论文部分内容阅读
大规模MIMO(massive multiple-input multiple-output,massive MIMO)技术通过在基站侧配置大规模天线阵列,利用空域资源弥补时频域资源的不足,能提供更大的系统容量、更高的能量效率,并支持多用户连接。正交频分复用(orthogonal frequency division multiplexing,OFDM)技术利用正交子载波并行传输数据,既能根据信道特性灵活加载,提高频谱效率,又能抑制符号间干扰(inter-symbol interference,ISI),克服频率选择性衰落。在大规模MIMO-OFDM系统中,为了执行上行链路(uplink,UL)接收检测和下行链路(downlink,DL)发射预编码,基站需要获取准确的信道状态信息(channel state information,CSI),充分发挥大规模MIMO-OFDM技术优势的关键在于有效的信道估计。大规模MIMO-OFDM无线信道在波束域和时延域具有稀疏性,基于压缩感知理论的信道估计利用信道的稀疏性,不仅能提高信道估计精度,还能降低导频开销。本文针对大规模MIMO-OFDM系统信道估计技术展开研究,利用无线信道在波束域和时延域的稀疏性,基于压缩感知理论进行信道估计,主要研究内容概括如下:(1)借助压缩感知理论,研究基于导频优化分布的大规模MIMO-OFDM系统信道估计算法。在大规模MIMO-OFDM系统中,导频分布与信道估计性能有密切关系,可以通过优化导频分布来提高信道估计性能。首先将基于压缩感知的信道估计问题转换为块稀疏信号重建问题,然后利用块稀疏信号重建导出误差边界,获得测量矩阵的互相关性与BOMP算法重构效果之间的关系,进而提出一种导频优化准则,最后根据该准则,采用遗传算法获得最优导频分布。仿真结果表明,本文提出的基于最小化完全块间相关值的导频优化分布与未优化导频分布相比,能大幅提高信道估计性能。(2)研究基于块稀疏性的大规模MIMO-OFDM系统信道估计算法。首先分析了大规模MIMO-OFDM系统信道具有的空间相关性和时间相关性,进而导出信道的块稀疏特性,然后将信道估计问题转换为块稀疏信号重建问题,提出一种基于块稀疏的B-CoSaMP算法,降低信道估计所需的导频开销。仿真结果表明,B-CoSaMP算法在信道估计准确性和误码率方面都有良好的性能。