大规模MIMO信道估计中导频污染问题研究

发布时间：2017-10-26 12:24

  本文关键词：大规模MIMO信道估计中导频污染问题研究

  更多相关文章： 大规模 MIMO 信道估计 导频污染

【摘要】：大规模MIMO技术被认为是下一代5G移动通信的关键技术之一。当基站天线数变的非常大时,大规模MIMO系统可以实现用简单的信号处理来很大程度地提高链路稳定性和数据传输速率。但是信道估计误差导致不精确的信道状态信息(Channel State Information, CSI),导频污染等问题限制了大规模MIMO系统的性能。本文就是针对大规模MIMO信道估计中导频污染的问题进行研究。所做的主要工作如下：首先,对国内外研究现状做了概括总结。系统地研究了大规模MIMO的基础理论知识,包括系统模型,传输过程,导频污染以及传统的信道估计方法。其次,大多数研究成果是基于对理想信道的假设,而本文专注于对实际物理信道模型进行研究。从相关信道模型入手,着重推导了一种基于传播的分析型信道模型,即有限散射信道模型。之后在基于有限散射信道模型的大规模MIMO系统模型下,给出了基于导频的信道估计算法。此模型中基站可以有有限数量的散射中心。更准确地说,角域被划分为数量很大但是有限的方向(即到达角),并且数量比基站天线数要小。然后,分析了上述实际物理信道模型下依然存在的导频污染问题。考虑到盲或半盲估计能更好地提升频谱效率,本文以此为研究方向,提出将基于奇异值分解(singular value decomposition, SVD)的半盲信道估计算法应用到此实际物理信道模型,即SVD与到达角(angle of arrival, AOA)相结合。通过推导得到了一种新的大规模MIMO系统信道估计器,并与几种典型的信道估计算法进行了仿真与对比,结果表明：提出的估计器估计误差性能方面要明显优于基于LS的信道估计,即使是在强小区间干扰下,且估计误差随天线数增加而降低,更适用于大规模MIMO;与传统的基于子空间的半盲估计算法相比,不仅估计精度较高,还具有不丢失CSI的优势；在此实际物理信道模型下,与另一种新近的基于特征值分解(eigenvalue decomposition, EVD)的半盲信道估计算法相比,仍具有较高的估计精度。
【关键词】：大规模 MIMO 信道估计 导频污染
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN919.3
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景及意义9-11
• 1.2 研究现状11-13
• 1.3 论文所做的工作及结构安排13-15
• 2 大规模MIMO系统15-25
• 2.1 引言15
• 2.2 系统模型15-20
• 2.2.1 点到点MIMO和多用户MIMO15-17
• 2.2.2 TDD和FDD通信方式17-18
• 2.2.3 信道模型18-20
• 2.3 多小区多用户传输过程20-21
• 2.3.1 上行链路20-21
• 2.3.2 下行链路21
• 2.4 导频污染21-22
• 2.5 基于导频的信道估计方法22-24
• 2.5.1 MMSE估计23
• 2.5.2 LS信道估计23-24
• 2.6 本章小结24-25
• 3 相关信道模型研究25-34
• 3.1 引言25
• 3.2 信道模型简介25-26
• 3.3 分析型信道模型26-27
• 3.4 有限散射信道模型27-29
• 3.5 基于实际有限散射信道模型的大规模MIMO系统29-31
• 3.6 基于导频的信道估计31-33
• 3.6.1 实际信道模型下的MMSE估计31-32
• 3.6.2 实际信道模型下的LS估计32-33
• 3.7 本章小结33-34
• 4 基于子空间相关信道模型的大规模MIMO信道估计34-51
• 4.1 引言34-35
• 4.2 系统模型35
• 4.3 实际物理信道模型35-36
• 4.4 实际信道模型下的导频污染36-37
• 4.5 基于子空间的信道估计算法37-49
• 4.5.1 算法分析37
• 4.5.2 基于SVD-AOA的信道估计37-41
• 4.5.3 基于EVD-AOA的信道估计41-43
• 4.5.4 仿真结果分析43-49
• 4.6 本章小结49-51
• 5. 总结与展望51-53
• 5.1 总结51-52
• 5.2 展望52-53
• 参考文献53-57
• 个人简历、在学期间发表的学术论文与研究成果57-58
• 致谢58

【参考文献】

中国博士学位论文全文数据库 前1条

1 高向川;多用户MIMO系统中关键技术研究[D];北京邮电大学;2011年

，

本文编号：1098689