多天线技术是未来宽带无线通信系统中的关键技术之一,而集中式天线系统(CAS,Central Antenna System)和分布式天线系统(DAS,Distributed Antenna System)是移动通信系统中多天线技术的两种重要应用形式。本论文研究了移动通信系统中CAS和DAS多天线相关技术。 论文共分八章。第一章介绍了论文研究背景、研究内容及相关贡献。 第二章介绍了信道模型、多输入多输出(MIMO,Multi-Input Multi-Output)系统、DAS、多天线中的定位技术等。 第三章提出了适用于CAS MIMO空间复用技术的调制与检测的优化算法。首先,作者在研究了针对BLAST(Bell Lab's Layered Space Time,贝尔实验室分层空时码)系统接收端作串行干扰抵消(SIC,Successive Interference Cancellation)检测时所存在的错误传播现象,提出了一种新型的BLAST系统调制方案,即对先检测的信号选用抗噪声性能高的调制方式,而对后续检测的信号逐步选用频带利用率较高的调制方式,在不降低系统传输有效性的条件下,提高了系统传输可靠性。其次,本章中给出了一种天线能量优化分配方式,解决了采用SIC检测时检测顺序不同使得各天线上接收信号的分集度不同,能量平均分配不能保证系统容量最大的问题。最后,本文提出了一种ML与迫零(ZF,Zeros-Forcing)联合的检测算法,在保证BLAST系统中最大似然(ML,Maximum Likelihood)检测可以获得较其它检测方式更好的性能的条件下,显著降低了计算复杂度。 第四章对准正交空时分组编码(QOSTBC,Quasi-Orthogonal Space Block Time Codes)技术进行了研究。首先,在发送端进行QOSTBC操作之前对发送符号向量进行酉变换,该变换与信道状态信息(CSI,Channel State Information)无关,即使发送端不知道CSI,亦可实现信号的等效并行传输,从而简化了接收端检测算法；其次,本章提出了QOSTBC的最小均方误差(MMSE,Minimum Mean-Squared Error)检测算法,该算法避免了BLASTMMSE检测算法中的矩阵求逆运算,实现更加简洁；最后,受空间复用ML检测简化算法的启发,在不降低接收机性能的条件下,得到了QOSTBC的ML检测的简化算法。 第五章提出了用于高阶调制的格雷(Gray)码递归映射方法及比特软信息的递归提取算法。该算法可将任意的高阶正交幅度调制(QAM,Quadrature Amplitude Modulation)或脉冲幅度调制(PAM,Pulse Amplitude Modulation)算法转化成简单的二进制调制比特软信息的递归计算。最后,作者将上述方法应用到Turbo和LDPC(Low Density Parity Check,低密度奇偶校验)编码MIMO系统中,通过仿真验证了性能。 第六章主要对DAS的容量及DAS中网络编码技术作了研究。首先,作者利用Patnaik和Pearson两种近似分布得出了在给定路径损耗和阴影衰落下分布式天线系统容量的解析表达式,并以仿真说明了该分析结果比Jenson不等式更准确。如果选取合适的参数,具有闭式分布函数的K分布与没有闭式分布函数的Rayleigh-Lognormal分布的差异很小。本章还以K分布为基础分析了DAS的上行链路容量,将容量分析推广至广义DAS(GDAS,Generalized DAS)。本章最后研究了网络编码在DAS系统中的应用,通过引入网络编码和一种符号级网络编码及解调方法,DAS中的远程接入单元(RAU, Remote Access Unit)只需进行少量的数据处理,便可提高系统中多用户分集增益。 第七章提出了分布式天线系统中利用多普勒信息对移动台进行定位的基本原理和算法,由静态定位和动态定位两部分组成。其中,静态定位是由栅格搜索得到的,而动态定位则是通过RAU天线检测移动终端(MT,Mobile Terminal)的初始位置,以及瞬时移动速度和方向计算而完成。通过多普勒与到达时延差(TDOA,Time Difference of Arrival)的联合估计,可得到更准确的移动台定位。而采用扩展卡尔曼滤波法(EKF,Extended Kalman Filter)动态定位算法则有效地降低当前估计误差对后续时刻估计值的影响,从而较为精确地估计出终端的运动轨迹。 第八章对全论文进行内容总结,并展望了可以进一步研究的方向。