论文部分内容阅读
大规模天线(Massive Multi-input Multi-output,Massive MIMO)作为第五代移动网络(5th Generation mobile networks,5G)的可能核心技术之一在学术界和工业界成为热门的研究方向。最近的研究表明Massive MIMO有着很多新的特性,如系统的能量效率随着天线数的增加而提高,信道容量随着同时服务的用户数的增多而提高等特性。信道状态信息获取在Massive MIMO系统中起着至关重要的作用。不准确的信道状态信息限制了 MassiveMIMO技术优点的发挥。为了充分挖掘时分双工复用(Time-Division Duplexing,TDD)系统在 Massive MIMO 系统中的优势,本文针对信道状态的获取以及TDD信道校准进行了研究。本文的主要创新和贡献如下:1)提出了一种在多用户Massive MIMO场景下分组迭代的信道校准方法。在这种方法中把多天线基站天线分为N组,并选择一个单天线基站作为参考用户。不同的天线组和用户组成新的用户天线组,每组用户天线组的发送接收链路的相干时间在不同的区间。只需要在一个时隙内校准一个用户天线组,多次迭代之后就可以得到整个系统的信道校准系数。这种算法可以提高信道容量,并且适应于Massive MIMO系统和高速移动的信道环境。2)提出了在Massive MIMO场景中TDD信道相对校准方法。这种方法把Massive MIMO系统分成了一个单输入单输出(Single Input Single Output,SISO)系统和两个单输入多输出(Single Input Multiple Output,SIMO)系统。选择信道增益最高的信道作为参考信道(SISO系统),相应的天线为参考天线。同一个基站的参考天线和除参考天线之外的天线组成SIMO系统。这三个系统包含了整个Massive MIMO系统所有天线的收发链路信息,然后分别校准这三个系统,并分别得到这三个子系统的信道校准参数。利用得到的三个子系统的信道校准参数就可以得到整个系统的信道校准参数。提出的校准方法相较于直接校准整个系统,可以有效的减少信道状态信息反馈量和计算复杂度。并且提出的算法可以比传统的信道校准方法更适合于高速移动的信道环境。3)提出了一种基于最小均方误差的7基站网络Massive MIMO系统信道联合校准方法。网络MIMO系统可以利用联合预编码有效减小基站间的干扰,但是由于收发链路的不匹配导致在TDD系统中不能利用上行信道状态信息准确地估算下行信道状态信息。所以在利用TDD信道互易性前需要对信道进行校准。所提出的方法把7基站系统分为7个独立的集中式MIMO系统和1个分布式MIMO系统。分别计算这8个系统的信道校准信息,然后综合所得到的信道校准系数可以得到整个7基站网络MIMO系统的信道校准系数。最后仿真验证了这种方法的有效性。