基于贝叶斯压缩感知的毫米波大规模MIMO信道估计

发布时间：2022-05-10 18:43

　　未来5G无线通信的超高传输速率和系统容量需求促进了移动网络的发展,而传统的微波频率在低频段上难以实现这一目标,因此必须向高频段的毫米波来扩展。毫米波的物理特性决定了其需要与大规模MIMO技术来联合应用,以提供更好的用户服务体验。但在毫米波系统中使用大型天线阵列,会在提高系统性能的同时也给系统设计带来巨大开销。与全数字和全模拟架构相比,混合模拟-数字架构可以大幅减少系统所需的射频链路数量,在性能与能耗方面取得良好的平衡,是一个很有前景的解决方案。然而,该系统架构下的信号处理问题却成为了一项挑战,其中包括信道建模、信道估计、信道预编码等。本文首先介绍了毫米波信号在散射空间中的稀疏分布特性,并在此之上构建了信道的一般数学模型。其次对不同收发机架构与预编码方案进行了分析对比,并采用功耗模型对系统架构进行了评估。之后对稀疏信号的重构算法展开了研究,并重点分析了贝叶斯压缩感知（Bayesian Compressive Sensing,BCS）理论在信道估计中的应用。然后,本文针对毫米波大规模MIMO系统中的稀疏信道求解问题,通过学习BCS推理分析将信号重构问题由实数域拓展至复数域,并将信道估计问题... 

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略语说明
数学符号说明
第一章 绪论
    1.1 研究背景及意义
    1.2 信道估计方法的研究现状
    1.3 论文主要工作及结构安排
第二章 毫米波大规模MIMO系统概述
    2.1 毫米波传播特性
    2.2 毫米波信道模型
    2.3 系统架构与预编码
        2.3.1 数字预编码
        2.3.2 模拟波束赋形
        2.3.3 混合预编码
    2.4 系统功耗分析
    2.5 压缩感知与信道估计
        2.5.1 压缩感知基本原理
        2.5.2 稀疏信号重构算法
        2.5.3 贝叶斯压缩感知信道估计
    2.6 本章小结
第三章 毫米波大规模MIMO-OFDM信道估计
    3.1 多载波系统与信道模型
        3.1.1 多载波系统模型
        3.1.2 多载波信道模型
        3.1.3 多载波信道估计问题的稀疏表示
    3.2 基于期望最大化的贝叶斯分析算法
        3.2.1 SBL框架下的问题分析
        3.2.2 信号参数化的概率模型
        3.2.3 基于期望最大化的参数求解
    3.3 基于EM-BCS的多载波信道估计
    3.4 仿真结果与性能分析
        3.4.1 系统仿真环境
        3.4.2 实验结果分析
    3.5 本章小结
第四章 多用户毫米波大规模MIMO信道估计
    4.1 单用户到多用户的拓展
    4.2 多用户系统的数学建模
        4.2.1 多用户系统建模
        4.2.2 多用户信道建模
        4.2.3 多用户信道估计问题的数学建模
    4.3 基于EM-BCS的多用户信道估计
    4.4 仿真结果与性能分析
        4.4.1 系统仿真环境
        4.4.2 实验结果分析
    4.5 本章小节
第五章 总结与展望
    5.1 工作总结
    5.2 展望未来
参考文献
硕士学位期间完成的科研成果
致谢


【参考文献】：
博士论文
[1]基于压缩感知的大规模MIMO信道估计技术研究[D]. 南杨.北京交通大学 2017



本文编号：3652487