低量化比特在异构网下信号检测中的应用

摘要

Massive MIMO技术是当前5G研究的热点之一，其在传统MIMO的基础上，在基站端部署大规模的天线，以提高通信系统的容量和频谱效率。但是成百上千根天线会给基站带来巨大的功耗，海量的数据，以及高昂的成本，这是部署大规模天线时必须考虑的问题。通过在基站端采用低量化比特的ADC，可以有效缓解这些问题。
　　异构网络能满足通信系统中不同用户的服务质量，是未来无线网络部署的重要形式，并且在LTE R10中正式引入了异构网络的概念。在Massive MIMO系统中引入异构网络，宏小区范围内部署微基站，能满足通信热点或室内用户的通信需求，提供更高的服务质量。本文采用了一种简化的基于Massive MIMO的异构网络模型。
　　文章首先对Massive MIMO系统和异构网络模型进行了简要概述，并指出低比特量化在Massive MIMO应用中的重要性。在采用1比特量化的单输入单输出系统中，分析此时的信道容量，然后扩展到多用户Massive MIMO系统中。分别对LS信道估计方案和MRC接收机情景下的系统容量进行了分析。比较了低比特量化下不同信噪比、天线数目对用户可达速率的影响，说明在采用大规模的天线阵列时，可以获得较高的用户速率。
　　为了获取更好的检测性能，本文对低量化比特接收机进行了研究。首先比较了MRC接收机和ZF接收机。在低量化比特接收机中，贝叶斯检测器是一种有效信号检测方案，通过引入GAMP算法计算边缘后验概率，将其用于低量化比特的信号检测，可以有效地提高性能。但是基于GAMP算法的贝叶斯检测器需要进行多个积分运算，复杂度太高。另一种信号检测算法来自于最大似然算法，利用凸优化理论得到一种近似最大似然检测方案。这种算法的迭代收敛的次数随着基站天线数目的增多而减少。
　　在Massive MIMO异构网络上行链路中，当采用低量化比特ADC时，为了对本小区的目标用户和干扰用户进行联合估计，提出了一种基于GAMP的联合迭代检测方案。通过检测器和译码器之间软信息的循环迭代的方式进行联合检测，可以有效地对信号和干扰进行估计。通过比较不同量化比特下与未量化情形下的检测性能，说明了这种迭代检测方案的有效性。另外，预编码技术是一种有效的干扰消除方案，可以通过预编码技术减少宏基站对非服务用户的干扰，同时提升宏用户信号检测的性能。仿真结果比较了不同量化比特数对异构网下预编码性能的影响。

目录

封面

声明

中文摘要

英文摘要

目录

缩略词表

主要数学符号表

第一章 绪论

1.1研究背景及意义

1.2低量化比特接收机技术的研究

1.3本文研究内容及安排

第二章 信号检测与异构网络模型

2.1常用信号检测算法

2.2基于Massive MIMO的异构网络

2.3本章小结

第三章 低量化比特系统中上行可达速率

3.1 SISO系统下的1-比特量化

3.2 Massive MIMO中的1-比特量化

3.3基于AQNM模型的可达速率分析

3.4本章小结

第四章 低量化比特接收机技术

4.1引言

4.2 1-比特ADC下的上行检测技术

4.3 GAMP检测算法

4.4近似最大似然算法

4.5本章小结

第五章 低量化比特在异构网中的应用

5.1异构网络场景

5.2低量化比特下的联合迭代检测

5.3低量化比特对预编码性能的影响

5.4本章小结

第六章 总结与展望

6.1全文总结

6.2下一步研究工作和方向

致谢

参考文献

攻读硕士学位期间的研究成果

学位论文评审后修改说明表