随着智能终端、多媒体业务和移动互联网的飞速发展,越来越多的数据业务发生在室内环境下,对未来移动通信系统在室内场景下的峰值数据速率和频谱效率等提出了前所未有的挑战。增加系统可用带宽和使用高频谱效率传输技术是解决上述问题的有效方法。由于频谱资源日益紧张,在现有频谱划分的基础上,只有在高频段(例如3.5GHz及更高频段)存在可供移动通信系统使用的频谱资源。MIMO技术在不增加系统带宽和发射功率的情况下,可有效地提高系统频谱效率,而室内场景具有反射散射体丰富、信道慢变等特点,为MIMO技术室内应用提供了有利条件。因此,基于高频段信道测量数据研究闭环MIMO及其白适应技术,对于解决实际系统遇到的问题具有重要意义。论文的主要工作和创新包括：(1)基于信道测量的室内MIMO信道容量研究：基于典型室内场景MIMO信道测量数据,在固定接收端信噪比和固定发射功率假设下研究了不同传播条件下信道容量特性,及其对平均信道容量的影响。测量结果表明固定接收端信噪比时,LOS场景下可获得较高的平均信道容量,但LOS场景下信道容量比NLOS场景时对收发天线阵列相对几何位置更加敏感,从而验证了高频段室内MIMO技术可用性。另外,讨论了大尺度路损对信道容量的影响。(2) LOS MIMO信道容量优化理论研究：基于Wishart理论推导了使用可配置天线阵列时LOS MIMO信道特征值联合概率密度函数表达式,并在此基础上得到了信道互信息矩生成函数和平均互信息的精确表达式。理论研究了依据信噪比改变天线阵列来最大化信道容量方案的性能,最后通过仿真结果验证了提出的理论的正确性。结果表明,当收发天线阵列单元数增加时,可配置天线阵列方案获得的容量增益也相应增加,说明该技术在高频段室内无线接入、短距离通信等实际场景中具有较好应用潜力。(3)基于信道测量的闭环复用码本性能研究：针对基于量化码本的闭环MIMO系统,推导了波束赋形和满秩复用传输码本容量损失精确表达式。利用码本容量损失理论得到低复杂度码本选择准则,其中满秩复用的码本选择准则也可用于多用户MIMO’隋形,从而降低用户间干扰水平。基于典型室内场景MIMO信道测量数据,在两种典型的信道条件下研究了码本容量损失与复用子流数和信道条件的关系,并在真实信道环境下评估了不同码本选择准则性能、MIMO关键信道参数频域相关性以及信道频域反馈间隔与性能关系等。结果表明使用ZF或MMSE线性接收机时,高信噪比条件下码本容量损失与信噪比无关,由复用子流数和信道条件数决定,复用子流数增加时容量损失增加且信道条件数越大容量损失也越大。目前LTE标准中针对波束赋形设计的复用码本是近似容量无损的,而满秩复用码本则会带来很大容量损失,且相对于开环复用带来的容量增益有限。另外,随着信道状态信息频域反馈间隔的增加,会产生“容量平台”效应。上述内容对于室内MIMO技术增强研究提供了关键性基础依据。(4)码本平均容量损失曲线拟合理论研究：基于信道测量数据首次提出了码本平均容量损失曲线拟合理论。结果表明波束赋形码本容量损失主要受发射天线数影响,在码本维数相同的情况下发射天线数增加时码本容量损失也会相应增加,而波束赋形码本平均容量损失可拟合为最小信道特征值的多项式函数。满秩复用码本容量损失则主要受码本维数影响,码本维数增加可有效抑制子流间干扰水平从而减小容量损失,目前LTE标准中使用的2×2码本在满秩复用时存在容量损失的“截断”效应,即容量损失存在下界值,在实际系统设计中应该去避免出现类似的现象。满秩复用码本平均容量损失可拟合为最小信道特征值的幂函数。利用提出的码本平均容量损失曲线拟合理论,结合容量损失定义式,得到了高信噪比条件下使用有限维码本时波束赋形和满秩复用传输信道遍历容量的简单表达式。由于码本量化误差不确定性的影响,直接理论研究信道容量变得非常困难,利用本文提出的码本平均容量损失和信道遍历容量近似理论,可有效地解决上述难题,为基于信道测量数据研究MIMO信道容量开辟了新思路和方法。(5)基于信道测量的闭环MIMO传输模式自适应切换研究：针对天线配置为N×2的闭环MIMO系统,提出了基于信道测量数据提取MIMO复用模式自适应切换参数的框架理论。MIMO复用模式切换准则可表达为最小信道特征值和信噪比的多项式函数,根据函数的正负性选择不同传输模式,且多项式函数在DSP等硬件平台中可通过简单的乘加运算实现。本文提出的理论给出了自适应模式选择与信道条件的数学关系。利用提出的码本平均容量损失曲线拟合和信道遍历容量近似理论,给出了复用模式切换高信噪比条件下分析方法,证明了本文提出的复用模式切换算法等效于以信道遍历容量为目标的切换准则。最后,仿真结果表明提出的自适应复用模式切换算法是近似容量无损的,并且基于信道测量和信道模型验证了其一般性,即在不同频段、场景和天线极化方式下均可应用。对于更多的发射天线数(例如8个)以及新的码本设计,提出的自适应参数提取框架以及分析方法也具有通用性,从而得到实用的低复杂度自适应算法。