论文部分内容阅读
大规模多输入多输出（Multi-Input Multi-Output,MIMO）技术,即基站端配置比传统MIMO系统天线数高若干数量级的天线阵列来为数量相对较小的用户提供服务,相比传统MIMO系统,其信道参数统计特性有更高的确定性,属于6G系统重要关键技术。其中,导频污染问题是大规模MIMO系统面临的主要挑战之一。半盲信道估计因结合信道参数的统计特性以及短导频序列对乘性模糊系数矩阵的有效估计,被广泛用于大规模MIMO系统。在实际MIMO系统的半盲信道估计中,有限的接收天线数量会导致残余的导频污染,以及协方差矩阵的特征向量的非正交,从而导致自扰动,但是这些干扰可以随着接收天线数量的增加而减少;然而,有限的相干符号长度（Coherent Symbol Length,CSL）导致数据符号长度的有限,由此产生的信号扰动（Signal Perturbation,SP）不依赖于接收天线数量,且在多用户MIMO系统中不能通过增加额外开销予以消除。本文首先研究了有限天线数量的大规模MIMO系统中半盲信道估计的信道估计误差产生的原因;其次,具体分析了信号扰动对半盲信道估计的影响;再次,提出了一种导频分配和半盲信道估计相结合的导频去污染方法;最后,还探索了小区内用户数量较多时,非正交多址（Non-orthogonal Multiple Access,NOMA）与MIMO相结合的MIMO-NOMA系统中组间串行干扰删除（Group Successive Interference Cancellation,GSIC）辅助的半盲信道估计方法,解决导频污染问题。本文的主要贡献具体描述如下:（1）分析了有限天线数量的大规模MIMO蜂窝系统中,基于特征值分解（Eigenvalue Decomposition,EVD）的半盲信道估计方法的信道估计误差问题。首先,基于一个完整的多小区多用户MIMO系统模型,分析了EVD方法在有限接收天线数量下,信道估计误差产生的原因:空间上天线数量有限带来的自扰动、导频污染,以及协方差矩阵采样数的有限性。其次,推导了基于导频的信道估计方法和EVD半盲信道估计方法的信干噪比（Signal to Interference Plus Noise Ratio,SINR）。最后,进行了仿真验证,仿真结果与理论分析完全吻合,EVD半盲信道估计的归一化均方误差（Normalized Mean Square Error,NMSE）和误比特率随着接收天线数量增加而减少。（2）深入分析了大规模MIMO系统中信号扰动对半盲信道估计的影响。为了评估导频污染和信号扰动的影响,应该先获得接收信号的协方差矩阵。具体而言,与理想统计协方差矩阵的最大特征值相关联的特征向量,包含了期望信号的子空间信息,其中由于快衰落矩阵的渐近正交性而消除了干扰和部分噪声。由于获得理想的统计协方差矩阵相当困难,实际中采用有限的采样数据计算出的样本协方差矩阵来逼近理想统计协方差矩阵。然而,理想统计协方差矩阵和样本协方差矩阵之间的差异会导致信号扰动。仿真结果验证了本文扰动分析的有效性。此外,仿真表明,信号扰动重构了目标小区和干扰小区的特征向量和特征值分布,从而影响了系统整体性能。（3）提出了一种新的将导频分配与半盲信道估计相结合的上行链路信道估计方法,用于减轻时分双工（Time Division Duplex,TDD）大规模MIMO系统中的导频污染。对于去导频污染方案,基于半盲估计方法的性能受到干扰信号功率与目标信号功率之比的限制。智能导频分配方法通过最小化小区内干扰最强用户的干扰信号功率与目标信号功率之比,从而让目标信号与干扰信号的特征值区间分离,进一步消除导频污染。为了在每个小区有大量用户的情况下降低最优导频分配的搜索复杂度,我们提出了一种基于扇区的导频分配方法,包括扇区间导频分配和扇区内导频优化。仿真结果验证了新的联合导频分配和半盲信道估计方法能够有效提高系统可达速率和降低归一化均方误差。（4）提出了一种新的针对多小区大规模MIMO-NOMA系统的GSIC辅助的半盲信道估计方法,以减轻导频污染。具体来说,每个小区中的用户被分成多个组,相同的导频序列集被不同的组重用,以减少导频开销。通过遵循NOMA原理,提出了一种GSIC辅助方法来消除组间导频污染。仿真结果表明,随着接收天线数量的增加,所提出的信道估计方法能够降低不同组的特征值区间重叠概率。此外,所提出的方案在NMSE性能方面优于传统的信道估计方法。