Massive MIMO通信系统中信道估计技术研究

发布时间：2017-07-14 15:12

  本文关键词：Massive MIMO通信系统中信道估计技术研究

  更多相关文章： 大规模MIMO 信道估计 TDD FDD MMSE 压缩感知

【摘要】：Massive MIMO通信系统具有高能量利用率、高鲁棒性的特点,已经成为第五代移动通信的关键技术之一。其所有的优点都是基于信道状态信息已知的前提下进行讨论的,因此本文对Massive MIMO通信系统中信道估计算法进行了研究。针对目前通信系统分为TDD和FDD两种传输模式,分别针对这两种模式对Massive MIMO中信道估计算法进行了理论研究和分析。首先对通用的信道估计算法进行了研究,然后针对TDD和FDD两种模式下信道估计方式分别进行了分析。针对TDD模式下随着大规模天线阵列的配置,导频污染问题愈加突出,因此对TDD模式下存在的导频污染进行了理论分析和研究,然后通过仿真对其进行了验证。其次,由于TDD模式下的Massive MIMO信道存在信道互易性,因此主要对TDD模式下的Massive MIMO上行信道估计进行了研究。首先研究了对传统MMSE改进的Bayesian MMSE算法,并对该算法特点进行了分析。针对Bayesian MMSE算法存在较高计算复杂度的特点,利用信道矩阵的统计特性对其进行了改进,并提出了一种低复杂度的信道估计算法。最后通过仿真验证了改进算法在复杂度降低的前提下仍有明显的性能增益。对于下行信道估计,TDD系统可以利用互易性,基于上行信道估计来得到下行信道的CSI。再次,由于FDD系统中不存在上下信道的互易性,因此还研究了FDD系统中的下行信道估计。由于传统的FDD MIMO通信系统中的导频开销是与基站天线数成比例的,因此原来的信道估计技术在FDD Massive MIMO通信系统中并不直接适用。鉴于此,研究了基于压缩感知的可极大减少导频开销的信道估计算法。首先对压缩感知算法进行了研究,并着重研究了压缩感知算法中的恢复算法。然后,研究了采用l1范数最小算法的性能问题。基于块稀疏模型引入了一种加权l1范数最小算法,并在理论上对其RIP特性和误差上界进行了推导。最后,通过仿真分析表明其相对应传统的l1范数最小算法具有明显的性能表现,并且相对于基于OMP的信道估计算法具有更稳定的性能。
【关键词】：大规模MIMO 信道估计 TDD FDD MMSE 压缩感知
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN919.3
【目录】：

• 摘要4-5
• Abstract5-8
• 专用术语注释表8-9
• 第一章 绪论9-15
• 1.1 研究背景9-12
• 1.1.1 Massive MIMO技术10-11
• 1.1.2 信道估计11-12
• 1.2 国内外研究现状12-13
• 1.3 主要工作及结构安排13-15
• 第二章 Massive MIMO系统模型15-25
• 2.1 MIMO系统15-18
• 2.1.1 系统模型15-16
• 2.1.2 系统容量16-18
• 2.2 Massive MIMO系统18-24
• 2.2.1 Massive MIMO系统分类18-21
• 2.2.2 系统模型21-22
• 2.2.3 信道容量分析22-23
• 2.2.4 Massive MIMO系统特点23-24
• 2.3 本章小结24-25
• 第三章 Massive MIMO系统信道估计算法和导频污染研究25-35
• 3.1 传统信道估计方法25-28
• 3.1.1 最小二乘信道估计方法26
• 3.1.2 最小均方误差信道估计算法26-28
• 3.2 TDD与FDD下信道估计分析28-29
• 3.3 导频巧染29-34
• 3.3.1 理论分析29-32
• 3.3.2 降低导频污染方法研究32-33
• 3.3.3 仿真分析33-34
• 3.4 本章小结34-35
• 第四章 Massive MIMO上行系统信道估计算法研究35-44
• 4.1 上行系统模型35
• 4.2 Bayesian MMSE信道估计算法35-37
• 4.3 基于Bayesian上行信道估计算法研究37-43
• 4.3.1 Bayesian算法复杂度分析37
• 4.3.2 低复杂度上行信道估计算法37-40
• 4.3.3 MSE性能分析40-41
• 4.3.4 算法性能仿真41-43
• 4.4 本章小结43-44
• 第五章 Massive MIMO下行系统信道估计算法研究44-63
• 5.1 前言44-45
• 5.2 压缩感知理论45-52
• 5.2.1 理论框架45-46
• 5.2.2 信号模型46-48
• 5.2.3 测量矩阵48-50
• 5.2.4 信号恢复算法50-52
• 5.3 下行信道估计算法的研究52-62
• 5.3.1 系统模型52-55
• 5.3.2 基于压缩感知信道估计算法55-60
• 5.3.3 仿真分析60-62
• 5.4 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 全文总结63-64
• 6.2 未来展望64-65
• 参考文献65-68
• 附录1 攻读硕士学位期间撰写的论文68-69
• 附录2 攻读硕士学位期间申请的专利69-70
• 附录3 攻读硕士学位期间参加的科研项目70-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 吕子兴;张文杰;郭永;;多径情况下的信道估计算法[J];电子科技;2009年11期

2 许鹏;汪晋宽;祁峰;;改进的高效MIMO-OFDM系统EM信道估计算法[J];通信学报;2011年01期

3 吴进;;一种改进的直接判决信道估计算法研究[J];电视技术;2012年01期

4 杨知行,王军,潘长勇,杨林;地面数字电视广播的信道估计算法[J];电子学报;2002年09期

5 宋晓勤;胡爱群;李克;薛强;;用于多小区联合检测的高精度信道估计算法[J];通信学报;2008年02期

6 叶凌敏;仇洪冰;;MB-OFDM UWB系统中的信道估计算法研究[J];计算机仿真;2009年01期

7 林宏志;朱光喜;王德胜;苏钢;;正交频分复用系统中脉冲成型信道估计算法[J];华中科技大学学报(自然科学版);2009年02期

8 焦东立;朱立东;;一种基于压缩感知的信道估计算法[J];空间电子技术;2011年03期

9 韩艳春;刘红云;钟雪锋;;一种新的低复杂度信道估计算法[J];电讯技术;2012年04期

10 施荣华;蒋泽艳;彭春华;王国才;;一种时频结合的中导码信道估计算法[J];计算机应用研究;2013年06期

中国重要会议论文全文数据库 前10条

1 陈玉静;黄帅;;一种基于频域的MIMO-OFDM系统稀疏信道估计算法[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

2 胡观华;李有明;;DSL中低复杂度的盲串音信道估计算法[A];浙江省电子学会2009学术年会论文集[C];2009年

3 丁旭;张韵农;李丹;;基于MIMO-OFDM系统的信道估计算法综述[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

4 王建明;赵春明;;智能天线中一种改进的自适应信道估计算法[A];2002’中国通信学会无线及移动通信委员会学术年会论文集[C];2002年

5 万蒙;;基于OFDM系统的信道估计算法的研究[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

6 杨静;李洋;刘丹谱;;最大似然信道估计算法在UWB系统中的性能分析[A];第九届全国青年通信学术会议论文集[C];2004年

7 高云;李晓松;刘文京;李绍胜;;一种改进的OFDM系统信道估计算法[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

8 李志红;贺立红;吴建华;;宽带无线MIMO-OFDM系统信道估计算法研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

9 黄帅;朱卫平;孟庆民;;单载波块传输系统中稀疏信道估计算法研究[A];2009年通信理论与信号处理学术年会论文集[C];2009年

10 张庆武;朱卫平;;无信号扰动误差的MIMO盲信道估计算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前6条

1 杨永立;OFDM系统非参数信道估计算法研究[D];华中科技大学;2009年

2 许鹏;适用于MIMO-OFDM系统的信道估计算法研究[D];东北大学;2011年

3 刘俊琳;OFDM系统高效接收方法的研究[D];中国科学技术大学;2006年

4 于华楠;基于压缩传感的无线通信系统信道估计研究[D];吉林大学;2012年

5 郭起霖;OFDM系统时变信道估计算法研究[D];北京邮电大学;2013年

6 赵俊义;MIMO-OFDM无线通信系统信道估计算法研究[D];哈尔滨工业大学;2009年

中国硕士学位论文全文数据库 前10条

1 姜凯;基于门限处理的信道估计算法研究[D];天津理工大学;2013年

2 汪亚;MIMO-OFDM系统信道估计算法研究[D];西南交通大学;2015年

3 黄友丹;高移动环境下LTE上行信道估计仿真及DSP实现[D];西南交通大学;2015年

4 朱斌;高移动场景下OFDM系统信道估计技术仿真与DSP实现[D];西南交通大学;2015年

5 武鹏;分数傅里叶通信系统信道估计算法研究[D];哈尔滨工业大学;2015年

6 胡倩;基于MIMO-OFDM系统的信道估计算法的研究[D];电子科技大学;2015年

7 刘钰佳;MIMO-OFDM系统中的信道估计算法研究[D];华侨大学;2015年

8 李辉;基于向量空间投影的多用户MIMO-CDMA系统半盲信道估计算法[D];电子科技大学;2014年

9 刘国英;OFDM系统中基于FFT的信道估计算法的研究[D];东北大学;2013年

10 张本斌;基于NGB-W的同步与信道估计算法研究[D];南昌航空大学;2015年

，

本文编号：541565