基于两阶段预编码的大规模MIMO系统关键技术研究

发布时间：2020-10-21 23:47

　　 随着数据通信与多媒体业务的发展,移动数据、移动计算以及移动多媒体应用的需求日益高涨,加之目前快速发展的移动互联网和物联网,全球范围内移动通信的数据业务量和移动通信设备数量都呈现出爆炸式增长。为了满足如此高的传输速率和连接量,需要在物理层传输技术上有所突破。5G关键技术之一的大规模MIMO(Multiple-Input-Multiple-Output,MIMO)技术可有效解决上述问题。在军事通信中,大规模MIMO也大有用武之地,如战场实时视频传输、复杂战场态势信息传输等。大规模MIMO的高精度空间分辨,精确波束定向特性也为军事通信中的抗干扰、反监听提供了新的研究思路。大规模MIMO通过在基站端配备大量天线,为通信系统带来了巨大增益。与此同时,相比于传统MIMO技术,大规模MIMO技术也面临高维信道状态信息获取困难的巨大挑战。为此,研究者充分利用大规模MIMO信道的低秩特性,创造性地提出两阶段预编码方案。具体地,此方案将下行传输预编码设计分为两阶段,即外层与内层预编码。外层预编码可将高维大规模MIMO信道分解为若干独立的低维等效信道,且其仅依赖于信道协方差,可据此将具有相同信道协方差特性的用户收集到同一用户簇内进行服务,不同用户簇空间相互正交;内层预编码在不同用户簇内并行执行,用于消除特定簇内用户间的干扰。由于用户的协方差矩阵相比于实时信道变化缓慢,使得外层预编码可在较长时间内更新一次。基于外层预编码的实施,内层预编码矩阵计算只需获取用户簇等效低维度实时信道。从而在信道状态信息获取时,对于空间独立的用户簇可采用相同的导频序列,而且用户簇内的低维等效信道获取所需的导频开销和反馈量相比原始大规模MIMO高维信道的获取大大降低。因此,两阶段预编码方法可以有效克服大规模MIMO信道信息获取困难的巨大挑战。截止目前,基于两阶段预编码,国内外众多专家致力于大规模MIMO信道建模、外层预编码设计、用户分簇等方面的研究,同时也取得了很多学术成果,但仍然存在用户调度、协同传输以及时变信道的跟踪预测等方面的缺陷及不足。基于此,本文充分利用大规模MIMO信道空间低秩特性,针对现存问题,采用稀疏贝叶斯学习、图论、组合优化等有效数学工具,探索切实可行的解决方案,充分挖掘基于两阶段预编码的大规模MIMO系统的优势,进而提升大规模MIMO网络同时同频服务用户的能力。本文具体研究的内容和成果如下:(1)针对两阶段预编码中用户簇角度重叠的问题,充分挖掘大规模MIMO信道的空间结构特征,提出两种低开销、低计算复杂度的用户调度策略,以减轻用户角度域重叠对基于两阶段预编码的大规模MIMO网络性能的影响。第一种方法:通过最优基站关联方法减轻用户簇的角度重叠。首先以信漏噪比(Signal to Leakage plus Noise Ratio,SLNR)最大化为目标设计低复杂度用户基站选择算法。此方法需要获取每个用户簇到每个基站的低维等效信道信息,在带来近似最优性能的同时也会引起巨大的信令开销,导致信道资源利用率下降。为避免实时信道获取的巨大开销,进一步对目标SLNR进行期望操作以得到其下界,且此下界仅仅依赖于信道协方差矩阵,从而避免了实时信道状态信息的获取。基于此,提出了一种低复杂度、低信令开销的基站选择算法。数值仿真表明基于SLNR下界的方案可以明显减轻用户簇角度重叠,提高系统和速率,且其性能与基于实时SLNR的算法性能基本相同。第二种方法:通过联合用户簇分组及正交子信道分配降低用户簇的角度重叠。首先需要对用户簇划分为多个分组,使得每个组内用户簇间的角度重叠最小化。同一组内用户簇利用两阶段预编码实现正交传输,而不同组的用户簇调度在时频正交子信道上。为实现最优用户分组,借助图论并以用户空间角度所对应的空间特征正交基为对象,构建用户角度重叠表征图,刻画角度重叠的全网分布状态。进而改进传统Dsatur图染色算法,提出基于图染色理论的用户簇分组方法。仿真结果表明该算法的性能接近穷举搜索下得到的最优分组方案。(2)针对两阶段预编码在多小区大规模MIMO中存在的波束交叉干扰问题,利用小区边缘和小区中心用户簇信道特征的差异,提出一套低开销、高效的多小区大规模MIMO网络协同传输策略。传统多小区协同传输方案都是基于全局信道状态,然而大规模MIMO系统中全局信道状态信息的获取无疑会引起系统无法负担的开销。所以传统多小区协同传输方案无法直接应用于大规模MIMO系统。为此,我们通过将小区中心用户簇和小区边缘用户簇分开处理,针对边缘用户簇和中心用户簇的不同信道特征,分别设计基于干扰对齐和空间复用的协同传输策略,充分挖掘基于两阶段预编码的大规模MIMO网络的空间自由度。首先利用两阶段预编码技术将高维大规模MIMO信道分解为多个并行低维MIMO信道,提出了低维信道下干扰对齐实施方案。此外,为改善多小区系统中角度重叠的问题,在此方案中我们为小区中心用户簇设计了软空间复用策略。最后,联合利用黄金分割搜索算法和注水定理为提出的多小区传输策略设计了最优功率分配算法。通过数值仿真表明提出的基于两阶段预编码和干扰对齐的大规模MIMO网络联合传输策略可以明显提升多小区大规模MIMO系统容量。(3)针对时变大规模MIMO信道协方差矩阵获取困难和特征值分解计算复杂的问题,将信道建模为动态稀疏信号模型,提出基于稀疏贝叶斯理论的模型参数学习算法。首先,考虑上行信道跟踪,通过虚拟信道变换将大规模MIMO时变信道重构为一个稀疏动态信号模型。基于此模型,提出了一种基于期望最大化(Expectation Maximization,EM)算法的稀疏贝叶斯框架来学习模型参数。在期望最大化算法中,为避免高维矩阵求逆,我们采用卡尔曼滤波和后向平滑方法来跟踪稀疏信道的后验统计量。基于得到的后验统计量,设计了一种基于不动点理论及低复杂度的搜索算法分别得到稀疏虚拟信道的时变特征参数和空间稀疏特征参数。即使在FDD系统中,上下行信道的空间角度信息仍然存在互易性,可以直接从已估计出的上行信道模型参数中提取出下行信道模型参数。之后,基于降维卡尔曼滤波,充分利用信道时间相关性来增强上下行虚拟信道非零参数的跟踪精度。最后,设计了一种模型参数监测方案来检测模型参数变化并触发信道模型参数再学习过程。仿真结果表明,该方案收敛速度快,且参数估计的(Mean Square Error,MSE)性能良好。
【学位单位】：西安电子科技大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TN919.3
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 本课题研究现状及面临的挑战
        1.2.1 大规模MIMO技术发展历史与研究现状
        1.2.2 大规模MIMO系统中的两阶段预编码技术研究现状
        1.2.3 基于两阶段预编码的大规模MIMO网络中的用户调度
        1.2.4 基于两阶段预编码的大规模MIMO网络中的协同传输
        1.2.5 基于两阶段预编码的大规模MIMO网络中的信道获取
    1.3 本文主要研究内容及章节安排
第二章 基于两阶段预编码大规模MIMO中的用户调度策略
    2.1 引言
    2.2 基于最优基站关联的用户簇角度扩展范围重叠消除算法
        2.2.1 系统配置
        2.2.2 大规模MIMO空间相关信道模型
        2.2.3 两阶段预编码简介
        2.2.4 问题描述
        2.2.5 基于SLNR的低复杂度基站选择算法
        2.2.6 基于SLNR下界的低信令开销基站选择算法
        2.2.7 数值仿真
    2.3 基于用户簇分组的用户簇角度扩展范围重叠消除算法
        2.3.1 系统模型
        2.3.2 问题描述
        2.3.3 角度重叠表征图构建
        2.3.4 基于图染色算法的用户分组算法
        2.3.5 数值仿真
    2.4 总结
第三章 基于干扰对齐和软空间复用的大规模MIMO网络协同传输策略
    3.1 引言
    3.2 系统模型
        3.2.1 系统配置
        3.2.2 大规模MIMO空间相关信道模型
    3.3 基于干扰对齐和软空间复用的协同传输策略
        3.3.1 基于IA的小区边缘用户簇联合传输方案
        3.3.2 小区中心用户簇的空间软频率复用方案
        3.3.3 IA-SSR策略中的最优功率分配
    3.4 IA-SSR策略实际部署中的一些问题
        3.4.1 信令开销分析
        3.4.2 小区边缘、中心用户簇划分
        3.4.3 将IA-SSR策略扩展到一般场景
    3.5 数值仿真
    3.6 总结
第四章 基于稀疏贝叶斯学习的大规模MIMO网络时变信道跟踪
    4.1 引言
    4.2 系统模型与信道特征
        4.2.1 系统模型
        4.2.2 稀疏性虚拟信道模型
    4.3 通过上行训练学习稀疏虚拟信道参数
        4.3.1 问题描述
        4.3.2 基于期望最大化算法的稀疏信道模型参数学习
        4.3.3 期望计算过程
        4.3.4 最大化求解过程
    4.4 用户分组与虚拟信道跟踪
        4.4.1 上行虚拟信道跟踪
        4.4.2 下行虚拟信道跟踪
        4.4.3 模型参数不匹配监测
    4.5 仿真结果
    4.6 总结
第五章 总结与展望
    5.1 研究总结
    5.2 研究展望
参考文献
致谢
作者简介

【相似文献】

相关期刊论文 前10条

1 顾浙骐;张忠培;;基于协作多点下行传输的非线性鲁棒预编码[J];电子学报;2016年12期

2 李万臣;郝欣宇;;基于异构网络的Massive MIMO RZF预编码[J];数字通信世界;2017年04期

3 许宏艳;;新时期电子通讯的预编码技术探微[J];中国高新区;2017年10期

4 丁怡宁;;5G系统中预编码技术的发展研究[J];通讯世界;2017年21期

5 董志明;;未来5G通信系统中低复杂度预编码算法研究[J];广东通信技术;2016年01期

6 穆星彤;;电子通讯的预编码技术探讨[J];信息化建设;2016年03期

7 何道刚;;通讯预编码技术在现代通信中的运用[J];数字技术与应用;2014年12期

8 杨杰;;电子通讯的预编码技术[J];山海经;2015年10期

9 刘远飞;;电子通讯的预编码技术探析[J];电子世界;2014年08期

10 陈敏;王萍;;浅谈5G通信中的预编码技术[J];科技创新与应用;2017年27期

相关博士学位论文 前10条

1 王丽;大规模分布式MIMO系统和速率与预编码研究[D];西安电子科技大学;2018年

2 马建鹏;基于两阶段预编码的大规模MIMO系统关键技术研究[D];西安电子科技大学;2018年

3 翟雄飞;5G毫米波大规模天线系统预编码优化算法研究[D];浙江大学;2018年

4 邵林;Massive MIMO系统下行预编码方案与性能研究[D];北京邮电大学;2018年

5 李毅;蜂窝无线通信系统干扰抑制及多天线预编码技术研究[D];西南交通大学;2018年

6 施风;移动通信中MIMO系统的线性预编码技术研究[D];东南大学;2005年

7 奚家熹;无线通信中的预编码技术[D];复旦大学;2007年

8 刘毅;MIMO信道预编码技术研究[D];西安电子科技大学;2007年

9 张蕾;非线性预编码技术研究[D];浙江大学;2016年

10 许崇斌;基于迭代检测的线性预编码技术研究[D];清华大学;2011年

相关硕士学位论文 前10条

1 武嘉煜;大规模MIMO系统中基于松弛迭代的预编码算法研究[D];安徽大学;2019年

2 谢汶奇;3D-MIMO技术在高话务场景解决多用户通信的研究[D];东北石油大学;2018年

3 张艳杰;LTE系统下行链路中MIMO预编码研究[D];吉林大学;2018年

4 安国刚;基于无监督学习的大规模MIMO预编码技术的研究[D];杭州电子科技大学;2018年

5 郑溢淳;毫米波大规模MIMO系统的混合预编码方法的研究[D];杭州电子科技大学;2018年

6 施屹;基于全向预编码的大规模MIMO系统同步方法研究与验证[D];东南大学;2018年

7 张未坤;MIMO中继通信系统的预编码优化算法研究[D];哈尔滨工程大学;2018年

8 王海潮;大规模MIMO系统预编码技术研究[D];哈尔滨工程大学;2018年

9 赵晓琳;超密集网络中基于预编码的干扰协调技术研究[D];哈尔滨工业大学;2018年

10 崔世鸿;通用滤波多载波及其在非完美同步条件下的传输性能研究[D];哈尔滨工业大学;2018年

本文编号：2850768