论文部分内容阅读
Massive MIMO(Massive Multi-Input Multi-Output)技术凭借显著改善通信系统的容量和频谱利用率等优点,被公认为下一代移动通信系统(5th Generation,5G)的关键技术之一。Massive MIMO的这些优点基于准确的信道状态信息(Channel State Information,CSI)的获取,因此本文对Massive MIMO通信系统中影响获取准确CSI的因素进行了研究。毫米波系统和非毫米波系统(蜂窝系统)中制约系统性能的因素不同,因此本文分别针对这两种通信系统进行了理论研究和分析。首先考虑的是多小区多用户蜂窝Massive MIMO系统(通信频率在6GHz以下)。在TDD模式下,由于多小区复用非正交的导频序列,引起导频污染,致使现实的通信系统无法获取精确的信道状态信息,成为制约通信系统性能的瓶颈之一。本文分别从导频分配、信道估计、预编码三个方向介绍了目前导频污染相关的研究成果,很多研究成果在理想的条件假设下,理论上可以完全消除导频污染带来的影响。但由于多小区多用户蜂窝Massive MIMO系统本身的复杂性,再加上算法本身的时间复杂度或者是空间复杂度过高,这些理论算法无法实际应用到Massive MIMO系统中。针对上述算法存在的问题,本文提出了一种基于匈牙利算法(Hungarian Algorithm)的导频分配策略,该方法简单易行,最后的仿真结果表明,对比传统的随机导频分配策略,可以为系统带来明显的性能增益。其次考虑的是单小区多用户毫米波Massive MIMO系统(30GHz以上)。在毫米波通信系统中,由于载波的高频段会导致信道的相干时间变短,与此同时,Massive MIMO系统中基站部署的大量天线意味着需要更多的导频开销和处理时间进行信道估计,系统有效数据传输效率变低。导频开销的问题在毫米波通信系统中更加突出。本文提出了一 种基于交替方向乘子(Alternating Direction Method of Multipliers,ADMM)算法的信道估计算法,该算法将毫米波信道的低秩特性考虑在内,把信道估计问题建模成核范数最小化问题,通过优化核范数,得到信道估计矩阵。最后通过仿真对比不同算法之间的性能,仿真结果表明,在保持信道误差一致的情况下,基于ADMM的信道估计算法需要的导频开销更少,对比同类的算法,该算法的时间复杂度更低。