论文部分内容阅读
大规模天线(Massive Multiple Input Multiple Output,Massive MIMO)技术作为第五代(5th Generation,5G)移动通信系统的关键技术之一,能够提供更高的频谱效率和能量效率。与传统MIMO技术相比,Massive MIMO系统中基站天线数目可达数十或上百根。基站天线数目的增加会增大基站需要处理的信息量,从而提高了预编码的运算复杂度。为此,本文主要研究设计新的预编码方案,在保证性能的同时降低运算复杂度。具体内容如下:1)针对Massive MIMO迫零(Zero Forcing,ZF)预编码的高阶格拉姆(Gram)矩阵的求逆问题,本文利用Neumann级数将矩阵的逆转化为矩阵多项式的和,从而降低矩阵求逆运算的复杂度。为了进一步加快Neumann级数的收敛速度,本文将其与牛顿迭代法(Newton Iteration)进行结合,并推导出Neumann级数与牛顿联合迭代法的高概率收敛条件。仿真结果表明,Neumann-Newton迭代法与现有的Neumann级数展开法相比,具有更快的收敛速度。2)为了降低ZF预编码中高阶Gram矩阵求逆运算的复杂度,本文基于高斯塞德尔(Gauss-Seidel,GS)迭代法提出一种新的直接求逆算法--GSBMIA(GS-based Matrix Inversion Approximation)算法。为了进一步提升算法的收敛速度,本文提出GSBMIA与牛顿迭代的联合算法。GSBMIA算法能够为牛顿迭代法提供更高效的搜索方向,从而在迭代前期提升牛顿迭代法的性能,加快收敛速度。仿真结果表明,该联合算法与Neumann级数以及牛顿迭代法相比,不仅收敛更快,而且在天线数与用户数比率较低时仍然拥有优秀的误比特率(Bit Error Rate,BER)性能。3)针对Massive MIMO系统多小区协作预编码与功率控制问题,本文对最优的预编码与功率分配方案进行设计。首先,根据用户信号干扰噪声比(Signal-to-interference-plus-noise Ratio,SINR)推导出简约型优化问题的最优解应满足的必要条件,并据此将简约型优化问题转化成Perron-Frobenius特征系统问题;然后,借助上行-下行对偶性以及非负不可约矩阵的性质,优化预编码矩阵;最后利用交替优化得到全局最优的预编码与功率分配方案。仿真结果表明,本文算法能够很快收敛到最优,而且算法的结果与匹配滤波器(Matched Filter,MF)以及ZF预编码相比,拥有明显的性能优势。4)本文对多小区协作预编码与功率控制优化问题展开渐近分析。首先借助随机矩阵理论,推导出对偶上行链路用户SINR的渐近表达式,重新在渐近域内建立优化模型;然后,采用标准功率控制算法与非线性Perron-Frobenius理论求出优化问题的最优解,即渐近对偶上行功率。渐近对偶上行功率仅与二阶统计量有关,不需要随着快衰落信道的变化而更新,从而能够大幅降低信息交互的频率。仿真结果表明,渐近对偶上行功率能够反映最优上行功率的集中趋势,因此可以获得近似最优的性能。