论文部分内容阅读
Massive MIMO通信系统具有高能量利用率、高鲁棒性的特点,已经成为第五代移动通信的关键技术之一。其所有的优点都是基于信道状态信息已知的前提下进行讨论的,因此本文对Massive MIMO通信系统中信道估计算法进行了研究。针对目前通信系统分为TDD和FDD两种传输模式,分别针对这两种模式对Massive MIMO中信道估计算法进行了理论研究和分析。首先对通用的信道估计算法进行了研究,然后针对TDD和FDD两种模式下信道估计方式分别进行了分析。针对TDD模式下随着大规模天线阵列的配置,导频污染问题愈加突出,因此对TDD模式下存在的导频污染进行了理论分析和研究,然后通过仿真对其进行了验证。其次,由于TDD模式下的Massive MIMO信道存在信道互易性,因此主要对TDD模式下的Massive MIMO上行信道估计进行了研究。首先研究了对传统MMSE改进的Bayesian MMSE算法,并对该算法特点进行了分析。针对Bayesian MMSE算法存在较高计算复杂度的特点,利用信道矩阵的统计特性对其进行了改进,并提出了一种低复杂度的信道估计算法。最后通过仿真验证了改进算法在复杂度降低的前提下仍有明显的性能增益。对于下行信道估计,TDD系统可以利用互易性,基于上行信道估计来得到下行信道的CSI。再次,由于FDD系统中不存在上下信道的互易性,因此还研究了FDD系统中的下行信道估计。由于传统的FDD MIMO通信系统中的导频开销是与基站天线数成比例的,因此原来的信道估计技术在FDD Massive MIMO通信系统中并不直接适用。鉴于此,研究了基于压缩感知的可极大减少导频开销的信道估计算法。首先对压缩感知算法进行了研究,并着重研究了压缩感知算法中的恢复算法。然后,研究了采用l1范数最小算法的性能问题。基于块稀疏模型引入了一种加权l1范数最小算法,并在理论上对其RIP特性和误差上界进行了推导。最后,通过仿真分析表明其相对应传统的l1范数最小算法具有明显的性能表现,并且相对于基于OMP的信道估计算法具有更稳定的性能。