一、OFDM:4G中的OFDM关键技术（论文文献综述）
母一凡[1]（2021）在《毫米波大规模MIMO系统中信道估计研究》文中研究指明随着第五代移动通信网络的发展,大规模多输入多输出（Massive MultipleInput Multiple-Output,Massive MIMO）技术和毫米波技术被人们广泛认可。信道蕴含了信号传输过程中的状态信息,但在传输过程中会受到噪声和干扰的影响,信道估计技术的准确性关系到信号在接收端恢复的准确性,所以信道估计技术的研究具有重要意义。本文研究了毫米波大规模MIMO系统中信道估计算法。通过对深度学习和信道估计算法的研究,深入了解不同神经网络的特性,利用其特性和信道估计算法进行结合,获得更好的信道估计算法。本文提出基于生成对抗-卷积盲去噪（GAN-CNN Blind Denoising,GCBD）神经网络的信道估计算法。通过生成对抗神经网络来拓展噪声的未知性,再通过卷积去噪神经网络进行去噪,提高信道估计的性能。通过分析和仿真提出的基于GCBD的信道估计算法可以提高信道估计性能,并可以应对不同的混合噪声。本文提出的全连接卷积去噪近似消息传递（Fully Convolutional Denoising Approximate Message Passing,FCDAMP）信道估计算法创新性地将全连接卷积去噪神经网络与基于学习的近似消息传递算法相结合。将信道噪声水平估计图和包含噪声的接收信号连接并输入到去噪子网中,实现高效的去噪,从而获得更高的信道估计精度。在快时变信道系统中,通过正交时频空间调制技术得到三维结构的时延多普勒角度信道,本文提出了三维压缩采样匹配追踪（3-Dimensional Compressive Sampling Matching Pursuit,3D-Co Sa MP）信道估计算法。通过压缩感知技术分别对时延维度、多普勒维度和角度维度进行恢复,获得准确的信道估计值。并在不同的信噪比,用户速度,基站天线数量和导频开销率方面对算法进行验证。
孙慧晴[2]（2020）在《面向感知通信一体化系统的时间资源分配方法与可靠传输技术研究》文中指出在人工智能技术的驱动下,具备多种类型车载传感器的自动驾驶技术正在快速发展。然而,单车的感知信息受限将会造成严重的安全事故,对自动驾驶技术的实用化提出挑战。为实现安全智能的自动驾驶,多车海量感知信息亟需宽带可靠传输技术来实现有效共享,这对海量数据低时延传输技术提出了极大挑战。为此,本文提出了基于5G毫米波频段的感知通信一体化系统时间资源分配方法与可靠传输技术来实现多车协同超视距感知,提高自动驾驶安全性。并针对高动态车联环境中多普勒频偏导致传输可靠性恶化的问题,提出了多普勒频偏估计和补偿方法,以提升车间毫米波宽带通信链路的可靠性。本文的主要贡献包括两部分:（1）针对多车协同超视距感知场景下多重感知信息难融合的问题,提出了感知通信一体化系统的动态时分控制策略和时间资源分配方法。采用雷达信息率和通信信息率作为系统的评估指标,构建了基于雷达和通信的时间分配及干扰分析优化目标函数,提出了基于非合作博弈的集中式和分布式时间资源分配算法,得到了一体化系统最优时间分配策略。设计并搭建了多车协同感知通信一体化仿真平台,验证了所提出的时间资源分配算法可实现稳定收敛,与传统策略相比可提升系统性能26%。（2）针对感知通信一体化系统在高动态车联场景下多普勒频偏严重导致系统性能恶化的问题,设计了基于新型训练序列帧结构的数据辅助多普勒频偏估计算法,提出了基于准确度的代价函数来评估新型帧结构性能。进一步,研究了基于历史估计结果的自适应多普勒频偏补偿算法来提升通信链路的可靠性。设计并搭建了面向高动态场景的一体化系统链路级仿真平台,验证了所提出的算法相比于现有算法在BER性能方面可提高5-20 dB,保障了感知通信一体化系统毫米波链路通信的可靠性。
万超[3]（2020）在《OFDM子信道数目可变的自适应通信系统研究及其关键电路设计》文中提出本文针对高速无线自组织（Ad hoc）网络信道时变性强的特点,提出一种自适应地改变正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统子信道数目的通信方案。与传统的采用固定OFDM子载波数目的自适应调制技术不同,该方案是根据测得的信道情况自适应选择最优的子信道数目提高系统传输效率。在设计OFDM系统时,需要根据系统带宽、时延扩展等数据来决定子载波数目、保护间隔等重要的系统参数。例如,为了容忍较高的时延扩展需要增加OFDM子载波的数目,但同时,子载波数目的增加又会使系统对多普勒偏移更敏感。为此,本文研究在测量得到信道的信噪比和相干带宽等参数后如何选择最优的子信道数目来达到更高的数据传输效率。采用Matlab/Simulink软件通过对在固定子信道数目情况下的OFDM系统进行仿真,得到系统误码率和信噪比之间的关系,然后改变相干带宽与信道模型,验证了通过测得的信道参数自适应地改变子信道数目来提升系统性能的可行性。本文研究的另一重点是完成可变点数的快速傅里叶变换（Fast Fourier Transform,FFT）的硬件设计。在设计时,先利用基-2、基-4 FFT算法的共性,在一个蝶形运算单元中可选择性的实现基-2和基-4FFT运算。另外,利用硬件共享和流水线结构在三级蝶形运算中可选择的实现5种不同点数且最大为64点的FFT运算,验证了对于2n点的FFT硬件结构,可以通过硬件共享来实现21n共n种不同的FFT运算。传统的基-2、基-4FFT算法得到广泛的应用,但其组合的FFT点数仅限于2n,可选择的可变点数目,即OFDM子信道的选择维度小。而结合素因子算法和维诺格拉算法（Winograd-Fourier transform algorithm,WFTA）和混合基算法,可以实现更多的FFT点数组合,这样更易于自适应OFDM子信道数目选择。为此论文研究综合混合基算法、素因子算法、WTFA算法的优点,实现最大点数为3780点的可变点数FFT处理器。本文将3780点FFT运算分解成以素因子算法实现的140（4×5×7）点FFT运算和以混合基算法实现的27（3×3×3）点FFT运算,其中3、4、5、7四种小点数FFT计算单元以WFTA算法实现,整个系统以流水线结构实现。然后在3780点FFT硬件结构基础上,通过控制各个WFTA计算单元的开关、旋转因子查询表的选择和地址选择策略,共享硬件单元可实现共31种不同点数的FFT运算。
毛恒熙[4]（2020）在《基于深度学习的信道估计算法研究》文中进行了进一步梳理大规模多输入多输出（Massive MIMO）技术可以极大的提升空间维度的利用率,从而有效地提高频谱效率、降低能源消耗,被认为是第五代移动通信系统（5G）中最核心的技术之一。正交频分复用（OFDM）技术能够有效地对抗窄带干扰和频率选择性衰落,而且可以通过逆快速傅里叶变换达成低复杂度实现,在实际系统中被广泛应用。无论是这两项技术,还是二者结合的MIMO-OFDM技术,在5G、B5G和下一代的移动通信系统中,将发挥关键作用,具有广泛的应用前景。信道估计是根据接收数据信息对信道模型的某些参数进行估计的过程,是Massive MIMO/OFDM通信的关键步骤。通过信道估计,接收机可以得到信道的冲激响应,从而为后续Massive MIMO预编码和波束成形、OFDM相干解调提供必需的信道状态信息。因此,其估计的效果和精度,将直接影响通信系统的整体性能。传统的信道估计算法存在着需要先验信道统计特性、导频开销大、复杂度高、鲁棒性差等问题。而且,在Massive MIMO场景中,待估计的参数随收发天线数增加而剧增,同时在实际应用中还存在着导频污染和低精度量化器件的影响,这些因素对信道估计算法设计提出了更多的挑战。近年来,人工智能,特别是深度学习（Deep Learning）,在计算机视觉、自然语言处理和语音识别等领域取得了令人瞩目的成果,无线通信领域的研究者们也期望将其应用于通信系统的各个层面,进而产生智能通信,满足人们对于数据传输速率日新月异的需求。作为通信系统中的关键步骤,信道估计问题在智能通信的研究中备受关注。由于基于深度学习的算法无需先验的信道统计特性,且数据迭代训练可以使深度网络模型无限接近于实际的信道场景,故而在降低算法复杂度、处理异构数据、鲁棒性等方面表现出令人惊艳的性能优势。但是,目前的深度学习与信道估计相结合的研究仍处于早期探索阶段,存在着一些问题。1)现有基于深度学习的信道估计算法大多只是把深度学习网络作为一个黑盒子,没有针对信道估计的场景进行优化,存在着单次训练数据和时间开销过大的问题。而且由于信道具有时变性,离线训练完成的网络无法适用于连续的数据传输,普通的学习算法调整和再次训练的成本过高。2)大部分基于深度学习的算法都是针对于一个简单通信系统设计的,没有考虑实际场景因素的影响。特别是面对大规模MIMO的场景,参数维度较高、干扰因素众多,将导致神经网络输入维度增加、网络结构复杂,进而影响信道估计性能。因此,本文的研究从这两个角度出发,采用深度学习的思想和方法,提出全新的基于元学习的信道估计算法,首先在理想的OFDM基带系统中进行算法验证,进而应用在考虑同频干扰和低精度模拟数字转换器（ADC）的大规模MIMO通信系统中,解决实际的信道估计问题。针对第一个问题,我们提出基于元学习（Meta Learning）的信道估计算法。这是一种新的深度学习策略方案。元学习的算法策略不同于普通的监督学习,其定义任务集合和预训练的方式使得算法具有少样本、快速收敛的能力。所提出的基于元学习的OFDM信道估计算法将不同参数的信道模型定义为任务集合,通过不同子任务的元学习训练,使得深度学习网络不仅可以学习到信道传输函数的非线性映射,而且对于各个参数区间的子任务具有良好的适应性,能够根据当前信道状态的少量导频数据快速收敛,提高了算法的鲁棒性和适应能力。对于实际场景与训练数据不一致的情况,我们提出了在线微调的方案,可以解决现有深度学习的信道估计方案存在的单次线下训练开销过大的弊端。仿真的结果显示,所提出的算法可以降低OFDM系统的传输误码率,且对于不同的信道状态和导频数量具有较强的鲁棒性。针对第二个问题,我们从实际问题出发,考虑引入小区间同频干扰和低精度量化器件影响的大规模MIMO信道估计问题,在研究点一的基础上,把信道估计问题分解为回归拟合和插值优化两个子问题。其中回归拟合可以通过第一个研究点的思路求解,对于插值问题,创新地引入计算机视觉领域的处理方法,将插值优化子问题建模为一个超分辨率重建问题。将传统最小二乘信道估计算法的结果作为初始输入,把接收导频算得的包含干扰项和噪声的信道传输矩阵作为一个低分辨率的“图片”,通过超分辨率神经网络重建出高分辨率且去除干扰和噪声的“图片”,在降低功耗、成本的同时,保证了信道状态信息的估计精度。仿真实验和实测数据验证都表明,所提出的深度学习信道估计方案可以减轻由于导频污染和低精度ADC导致的性能下降,从而有效地提升信道估计的精确度。
赵金鑫[5]（2019）在《新型非正交多址接入与预编码技术研究》文中研究表明随着通信技术的发展,特别是智能移动终端设备的普及,下一代无线网络传输的数据量要求也越来越大,这就迫切需要无线通信系统解决一些主要的需求比如提高频谱效率、增加系统容量、减少延迟和提高服务质量等。然而,现有的正交多址接入技术由于其正交资源的用户独占性,其系统可接入用户数及频谱效率难以满足下一代无线通信的应用需求。新型的非正交多址接入技术和MU-MIMO技术允许通过非正交资源分配来控制干扰,这就使得在同一个资源块中可以为多个用户同时提供服务,与传统正交多址接入技术相比,非正交多址接入技术和MU-MIMO技术具有提高频谱效率、大规模连通性、低传输延时和信令成本等优势,所以,学术界和工业界转而重点关注非正交多址接入技术和MU-MIMO技术,其已经成为下一代无线通信技术研究和应用的重点。本文主要是对新型非正交多址接入技术以及MU-MIMO系统中的预编码技术做深入研究,主要工作和创新点总结如下:1.首先研究了三种热门的非正交多址接入技术,在此基础上为了进一步提高频谱效率,获得更好的系统性能,本文提出了一种融合通用滤波多载波复用技术的非正交多址接入技术方案,通过理论分析及实验仿真结果表明所提出的基于稀疏码分多址接入技术的融合通用滤波多载波复用技术方案能有效提高系统的频谱效率、降低系统的误码率。主要原因是稀疏码分多址接入技术由于其码本的稀疏特性,经过通用滤波多载波复用的调制、解调器,以及系统近似最优的信息传递检测算法等特性使得系统获得更好的性能。2.在5G/B5G移动通信系统中,MU-MIMO系统也是一种非正交接入的方式,在MU-MIMO系统中,为用户设计一种最优的预编码方案来减少来自其他用户的干扰是当前面临的一个最大挑战。本文考虑基于最小均方误差的改进信道矩阵,在不完整信道状态信息的情况下,提出了一种基于信漏噪比准则的预编码方案,该方案与传统的预编码算法相比较,在不损失和速率的前提下,能够有效降低系统误码率。3.在非正交多址接入方案中,受到系统资源的限制,用户调度在实际通信过程中是非常重要的,但是由于最优的穷举搜索用户调度算法方案计算复杂度过高,比较难实现,因此本文基于上述预编码方案,提出了一种新的基于信漏噪比准则的用户调度方案。该方案利用信漏噪比准则最大化加权和速率,有效降低了系统的复杂度,其平均和速率性能与传统近似最优算法基本相同,因此实现了性能和复杂度之间的权衡。
牛源[6]（2019）在《GFDM调制检测算法研究》文中研究表明广义频分复用（GFDM）是一种新型的非正交多载波调制技术,相比于正交频分复用（OFDM）,它具有低峰均功率比（PAPR）、低带外辐射（OOB）、高频谱利用率和波形灵活等优势。因此,GFDM能更好地适用于未来无线通信网络的发展。本文首先学习了GFDM基本原理和收发端结构,根据调制原理将GFDM表述为矩阵形式。基于调制矩阵,学习了三种线性接收机:匹配滤波接收机（MF）、迫零接收机（ZF）以及最小均方误差接收机（MMSE）。针对MF接收机会放大GFDM本身因子载波间的非正交性而引入的干扰问题,进一步学习了双边连续干扰消除算法（DSIC）,并给出了几种算法的仿真性能。此外,学习了多天线GFDM（MIMO-GFDM）的检测算法。MIMO-GFDM结合MIMO技术和GFDM技术的优势,可以带来系统性能的大幅提升,但采用MMSE检测的复杂度太高。针对这一问题,学习了MIMOGFDM编码系统基于期望传播（EP）的检测译码算法。该算法在消除子载波间干扰（ICI）、子符号间干扰（ISI）和天线间干扰（IAI）的同时进行数据符号的检测判决,在可实现复杂度情况下改善了BER性能。在此基础上,本文将索引调制（IM）的概念推广至GFDM系统,提出了三种不同的GFDM索引调制方案,并对比了采用线性接收机时的BER性能。为了优化BER,进一步提出了一种基于消息传递（MP）的检测算法。为了防止非法激活模式导致检测数据时的误判,该算法在消息迭代过程中引入了合法激活模式约束,进一步提升了BER性能。此外,为了降低MP检测算法的复杂度,利用调制矩阵的稀疏性,提出了简化的消息传递（SMP）检测算法,该算法相比于MP算法能在较小BER性能损失的情况下降低复杂度。
黄伟[7]（2018）在《大规模MIMO信道状态信息获取与传输方案优化设计》文中提出新一代移动通信对传输速率、端到端时延、连接数、密集覆盖、频谱利用率和能效等性能都提出了更高的要求。为了在有限的空时频资源下满足这些性能需求,新一代移动通信系统引入了多种能进一步挖掘频谱效率的高效无线传输技术。其中,在收发端配置大规模天线阵列的大规模MIMO技术能进一步挖掘空间维度资源,可以在单位时频资源上可使频谱效率较传统的通信系统再提升一个量级。然而,大规模MIMO通信技术在应用过程中仍面临诸多亟待解决的问题,如在频分双工制式下,大规模天线阵列在信道状态信息获取过程中,需要大量的导频和量化反馈开销会消耗更多的时频资源。此外,毫米波频段可以提供更为丰富的带宽资源,并且更短的毫米波波长使得在非常小区域内封装大规模天线阵列成为可能。因此,工作在毫米波频段的大规模MIMO技术,可以提供更多的频带资源。然而,不同于传统的低频段MIMO系统的传输特性和物理特性,大规模毫米波通信的全数字实现需要配置大量高成本射频链路器件,这导致更高昂的射频成本开销。此外,高频信号严重的路径损耗极大地增加了为满足覆盖要求的系统部署成本。针对以上问题,本论文进行了“大规模MIMO信道状态信息获取与传输方案优化设计”这一课题的研究,具体研究内容和主要贡献如下:1.针对大规模MIMO频分双工下行系统中降低信道状态信息获取需要的导频开销和反馈开销问题,利用大规模MIMO信道在波束空间的波束块联合稀疏特性,提出了可压缩的信道估计与反馈方案。利用用户信道的二阶统计特性,将具有相似信道特征向量的用户分为一组,其中,采用DFT矩阵实现组间用户导频复用并且将大规模空域MIMO信道转换为波束域信道。同时,由于部分用户共享了基站端有限的散射环境,组内用户在波束域呈现块结构的稀疏特性。利用这种波束域的稀疏特性并且所有用户将接收导频反馈给基站,基站利用提出的块正交匹配追踪算法联合估计所有用户的波束域信道。该方案能有效地降低信道状态信息获取需要的导频和反馈开销。为了进一步降低反馈开销,针对用户反馈的导频序列,利用导频序列间的稀疏特性,在用户端分别量化接收导频的幅度和相位信息,提出了有效的量化反馈算法来进一步降低反馈开销。仿真实验表明,所提方案能以远小于基站天线数目的导频开销而获得准确的信道估计性能。2.为实现低射频开销的毫米波大规模MIMO通信,提出了一种基于时延补偿的单载波数模混合预编码设计方案。在该方案中,利用毫米波信道的多径稀疏特性以及毫米波信号在传播过程中主要能量集中在直达径（line of sight path,Lo S）的特点,在基站端对所有用户与基站之间的Lo S路径实施时延预补偿操作。该操作将频率选择性信道转化为近似的平坦衰落信道。通过考虑时延补偿之后剩余的符号间干扰和用户间干扰,推导出信干噪比（signal-to-interference-plus-noise ratio,SINR）表达式。基于获得的SINR表达式,构建并解决基站端考虑有限射频单元条件下系统和速率最大的数模混合预编码设计问题。针对该非凸问题利用组稀疏优化方法,将原问题转化为联合码字选择与预编码优化设计并提出了基于二分法的组稀疏算法。仿真结果验证了所提方案的性能。3.为了降低毫米波大规模MIMO通信中射频单元开销问题,提出了基于透镜阵列构架的联合天线选择与波束成型方案设计。针对频率选择性信道下的多用户毫米波下行透镜阵列通信系统,利用透镜阵列的能量聚集特性以及毫米波信道的角度稀疏性,在基站端实施单载波路径时延预补偿技术。通过对基站与用户间所有最强路径做路径时延补偿,得到等效的近似平坦衰落信道。考虑近似平坦衰落信道中残留的码间干扰和用户间干扰,推导出SINR表达式。为了进一步抑制码间干扰和用户间干扰,基于获取的SINR表达式,构建并解决在基站端有限的射频开销条件下最大化最小SINR的联合天线选择与波束成型优化设计问题。利用稀疏优化理论将原非凸问题转化为组稀疏波束成型优化设计问题,并提出了稀疏优化算法求解该问题。仿真结果表明:所提方案相较于传统的OFDM传输模式具有更好的性能,且能够逼近全数字系统的性能。4.针对多子阵构架下毫米波MIMO通信系统中的射频单元开销问题,提出了联合子阵选择与预编码设计方案。利用毫米波信道的多径稀疏特性以及毫米波信号在传播过程中主要能量集中在Lo S路径的特点,在每一个与子阵相连的射频单元上实施时延预补偿来抑制单载波传输过程中的码间干扰。为了进一步抑制来自非Lo S路径产生的残留码间干扰以及多用户传输过程中的用户间干扰,在有限射频开销情况下以最大化最小SINR为目标,构建并解决联合子阵选择与预编码优化设计问题。针对该非凸问题中存在的非线性混合整数约束,利用稀疏诱导范数,将原非凸问题转化为稀疏预编码设计问题,并提出了基于二分法的凸优化算法来求解该问题。仿真结果验证了所提方案的性能。5.为了降低雾接入网络中的传输时延和小区部署成本,利用加强型远端射频单元的缓存和计算能力,提出的基于缓存的序贯传输设计方案。其中,按照用户请求的文件是否缓存在本地射频拉远头内,分别提出了两层（缓存层和网络层）传输方案设计。针对缓存层,在射频拉远头缓存容量和功率约束下,构建以最大化最小SINR为目标的接入链路预编码设计问题。而对于网络层,在功率、缓存容量、文件大小以及前程容量约束下,构建以最大化最小SINR为目标的联合前程与接入链路预编码设计问题。对于所构建的非凸问题,利用凸优化方法将原问题转化为凸的半正定规划问题并进行求解。仿真结果验证了所提方案的性能增益。
邵海宁[8]（2018）在《SM-GFDM系统及其信号检测算法研究》文中提出空间调制（Spatial Modulation,SM）技术是继多输入多输出（MIMO）技术之后而出现的一种新兴的调制技术,该方案利用在通信系统的收发两端同时配置多根天线,通过在每一发送时隙只激活一根发送天线,同时利用天线的索引位置信息来携带部分比特信息,有效解决了传统MIMO系统中的子信道干扰和发送天线间需要精确同步的问题,成为近年来众多学者研究的热点。多载波空间调制技术通过将传输的数据比特流分成多路并行子比特流,再调制到不同的子载波上进行传输。广义频分复用（Generalized Frequency Division Multiplexing,GFDM）是一种非正交的多载波传输模式。GFDM以其独特的帧结构被公认为颇具竞争力的5G候选波形之一。本文基于SM-GFDM系统进行研究,主要工作内容和创新思想如下:1.首先介绍了SM系统和GFDM系统的背景知识,其次分别对SM系统和GFDM系统的信号模型、基本原理等展开介绍,并介绍了几种5G候选波形,通过对比分析了SM系统结合GFDM技术的优点。最后针对现有SM-GFMD系统模型的研究中存在的考虑不全面的问题以及并未考虑SM及GFDM各自特性的问题,本文利用SM来代替GFDM中的QAM调制步骤,从而提出简化后的SM-GFDM系统模型。继而对发送信号在SM-GFDM系统中的传输流程及调制原理进行了详细分析介绍。2.针对所结合后的SM-GFDM系统复杂度高的问题,对接收端检测算法进行研究。在SM-GFDM系统中,发送信号经过无线信道后首先进入GFDM接收机,而传统的GFDM检测算法具有较高的检测复杂度,通过介绍矩阵稀疏性的原理,指出利用矩阵的稀疏性能够在不影响系统性能的前提下降低运算过程中的计算复杂度。其次本文对几种传统的信号检测算法包括匹配滤波（MF）检测算法、迫零（ZF）检测算法和最小均方误差（MMSE）检测算法进行了介绍并进行性能上的仿真,仿真结果表明,MMSE检测算法的性能是最优的。其次本文将传统检测算法与矩阵的稀疏性相结合,利用归一化离散傅立叶变换块矩阵对信号进行分解,并详细介绍了实现矩阵稀疏性的具体过程。最后对本文所提算法与传统检测算法进行了复杂度分析,并对几种基于矩阵稀疏性的接收机检测方案进行了性能仿真,结果表明,在SM-GFDM系统中,本文所提算法在复杂度方面得到了明显改善。3.针对SM-GFDM系统中,SM解调端依然具有较高复杂度的问题,本文基于树搜索结构,提出了一种动态M值的改进M-ML检测方案。经过GFDM解调器解调出来的复信号中依然残留部分信道成分,将GFDM解调信号送入SM解调端,选择合适的检测算法以恢复出原始的比特序列,本文首先介绍了几种传统的SM信号检测算法,其中性能最佳的为最大似然（ML）检测,在此基础上介绍了一种基于树搜索的M-ML检测方案,通过降低搜索空间,减小了计算复杂度,但是传统的M-ML检测中每层保留的节点数为经验值所得,因此对于不同的信道环境依然存在着冗余搜索,本文基于不同信道条件下的累积分支度量值不同,通过对累积分支度量值求均值,将小于该均值的分支保留,从而动态保留每层的搜索分支数M。仿真结果表明,与传统的M-ML检测相比,所提算法的性能略有下降,但由于其能够动态调整搜索节点数,因此其复杂度得到了改善,相比于传统的M-ML检测,更适用于本文的SM-GFDM系统当中。
姜喜宽[9]（2017）在《OFDM技术在4G移动通信系统中的应用》文中研究表明在现代4G移动通信系统中,OFDM技术作为重要的物理传输技术在其中发挥了关键作用。在此背景下,本文首先介绍了OFDM技术及该技术的核心优势,详细描述了OFDM技术在4G通信中的应用,其中包括信道估计、同步及同步误差分析、多址技术等技术关键难题。最后,分析了OFDM技术在4G通信应用过程中需要克服的技术难点。
王勋[10]（2017）在《第五代移动通信系统中链路自适应技术研究》文中提出随着第四代移动通信系统（4G）在全球规模的商用,第五代移动通信系统（5G）已经成为业界研究的热点。国际电信联盟ITU预计5G主要有三大应用场景:增强移动宽带、大规模机器通信和高可靠低时延通信。增强移动宽带是对传统4G系统性能的强化,而大规模机器通信和高可靠低时延通信是5G新拓展的场景,用来重点解决传统移动通信无法很好支持的物联网业务。为了适应未来新型的物联网业务以及移动互联网业务,5G还应具有更强的灵活性和可扩展性,以适应多样化的用户需求。大规模MIMO技术作为5G的关键技术之一将数倍提升多用户系统的频谱效率,对满足5G系统容量与速率需求起到重要的支撑作用。OFDM是4G系统的核心技术,但在5G的一些场景中却不再适用,为此5G系统有必要引入新的多载波技术。链路自适应技术作为提高系统整体性能的有效手段在以往通信系统中得到普遍适用。本文在大规模MIMO和新型多载波技术的基础上,研究面向5G链路自适应技术。首先,本文阐述了 5G的研究背景及意义,5G中的关键技术及链路自适应技术的发展和研究现状。较为详细的介绍大规模MIMO技术原理和OFDM、FBMC、UFMC这三种多载波技术的技术原理和优缺点。并在第二章最后介绍了面向5G链路自适应技术。接着针对面向5G的大规模MIMO-FBMC下行多用户移动通信系统,对于系统中的天线和子载波资源分配问题,在文中的第三章提出一种基于QoS速率需求的链路自适应方法,该方法考虑系统中用户存在多种不同的QoS速率需求,在尽可能满足所有用户不同QoS速率需求的前提下,最小化基站端使用的天线数和最大化系统的频谱效率。该方法假设基站端拥有所有用户理想的CSI,通过预先在系统中建立子载波分配表格,使得系统可以根据用户的QoS速率需求和地理位置信息直接查表获得所需子载波数,再根据所需子载波总数确定基站端天线。所提方法计算少,便于应用。最后在文中的第四章中,针对4GLTTDD帧结构中相对固定的配置方式,不能适应5G多样化业务需求的问题,提出一种将控制面和数据面分离的TDD帧结构,该帧结构能够实现快速的信令交换,能够灵活伸缩传输数据长度,在此帧结构的基础上,提出一种自适应帧长方法,该方法在满足业务时延要求的前提下,能够有效的提升吞吐量。
二、OFDM:4G中的OFDM关键技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、OFDM:4G中的OFDM关键技术（论文提纲范文）
（1）毫米波大规模MIMO系统中信道估计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 毫米波大规模MIMO系统与深度学习技术概述 |
| 2.1 毫米波技术 |
| 2.1.1 毫米波技术 |
| 2.1.2 毫米波的特征 |
| 2.2 大规模MIMO技术 |
| 2.2.1 大规模MIMO技术 |
| 2.2.2 大规模MIMO技术特征 |
| 2.2.3 射频链路技术 |
| 2.3 深度学习技术概论 |
| 2.3.1 卷积神经网络 |
| 2.3.2 生成对抗网络 |
| 2.4 本章小结 |
| 第三章 基于GCDN的信道估计算法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 GAN-CNN降噪的信道估计算法 |
| 3.3.1 GCBD框架 |
| 3.3.2 噪声模块提取 |
| 3.3.3 GAN噪声模块生成 |
| 3.3.4 深度卷积网络降噪 |
| 3.3.5 复杂度讨论 |
| 3.4 仿真结果 |
| 3.5 本章小结 |
| 第四章 基于FCDNet的信道估计算法 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 FCDAMP信道估计算法 |
| 4.3.1 全连接卷积去噪神经网络 |
| 4.3.2 基于学习的近似消息传递算法 |
| 4.3.3 非对称损失函数 |
| 4.3.4 理论分析 |
| 4.3.5 复杂度讨论 |
| 4.4 仿真结果 |
| 4.5 本章小结 |
| 第五章 基于3D-CoSaMP信道估计算法 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 OTFS时间频率域调制 |
| 5.2.2 OTFS时延多普勒域调制 |
| 5.2.3 大规模MIMO-OTFS调制 |
| 5.2.4 3D结构的时延多普勒角度信道 |
| 5.3 基于3D-CoSaMP的信道估计算法 |
| 5.4 仿真结果 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所发表的学术论文 |
（2）面向感知通信一体化系统的时间资源分配方法与可靠传输技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 感知通信一体化设计 |
| 1.2.2 多普勒频偏估计和补偿算法 |
| 1.3 论文的主要工作及章节安排 |
| 第二章 面向感知通信一体化系统的时间分配策略研究 |
| 2.1 研究场景 |
| 2.2 系统时分架构设计 |
| 2.2.1 时延敏感数据 |
| 2.2.2 动态帧结构设计 |
| 2.3 系统建模 |
| 2.3.1 系统性能评估指标 |
| 2.3.2 目标函数 |
| 2.4 基于非合作博弈的时间资源分配方法 |
| 2.4.1 纳什均衡分析 |
| 2.4.2 集中式时间资源分配算法 |
| 2.4.3 分布式时间资源分配算法 |
| 2.5 仿真与结果分析 |
| 2.6 本章小结 |
| 第三章 面向感知通信一体化系统的多普勒频偏估计和补偿算法研究 |
| 3.1 研究场景 |
| 3.2 系统建模 |
| 3.3 高动态环境的多普勒频偏估计算法 |
| 3.3.1 基于数据辅助的多普勒频偏估计 |
| 3.3.2 基于帧结构设计的算法性能分析 |
| 3.3.3 估计算法的CRLB分析 |
| 3.4 基于数据辅助的多普勒频偏补偿算法 |
| 3.5 仿真与结果分析 |
| 3.5.1 平台搭建及仿真参数设置 |
| 3.5.2 仿真结果及性能分析 |
| 3.6 本章小结 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（3）OFDM子信道数目可变的自适应通信系统研究及其关键电路设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 Adhoc网络简介 |
| 1.1.1 技术起源 |
| 1.1.2 技术特点和面临的技术问题 |
| 1.2 OFDM技术的发展历史及研究现状 |
| 1.3 本文主要研究工作 |
| 1.4 本文章节安排 |
| 第二章 无线信道 |
| 2.1 无线信道的多径衰落 |
| 2.2 Adhoc网络中的信道 |
| 2.3 小尺度衰落信道模型简介 |
| 2.3.1 AWGN信道 |
| 2.3.2 瑞利衰落信道 |
| 2.3.3 莱斯衰落信道 |
| 2.4 小结 |
| 第三章 信道估计和自适应调制 |
| 3.1 信道估计基本原理 |
| 3.2 OFDM信道估计的常用方法 |
| 3.3 导频形式的选择 |
| 3.4 信道估计算法 |
| 3.4.1 最小二乘(LS)算法 |
| 3.4.2 最小均方误差(MMSE)算法 |
| 3.5 自适应调制技术 |
| 3.6 自适应调制OFDM子信道数目理论研究 |
| 3.7 小结 |
| 第四章 自适应OFDM子信道数目分配的通信性能仿真 |
| 4.1 OFDM系统仿真平台设计 |
| 4.2 各模块设置及主要参数 |
| 4.3 仿真结果与分析 |
| 4.3.1 AWGN+瑞利信道下的仿真结果 |
| 4.3.2 AWGN+莱斯信道下的仿真结果 |
| 4.4 小结 |
| 第五章 可变点数FFT硬件设计 |
| 5.1 引言 |
| 5.1.1 FFT算法的发展 |
| 5.1.2 基于Cooley-Tukey算法的FFT算法 |
| 5.1.3 其他FFT算法 |
| 5.2 可变点数FFT硬件实现 |
| 5.2.1 FFT算法的特点 |
| 5.2.2 FFT处理器结构类型 |
| 5.2.3 旋转因子的生成 |
| 5.2.4 有限字长带来的精度问题 |
| 5.3 Cooley-Tukey算法实现的可变点数FFT硬件设计 |
| 5.3.1 可变点数FFT系统结构 |
| 5.3.2 64点FFT运算流程 |
| 5.3.3 蝶形运算单元结构 |
| 5.3.4 旋转因子生成方法 |
| 5.3.5 仿真与结果分析 |
| 5.3.6 逻辑综合 |
| 5.4 多种算法组合实现可变点数FFT硬件设计 |
| 5.4.1 设计思路 |
| 5.4.2 3780点FFT算法的硬件实现架构 |
| 5.4.3 仿真与结果分析 |
| 5.4.4 逻辑综合 |
| 5.5 小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
（4）基于深度学习的信道估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 信道估计的研究现状 |
| 1.2.1 传统信道估计算法的研究 |
| 1.2.2 基于深度学习的信道估计研究 |
| 1.3 本文的主要工作和结构 |
| 1.3.1 论文主要工作 |
| 1.3.2 论文组织结构 |
| 第2章 背景知识 |
| 2.1 相关概念及基本原理 |
| 2.1.1 深度神经网络 |
| 2.1.2 元学习算法策略 |
| 2.2 深度学习与智能通信 |
| 2.2.1 基于深度学习的信号检测 |
| 2.2.2 基于深度学习的信道估计 |
| 2.3 本章小结 |
| 第3章 基于元学习的OFDM信道估计算法研究 |
| 3.1 引言 |
| 3.2 系统模型与问题分析 |
| 3.3 信道估计方案设计 |
| 3.4 算法有效性分析 |
| 3.5 仿真实验 |
| 3.5.1 仿真参数说明 |
| 3.5.2 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 基于深度学习的大规模MIMO信道估计算法研究 |
| 4.1 引言 |
| 4.2 系统模型与问题分析 |
| 4.3 相关信道模型 |
| 4.4 信道估计方案设计 |
| 4.4.1 算法与方案设计 |
| 4.4.2 深度神经网络设计 |
| 4.5 仿真实验与实测数据验证 |
| 4.5.1 仿真参数说明 |
| 4.5.2 仿真结果与分析 |
| 4.5.3 实测数据验证 |
| 4.6 本章小结 |
| 第5章 结束语 |
| 5.1 论文工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（5）新型非正交多址接入与预编码技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 选题研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 非正交多址接入技术 |
| 1.2.2 MU-MIMO系统预编码技术 |
| 1.2.3 MU-MIMO系统用户调度方案 |
| 1.3 论文主要研究内容及结构安排 |
| 第二章 新型多址接入及预编码技术基本理论 |
| 2.1 新型多址接入技术研究 |
| 2.1.1 稀疏码分多址接入技术 |
| 2.1.2 多用户共享多址接入技术 |
| 2.1.3 图样分割多址接入技术 |
| 2.2 预编码技术研究 |
| 2.2.1 最小均方误差预编码 |
| 2.2.2 块对角化预编码 |
| 2.2.3 TH预编码 |
| 2.3 本章小结 |
| 第三章 基于通用滤波多载波的非正交多址接入技术研究 |
| 3.1 通用滤波多载波复用技术 |
| 3.1.1 新型多载波技术 |
| 3.1.2 UFMC系统模型 |
| 3.2 基于UFMC的非正交多址接入技术研究 |
| 3.2.1 UFMC-SCMA系统原理 |
| 3.2.2 UFMC-MUSA系统原理 |
| 3.2.3 UFMC-PDMA系统原理 |
| 3.3 仿真及结果分析 |
| 3.4 本章小结 |
| 第四章 一种基于信漏噪比的MU-MIMO系统预编码方案设计 |
| 4.1 系统模型 |
| 4.2 预编码方案 |
| 4.2.1 基于SLNR的预编码方案 |
| 4.2.2 混合预编码的设计问题 |
| 4.2.3 提出的基于特征向量和SLNR准则的预编码算法 |
| 4.2.4 信道自适应功率分配 |
| 4.3 仿真及结果分析 |
| 4.4 本章小结 |
| 第五章 基于信漏噪比准则的用户调度方案 |
| 5.1 MIMO下行蜂窝系统模型 |
| 5.2 用户调度方案 |
| 5.2.1 单点搜索算法 |
| 5.2.2 穷举搜索算法 |
| 5.2.3 贪婪用户搜索算法 |
| 5.3 基于SLNR的用户调度算法设计方案 |
| 5.4 算法复杂度与仿真结果分析 |
| 5.4.1 算法复杂度分析 |
| 5.4.2 平均和速率性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术成果 |
（6）GFDM调制检测算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 GFDM的概念及研究进展 |
| 1.2 GFDM索引调制的概念及研究进展 |
| 1.3 论文研究内容及安排 |
| 第二章 GFDM检测算法学习 |
| 2.1 GFDM基本原理 |
| 2.1.1 GFDM模型 |
| 2.1.2 GFDM调制 |
| 2.2 GFDM的三种线性检测算法及干扰消除算法 |
| 2.2.1 匹配滤波检测算法 |
| 2.2.2 迫零检测算法 |
| 2.2.3 最小均方误差检测算法 |
| 2.2.4 基于MF检测的干扰消除算法 |
| 2.2.5 仿真结果及性能分析 |
| 2.3 基于MIMO-GFDM的期望传播检测算法 |
| 2.3.1 MIMO-GFDM模型 |
| 2.3.2 期望传播检测算法 |
| 2.3.3 仿真结果及性能分析 |
| 2.4 本章小结 |
| 第三章 GFDM-IM检测算法研究 |
| 3.1 GFDM-IM基本原理 |
| 3.1.1 GFDM-IM模型 |
| 3.1.2 GFDM-IM索引选择器实现方法 |
| 3.2 最大似然检测算法 |
| 3.2.1 算法介绍 |
| 3.2.2 仿真结果及性能分析 |
| 3.3 三种线性检测算法在GFDM-IM的推广 |
| 3.3.1 仿真结果及性能分析 |
| 3.4 消息传递检测算法 |
| 3.4.1 GFDM-IM的MP检测算法 |
| 3.4.2 简化的MP检测算法(SMP) |
| 3.4.3 仿真结果及性能分析 |
| 3.5 近似消息传递检测算法 |
| 3.5.1 GFDM-IM的AMP检测算法 |
| 3.5.2 仿真结果及性能分析 |
| 3.6 复杂度及谱效率分析 |
| 3.6.1 复杂度分析 |
| 3.6.2 谱效率分析 |
| 3.7 本章小结 |
| 第四章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）大规模MIMO信道状态信息获取与传输方案优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语与数学符号注释表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 大规模MIMO技术特性概述和研究现状 |
| 1.2.1 大规模MIMO以及毫米波MIMO系统信道状态信息获取 |
| 1.2.2 高频大规模MIMO系统构架及其预编码和检测设计 |
| 1.2.3 大规模MIMO密集组网 |
| 1.3 论文的研究内容和结构安排 |
| 第二章 大规模MIMO FDD系统中信道状态信息获取 |
| 2.1 引言 |
| 2.2 系统模型 |
| 2.3 基于波束块结构压缩感知的联合信道估计 |
| 2.3.1 波束块结构信道估计问题描述与求解 |
| 2.3.2 导频块相关性分析 |
| 2.3.3 用户分组 |
| 2.4 基于压缩采样理论的信道量化反馈方案设计 |
| 2.4.1 信道幅度量化与反馈 |
| 2.4.2 信道相位量化与反馈 |
| 2.4.3 量化误差分析 |
| 2.5 仿真结果与分析 |
| 2.5.1 基于波束块结构的信道估计 |
| 2.5.2 基于量化反馈的信道估计 |
| 2.6 本章小结 |
| 2.7 附录 |
| 2.7.1 定理1的证明 |
| 2.7.2 引理3的证明 |
| 2.7.3 定理2的证明 |
| 第三章 基于时延预补偿的单载波毫米波数模混合预编码设计 |
| 3.1 引言 |
| 3.2 信道模型与单载波传输系统模型 |
| 3.2.1 信道模型 |
| 3.2.2 单用户系统中基于时延预补偿的单载波传输模型 |
| 3.2.3 多用户系统中基于时延预补偿的单载波传输模型 |
| 3.3 单用户系统下问题描述与预编码设计 |
| 3.3.1 单用户系统下问题描述 |
| 3.3.2 单用户MISO系统全数字预编码设计 |
| 3.3.3 有限射频单元下的联合码字选择与预编码设计 |
| 3.4 多用户系统下问题描述与预编码设计 |
| 3.4.1 问题描述 |
| 3.4.2 全数字预编码设计 |
| 3.4.3 联合码字选择与预编码设计 |
| 3.4.4 联合码字选择与预编码设计的修正解 |
| 3.5 仿真结果与分析 |
| 3.5.1 单用户系统 |
| 3.5.2 多用户系统 |
| 3.6 本章小结 |
| 3.7 附录：等式 (3.47) 的证明 |
| 第四章 毫米波透镜阵列系统联合天线选择与波束成型设计 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.2.1 透镜天线阵列 |
| 4.2.2 多用户毫米波透镜MISO信道模型 |
| 4.3 单载波路径时延预补偿传输 |
| 4.3.1 单用户系统单载波路径时延补偿 |
| 4.3.2 多用户系统 |
| 4.4 单用户系统下联合天线选择与波束成型设计 |
| 4.4.1 全数字波束成型设计 |
| 4.4.2 有限射频通道数目下的联合天线选择与波束成型设计 |
| 4.5 多用户系统下联合天线选择与波束成型设计 |
| 4.5.1 全数字波束成型设计 |
| 4.5.2 有限射频通道数目下的联合天线选择与波束成型设计 |
| 4.6 仿真实验与结果分析 |
| 4.6.1 单用户系统 |
| 4.6.2 多用户系统 |
| 4.7 本章小结 |
| 第五章 多子阵毫米波通信系统中联合子阵选择与预编码设计 |
| 5.1 引言 |
| 5.2 信道模型与单载波传输系统模型 |
| 5.2.1 时域毫米波信道模型 |
| 5.2.2 时延预补偿的单载波传输模型 |
| 5.3 问题描述与预编码方案设计 |
| 5.4 仿真实验与结果分析 |
| 5.5 本章小结 |
| 第六章 雾接入网络中以内容为中心的多播传输方案设计 |
| 6.1 引言 |
| 6.2 网络模型与假设 |
| 6.2.1 预提取和缓存模型 |
| 6.2.2 前程链路传输模型 |
| 6.2.3 接入链路传输模型 |
| 6.3 问题描述 |
| 6.3.1 缓存文件传输时延问题建模 |
| 6.3.2 未缓存子文件传输时延问题描述 |
| 6.4 优化算法设计 |
| 6.4.1 缓存子文件时延的优化算法设计 |
| 6.4.2 未缓存于边缘节点的子文件传输优化设计 |
| 6.5 仿真实验与分析 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文工作总结 |
| 7.2 未来研究展望 |
| 7.3 结束语 |
| 致谢 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 作者攻读博士学位期间参加的项目 |
（8）SM-GFDM系统及其信号检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文内容和结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 SM-GFDM系统模型分析 |
| 2.1 引言 |
| 2.2 SM系统模型原理及分析 |
| 2.3 GFDM系统模型原理及分析 |
| 2.4 SM-GFDM系统模型及优化 |
| 2.5 仿真分析 |
| 2.6 本章小结 |
| 第3章 基于矩阵稀疏性的低复杂度检测算法 |
| 3.1 引言 |
| 3.2 矩阵稀疏性原理 |
| 3.3 传统GFDM信号检测算法 |
| 3.3.1 匹配滤波检测算法 |
| 3.3.2 迫零检测算法 |
| 3.3.3 最小均方误差检测算法 |
| 3.3.4 传统信号检测算法性能仿真 |
| 3.4 低复杂度信号检测算法 |
| 3.4.1 基于矩阵稀疏性的MF接收机检测 |
| 3.4.2 基于矩阵稀疏性的ZF接收机检测 |
| 3.4.3 基于矩阵稀疏性的MMSE接收机检测 |
| 3.5 几种基于矩阵稀疏性的接收机的复杂度分析 |
| 3.6 仿真分析 |
| 3.7 本章总结 |
| 第4章 基于动态M值的改进M-ML检测算法 |
| 4.1 引言 |
| 4.2 SM信号检测算法 |
| 4.2.1 最大似然检测算法 |
| 4.2.2 匹配滤波检测算法 |
| 4.2.3 MMSE检测算法 |
| 4.2.4 传统检测算法性能仿真 |
| 4.3 SM-GFDM系统信号检测算法 |
| 4.4 M-ML检测算法 |
| 4.5 改进的M-ML检测算法 |
| 4.6 检测算法复杂度分析及性能仿真 |
| 4.6.1 算法复杂度分析 |
| 4.6.2 仿真结果及其分析 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 展望与下一步工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（9）OFDM技术在4G移动通信系统中的应用（论文提纲范文）
| 1 OFDM技术 |
| 2 OFDM技术的优势 |
| 3 OFDM技术在4G中应用的关键技术 |
| 3.1 信道估计 |
| 3.2 同步及同步误差 |
| 3.3 OFDM和多址技术的结合 |
| 3.4 MIMO和OFDM的结合 |
| 4 需要克服的缺陷 |
| 5 结语 |
（10）第五代移动通信系统中链路自适应技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 符号说明 |
| 第一章 绪论 |
| 1.1 5G研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 5G中的关键技术 |
| 1.2.2 链路自适应技术的发展及研究现状 |
| 1.3 本文研究内容及章节安排 |
| 第二章 5G物理层技术和链路自适应技术 |
| 2.1 大规模MIMO技术 |
| 2.1.1 传统MIMO及其信道容量 |
| 2.1.2 大规模MIMO技术原理 |
| 2.2 新型多载波技术 |
| 2.2.1 OFDM原理 |
| 2.2.2 FBMC原理 |
| 2.2.3 UFMC原理 |
| 2.3 面向5G的链路自适应技术 |
| 2.3.1 大规模MIMO系统中的链路自适应技术 |
| 2.3.2 面向5G的TDD帧结构 |
| 2.4 本章小结 |
| 第三章 一种基于QoS速率需求的大规模MIMO-FBMC下行链路自适应资源分配方法 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 基于QoS速率需求的天线和子载波自适应分配方法 |
| 3.4 系统仿真与结果分析 |
| 3.5 本章小结 |
| 第四章 一种面向5G基于Self-Contained TDD帧结构的自适应帧长方法 |
| 4.1 引言 |
| 4.2 系统模型和帧结构 |
| 4.3 基于Self-Contained TDD帧结构的自适应帧长方法 |
| 4.3.1 数学模型 |
| 4.3.2 吞吐量分析 |
| 4.3.3 自适应帧长方法 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者简介（包括论文和成果清单） |
四、OFDM:4G中的OFDM关键技术（论文参考文献）
- [1]毫米波大规模MIMO系统中信道估计研究[D]. 母一凡. 内蒙古大学, 2021(12)
- [2]面向感知通信一体化系统的时间资源分配方法与可靠传输技术研究[D]. 孙慧晴. 北京邮电大学, 2020(05)
- [3]OFDM子信道数目可变的自适应通信系统研究及其关键电路设计[D]. 万超. 西北大学, 2020(02)
- [4]基于深度学习的信道估计算法研究[D]. 毛恒熙. 中国科学技术大学, 2020(01)
- [5]新型非正交多址接入与预编码技术研究[D]. 赵金鑫. 广西大学, 2019(01)
- [6]GFDM调制检测算法研究[D]. 牛源. 西安电子科技大学, 2019(02)
- [7]大规模MIMO信道状态信息获取与传输方案优化设计[D]. 黄伟. 东南大学, 2018(01)
- [8]SM-GFDM系统及其信号检测算法研究[D]. 邵海宁. 重庆邮电大学, 2018(01)
- [9]OFDM技术在4G移动通信系统中的应用[J]. 姜喜宽. 数字技术与应用, 2017(07)
- [10]第五代移动通信系统中链路自适应技术研究[D]. 王勋. 东南大学, 2017(04)