论文部分内容阅读
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术与传统MIMO技术相比,具有更大的性能优势,被认为是第五代移动通信技术的关键技术之一。但要发挥大规模MIMO技术的优势,需要基站(Base Station,BS)和用户设备(User Equipment,UE)双方已知信道状态信息(Channel State Information,CSI)。BS端配置了大量天线,导致获取下行CSI所需的导频和反馈开销急剧上升,因此本文针对如何以低开销获取准确的下行CSI进行了研究。论文的主要研究内容及创新点如下:1.本文介绍了传统MIMO技术的特点以及分析了大规模MIMO的优势与挑战,并概述了一部分国内外关于大规模MIMO系统中CSI获取的研究现状。另外,分析了无线信道的衰落模型以及传统MIMO系统中常见的CSI获取方案。在此基础上分析了大规模MIMO系统中典型的信道估计和信道反馈方法。2.本文介绍了具有时间和空间相关性的大规模MIMO信道模型,提出基于时空相关性的下行CSI获取方案。该方案在UE端采用卡尔曼滤波技术提高信道估计质量,同时利用信道的相关性进行CSI降维,从而降低CSI反馈量。BS根据信道预测误差协方差矩阵来动态设计训练序列,从而提高信道估计质量。其中信道预测误差协方差矩阵由BS基于卡尔曼滤波技术获得,避免了该信息的反馈问题。仿真结果表明,与参考文献中的CSI获取方案相比,本文的方案可以获得更优的性能。3.本文分析了压缩感知的基本原理以及大规模MIMO-OFDM系统的角域信道模型和信道特征,研究角域信道的稀疏性和支撑集的时间相关性。在此基础上,提出基于压缩感知的CSI获取方案,包括两部分:未知支撑集的CSI获取和已知支撑集的CSI获取。未知支撑集的CSI获取部分,利用支撑集的先验信息和时间相关性,改进了迭代硬阈值算法和稀疏度自适应匹配追踪算法,从而提高信道估计性能。已知支撑集的CSI获取部分,利用角域信道的支撑集信息,有效地降低了导频开销,同时还给出了有效的导频设计和CSI反馈方案。