大规模MIMO-OFDM稀疏多径信道估计技术研究

发布时间：2020-07-20 09:15

【摘要】：在大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统中,准确的信道估计信息对于基站侧的预编码、资源分配以及用户端的信号检测或均衡都有着至关重要的作用。频率选择性多径衰落信道下的稀疏信道估计技术是大规模MIMO系统重要且具有挑战性的研究方向之一。然而现有的大多数信道估计技术仅适合4G小规模MIMO系统(如8天线的LTE-A系统),因此本论文探究适用于5G大规模MIMO多径稀疏信道估计技术。本文基于大规模MIMO信道的空时共同稀疏性特点,利用先进的压缩感知理论,研究不降低估计精度而减小导频开销的信道估计算法。首先,利用大规模MIMO信道的空时共同稀疏性和联合差分思想,提出基于联合差分的稀疏信道估计方案。改进后算法特点如下:第一,改进后的算法在每一次迭代过程中同时对多个向量进行更新,对稀疏性进行结构化增强,提升算法的重构性能。第二,改进后的算法在进行重构过程中,并不是只处理当前时刻接收到的导频信号,而是联合前一帧的导频信号进行差分,进一步增强稀疏性,进而提升算法重构的精度。仿真结果表明,所提算法在减少导频开销的同时仍能取得较好的参数估计性能,同时证明了压缩感知理论在大规模MIMO-OFDM系统环境下具有鲁棒性。其次,考虑实际环境中稀疏度未知的情况,提出了基于稀疏度自适应的信道估计方案。大部分压缩感知理论的重构算法,如CoSaMP算法,需要已知信号的稀疏度作为先验条件,然而实际环境下,无线信道的稀疏度是未知的,因此本文提出的算法利用大规模MIMO信道的空时共同稀疏性,合理设置不同SNR下的停止迭代参数,以获得准确的动态稀疏度。实验结果表明,相比传统的CoSaMP算法和S-CoSaMP算法,SSA-CoSaMP算法在同等SNR下具有更良好的信道估计性能,并且可以自适应地获取稀疏度。
【学位授予单位】：太原科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.5
【图文】：

导频,正交化,非正交,设计方案

大规模 MIMO-OFDM 稀疏多径信道估计技术研究128 根乃至更多时，这个问题就不能再忽视了，导频开销会非常严重，造成极大的能源和频谱浪费。基于上述问题，我们根据文献[51]，在本文应用了非正交化导频设计方案,它是基于CS 理论进行设计的。与传统正交化导频方案不同，它允许不同天线上的导频完全占据相同的子载波，如图 3.2(b)。通过利用大规模 MIMO 天然固有的稀疏性，使用于信道估计的导频开销可以实质性的降低。

信道估计,准确性,导频,仿真图

图 3.4 不同的信道估计算法的准确性对比Fig. 3.4 Accuracy comparison of several channel estimation algorithms图3.4(a)是在SNR=20dB且导频数为400时进行对比试验的仿真图。根据实验结果可

导频,性能对比,算法,估计性能

导频的变化来对信道进行估计。降低导频数必然会影响估计性能。因此，进行导频数变化对信道估计算法性能影响的仿真试验是十分必要的。图3.5仿真了导频数的变化对估计算法性能的影响。从实验结果可以得出，在不同SNR下，随着导频数的不断增加，三种算法的估计性能都有所改善。JDSSP算法的性能最好，其次是JDSP算法，而SP算法的估计性能最差。当导频数高于750时，JDSSP和JDSP算法的估计性能也趋于饱和。图 3.5 提出算法随导频数变化的 NMSE 性能对比Fig. 3.5 NMSE performance comparison of the proposed algorithms with varying number of pilots

【参考文献】