论文部分内容阅读
随着信息技术的快速发展,信息服务经历了从固定节点到移动终端,从提供文字和语音业务为主到为移动用户提供多媒体和互联网接入业务为主的功能转变。在无线频谱资源日益紧张的情况下,如何在第四代(4G,4th generation)移动通信系统基础上进一步挖掘空间无线资源,提高移动通信系统的频谱效率和功率效率,成为第五代(5G,5th generation)移动通信系统需要解决的核心问题。大规模多输入多输出(MIMO,multiple-input multiple-output)技术能够大幅提高移动通信系统频谱效率和功率效率,成为5G移动通信系统的核心技术。在频分双工(FDD,frequency division duplexing)大规模MIMO系统中,基站发送端信道状态信息(CSIT,channel state information at the transmitter side)获取的正交导频开销与基站天线数成正比,而随着用户终端移动性的增加,信道相干时间随之减小,FDD大规模MIMO系统CSIT获取成为制约其发展的关键问题。随着移动通信技术与移动互联网应用的快速发展,移动终端基于位置信息的服务(LBS,location-based service)日益丰富,对大规模MIMO系统无线定位能力提出更高的要求。在此背景下,本论文开展了FDD大规模MIMO系统用户调度与用户定位方法研究。本论文针对FDD大规模MIMO系统CSIT获取困难以及组间干扰较大等问题,提出两级预编码传输架构下用户凝聚型聚类和分组调度方法,将外预编码器设计包含进组调度过程中进行迭代优化,在寻找合理用户组集合的同时抑制组间干扰。同时,本论文系统地研究了利用大规模MIMO系统进行高精度用户定位的理论方法,提出基于位置指纹信息的大规模MIMO正交频分复用(OFDM,orthogonal frequency division multiplexing)系统单基站定位方法,充分利用大规模MIMO-OFDM系统在角度域和时延域的高分辨力获取用户信道的多径传输特征用于位置估计。为了进一步提高位置指纹定位方法在定位精度、时间开销及存储开销等方面的性能,提出了利用深度卷积神经网络(DCNN,deep convolutional neural networks)的定位方法以及适用于大规模MIMO-OFDM系统的级联深度卷积神经网络架构,克服了位置指纹信息相似性建模误差对定位精度的影响。本论文的具体研究工作和贡献如下:1.提出了两级预编码传输架构下用户凝聚型聚类和分组调度方法。两级预编码传输方法能够显著降低下行训练和反馈开销,同时提供可观的复用增益,被视为FDD大规模MIMO系统的有效传输方法。两级预编码传输方法的性能依赖于用户调度及组间干扰的抑制,当用户调度无法获得互不交叠的分组时,其性能将遭受较大损失。针对这一问题,论文提出用户凝聚型聚类和分组调度方法。首先从两级预编码传输架构出发,给出了一种全新的用户凝聚型聚类方法,显著降低用户聚类的计算复杂度。考虑真实传输场景中用户分布特征,推导了平均信漏噪比(SLNR,signal-toleakage-plus-noise ratio)的闭式下界,并提出了基于平均SLNR的迭代组调度与外预编码器设计方法。有别于组调度与外预编码器的分别优化,所提方法将外预编码器设计包含进组调度过程中进行迭代优化,在寻找合理用户组集合的同时抑制组间干扰。此外,针对基站配备均匀线阵这一常用场景,给出了基于离散傅里叶变换的信道特征空间近似方法,极大降低了用户聚类和组调度环节的计算复杂度。数值仿真结果表明用户凝聚型聚类方法在服务用户总数受限目标分组数较大时能有效降低用户聚类的运算复杂度。随着用户分布集中程度的下降,用户统计信道特征差异逐渐增大,能够更好地筛选出最优用户分组集合,以较小的组间干扰为代价换取显著复用增益。2.提出了基于位置指纹信息的大规模MIMO-OFDM系统单基站定位方法。随着移动通信技术与移动互联网应用的快速发展,移动终端基于位置信息的服务日益丰富,对蜂窝网无线定位能力提出更高的要求。在复杂散射体环境下,大规模MIMOOFDM系统在角度域和时延域拥有极高的分辨力,可以获取丰富的多径信道特征。利用这一优势,论文提出了基于位置指纹信息的大规模MIMO-OFDM系统单基站定位方法,从上行信道状态信息中提取角度时延域信道能量矩阵作为位置指纹信息,既满足了指纹定位方法宽平稳特征的需求,又不需要额外的信号传输开销,同时包含丰富的多径信息。随后提出了适用于度量角度时延域信道能量矩阵相似性的联合角度时延域相似性度量并理论证明该度量是地理空间距离的减函数。为了降低位置估计过程的计算复杂度和延迟,提出了用于数据库预处理阶段的两级位置指纹信息聚类方法。该方法利用位置指纹信息的空间特性来显著降低在线阶段位置指纹信息匹配过程的匹配次数,可以避免遍历整个数据库寻找最佳匹配位置指纹信息,并结合加权K近邻方法进行高精度位置估计。最后,考虑地理位置邻近散射体环境的相关性,建立了一套基于地理环境的射线追踪电波传播仿真平台,并在CSI生成阶段包含了地理位置相关性,通过数值仿真验证了无线指纹定位方法的有效性。3.提出了利用深度卷积神经网络的大规模MIMO-OFDM系统指纹定位方法。为了进一步提高位置指纹定位方法在定位精度、时间开销及存储开销等方面的性能,论文提出了利用深度卷积神经网络的大规模MIMO-OFDM系统指纹定位方法。首先提出了高效的角度时延域信道强度矩阵提取方法,既可以充分利用大规模MIMO-OFDM系统较高的角度时延域分辨力,又因其稀疏性和空间相关性更加适用于深度卷积神经网络的训练。随后提出了利用深度卷积神经网络的定位方法以及适用于大规模MIMOOFDM系统的级联深度卷积神经网络架构,克服了位置指纹信息相似性建模误差对定位精度的影响。分别给出了基于分类输出深度卷积神经网络的定位方法和基于回归输出深度卷积神经网络的定位方法,并针对实际应用场景大范围定位需求,提出了级联深度卷积神经网络架构。最后在基于地理环境的射线追踪电波传播仿真平台仿真验证了两种基于深度卷积神经网络定位方法在定位精度、时间开销及存储开销等方面的优异性能。