论文部分内容阅读
5 G通信新空口(New Radio,NR)作为即将到来的全新一代的标准,采用了基于正交频分多址(Orthogonal Frequency Division Multiplexing,OFDM)的全新空口设计。同时,在高铁高速移动场景下,无线信道环境往往具有快速衰落的时频双选特性,OFDM系统通常需要大量的导频子载波来对信道进行估计,这占用了系统中有限的载波资源。为此,本文结合高铁信道通常具有稀疏性的特点,研究基于基扩展模型(Basis Expansion Model,BEM)和压缩感知(Compressive Sensing,CS)的导频优化及高效信道估计技术。首先,本文研究了基于迭代干扰消除的基扩展模型和压缩感知信道估计技术,我们的方法可以有效地减少导频开销。在针对高速场景的无线信道估计中,时频双选信道使得接收信号受到来自子载波的载波间干扰(Inter-carrier Interference,ICI),这需要大量的导频子载波来估计信道矩阵。分布式压缩感知(Distributed Compressive Sensing,DCS)理论与BEM理论相结合是准确估计双选信道的信道状态参数(Channel State Information,CSI)的一种行之有效的方法;但是,在传统BEM结合CS的信道估计框架中,每个有效导频的周围都需要保护导频,这极大地占用了导频开销和有限的频谱资源。在本文提出的基于迭代干扰消除的压缩感知信道估计算法中,有效导频周围的不再有保护导频,取而代之的是数据子载波。我们首先估计出数据导频对有效导频的ICI,然后采用迭代的方法对干扰进行消除。我们在单发单收(Single Input Single Output,SISO)和多发多收(Multiple Input Multiple Output,MIMO)系统中分别进行了算法仿真。仿真结果表明:提出的基于迭代干扰消除的基扩展模型和压缩感知信道估计算法相比传统压缩感知算法可以节省80%的导频资源,并且能实现与传统算法近似的信道估计性能,代价是需要额外的迭代干扰消除计算。同时,在总的导频密度相同的条件下,本文算法可以获得4dB至8dB的信道估计归一化均方误差(Normalized Mean Square Error,NMSE)性能增益。接着,本文进一步研究了基于压缩感知的信道估计导频优化方法。本文对时域和频域的二维导频进行了优化。首先,根据信道的相干时间设置阈值,频域中的导频模式设计可以遵循离散随机优化(Discrete Stochastic Optimization,DSO)算法。通过遍历阈值内的不同时域导频间隔来获得最优的导频设计。我们在SISO和MIMO系统中分别进行了性能仿真。仿真结果表明:在进行信道估计时,本文所提出的时频二维导频优化方法所生成的导频方案与传统的一维导频优化方法所设计的导频方案相比,有4dB左右的NMSE性能增益。最后,本文对上述的两个方面研究工作就行了总结,并对未来的进一步研究做出了展望。