论文部分内容阅读
如今,海量的接入设备和层出不穷的新业务需求宣告大数据时代的来临。作为承载海量数据的载体的移动通信发展至今,已经不能满足日益增长的数据传输需求。为了满足未来用户数据传输的需求,第五代移动通信系统(5G)成为移动通信研究热点。其中,大规模多输入多输出(massive Multiple-Input Multiple-Output,massive MIMO)技术利用几十至上百根天线,提高系统频谱利用率和传输速率,在频谱资源稀缺和数据爆炸增长的如今,已经成为5G关键技术之一。然而,随着天线数目和系统用户数目的增加,接收端信号维度上升,信号恢复难度增加;同时用户数目的增加导致系统干扰愈发严重。基于上述两点,本文主要研究massive MIMO信号检测算法和干扰抑制技术。研究massive MIMO中低复杂度检测算法:似然上升搜索(Likelihood Ascend Search,LAS)、多级似然上升搜索(Multistage LAS,M-LAS)以及衍生算法。针对M-LAS算法局部逃逸能力较差的缺点,利用LAS算法的低复杂度,结合遗传算法的全局寻优能力,通过分组和固定迭代次数等方法,提出改进的算法GGALAS(Grouped GeneticAlgorithmLAS)。仿真结果表明,GGALAS检测性能优于M-LAS,当天线数目大于100时计算复杂度低于M-LAS算法,时延约占M-LAS算法的10%。研究massive MIMO中低复杂度检测算法:主动禁忌搜索(Reactive Tabu Search,RTS),分层禁忌搜索(Layered Tabu Search,LTS)和 R3TS 搜索(Random-RestartReactive Tabu Search)。针对 RTS算法全局寻优能力差的缺点,利用符号可靠性检测选取检测支路,同时对每个支路强化局部逃逸能力,对所有支路最大比合并,提出了一种基于RTS算法的改进算法PTS(ParallelTabu Search)。仿真结果表明,在4QAM调制下,PTS检测性能优于RTS。研究massive MIMO系统中抑制导频污染的导频分配法和PCP(Pilot Contamination Precoding)预编码方法,针对导频分配算法复杂度过高的缺点,基于小区负载排序,定义小区间导频重复率表格,根据重复率表格确定待优化小区群,根据待优化小区群进一步优化导频分配,提出一种基于导频重复率的导频分配方法,结果表明,相比随机分配,提出的导频分配法取得系统和速率的提升。