论文部分内容阅读
针对现代社会的需求,5G对下一代无线通信提出了高信道容量、高频谱效率和高能量效率的要求。大量研究表明,随着基站天线数的增加,Massive MIMO能够大幅度提升蜂窝通信系统的信道容量、频谱效率和能量效率。因此,Massive MIMO成为5G的关键技术之一,也是近年来学术界研究的热点。随着基站天线数的增加,MassiveMIMO表现出了许多优势,但是,它自身也存在一些缺陷。例如,导频污染、信道估计与检测算法复杂等。本文首先对Massive MIMO面临的机遇与挑战进行阐述,然后针对其面临的各项挑战,对Massive MIMO关键技术进行了深入研究,提出适用于Massive MIMO网络的高效预编码算法和信道估计与检测算法。预编码是蜂窝通信网络常用的干扰消除手段之一。本文提出了一种适用于多小区Massive MIMO网络下行链路的广义条件迫零预编码算法。基于Sebastian Wagner对单小区Massive MIMO网络广义迫零预编码的研究结果,应用随机矩阵的方法,本文得到了该预编码条件下各个用户信干噪比的显式确定性等价表达式。根据该结果,我们可以掌握影响用户信干噪比的因素,从而在实际应用中通过合理设置系统参数,减小不利因素的影响,提升系统性能。此外,我们还可以在对接收信号检测之前,预先减去小区间干扰和噪声信号的估计值,从而降低其对检测性能的影响。信道状态信息在MIMO系统处理中占据着举足轻重的地位。由于小区间干扰信号造成的导频污染问题,严重影响Massive MIMO系统的信道估计精度,从而降低其检测性能。本文提出了一种基于特征值分解的增强型Massive MIMO信道估计与检测算法。与传统的Massive MIMO信道估计算法相比,该算法只需估计低维映射信道矩阵,从而降低计算复杂度;该算法需要较少的导频信号,从而提升系统的频谱效率;当基站天线数趋于无穷时,该算法可以完全抑制导频污染的影响。当信噪比为40dB时,该算法的信道估计均方误差性能比传统的特征值分解信道估计方法提升了两个数量级,检测的误比特率大约是MRC接收的百分之一。