论文部分内容阅读
大规模多输入多输出(Massive Multiple-input Multiple-output,Massive MIMO)作为5G移动通信的关键技术之一,具有频谱效率高、能耗低、抗干扰等优势。毫米波因其波长短,能在很小的物理空间上部署大量天线,因此毫米波技术能与Massive MIMO技术有效结合而得到广泛应用。大规模天线和毫米波的引入对信道估计和预编码提出了新的挑战:大量未知信道参数使得导频开销巨大,剧烈的信号衰减使得信道估计精度降低,传统预编码算法的效率不够高。针对上述问题,本文研究了Massive MIMO系统的稀疏信道估计和混合预编码技术,主要研究成果如下。针对导频开销大的问题,研究了Massive MIMO系统的稀疏信道估计,从时间-空间-时延三个维度扩展挖掘无线信道的特性。在时间域上,利用复指数基扩展模型(Basis Expansion Model,BEM)模拟信道的时变性,减少待估计参数的数量;在空间域上,提出了广义空间BEM模拟信道的空间相关性,构造冗余基函数降低角度的能量泄漏;在时延域上,利用宽带无线信道的稀疏性,将信道估计建模为结构化压缩感知(Compressive Sensing,CS)问题,待恢复系数呈现准块稀疏特性。对于该问题,理论分析了测量矩阵的特性,将导频值和导频位置解耦优化;并提出了两种贪婪重构算法求解信道参数。其中,准块同时正交匹配追踪(Quasi-block Simultaneous Orthogonal Matching Pursuit,QBSO)算法将寻找非零块位置和计算未知参数分为两阶段,基于角度扩展的准块同时正交匹配追踪(Angle Spread based QBSO,AS-QBSO)算法在QBSO算法的基础上,利用先验的角度扩展信息提高角度分辨率。仿真结果表明:本文所提出的AS-QBSO算法相比最小二乘等经典估计方法,能够有效地降低9.8%的导频开销。针对信道估计精度低的问题,研究了毫米波MIMO系统预编码辅助的信道估计。本文将信道估计分解为角度估计和路径增益估计两个阶段。在角度估计阶段,利用毫米波信道在角度域的稀疏性,结合离散椭球BEM,将角度估计建模为块稀疏信号恢复问题;在此基础上,提出一种新型的贪婪重构算法,自适应缩小角度搜索空间,提高角度分辨率。在路径增益估计阶段,基于前一阶段估计的角度参数,利用启发式算法对导频符号模拟预编码和数字预编码解耦设计,最大化每条可分径对应的信号接收功率。仿真结果表明:本文所提出的方案相比经典块正交匹配追踪方案,能获得4 dB以上的信噪比增益。针对预编码算法效率低的问题,研究了混合结构自适应预编码和信道跟踪。本文对于经典混合预编码结构的自适应连接,利用模拟预编码矩阵的稀疏特性,提出基于压缩感知的自适应混合预编码(Compressive Sensing based Adaptive Hybrid Precoding,CS-AHP)算法提高系统频谱效率。在经典自适应连接的基础上,本文设计了一种低约束自适应连接结构,相比经典结构能获得更高的预编码设计自由度,从而获得更高的系统传输速率。对于低约束自适应连接结构,为了提供预编码设计所需的CSI,本文给出一种混合结构信道跟踪方案。该方案通过角度旋转获得导频预编码矩阵,并基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)跟踪信道参数。仿真结果表明:相比经典AHP算法,本文所提出的CS-AHP算法能获得1.5 bps/Hz的传输速率增益;相比经典EKF信道跟踪方案,本文给出的跟踪方案能降低11%的导频开销。综上所述,本文针对Massive MIMO系统,研究了稀疏信道估计和混合预编码设计问题,提出了基于CS的稀疏信号重构等方法,有效降低了系统导频开销、提高了信道估计精度和系统传输速率。本文方法对于无线通信的理论研究和技术实现具有较大的意义。