论文部分内容阅读
信道状态信息(Channel State Information，CSI)对通信系统中的均衡、相干信号检测以及混合预编码的设计至关重要。对于通信系统的信道，传统的信道估计算法或没有考虑信道的稀疏性，或对稀疏性的约束不够强，导致信道估计的性能下降，进一步影响通信的质量。因此，本文着重对信道估计的稀疏特性进行研究。主要可以分为以下几个方面。
提出了基于对数和约束最小均方(Least Mean Square，LMS)算法的稀疏自适应信道估计。对于点对点通信系统，基于LMS及其改进算法的信道估计方案应用较多，但由于此类方法未能充分利用信道的稀疏结构，信道估计性能欠佳。本文在标准LMS算法中引入了Log-Sum项形成新的代价函数，利用梯度下降法获取信道的迭代更新表达式。该算法中的Log-Sum项，能实现零吸引，算法可以很好地利用系统的稀疏特性，具有较精确地信道估计性能，本文在理论上对所提算法的收敛性进行了推导，实验仿真验证了所提的对数和约束LMS算法的性能优于传统算法。
提出基于对数和约束的毫米波大规模多输入多输出(Multiple-Input Multiple-Output， MIMO)信道估计方案。对于带有混合预编码结构的毫米波(Millimeter-Wave，mmWave)大规模MIMO系统，由于天线阵列较大，信道矩阵维度较高，利用传统的信道估计方法很难精确的估计大规模MIMO的CSI，本文利用了mmWave信道角度域的稀疏结构特性，将大规模MIMO信道估计问题转化为稀疏优化问题，提出对数和正则项，更好地利用毫米波大规模MIMO角域的稀疏结构。利用梯度下降法并进行迭代求解，获取波达角(Angle-of-Arrivals，AOAs)和波离角(Angle-of-Departures，AODs)的最优估计解，最终提升了信道估计的性能。此外，为了保证信道估计的准确性，在迭代求解的过程中，本文还引入了一个动态的正则化因子λ0，以更好地平衡信道稀疏性和数据拟合误差。实验结果表明，在毫米波大规模MIMO信道估计中，该算法优于传统的信道估计算法。
提出了基于对数和约束最小均方(Least Mean Square，LMS)算法的稀疏自适应信道估计。对于点对点通信系统，基于LMS及其改进算法的信道估计方案应用较多，但由于此类方法未能充分利用信道的稀疏结构，信道估计性能欠佳。本文在标准LMS算法中引入了Log-Sum项形成新的代价函数，利用梯度下降法获取信道的迭代更新表达式。该算法中的Log-Sum项，能实现零吸引，算法可以很好地利用系统的稀疏特性，具有较精确地信道估计性能，本文在理论上对所提算法的收敛性进行了推导，实验仿真验证了所提的对数和约束LMS算法的性能优于传统算法。
提出基于对数和约束的毫米波大规模多输入多输出(Multiple-Input Multiple-Output， MIMO)信道估计方案。对于带有混合预编码结构的毫米波(Millimeter-Wave，mmWave)大规模MIMO系统，由于天线阵列较大，信道矩阵维度较高，利用传统的信道估计方法很难精确的估计大规模MIMO的CSI，本文利用了mmWave信道角度域的稀疏结构特性，将大规模MIMO信道估计问题转化为稀疏优化问题，提出对数和正则项，更好地利用毫米波大规模MIMO角域的稀疏结构。利用梯度下降法并进行迭代求解，获取波达角(Angle-of-Arrivals，AOAs)和波离角(Angle-of-Departures，AODs)的最优估计解，最终提升了信道估计的性能。此外，为了保证信道估计的准确性，在迭代求解的过程中，本文还引入了一个动态的正则化因子λ0，以更好地平衡信道稀疏性和数据拟合误差。实验结果表明，在毫米波大规模MIMO信道估计中，该算法优于传统的信道估计算法。