论文部分内容阅读
大规模多输入多输出(Multiple input multiple output,MIMO)技术是第五代移动通信系统的关键技术之一,与传统MIMO技术相比,大规模MIMO技术具有能量效率高、频谱效率高以及性能稳定等优势。随着天线数量的增加,大规模MIMO系统信道估计的复杂度不断提高,现有的信道估计算法(例如:最小二乘法和最小均方误差法)不能满足大规模MIMO系统对信道估计准确性和简易性的要求。为了解决这些问题,本文基于压缩感知理论,研究了大规模MIMO系统的稀疏信道估计算法和导频优化算法,其主要研究内容如下:(1)针对大规模MIMO上行信道估计算法精度较低的问题,提出一种基于信道空间相关性的改进信道估计算法。首先,利用基站天线路径延迟近似相同的特点,通过在天线间共享路径延迟信息的方式,对路径延迟进行一致估计,提高路径延迟的估计精度。然后,针对大规模MIMO中天线路径可能不同的问题,对天线阵列进行合理分区,使每个区域内的天线路径延迟近似相同,并对各天线的路径延迟进行一致估计,提高路径延迟的估计精度。最后,利用判决反馈思想,将部分已检测数据作为导频,对路径增益进行迭代估计,提高路径增益的估计精度。仿真结果表明,与传统的子空间追踪(Subspacepursuit,SP)算法相比,所提出算法可提供10dB以上的信噪比(Signal noise ratio,SNR)增益。(2)针对贪婪算法估计精度较低的问题,提出一种基于同伦算法的改进信道估计算法。首先,对传统同伦算法进行加权处理,利用权值项代替同伦算法中的正则化参数项,并根据信道系数自适应地调整权值,提高算法的收敛速度。然后,通过在天线间共享权值信息,对权值进行一致估计,提高算法的收敛精度。针对同伦算法在复数域不收敛的问题,提出一种改进方法,使算法在复数域收敛,并给出理论分析,证明拓展方法的王.确性。最后,对算法的步长计算方法进行改进,降低算法复杂度。仿真结果表明,与贪婪算法相比,所提出算法可提供约6dB的SNR增益。(3)针对时分双工(Time division duplex,TDD)大规模MIMO下行信道估计导频开销较大的问题,提出一种基于信道互易性的改进信道估计算法。.利用TDD大规模MIMO上下行信道的路径延迟近似相同的特点,将上行信道路径延迟的估计值作为先验信息,辅助下行信道估计,以降低信道估计所需的导频开销。针对快时变信道中上下行信道的路径延迟可能不同的问题,根据上行信道路径延迟的估计值和路径延迟变化率,推导出下行路径延迟非零的概率,并依照概率对下行信道估计进行预处理,以达到降低导频开销的目的。仿真结果表明,与传统算法相比,所提出算法的导频开销可降低约20%。(4)针对导频分布直接影响大规模MIMO信道估计性能的问题,提出一种快速有效的导频优化方法。首先,利用大规模MIMO信道具有块结构的特点,基于压缩感知的块一致性(Block coherence,BC)准则,以导频矩阵的块一致值最小为目标函数,将导频优化问题转化为最优化问题。然后,分别提出了同步扰动随机逼近(Simultaneous perturbation stochastic approximation,SPSA)算法和交叉熵(Cross-entropy optimization,CEO)算法解决这个最优化问题。SPSA算法通过估计目标函数的梯度值,向目标函数最小的方向收敛,以寻找最优导频分布。CEO算法通过计算使目标函数最小的概率密度函数,寻找最优导频分布。仿真结果表明,与传统的等间隔分布法、穷举法以及随机分布法相比,在相同MSE的情况下,SPSA算法和CEO算法可提供5dB以上的SNR增益。