基于压缩感知的多小区MASSIVE MIMO信道估计

发布时间：2021-11-12 07:27

　　移动通信系统的快速发展不仅改变了人们的生活方式,也成为社会信息化水平的重要引擎。Massive MIMO技术在收发端配置大量的天线,能够在相同带宽的条件下获得3⁵倍于传统基站的频谱效率,从而提供更好的网络覆盖,更佳的用户网络体验,成为5G关键技术之一。由于收发端天线数目的增加,MASSIVE MIMO系统在进行信道估计时算法复杂度大大增加,故而研究降低训练序列开销及提高信道估计精度意义重大。MASSIVE MIMO系统主要分为TDD与FDD两种传输模式。针对TDD传输模式下的多小区多用户场景,构建近似稀疏合成信道矩阵,提出了一种自适应信道估计算法。在StOMP算法中引入果蝇算法,实现自适应搜索迭代阈值。通过仿真验证了所提算法能有效解决导频污染,提高了信道估计精度。针对FDD传输模式,构建了MASSIVE MIMO系统角域稀疏信道模型,提出了一种基于门限的稀疏度自适应压缩感知信道估计算法。引入回溯正交匹配追踪（BAOMP）算法的原子选择规则,通过设置合理的阈值有效选择SAMP算法中的初始原子,找到原始信号最大近似系数,大大降低了SAMP算法的迭代次数,提高了算法收敛... 

【文章来源】：贵州大学贵州省 211工程院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

模拟合成信道矩阵通过此信道模拟，可将信道矩阵表示为图3.8所示的合成信道近似稀疏模型

【参考文献】：
期刊论文
[1]基于分类冗余字典稀疏表示的图像压缩方法[J]. 王科平,杨赞亚,恩德.  计算机工程. 2017(09)
[2]基于压缩感知的多小区MASSIVE MIMO信道估计[J]. 刘紫燕,唐虎,刘世美.  计算机应用. 2017(09)
[3]基于OMP算法的快速压缩感知图像重构[J]. 马博珩,彭艺.  云南大学学报(自然科学版). 2017(02)
[4]一种新的自适应步长梯度投影法[J]. 申远,刘珊珊.  数值计算与计算机应用. 2016(04)
[5]基于交替投影的CT图像重建算法[J]. 韩永欣,王建,刘立,庞彦伟.  中国医学影像技术. 2016(10)
[6]基于基追踪算法的宽带LFM信号信道化侦察[J]. 张剑云,夏杰,周青松,毛云祥.  数据采集与处理. 2016(04)
[7]基于压缩感知CoSaMP算法的精确重构[J]. 郎利影,王勇,白文庆,杨宇.  计算机应用研究. 2015(08)
[8]分块正则化正交匹配追踪算法[J]. 庄燕滨,王化程,肖贤建.  信息技术. 2015(02)
[9]元素随机排列的傅里叶测量矩阵构造方法[J]. 尹海波,杨俊安,杨瑞国.  探测与控制学报. 2014(02)
[10]MIMO系统中空间分集增益与复用增益的权衡分析[J]. 张永,吴清华,徐亚光,任重.  辽宁师范大学学报(自然科学版). 2013(03)

硕士论文
[1]大规模MIMO系统基于压缩感知的下行信道估计及导频优化研究[D]. 胡培利.南京邮电大学 2017
[2]基于压缩感知的信道估计算法研究[D]. 吉增建.西南交通大学 2017
[3]Massive MIMO通信系统中信道估计技术研究[D]. 谢建超.南京邮电大学 2016
[4]大规模MIMO系统中基于信道压缩的有限反馈技术研究[D]. 陈慧慧.重庆邮电大学 2016
[5]压缩感知重构算法及其应用研究[D]. 徐立军.中北大学 2016
[6]Massive MIMO系统信道估计与检测技术研究[D]. 徐凤阳.北京交通大学 2016
[7]基于压缩感知的MASSIVE MIMO系统中信道估计算法的研究[D]. 王玉鹏.电子科技大学 2015
[8]果蝇优化算法及其应用研究[D]. 霍慧慧.太原理工大学 2015



本文编号：3490444