随着移动通信网络的快速发展,用户对网络速率的要求越来越高。大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术依靠基站配置大量天线,显著提高了数据传输速率,成为通信领域的研究热点之一。为了提升频谱效率、降低干扰,基站需要对发射信号进行预处理。这就要求基站必须提前获知精确的下行链路信道信息。在大规模MIMO系统中,基站端配置的天线数目可以达到数百根。由于天线数目太大,需要估计的信道参数很多。当系统工作在频分复用模式下,移动用户不能用传统信道估计算法实时准确地完成信道估计任务。除此之外,移动用户把估计的下行链路信道信息反馈给基站也是一个难题。因此本文主要研究了如何利用信道稀疏特性,借助于压缩感知技术来估计信道信息。为了降低反馈量,论文还研究了压缩和解压缩技术。主要研究内容叙述如下。第一,提出期望修剪匹配追踪(Expectation Prune Matching Pursuit,EPMP)算法和加权匹配追踪(Weighted Matching Pursuit,WMP)算法用于提高信道估计精度。匹配追踪算法进行稀疏信号重建时,首先估计稀疏信号支撑集(非零元素位置集合),再计算对应支撑集元素位置上的稀疏信号元素值。支撑集中元素选择方式是“只进不出”,即使误选了一个位置元素也不能在后续处理过程中删除它,从而造成稀疏信号估计精度的降低。针对该问题,本文提出EPMP算法。在信道每一个稀疏度下,先把与当前残差信号内积较大的原子(感知矩阵列矢量)所在位置添加到支撑集中,组成一个扩大的支撑集。然后对扩大支撑集中的元素进行筛选,利用重复检测的方法剔除可能选错的位置并确定最佳支撑集。接着计算各个稀疏度最佳支撑集对应信道的估计值和相对发生概率,由此计算信道的数学期望并作为信道最终的估计值。仿真结果表明,EPMP算法可以保证估计精度并具有更低复杂度。论文还分析了EPMP算法估计信道的均方误差范围,推导出其理论上界和下界的闭式解。匹配追踪算法进行稀疏信号重建时,在每次的迭代处理中计算稀疏信号一个或数个位置上的元素估计值,并用这些估计值组成最终的稀疏信号估计结果。由于各次迭代中的噪声和误差影响各不相同,对各次迭代中得到的估计值不加区分的处理方式降低了稀疏信号估计精度。为此本文提出WMP算法,依据各次迭代中估计值所包含真实值和误差的比例关系,给各次迭代过程中得到的中间结果赋予不同的权值。依据真实值和误差随迭代次数的变化规律,动态调整各次迭代中的权值大小。实验结果表明设置合适权值可以更精确地估计信道。第二,设计下行链路信道反馈方案用于降低反馈量。基站进行预编码处理时,需要移动终端用户向基站反馈下行链路信道信息。由于信道信息量过大,在实际中无法直接实时反馈。为此本文提出一种降低信道反馈量的方案。用户首先把估计的信道压缩,然后再把它反馈给基站。基站收到压缩数据后,通过解压缩重建下行链路信道。为了提高基站重建信道的精度,利用基站天线之间的相关性,设计了一种KSVD(K-Singular Value Decomposition)字典。基站利用该字典可以降低信道稀疏表示形式的稀疏度,进而能够在信道重建过程中得到较高的估计精度。论文还分析了在单小区和多小区场景下,基站利用重建的下行链路信道进行匹配滤波预编码处理,当基站天线趋于无穷时的下行链路和速率的渐近性能。第三,提出导频间隔自适应调整的信道估计算法用于节省导频资源。大规模多输入多输出-正交频分复用系统的天线和子载波数目众多,传统导频插入方案中导频在时域和频域中的间隔固定,不能依据信道变化而自适应调整,从而造成导频开销的增加。针对该问题本文提出了一种导频间隔可自适应调整的正交匹配追踪(Adaptive Orthogonal Matching Pursuit,AOMP)信道估计算法。在上行链路,基站估计用户终端移动速度并据此调整下行链路导频时域间隔。在下行链路,用户采用压缩感知技术估计信道时域响应的最大时延,并反馈给基站用于调整下行链路导频频域间隔。算法还利用不同基站天线与相同移动用户之间信道的联合稀疏特性,改善信道估计精度性能。与固定导频间隔信道估计算法相比,AOMP算法能在保持估计精度的前提下节省导频资源。第四,改进虚拟稀疏信道估计算法用于改善估计性能。高阶MIMO系统信道通常情况下不具有显性稀疏特性,不能直接利用压缩感知技术估计信道。为此本文在虚拟稀疏信道模型之上,提出了一种基于压缩感知的信道估计算法。利用高阶MIMO系统信道在虚拟角度域具有的稀疏特性,设计具有简单结构的导频矩阵,利用贪婪重构算法估计出虚拟稀疏信道,然后再转换为实际的物理信道。通过合理设置虚拟信道参数减弱原子之间的相关性,最终实现了利用短导频序列准确估计高阶MIMO信道的目标。所提算法还根据信道状态变化动态调整导频序列长度,保证估计精度性能稳定。仿真结果证明了所提算法具有更高的估计精度。