论文部分内容阅读
移动互联网和物联网的快速发展使得无线传输数据量急剧上升,对无线通信网络的网络性能提出了更高要求。为了解决当前无线通信网络的性能需求,业界提出了融合集中处理、协作无线电和云型基础设施于一体的云无线接入网络。由于信道属性直接决定了集中信号处理增益,本文对云无线接入网络中的信道估计方法进行了研究。在云无线接入网络中,信道由无线接入链路和去程链路组成。本文提出了一种同时利用导频信号和数据信号进行信道估计的半盲信道估计方法,并结合云无线接入网络的协作特点利用博弈论对半盲信道估计方法进行优化设计。首先,为了降低信道估计的导频开销,提高系统的数据传输效率,本文针对去程链路理想的云无线接入网络,提出了一种利用数据信号提升导频信道估计精度的半盲信道估计方法。该方法可以在不增加导频开销的前提下,提升估计性能,平衡了信道估计精度与导频开销之间的矛盾。其次,在非理想无线去程链路的云无线接入网络场景中,结合远端无线射频单元的协作特性,通过将远端无线射频单元合理分簇,优化协作模式,均衡信道估计精度和数据传输效率。在该算法中,远端无线射频单元之间通过联盟博弈,联合考量信道估计精度和数据传输速率,得到性能最优的分簇形式。仿真分析表明,在最佳分簇形式下进行半盲信道估计,较完全合作和非合作,在平均信噪比为20dB时,数据传输速率分别提升了 1.01bit/s和2.6bit/s。另外,在上述非理想去程链路的云无线接入网络的半盲信道估计算法中,分簇的博弈过程需要使用半盲信道估计获得瞬时信道状态信息,利用信道状态信息计算效益函数进行比较,使得算法复杂度较高。针对这一问题,本文提出了低复杂度的半盲信道估计算法。对联盟博弈中使用的效益函数进行优化处理,得到仅与信道大尺度衰落特性相关的效益函数,从而将算法中分簇问题和半盲信道估计问题进行了解耦,使计算复杂度由O[2M (M3+D2 +L2DlogD+LsK2)]降低到O(2M+M3+D2 +L2DlogD+Ls2)。同时,仿真分析中,也给出了低复杂度的半盲信道估计算法的收敛性、估计性能和数据传输速率与原算法的对比。