论文部分内容阅读
随着信息技术的不断进步以及智能终端设备的逐渐普及,全球移动数据业务量正呈爆炸式增长。海量数据和多元化业务对未来无线通信网络的传输速率、传输时延以及传输可靠性提出了更高的要求,为通信系统的革命性演进带来了新的挑战。为了满足日益增长的性能需求,大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）技术应运而生。作为第五代移动通信（5th Generation Mobile Communication,5G）的关键技术之一,大规模MIMO通过配置大量天线阵列实现空间无线资源的深度挖掘,现已成为提升通信系统性能的有效途径。尽管大规模MIMO技术已初步投入商用,但其在进一步大规模部署过程中仍存在成本过高、功耗过大以及信道估计不准确等问题。如何以低复杂度方式实现大规模MIMO系统的低成本低功耗部署亟待解决。此外,伴随着第六代移动通信（6th Generation Mobile Communication,6G）系统的研究步入前沿探索阶段,承载着6G愿景的新兴技术与新型无线网络架构正不断涌现,大规模MIMO技术的发展迎来新的机遇,但其在新型网络架构,特别是在极具前景的可重构智能表面（Reconfigurable Intelligent Surface,RIS）辅助型网络中的巨大潜能尚未充分挖掘。因此,针对上述问题,本文从减少射频（Radio Frequency,RF）链路数量降低RF链器件功耗、高效利用有限导频资源节约信道估计开销、部署RIS建立辅助通信链路扩大通信覆盖范围确保信号稳定可靠传输等方面对大规模MIMO系统展开研究,旨在推动大规模MIMO技术的长期演进。首先研究了基于低精度量化的模数混合MIMO系统随机波束成形设计。在采用模数混合波束成形技术的大规模MIMO系统中配置低精度模数转换器（Analog-to-Digital Converter,ADC）,从硬件层面缩减成本和功耗。为了降低系统复杂度,减少系统实现所需的信令开销,本文创新性地提出利用长时间尺度的统计信道状态信息（Channel State Information,CSI）设计混合波束成形器,考虑在满足用户平均速率约束的条件下最小化系统发射功率,力图克服低精度器件ADC的粗量化影响,实现系统性能的有效提升。由于长时间尺度下的用户平均速率约束含有期望运算符并且无法用解析表达式显性表示,因此所构建的随机优化问题非凸且难于求解。本文充分挖掘问题的结构特性,巧妙地设计了松弛的随机逐次凸近似（Relaxed Stochastic Successive Convex Approximation,RSSCA）算法收敛到问题的稳态解。仿真结果清楚地表明了所提出的RSSCA算法相较于传统算法能够在保证用户服务质量（Quality of Service,Qo S）的同时有效降低系统功耗,此外,结果还表明基于统计CSI的优化设计比基于瞬时CSI的优化设计更具鲁棒性。其次研究了基于精度自适应ADC的模数混合MIMO系统信道估计问题。在此系统中,精度自适应ADC能够充分利用每一条RF链上的信道特性实现动态地最优量化比特分配,有效地控制ADC量化误差并提升通信质量。具体地,根据系统模型,推导获得信道估计均方误差的闭式表达式;并据此建立联合优化导频序列、混合波束成形器以及ADC量化精度的信道估计均方误差最小化问题,低成本低功耗地实现高精度信道估计。通过引入辅助变量和分式规划技术,本文将变量高度耦合的非凸优化问题等价转换为易于处理的形式,然后针对无码本导频方案,设计一种基于块坐标下降（Block Coordinate Descent,BCD）的联合优化算法,对于基于码本的导频方案,则设计了一种基于惩罚对偶分解（Penalty Dual Decomposition,PDD）的联合优化算法。此外,受统计贪婪导频分配（Statistical Greedy Pilot Allocation,SGPA）方法的启发,本文针对基于码本的导频方案,进一步提出一种低复杂度的次优算法。仿真结果验证了不同导频设计方案下所提算法的有效性,并且证明了引入更具灵活性的精度自适应ADC能够有显著提升信道估计质量。最后研究了精度自适应量化下RIS辅助的模数混合MIMO系统鲁棒性波束成形设计与资源分配,解决复杂环境中因障碍物存在所导致的通信阻塞问题。在不完美级联CSI（基站-RIS-用户CSI）的条件下,通过联合优化发射功率、ADC比特分配、基站处有源混合波束成形矩阵以及RIS处的无源波束成形向量来实现最坏情况下系统和速率的最大化。由于所构建的优化问题是典型的混合整数非线性规划（Mixed-Integer Non-Linear Programming,MINLP）问题,难于求解。本文根据问题结构,巧妙地利用拉格朗日对偶转换和分式规化法将问题等价转化,并提出了一种低复杂度的基于解耦的交替最大化（Decoupling-based Alternating Maximization,D-Alt Max）算法来获得问题的局部最优解。蒙特卡洛仿真结果验证了D-Alt Max算法的有效性,证明了RIS在改善无线传输环境增大通信覆盖范围以及抑制多用户干扰方面的能力。仿真结果还表明所提鲁棒性方案在克服CSI误差影响提升系统性能方面明显优于传统的非鲁棒性方案。