论文部分内容阅读
随着社会的信息化,互联网+、物联网、智能家居等的发展,无线通信设备呈指数型增长,未来对高速率、大容量传输需求更加迫切。毫米波Massive MIMO通信技术的发展将给信息化中存在的问题得以本质上处理,提升传输速率、提升天线增益、减少路径损耗可以在不久的将来取得实质性改进。然而,在毫米波Massive MIMO系统中,在基站(BS)配置大量天线与射频(RF)链路,这样增加系统复杂度,也大大增加系统功耗,同时基站端成百上千天线也使得信道估计的更为复杂。针对信道估计、混合预编码的存在问题,本课题对信道估计与混合预编码进行了研究。本文主要研究工作有三点(1)针对传统基于压缩感知的信道估计分辨率损失严重,精度不高,提出了一种基于迭代重加权(IR)的超分辨信道估计方案。通过部分自适应动量估计方法(Padam)迭代优化目标函数,使到达角/离开角(AoAs/AoDs)趋向最优解,从而最终实现高分辨率信道估计。在优化过程中,使用加权参数来平衡稀疏性和数据拟合误差。仿真结果证明了与正交匹配追踪(OMP)信道估计方案、自适应码本信道估计方案相比,所提方案归一化均方误差和频谱效率等性能更优。(2)在信道估计方案中,把深度学习的Padam引入到信道估计,通过Padam算法求解非凹性多元联合不等式方程组,以得到优化函数最小化时AoAs/AoDs的最佳解。(3)考虑到毫米波Massive MIMO系统里面混合预编码中存在码本过大与反馈开销过高的问题,提出基于信号离开角(AoD)的码本设计,并依据此码本得出角度均匀量化(UQ-A)混合预编码算法。该算法主要利用在角度相干时间内AoD的大小在数值上保持不变的特性,得出码本来量化信道矢量,计算模拟和数字预编码矩阵,然后对两者生成的合成矩阵进行奇异值分解(SVD)处理,求出用户端合成器矩阵。仿真结果表明:此设计方案极大的减少RF链,且可达频谱效率与全数字预编码算法的效果十分贴近。在同一个小区毫米波Massive MIMO系统中,引入深度学习的Padam部分自适应动量估计方法,迭代重加权获取最佳到达角/离开角,然后获取超分辨率的信道状态信息。基于角度均匀量化的混合预编码,不仅减小了码本,减少了反馈开销,而且可达频谱效率性能接近全数字预编码。