大规模MIMO系统中的低复杂度传输方案研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:xiaomayc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大规模天线系统被认为是下一代5G通信的关键技术之一。在接收端配置有大规模天线阵列,大规模天线系统可以实现非常高的频谱和能量效率。大规模系统面临的一个挑战是对信道状态信息(Channel State Information,CSD的估计和导频污染的问题,随着天线数目的大量增加,信道信息估计复杂度非常高而变得不可以接受。所以我们需要考虑低复杂度和低开销的大规模天线系统。一些非相干的传输方法可以考虑,典型的的非相干检测器是差分检测(Differential Detection,DD),每个用户在发射端采用差分编码,接收端采用自相关接收机(Autocorrelation Receiver,AcR)进行差分检测,在缺少精确信道信息的条件下也能检测出信号。然而由于缺少信道信息,非相干检测的性能受到一定的制约,怎样设计合理高效的算法提高非相干检测性能是本论文研究的重点。在此情况下,论文研究大规模天线系统下的属于低复杂度范围内的非相干检测问题。论文的研究内容和创新点如下:1.大规模天线系统下的多符号差分检测(Multiple Symbol Differential Detection,MSDD)。MSDD一次检测多个符号,在许多实际的情景下,它可以渐进的达到相干检测的性能。本文将传统的基于单天线的MSDD扩展至接收端有大规模天线阵列的场景。2..大规模天线系统下的软入软出(Soft-inputSoft-output,SISO)MSDD。为了降低通信过程中信道的衰落、噪声和干扰的影响,进一步提高非相干系统的性能,我们可以结合信道编码。性能良好的信道编码,例如低密度奇偶校验码(Low Density Parity Check Code,LDPC)和 Turbo 码的迭代译码算法,依赖于检测器的软输出。大规模天线系统中现存的MSDD硬判决输出不适宜迭代译码,所以我们需要进一步研究在大规模天线系统下MSDD的软输出判决子,为进一步地与信道编码结合做准备。3.大规模天线系统下的非相干联合多符号差分检测与信道译码。将信道编码的因子图与SISOMSDD的因子图进行融合,提出的SISO MSDD可以很容易与性能良好的信道编码结合。该联合检测与译码模型,可以使符号的软信息在SISO MSDD和与SISO信道译码器中迭代,使得更为精确的符号先验信息进入检测器,同时使得进入译码的符号的后验信息也更为精确,译码性能进一步地提高。4.大规模系统下的非相干多用户传输方法。首先,在已知用户能量空间分布(Power Space Profile,PSP)的情况下,提出一个简单的用户调度策略,在这个策略下,可以减少不同用户在线性天线阵列上PSP的重叠。提出的用户调度策略只利用非常少的信道信息,几乎是盲的。接下来,接收端的信号经过一个低复杂度的多用户分离器后送入非相干的顺序干扰消除器,接下来送入一个联合检测与译码器。相对于传统的相干的大规模天线系统,提出的算法能够有效地克服信道估计的高复杂度问题而取得较好的性能。
其他文献
随着社会的快速进步和科技的迅猛发展,群体智能与人工智能的发展也越来越迅速,现在已经被广泛应用到社会生活的各个方面。群体智能优化算法具有分布性强、鲁棒性高和非直接通
伴随着移动互联网络的蓬勃发展,基于位置的服务逐渐渗透到人们的日常生活中,在物品存储、紧急救助、交通管理、个性化信息处理等领域展现出其强大的应用价值,极大地便利了人
集装箱水路运输作为一种运输量大、货物类型限制小、综合成本低廉的运输手段,在国际贸易中发挥着巨大作用。快速增长的集装箱吞吐需求在给港口创造巨大商业效益的同时也给港
从大量历史数据中挖掘出有用信息的可能性很久之前就被人们意识到了。然而应用场景往往产生大量数据,如果先把这些数据存储下来再进行分析,将会耗费大量的资源。尤其是在对实
随着网络应用技术的飞速发展和安全需求的不断增长,无线传感器网络源节点的位置隐私问题逐渐引起学者的关注,特别是基于随机路径和地理位置路由的安全方案。然而现有的基于随
在当前移动通信迅捷发展的背景下,随着智能手机、无线电脑等智能设备的普及,人们对于无线视频传输的需求越来越高,也更希望能够随时观看质量更好的视频,也因此人们对于无线视
软件定义网络(Software Defined Networking, SDN)的出现为网络的灵活管理提供了一个巨大的机会,也为网络路由算法的创新提供新的契机。随着SDN在实际大型网络拓扑以及广域网
随着物联网技术的不断发展,越来越多的传感器探测设备进入人们的视野,有些传感器能监测所处环境的温湿度,有些传感器能探测到远距离移动的目标,也有些传感器能实时的看到真实
基于视觉的目标检测技术可以被直接地应用到视频监控、安全驾驶、人机交互和互动娱乐等领域中,具有广泛的商业应用价值和市场前景,因而一直是计算机视觉和图像处理领域中的研
SDN (Software Defined Networking,软件定义网络)成为未来网络发展的重要方向之一,核心思想是实现控制与转发分离以及开放的可编程性,并不断优化和重构现有网络。SDN可靠性