大规模MIMO系统中上行链路信道估计算法研究

发布时间：2021-12-31 20:06

　　随着多媒体业务与智能终端的快速发展,人们对于移动通信业务的传输速率的要求也越来越高,传统的技术已无法满足这一需求。因此,大规模多输入多输出（Multiple Input Multiple Output）技术成为当前研究的热点,是5G的核心技术之一。大规模MIMO系统中的天线阵列数量与传统的MIMO系统相比,其规模达到了几十甚至上百,这意味着无线信道的空间自由度更大,其稳定性与传输速率也就更高。然而,在大规模MIMO系统中,受频率选择性衰落、阴影衰落等的影响,无线信道具有很大的随机性,而准确的信道状态信息（Channel State Information）是分析一个无线通信系统的关键基础,因此对于信道估计技术的研究具有重要的现实意义,本文主要研究大规模MIMO系统中基于导频的信道估计技术。受庞大的天线数量影响,在大规模MIMO系统中,不仅信道估计的难度变得更大,而且导频污染的现象也更加明显,这极大地影响了信道估计的准确性。本文研究了大规模MIMO系统中一种基于机器学习理论的信道估计算法。通过将信道增益建模为高斯混合模型（Gaussian Mixture Model）,并将其变换到波束域... 

【文章来源】：南京邮电大学江苏省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

MIMO系统示意图

正交导频序列的长度无法足够长，正交导频序列复用又会产生非常严重的导频以通常采用随机导频序列，在一定程度上减轻了正交导频复用带来的负面影响章主要介绍了导频污染的产生原因和抑制措施，传统的基于导频的信道估计算文所研究的信道估计算法和主要贡献。频污染频污染的产生原因设有一个大规模 MIMO 系统，其中包含 C 个蜂窝小区，在每个蜂窝小区的中心基站，每个基站的天线数为 N，且每个蜂窝小区中存在 K 个用户设备，每个用数为 1。当对信道进行估计的时候，每个用户设备同时向基站发送导频序列，统模型如图 2.1 所示。

所有样本数据

【参考文献】：
期刊论文
[1]一种低复杂度LMMSE信道估计算法[J]. 石磊,郭宝龙,李小平,吕良.  西安电子科技大学学报. 2012(02)
[2]最小熵反褶积[J]. 雷尔夫A.威金斯,许树椿.  石油物探. 1980(02)



本文编号：3560886