论文部分内容阅读
大规模MIMO技术是实现5G移动通信系统eMBB场景下高性能空口传输的关键之一。大规模MIMO系统中的基站和用户设备皆配备了具有大量单元的天线阵列,为系统引入了额外的空域自由度,从而奠定了大规模MIMO系统空口传输性能提升的基础。确保大规模MIMO系统在低导频开销条件下具备获取高精度信道状态信息的能力是实现空口传输性能提升的关键和难点。在FDD大规模MIMO系统下行链路的信道估计流程中,系统导频资源受限与基站天线阵列维度极大、信道估计精度要求较高之间的矛盾尤为突出。为了解决这一矛盾,本文主要在三个方面展开了研究工作。1)本文首先建立了大规模MIMO OFDM系统中的信道响应模型,并引入虚拟角域及虚拟角域变换的概念,实现了大规模MIMO系统信道响应由空域至虚拟角域的相互转换。之后,本文建立了OFDM系统中的信道插值性质及信道训练的导频承载结构。最后,本文对信道在虚拟角域表述基础上的稀疏特性进行了分析。2)本文明确了压缩感知重构算法重构效率与算法不确定度—稀疏度折衷性能之间的关系,选定了GAMP作为信道估计的基础算法框架。随后,本文将GAMP算法扩展至复数域,推导了可以求解信道响应这类稀疏目标的C-BG-GAMP算法。3)本文首先定义了稀疏信号去零划分信息及对应去零划分比的概念。随后,本文论证了去零划分信息对C-BG-GAMP算法重构效率的提升效果,并通过仿真结果证实了这些结论。之后,本文提出了一种去零划分信息学习算法,并论证了这一算法的有效性。最后,本文对信道估计中的去零划分信息学习算法进行了修订,最终形成了去零划分信息学习增强的C-BG-GAMP信道估计算法方案。第一个方面的工作中,信道模型的建立及信道稀疏性的解析是压缩感知技术在信道估计中得到有效应用的保证;第二个方面的工作中,C-BG-GAMP算法的推导解决了GAMP算法针对复数域目标的应用;第三个方面的工作中,结合信道的结构性稀疏特性,信道估计中的C-BG-GAMP算法得到了进一步的改进和应用。前两个方面的研究内容是第三个方面工作中信道估计算法提升的基础与支撑。仿真结果证实了本文提出的全新信道估计算法能够在相同的导频开销条件下取得超过M-SBL及J-OMP信道估计算法的精度性能,并取得超过原C-BG-GAMP信道估计算法的精度性能。