论文部分内容阅读
大规模多输入输出(Massive Multiple-Input Multiple-Output,MIMO)技术作为5G的关键技术在多输入多输出的基础上增加发射端天线数目,充分利用空间资源来服务于更多的用户。以此来提高系统的频谱利用率,增加系统的容量和吞吐量。同时由于天线数的增多用户数目的增大,系统的干扰也随之增大,这些干扰主要包括噪声干扰、用户间的干扰和小区间的干扰。为了抑制这些干扰就必须采取一些信号处理技术。但是由于用户终端的功耗和处理能力有限,所以基于发射端的预编码技术成为下行链路的主要抑制干扰的技术。本文以此为背景,从传统MIMO中的经典预编码技术出发来研究适用于大规模MIMO系统的预编码算法。首先,本文从传统的MIMO系统为基础来介绍它的工作方式信道容量和信道特性。当天线数和用户数增多以后大规模MIMO系统的信道特性将会发生变化,噪声和干扰也会变得不同,信号处理方式也会随之改变。然后,本文从预编码的原理出发详尽介绍了较为经典的线性预编码算法,主要有迫零预编码、最小均方误差预编码算法和基于奇异值分解的预编码算法。随后又介绍了两种有代表性的非线性预编码算法,脏纸算法(Ditry Paper Coding,DPC)和Tomlinson-Harashima Precoding(THP)算法。对这些线性和非线性算法进行仿真并对比分析。发现当发射端天线数增加到大规模天线阵列的数量时采用简单的线性预编码就可以达到使用脏纸非线性预编码所能达到的理性系统容量。由于非线性预编码的复杂度高限制其在大规模MIMO系统中的应用,从而得出结论在大规模MIMO系统中可以采用复杂度相对简单的线性预编码是合理可行的。随后本文在TDD模式下的单小区多用户场景下对经典的块对角线算法进行改进,提出了LO-BD(Linear Optimized-Block Diagonal)算法。针对传统的块对角线算法在低信噪比下误码率较高这一不足,在块对角线算法的基础上加入了噪声影响因子,虽然损害了低信噪比时用户信道之间的正交性但是却提高了算法在对抗噪声的鲁棒性。并考虑到大规模MIMO系统的所带来的功率增益和用户终端单天线的实际情况,减少了BD(Block Diagonal)算法中的奇异值分解次数从而降低BD算法的复杂度。通过仿真对比也验证了在低信噪比下与传统的BD算法相比,LO-BD算法更具有优势。虽然与BD算法相比,LO-BD算法的复杂度有所降低,但是仍然涉及到矩阵转置求逆和奇异值分解算法。为了能够更好的适应大规模MIMO系统,需要降低该算法的复杂度。最后本文提出了一种基于QR分解的QR-BD算法,该算法利用QR分解来代替奇异值分解,从而抑制了用户间的干扰。通过仿真对比,本文提出的QR-BD算法在损失了些许性能的条件下复杂度仅为BD算法的1/K,符合了大规模MIMO系统的传输需求。