Massive MIMO系统中稀疏信道估计算法研究

摘要

大规模多输入多输出（Massive MIMO）系统被认为是未来5G移动通信系统中的关键技术之一，通过在基站端部署大量天线，可以有效提升数据传输数率和链路可靠性。为了最大化地发挥Massive MIMO系统理论上的性能优势，能否获取精确的信道状态信息（CSI）是非常关键的一环。 考虑Massive MIMO系统传输信道在虚拟角域呈现出的空间共稀疏特性，本文提出了一种粒子群分段正交匹配追踪(PSO-StOMP)算法。通过在StOMP算法中引入粒子群算法，实现了StOMP算法中迭代阈值的自适应搜索，当信道矩阵稀疏度发生变化时，可以实现自适应信道估计。 根据Massive MIMO系统传输信道在时延域中呈现出的空时共稀疏性，本文在基于结构化压缩感知的空时联合信道估计体系下来获取信道状态信息。具体地，首先在基站端发射非正交导频信号，然后，根据Massive MIMO信道矩阵的结构化稀疏性在用户侧提出了一种基于Dice系数的自适应结构化子空间追踪算法（Dice-ASSP）来联合估计与多个OFDM符号相关的信道冲击响应，该算法用Dice系数代替了向量间的内积运算，提升了原子的识别与筛选的精度，从而提升了Massive MIMO系统时延域信道矩阵的估计精度，减少了系统导频开销。

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要内容及结构

第2章基于压缩感知的Massive MIMO稀疏信道估计

2.1 压缩感知

2.1.1 压缩感知基本理论

2.1.2 匹配追踪类算法

2.1.3 结构化压缩感知

2.2 稀疏信道估计

2.2.1信道估计简介

2.2.2基于压缩感知的稀疏信道估计

2.2.3非正交导频

2.4 本章小结

第3章改进StOMP的Massive MIMO下行稀疏信道估计

3.1Massive MIMO下行虚拟角域稀疏信道

3.2 改进分段正交匹配追踪信道估计算法

3.2.1 分段正交匹配追踪算法

3.2.2 粒子群优化算法

3.3 仿真结果与分析

3.4 本章小结

第4章 改进结构化压缩感知的空时联合共稀疏信道估计

4.1Massive MIMO时延域空时共稀疏信道

4.2 基于Dice系数的自适应结构化子空间追踪信道估计

4.3 仿真结果与分析

4.4 本章小结

第5章 总结与展望

5.1 论文工作总结

5.2 未来工作展望

致谢

参考文献

攻读硕士学位期间的研究成果

图版

声明