大规模MIMO系统中信道估计技术研究

发布时间：2023-02-10 07:35

　　大规模MIMO是5G最重要的技术之一。通过在基站配置大量(100-1000根)天线可以将能量集中到很小的空间中以提高吞吐量,同时天线充分利用空间自由度,使用相同的时频资源与多个终端(16-64个)同时通信,以实现总能效的降低,但是发挥这些优良特性的前提是基站要估计下行信道,特别是当天线数变多时,基于传统信道估计方案会带来巨大的导频开销,信道估计变得几乎不可能。本文主要讨论在大规模MIMO下的下行链路非盲信道估计算法,主要内容有以下三点:首先,提出了一种能够进行稀疏度自适应的结构化压缩感知的改进算法。客观上无线信道具有稀疏性,子空间追踪算法通过引入回溯机制,可以较精确地估计来自基站端大量发送天线的多个信道。针对该算法需要信道稀疏度作为先验条件,本文采用一种非正交导频结构并结合无线信道的空时相关性,提出了一种分块稀疏度自适应的匹配追踪算法,仿真结果表明,所提出的算法不仅在性能上与子空间追踪算法相当,而且同时还能准确地估计信道的稀疏度。其次,基于信道空时相关性提出了一种凸优化的改进算法。迭代支持集检测算法能以一个相对较低的导频开销重构幅度上具有快衰落特点的稀疏信号。本文在迭代支持集检测算法的...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
    1.1 无线通信技术的发展
    1.2 Massive MIMO系统
    1.3 Massive MIMO信道估计方法研究现状
    1.4 本文研究内容及创新点
    1.5 论文结构和章节安排
第二章 Massive MIMO信道估计背景理论
    2.1 无线信道衰落模型
    2.2 压缩感知概述
        2.2.1 贪婪算法简介
        2.2.2 凸优化算法简介
    2.3 结构化压缩感知
第三章 基于贪婪算法的信道估计改进算法
    3.1 引言
    3.2 传统的信道估计算法
    3.3 信道估计改进算法
        3.3.1 信道的稀疏性
        3.3.2 信道的空时相关特性
        3.3.3 系统模型
        3.3.4 改进算法实现及仿真分析
    3.4 本章总结
第四章 基于凸优化的信道估计改进算法
    4.1 引言
    4.2 ISD算法
        4.2.1 算法原理
        4.2.2 算法分析
    4.3 基于ISD算法的改进
        4.3.1 系统模型
        4.3.2 算法改进实现及仿真
    4.4 本章总结
第五章 Massive MIMO信道反馈方案
    5.1 引言
    5.2 系统模型
    5.3 算法实现及仿真
    5.4 本章总结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢



本文编号：3739280