论文部分内容阅读
大规模多输入多输出(MIMO)技术作为第五代移动通信技术的关键技术之一,通过增加天线维度解决了频谱利用率低、功率效率低以及传输可靠性差的问题。收发天线数的增加,导致信道矩阵维度增加,从而使信道估计具有较高的计算复杂度。基于导频的信道估计算法虽然能够提高信道估计性能,但此方法存在导频污染的问题,会降低信道估计精度和系统性能,同时由于导频占用系统资源,对传输性能有较大影响。研究如何降低计算复杂度的同时,尽可能的减小导频污染的影响成为学者们研究的重点内容。本论文着眼解决这些问题,展开了基于平行因子分解(Parallel Factor,PARAFAC)的单小区大规模MIMO系统信道估计相关研究,其主要内容概括如下:1.以提高大规模MIMO信道估计算法精度,降低导频开销为出发点,提出以PARAFAC模型为主导的信道估计方案。所提方案以调制信号的恒模结构特性为约束,构造出具有恒模约束的PARAFAC模型(CM-PARAFAC模型),理论分析证明所提方法在加载矩阵含有列相关的情况下,依然可以在松弛的唯一性条件下,实现信道辨识和信号检测。仿真结果表明:其信道估计的的性能略优于基于PARAFAC模型的方法;但相对于非盲的估计方法而言,可在利用较少导频的情况下,达到更高性能的估计效果。2.为降低大规模MIMO系统由于高维数据处理导致的信道估计的复杂度,本文将稀疏理论与PARAFAC模型相结合,提出了一种基于压缩PARAFAC模型,并应用于多用户联合信道估计。该方法的思想是将物理信道描述为稀疏信道,并基于此构造低维度的平行因子分解模型,从而降低运算复杂度并加速收敛。仿真结果验证了本文所提方法充分利用无线通信系统中的空、时、频多域信息,在低运算复杂度情况下,仅需为数较少的导频信息,即可得到多个用户的信号矩阵、信道矩阵的估计值,且估计精度接近未经压缩的基于PARAFAC模型的信道估计算法,相比导频的估计方法有大幅的的提升。3.提出了投影正则交替最小二乘(Projection-Regular alternating least squares,P-RALS)拟合算法与压缩PARAFAC拟合算法,并将其应用于恒模约束PARAFAC模型和压缩PARAFAC模型的拟合求解。本文对新算法的唯一性分解条件进行了推导,并仿真分析了相关参数对信道归一化均方误差性能的影响,为算法参数的合理选取提供依据。