论文部分内容阅读
近年来随着移动数据业务量增长日益迅猛,通信系统频率资源不断消耗,提升系统性能已逐渐成为移动通信发展的重要目标之一。在无线系统信号传输过程中,无线通信中的信道是复杂且不可见的,而且基站和终端之间的衰落和干扰对无线信道影响很大,因此对无线信道的估计跟踪研究很有意义。信道估计跟踪是根据收到的信号以及系统信道模型来描述无线信道的特性,一般是以信道参数作为估计跟踪对象。本文对信道估计的研究是基于大规模MIMO系统,对动态的信道进行跟踪是基于毫米波大规模MIMO系统,并分别提出了基于压缩感知理论(Compressive Sensing Theory,CST)的时间相关块贝叶斯算法(TMSBB-CS)和扩展卡尔曼滤波信道跟踪算法(Extended Kalman Filter Channel Tracking Algorithm,EKFCTA),目标是为了更好的提高估计精度和跟踪性能。具体的研究内容如下:(1)本课题探索利用大规模MIMO技术,在基站部署高维天线阵列,以提高系统的空间自由度和吞吐率。采用扩展Saleh-Valenzuela信道模型来描述毫米波大规模MIMO系统信道,利用TMSBB-CS对大规模MIMO信道进行稀疏估计;为了更切合实际应用场景,利用EKFCTA对动态信道进行跟踪,测得的角度与真实角度误差范围在0-5之间。(2)大规模MIMO系统中的信道信息是高维矩阵,计算量将大大增加及处理方法也将会变得复杂,因此需采取降维处理。因为在发收的传播信道中散射体的数量是有限的,信道信息呈现结构稀疏性。本文提出一种块贝叶斯算法可以获得信道的先验信息,并且可以利用信道的时间相关的稀疏性进行信道估计,这种时间相关的块贝叶斯算法(TMSBBCS)能够大大减少导频开销,而且TMBB-CS算法在不同时间相关度下均方误差(Mean Square Error,MSE)值相差较小,因此算法性能在时间相关条件下表现较稳定。(3)用户位置随时间变化或相对于基站变化时,通信质量就会变得很差。本文针对此问题首先采用扩展Saleh-Valenzuela模型来表征毫米波大规模多输入多输出信道;然后针对信道特点提出了一种扩展卡尔曼滤波跟踪算法,对毫米波大规模多输入多输出信道进行追踪,并利用用户的物理变化规律对路径进行预测;最后进行性能仿真,实验结果表明EKFCTA算法与其他算法相比,仅需较低的(Signal to Noise Ratio,SNR)便可实现相同的追踪性能。