论文部分内容阅读
随着近几年移动通信的快速发展,4G已经实现了大规模商用,5G也开始得到各界广泛的关注。大规模MIMO作为5G的关键技术,在显著提高系统容量的同时,还能降低系统能耗,是目前移动通信研究的热点之一。在大规模MIMO系统中,用户端在干扰和噪声存在的情况下,如何较为精准的获得发送信号是一个关键问题。因此,本文主要对大规模分布式MIMO下行链路接收机技术进行了研究。首先,本文介绍了论文的研究背景及意义,分析了 MIMO技术发展历程,给出了本文所要研究的核心内容及相关研究的现状。然后,详细描述了本文中大规模分布式MIMO的系统结构,对上下行同步和传输过程分别进行了介绍,给出了试验系统相关的物理层参数及帧结构设计方案,根据系统中涉及到的一些参考信号作用及其设计思路进行了解释,对自适应传输方案进行了讨论。在实际的MIMO系统中,常见的检测包括线性检测和非线性检测。线性检测算法复杂度较低,但检测性能一般;而非线性检测复杂度较线性检测略高,检测性能也优于线性检测。与非线性的串行干扰抵消检测算法相比,基于LMMSE的软干扰迭代抵消检测可以进一步降低差错传播概率。在大规模MIMO下行链路接收机中,可以将其他用户的干扰加噪声当做有色噪声,本文还进一步给出了有色噪声下的软输入软输出检测器算法。根据仿真结果可以发现,有色噪声下SISO迭代检测可以有效提高检测性能。在本文的大规模分布式MIMO系统,由于基站侧采用了宽带信道状态信息的多用户预编码,用户侧可能还会存在残余的多用户干扰,用户侧收到的干扰加噪声分布不再是高斯白噪声。本章主要研究了 5G试验平台中下行链路传输方案,然后将软干扰抵消检测算法配合Turbo迭代译码进行迭代检测应用于本文的系统试验平台中。根据仿真结果表明,Turbo迭代接收机可以显著提升下行链路检测的性能。最后,根据GPP平台系统的特点,对基于GPP的5G大规模分布式MIMO系统进行性能优化。论文中的系统平台使用了多核处理器,利用多核多线程并行计算可以大幅度提高系统上下行链路传输和接收的运行速度。其次,我们还调用了 intelMKL库函数进行矩阵运算,给本平台的矩阵运算带来了极大的便利。借用intel性能分析工具对下行接收性能进行分析,通过测试结果表明,多线程并行运算和编译器优化可以大幅度提升代码测试速度。