论文部分内容阅读
大规模MIMO技术显著地提升了系统频谱效率和用户效率,增强了传输的可靠性。对于大规模MIMO系统想要发挥其潜在优势,获取精确的信道状态信息(Channel State Information,CSI)至关重要。在接收端进行信道估计获取接收端信道状态信息(Channel State Information of Receive,CSIR)是大规模MIMO系统获取CSI的关键步骤。然而在大规模MIMO系统中,由于信号维度较大,传统的道估计方法会产生巨大的导频开销,尤其是在FDD模式下的大规模MIMO系统中。利用压缩感知技术(Compressed Sensing,CS)能有效的节省导频开销,在基于CS的信道估计中导频设计和重构算法与估计性能密切相关,这两点共同决定着信道估计的可靠性和有效性。因此,本文将从这两方面展开对FDD大规模MIMO系统信道估计问题的研究。1.结合CS将FDD大规模MIMO系统信道估计问题建模为CS中稀疏信号重建问题。并根据传感矩阵互相关值最小化为导频优化准则,提出一种基于差分进化算法的导频设计算法,该算法经过不断进化,变异、交叉和选择得到最佳的导频序列位置集合。仿真结果表明,基于差分进化的导频设计算法,能有效地减少导频开销,并且能获得更好的信道估计性能。2.在上述研究的基础上,进一步分析大规模MIMO系统信道的空间相关性和时间相关性,将结构化压缩感知技术应用于大规模MIMO系统信道估计。利用大规模MIMO系统信道的结构化稀疏特性,提出一种基于空时相关性的结构化压缩感知重构算法。该算法能自适应信道稀疏度,并根据不同的迭代阶段调整步长,解决了传统重构算法步长增长缓慢和过度估计的问题,且不需要将信道稀疏度作为先验信息,并利用信道的块稀疏特性进一步提高了算法重构精度和效率。最后给出了在基站天线数量很大的情况下,如何进行合理的天线分组以提升系统信道估计的有效性。仿真结果显示,所提算法估计性能明显好于OMP算法、SP算法、StOMP算法和SAMP算法,使大规模MIMO系统信道估计性能有显著提升。