论文部分内容阅读
随着无线通信的快速发展以及其新的应用场景的不断涌现,能显著提高数据传输速率的毫米波通信技术在近年来得到迅速发展。并且,毫米波系统与大规模多输入输出(Multiple Input Multiple Output,MIMO)可以天然结合,使得毫米波大规模MIMO系统成为5G以及未来无线通信中很有吸引力的技术手段。然而潜在的高功耗与高成本问题成为制约毫米波通信系统进入商用市场的重大因素。接收机采用低精度的模数转换器(Analog to Digital Converter,ADC)将很大程度地节约系统成本以及功耗,因此毫米波大规模MIMO系统低精度接收技术很有研究价值与意义。本文针对毫米波低精度MMO系统,研究其接收机中关键的信道估计以及信号检测问题。首先,研究毫米波低精度信道估计技术。稀疏度自适应正交匹配追踪算法(Sparsity Adaptive Orthogonal Matching Pursuit,SAOMP),在信噪比(Signal Noise Ratio,SNR)不是很低的情况下,相对于传统的正交匹配追踪算法(Orthogonal Matching Pursuit,OMP),可以获得更好的信道估计性能。本文推导多比特最大期望(Expectation Maximization,EM)算法,并将其与压缩感知算法进行结合,相比于传统EM以及压缩感知算法,均能获得性能提升。宽带模型中,所使用的随机高斯序列,循环移位的Zadoff-Chu或者格雷序列均可以为压缩感知信道估计提供具有很好限制等距特性(Restricted Isometry Property,RIP)的测量矩阵。随后,研究毫米波低精度MIMO信号检测技术,推导出低比特量化下最优接收表达式,并分别基于最优化方法和球形译码的思想降低该接收机的算法复杂度,达到次优的接收性能。使用最优化方法的次优接收机,其算法复杂度仅为最大似然检测(Maximum Likelihood Dection,MLD)的1%-10%,且随着比特数的增加而降低,其性能可以接近MLD的性能。本文设计的球形译码算法适用于比特数更少的情况,只需要MLD 1%左右的资源,便可以接近其接收性能,并且球形译码复杂度与接收性能之间存在一个折衷的关系。最后,针对本文设计的次优接收机在特定情况下仍然存在复杂度较高和性能仍然不足等问题,将过采样技术与EM算法结合,只使用简单的线性检测技术便可以达到比最优接收机更好的性能,并且其复杂度不会随着用户数与调制阶数的升高而显著提升。