基于群稀疏和低秩张量分解的大规模MIMO信号检测算法研究
发布时间：2022-01-27 04:51
大规模多输入多输出（Multiple Input Multiple Output,MIMO）系统通过在小区基站（Base Station,BS）中配备大量天线,能够在系统的能量效率与频谱利用率上带来明显的提升。然而,随着超密集小区和大量用户的增加,消除小区间干扰和多用户干扰成为大规模MIMO系统的研究热点。张量分解作为处理多维数据的学习算法已被广泛的应用于无线通信系统中。本文针对多用户大规模MIMO和多小区多用户大规模MIMO系统中存在的干扰问题,进行以下研究。首先,为了解决多用户大规模MIMO系统中存在的用户间信道干扰问题,本文将用户端的接收信号构造为多维张量模型,提出一种基于群稀疏和低秩张量分解的信道估计算法。所提算法将接收信号张量分割成多个子张量块,并利用多线性信号分类算法对每个子张量进行信道初估计。根据估计的信道特性参数,利用K-means算法以信道多径分量距离为标准将来自相同信源的信道聚类成群,并利用基于群稀疏和低秩张量分解的信道估计模型进行用户间信道干扰消除,从而获得优化后的估计信道。仿真结果表明,所提算法与传统的估计算法相比较,能显著提升信道估计的精度和系统的合速率。其次...
【文章来源】：上海师范大学上海市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
大规模MIMO、毫米波和小型蜂窝技术之间的关系
图 2-1 多用户大规模 MIMO 系统场景示意图由K 个移动用户组成的多用户大规模 MIMO 干扰信道网络，其中天线接收机分别对用K 个多天线用户接收机。每个用户的发射机 j ，应该仅将信息发送到其关联的唯一接收器，式（2-1）给出了第输出1RNkY 为：,1Kk k j j kjY H X N （2 1,2,...,K是用户索引；1TNjX 表示第 j 个用户发射机的发送信,R TN Nk jH 是从第 j 个用户发射到第k 个接收机的信道衰落系数矩 1 20, CN 表示基站的第k 个接收器处的加性高斯白噪声（Adaussian Noise，AWGN）。每个发射机通过设计各个预编码矢量/矩承载信号，假设在上行链路中，还假定所有发送的信号同时到达接收
简单的线性检测算法，如 MMSE 和 ZF 检测算法角线信道矩阵在大规模 MIMO 系统中实现近乎最优的性估计，在这些线性检测算法中存在复杂的矩阵运算和穷复杂度。为解决上述问题，本文研究了基于张量的联合过利用张量的各种特性，包括低秩张量分解、高维数据算等，对大规模 MIMO 系统的信号进行分析和处理。区大规模 MIMO 系统IMO 是 5G 蜂窝网络中的关键技术，在改善上行链路和下和能量效率以及运行范围方面显示出巨大的潜力[41]。这署大量的天线来实现的，每个小区同时服务数十个用户和消耗额外的带宽。大规模 MIMO 可以提高无线多小区网络性能，然而，无线网络中容量和能量效率的提高受到 2-2 为多小区大规模 MIMO 系统场景示意图。
【参考文献】：
期刊论文
[1]大规模MIMO无线通信关键技术[J]. 苏彦熙. 信息通信. 2019(08)
[2]基于平行因子分解的大规模MIMO盲信道估计[J]. 赵凌霄,赵家乐,张建康,穆晓敏. 电讯技术. 2019(02)
[3]基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法[J]. 申滨,赵书锋,金纯. 电子与信息学报. 2018(12)
博士论文
[1]大规模MIMO系统中多用户检测分布式处理技术[D]. 岳子琪.哈尔滨工业大学 2015
[2]面向下一代无线通信系统的多天线信道建模和仿真技术研究[D]. 孙彦良.北京邮电大学 2015
硕士论文
[1]基于平行因子模型的大规模MIMO系统信道估计与信号检测算法研究[D]. 赵凌霄.郑州大学 2019
[2]大规模MIMO系统中的干扰消除方法研究[D]. 霍智斌.北京邮电大学 2018
[3]Massive MIMO全双工系统自干扰消除算法研究[D]. 陈黛梦.北京邮电大学 2018
[4]5G多用户非正交共享接入中干扰消除技术研究[D]. 郭永娜.哈尔滨工业大学 2016
本文编号：3611796
【文章来源】：上海师范大学上海市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
大规模MIMO、毫米波和小型蜂窝技术之间的关系
图 2-1 多用户大规模 MIMO 系统场景示意图由K 个移动用户组成的多用户大规模 MIMO 干扰信道网络，其中天线接收机分别对用K 个多天线用户接收机。每个用户的发射机 j ，应该仅将信息发送到其关联的唯一接收器，式（2-1）给出了第输出1RNkY 为：,1Kk k j j kjY H X N （2 1,2,...,K是用户索引；1TNjX 表示第 j 个用户发射机的发送信,R TN Nk jH 是从第 j 个用户发射到第k 个接收机的信道衰落系数矩 1 20, CN 表示基站的第k 个接收器处的加性高斯白噪声（Adaussian Noise，AWGN）。每个发射机通过设计各个预编码矢量/矩承载信号，假设在上行链路中，还假定所有发送的信号同时到达接收
简单的线性检测算法，如 MMSE 和 ZF 检测算法角线信道矩阵在大规模 MIMO 系统中实现近乎最优的性估计，在这些线性检测算法中存在复杂的矩阵运算和穷复杂度。为解决上述问题，本文研究了基于张量的联合过利用张量的各种特性，包括低秩张量分解、高维数据算等，对大规模 MIMO 系统的信号进行分析和处理。区大规模 MIMO 系统IMO 是 5G 蜂窝网络中的关键技术，在改善上行链路和下和能量效率以及运行范围方面显示出巨大的潜力[41]。这署大量的天线来实现的，每个小区同时服务数十个用户和消耗额外的带宽。大规模 MIMO 可以提高无线多小区网络性能，然而，无线网络中容量和能量效率的提高受到 2-2 为多小区大规模 MIMO 系统场景示意图。
【参考文献】：
期刊论文
[1]大规模MIMO无线通信关键技术[J]. 苏彦熙. 信息通信. 2019(08)
[2]基于平行因子分解的大规模MIMO盲信道估计[J]. 赵凌霄,赵家乐,张建康,穆晓敏. 电讯技术. 2019(02)
[3]基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法[J]. 申滨,赵书锋,金纯. 电子与信息学报. 2018(12)
博士论文
[1]大规模MIMO系统中多用户检测分布式处理技术[D]. 岳子琪.哈尔滨工业大学 2015
[2]面向下一代无线通信系统的多天线信道建模和仿真技术研究[D]. 孙彦良.北京邮电大学 2015
硕士论文
[1]基于平行因子模型的大规模MIMO系统信道估计与信号检测算法研究[D]. 赵凌霄.郑州大学 2019
[2]大规模MIMO系统中的干扰消除方法研究[D]. 霍智斌.北京邮电大学 2018
[3]Massive MIMO全双工系统自干扰消除算法研究[D]. 陈黛梦.北京邮电大学 2018
[4]5G多用户非正交共享接入中干扰消除技术研究[D]. 郭永娜.哈尔滨工业大学 2016
本文编号：3611796
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3611796.html
