论文部分内容阅读
大规模MIMO技术的众多优势使其成为5G通信的关键技术之一。随着天线的增多,信道矩阵维度越来越高,信道估计会更加复杂,这对信道估计算法提出了更高的要求。基于导频的信道估计方法较为简单,但导频污染会严重制约系统性能,因此研究低复杂度且能有效抗导频污染的信道估计算法就显得尤为重要。本文首先对无线信道衰落特性进行了简单的介绍,介绍了点对点大规模MIMO系统和多用户大规模MIMO系统模型。分析了无协作多小区大规模MIMO系统中存在的导频污染现象,并理论分析了导频污染产生的原因。接下来本文研究了三种基于导频的信道估计方法,其中贝叶斯信道估计方法利用了信道的统计特征,如到达角(AOA)信息,有较好的抗导频污染能力。最后通过仿真实验对比其与LS估计的性能,实验结果表明贝叶斯信道估计方法有着较好的抗导频污染能力。半盲信道估计算法仅仅需要很少的导频,这样就避免了导频污染。本文分析了基于EVD、SVD的半盲信道估计算法的原理,同时对算法的估计误差进行了推导分析。接着推导出模糊矩阵迭代计算的关系式,利用FRRH子空间跟踪算法减少了接收端信号自相关矩阵的信号子空间的计算量,然后给出了一种基于FRRH的半盲信道估计算法。通过仿真实验对这三种半盲信道估计算法的性能进行比较分析。由仿真结果得出,基于FRRH信道估计算法在牺牲较少估计性能的重要前提下,大大减少了算法的复杂度,更加适用于实际的大规模MIMO系统。