环境中的任务规划问题建模为任务网络图中满足时间、任务质量和数量约束的图最优路径搜索问题。并使用多种优化算法对模型进行求解。结果说明了模型的正确性及有效性,和蚁群优化算法在求解该模型时具有较好的性能。(3)开展了复杂海洋环境中路径规划模型的建立及算法验证的研究。采用B样条曲线表示复杂海洋环境下的AUV光滑局部路径,考虑洋流对AUV航行能耗的影响,将问题建模为一个满足时间最少、无碰、光滑和耗能较少的多约束条件下的最优化问题。使用种群超启发式算法对模型进行求解,并和传统的萤火虫算法求解的结果进行比较。结果表明种群超启发式算法在时间稳定性和求解结果方面有更大的优势。(4)对AUV自主决策系统各个单元进行软件集成并进行了仿真测试验证。基于ROS将系统实现为包含决策节点和两个通信节点在内的叁个节点的软件。决策节点实现了除通信单元以外其他所有单元的功能,内部采用多线程技术实现各个单元的功能。通信节点完成了决策软件和指挥中心之间的信息通信。并对软件进行了测试和功能验证,表明软件正确地完成了预期功能。(本文来源于《电子科技大学》期刊2019-03-01）
刘剑飞,何利平,陶颖,刘迪,曾祥烨[8]（2019）在《大规模MIMO系统中低复杂度的码本搜索方法》一文中研究指出大规模MIMO系统中的预编码技术是5G网络中的关键技术之一。针对大规模MIMO通信系统中旋转离散傅里叶变换(DFT)码本的用户端码字搜索问题,提出了一种低复杂度的码本搜索方法。该方法根据旋转DFT码本相同列的弦距离最小,且弦距离越小的预编码向量其相关性越强的特点,将所有水平维码本和垂直维码本分别进行分组,得到信道增益最大的水平维最优码字和垂直维最优码字,以构成3D预编码码本。仿真结果表明所提出的搜索方法在保证了系统性能的同时显着降低了搜索复杂度,并且随着天线数目的增加优势更加明显。(本文来源于《通信学报》期刊2019年01期）
申滨,赵书锋,黄龙杨[9]（2018）在《基于Kaczmarz迭代的大规模MIMO系统低复杂度软输出信号检测》一文中研究指出大规模MIMO系统上行链路中,最小均方误差(MMSE)算法能获得接近最优的线性检测性能,但是涉及复杂度较高的矩阵求逆运算.本文基于Kaczmarz迭代提出一种低复杂度软输出信号检测算法,在算法实现中避免了矩阵求逆运算,将实现复杂度由■(K~3)降为■(K~2).同时,引入了最优松弛参数进一步加快算法收敛,最后给出了两种用于信道译码的LLR的近似计算方法.仿真结果表明:所提出的Kaczmarz迭代软输出信号检测算法经过两到叁次简单的迭代即可较快地收敛,并达到接近MMSE检测算法的误码率性能的水平,其性能与复杂度均优于基于矩阵近似求逆的一类检测算法.(本文来源于《电子学报》期刊2018年11期）
曹海燕,周冬,许方敏,方昕,王秀敏[10]（2018）在《大规模MIMO系统中基于权重二对角迭代的低复杂度预编码》一文中研究指出大规模MIMO系统中由于系统下行链路的迫零(zero forcing,ZF)预编码中存在大矩阵求逆运算,随着用户数与天线数的增加,其复杂度随之增加。为了降低复杂度,提出了一种基于雅克比(Jacobi)迭代算法的改进预编码算法,用下二对角矩阵作为迭代矩阵,并且将迭代结果与上一步迭代结果进行权重相加来加速迭代。根据大规模MIMO系统信道矩阵的对角占优特性,将矩阵求逆的诺依曼近似的第一项作为迭代的初始值进一步加速迭代。相比于传统迫零预编码方案,提出的方案可以降低一个量级的算法复杂度,并且保证了预编码方案的性能。(本文来源于《电信科学》期刊2018年09期）
大规模复杂系统论文开题报告
（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：
大规模多输入多输出(MIMO)可提供相当大的系统容量,但代价是硬件的高复杂性。本文提出了一种低复杂度的混合预编码方案phased-ZF(PZF),具有接近传统迫零(ZF)预编码的性能,其原理是在RF域仅进行相位控制,而在基带部分则进行低维基带ZF预编码。通过稀疏散射毫米波信道的仿真,证明了本方案的正确性。
（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。
大规模复杂系统论文参考文献
[1].刘凯.低复杂度大规模多天线系统关键技术的研究[D].北京交通大学.2019
[2].董妮娅,林毅.大规模多用户MIMO系统中的低复杂度混合预编码方案[J].科学技术创新.2019
[3].刘晋宏.大规模MIMO系统低复杂度线性迭代预编码算法研究[D].内蒙古大学.2019
[4].周冬,曹海燕,许方敏,方昕,王秀敏.大规模MIMO系统中基于权重高斯赛德低复杂度ZF预编码方案[J].电信科学.2019
[5].朱国晖,陈星.一种大规模MIMO系统的低复杂度预编码算法[J].计算机工程.2019
[6].李红军,牟明,崔西宁.机载大规模复杂系统软件开发技术研究[J].现代电子技术.2019
[7].王斐然.大规模复杂海洋环境下AUV自主决策系统研究[D].电子科技大学.2019
[8].刘剑飞,何利平,陶颖,刘迪,曾祥烨.大规模MIMO系统中低复杂度的码本搜索方法[J].通信学报.2019
[9].申滨,赵书锋,黄龙杨.基于Kaczmarz迭代的大规模MIMO系统低复杂度软输出信号检测[J].电子学报.2018
[10].曹海燕,周冬,许方敏,方昕,王秀敏.大规模MIMO系统中基于权重二对角迭代的低复杂度预编码[J].电信科学.2018
论文知识图
