论文部分内容阅读
无线通信技术的飞速发展及人们日益增长的对通信数据流量的需求加速了5G时代的到来。作为下一代无线通信系统的关键技术之一,大规模MIMO系统因其超高的频谱利用率及超强的鲁棒性,受到了业内人士的广泛关注。同时,波束成形技术是大规模MIMO系统中减小干扰,提高系统性能的可行技术,而用户的角度信息是该技术得以顺利实施的必要前提,对用户角度信息的精确估计方法,即DOA估计算法,对大规模MIMO系统有着至关重要的意义。目前已存在许多DOA估计算法,其中MUSIC算法与ESPRIT算法因其超高的分辨率,受到了业内学者的青睐。但在大规模MIMO系统中,众多的天线数量所带来的超高的复杂度将使得它们难以继续应用。随后,PM算法被提出且因其无需对接收信号的协方差矩阵做特征值分解,起运算复杂度远远低于MUSIC算法与ESPRIT算法。但在大规模MIMO系统中,参与运算的矩阵维数会随天线数量的增加而增加,因而其计算复杂度仍有待进一步降低。本文围绕大规模MIMO系统中低复杂度DOA估计算法展开探究,提出了可大幅度降低PM算法计算复杂度的改进方法,并以仿真实验验证其可行性。论文主要工作归纳如下:首先,论文详细介绍了阵列信号处理基础,阐述了均匀线性阵列等经典天线阵列模型及MUSIC、ESPRIT等经典DOA估计算法的基本原理。针对大规模MIMO系统,介绍了平面矩形阵列的系统模型及适用于该模型的PM算法,分析其计算复杂度。针对二维DOA估计问题中可能存在的估计参数不匹配问题,提出一种适用于PM算法的参数估计匹配方法,以消除当入射信号数目大于1时可能产生的模糊误差。其次,大规模MIMO系统中,众多的天线数量将使得参与DOA算法运算的矩阵维数过高,因此而产生的计算复杂度将严重影响系统性能。针对该问题,提出四分传播算子算法,利用对接收信号协方差矩阵的对称分块处理,在保留阵列方向矩阵中的线性关系的同时减小了参与运算的矩阵维数,从而大大降低了运算复杂度。另外,二维DOA估计问题中,PM算法需要重建系统模型,从而产生过多的计算量。针对该问题,提出双传播算子算法,通过对接收信号协方差矩阵的非对称分块处理,在减小参与运算的矩阵维数的同时,避免了对系统模型的重建,因而计算复杂度得以有效降低。