论文部分内容阅读
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)通过在基站配置大量天线可以显著提升频谱效率,但其性能的提升严重依赖于信道参数信息,因此信道参数估计是通信系统性能提升的关键。但是绝大部分大规模MIMO通信系统中信道参数估计工作面临计算复杂度极高和无法实现多信道参数联合估计的问题。针对此问题,本文深入研究了不同大规模MIMO信道模型下低复杂度信道参数估计。本文取得的主要研究成果如下:1、研究了大规模MIMO系统的到达角估计问题。针对低复杂度的上行到达角估计,提出了一种基于空间相关性的到达角估计方法。由于基站天线之间的相关性,每个用户与不同基站天线处的信道只相差一个相位。据此,我们通过计算相邻基站天线之间的相位偏移实现了每个用户到达角的估计。我们从理论上证明了所提到达角估计是无偏估计,且仿真结果表明,相比经典的旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT),尤其是在天线数较大时,所提方法具有估计精度更高和计算复杂度更低的优势。2、在上行大规模MIMO系统中研究了导频污染下到达角和衰落系数的联合估计问题。在多小区场景下,提出了一种基于因子分析的信道参数估计方法,基于大规模MIMO不同基站天线之间的相关性,建立了信道的正交因子模型,并通过因子分析方法实现了到达角和衰落系数的联合估计。所提方法可以有效减少噪声和导频污染对估计性能的影响。仿真结果表明,与多个经典方法相比,所提方法以较低的计算复杂度实现了估计精度的显著提升。3、研究了大规模MIMO系统中到达角、时延和衰落系数的联合估计问题。针对多小区大规模MIMO系统,提出了一种基于平行因子(Parallel Factor,PARAFAC)分析的信道参数联合估计方法。首先,我们将大规模MIMO信道建模为三个等效的PARAFAC模型,并进一步证明了该模型中三个信道参数的唯一性。然后,基于该模型,我们将多参数联合估计问题建立为具有三个耦合变量的优化问题,并得到近似最优解。最后,提出了两种低复杂度的改进方法。仿真结果表明,与经典ESPRIT相比,所提方法估计性能得到显著提升,并接近理论上可实现的最佳性能;且尤其是在天线数很大时,三种所提方法的计算复杂度均明显小于ESPRIT的计算复杂度。4、研究了大规模MIMO系统的时变信道参数估计问题。针对频分复用(Frequency Division Duplexing,FDD)系统的下行时变信道,提出了一种基于上下行传播路径互易性的下行信道参数估计方法。首先,我们将每条传播路径参数化为到达角、时延和衰落系数,基于上下行传播路径互易性,利用上行信道参数对下行信道参数进行估计。所提方法包括三个步骤:到达角、时延和衰落系数估计、衰落系数跟踪和预测。仿真结果表明所提方法的估计精度较高;且由于我们对遗忘因子方法进行了优化以加速收敛,所提方法计算复杂度较低。因此,针对不同场景下大规模MIMO通信系统,提出了4种多信道参数估计方法,以较低的计算复杂度实现了较高的估计精度。