论文部分内容阅读
大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术是第五代移动通信技术的关键技术之一,通过增加天线数量,能够极大提升系统中的能量效率、频谱效率及通信容量。然而大规模MIMO技术仍然面临着信道估计,信号检测以及导频污染等挑战。基于导频的信道估计技术虽然易于实现,但是此类算法需要占用大量导频开销,并且还会产生导频污染问题,降低了信道估计性能。而传统的信号检测技术需要已知信道状态信息,因此将不可避免地受到信道估计性能的影响。本论文针对大规模MIMO技术信道估计及信号检测问题,为了提升信道估计精度和信号检测性能,充分利用信号的多维特性,采用平行因子(Parallel Factor,PARAFAC)分解的方法对信号建模,将大规模MIMO系统特性作为约束条件融入拟合平行因子模型的迭代过程中,来进行单小区大规模MIMO系统信道估计和信号检测的研究。其主要研究内容和创新点如下:1.为了降低导频开销,本文将基站端的接收信号构造为多维张量。提出以平行因子分解模型为主导的信道估计和信号检测方案。所提方案只需发送一次导频符号即可联合完成信道估计以及信号检测。仿真结果表明与传统的基于导频辅助的信道估计和线性信号检测方法相比,能够大幅提升信道估计的精度与误码率的性能。2.针对传统拟合平行因子模型的交替最小二乘算法(Alternating Least Squares,ALS)收敛慢,复杂度高的问题,本文提出一种约束二线性交替最小二乘(Constrained Bilinear Alternating Least Squares,CBALS)信道估计算法。所提算法利用大规模MIMO信道矩阵渐近正交的性质,将其作为约束条件融入拟合算法的迭代过程。仿真结果表明,与已有的基于导频的信道估计方法相比,所提算法显著提高了信道估计的精度;与传统拟合平行因子模型的二线性交替最小二乘算法(Bilinear Alternating Least Squares,BALS)相比,在低发射功率的情况下,所提方法具有较好的估计性能,同时具有更快的收敛速度和更低的复杂度。3.为了降低信道估计对信号检测精度的影响,本文把基站端接收信号构造成三阶张量模型,提出了投影二线性交替最小二乘(Bilinear Alternating LeastSquares Projection,BALSP)的信号检测算法,该算法在未知信道状态信息的情况下能够完成信号检测。所提算法中,将用户发送的信源矩阵作为平行因子模型中的一个加载矩阵,引入信源矩阵的恒模特性作为约束条件,在迭代过程中对信源矩阵进行重构。在此基础上,推导了大规模MIMO信源恒模约束平行因子模型的唯一性分解条件。仿真实验结果表明:与传统拟合平行因子模型的二线性交替最小二乘算法相比,不仅提高了算法收敛速度,同时具有更优的检测性能。与传统的线性信号检测方法MMSE相比,在不进行信道估计情况下,显著提升了误码率性能。