三维信道模型约束下的大规模MIMO信道估计方法

针对配备1bit模数转换器(ADC)的大规模多输入多输出(MIMO)上行信道估计精度差的问题,提出了一种三维信道模型约束下的大规模MIMO信道估计方法。首先,结合所选定的适用于面天线阵的三维空间信道模型,建立了带有信道模型约束的大规模MIMO信道估计优化问题,并在优化目标函数的接收信号误差项中引入随机白噪声扰动,以提升方法的抗噪能力;其次,采用交替迭代式算法对优化问题进行求解,推导了信道模型参数的更新过程;最后,通过采用信道模型空间结构并使用噪声功率来恢复低精度接收信号的振幅,进而实现更准确的信道参数提取。仿真结果表明:与最小二乘估计和基于Bussgang分解的线性最小均方误差估计相比,所提方法可有效降低量化噪声和白噪声的影响,提高信道估计精度;当信噪比为10dB时,采用所提方法估计信道的均方误差比基于Bussgang分解的线性最小均方误差估计方法减小了75%。     

MIMO信道中空域相关特性分析

利用二维多输入多输出(multiple input multiple output,MIMO)信道模型进行相关性分析,会丢失一维空域信息。为此,建立无视距信号环境下的三维MIMO信道模型,利用VMF(von mises fisher)函数模拟来波信号方位角与俯仰角功率谱分布,并详细推导了考虑与不考虑互耦作用时的空域相关函数的解析表达式。最后,在考虑天线互耦情况下,运用仿真实验分析接收端的信号空域相关性与天线间距、平均达波角及达波角角度扩展之间的关系。实验结果表明,在建筑密集环境下,来波俯仰角扩展和互耦是影响信号间的相关系数的重要因素。     

MIMO无线信道仿真模型分析

为了设计高性能的多输入多输出(MIMO)无线通信系统并预测其性能,对不同条件下的MIMO无线信道进行精确的建模和仿真是必不可少的.从MIMO无线信道模型分类、建模与仿真和天线间空间相关系数计算方法等方面,对典型MIMO信道模型和不同角度功率谱(PAS)分布下天线间空间相关系数的计算方法进行了详细阐述.给出了不同PAS分布下相关系数的统一计算公式和特殊入射角时的化简结果.介绍了锁孔(Keyhole)效应引起的信道退化现象.对相关系数矩阵的计算和不同PAS分布下天线间的相关系数进行了计算机仿真.仿真表明,天线间的相关性与中心入射角、角度扩展和天线间距有关,应用中需酌情考虑.     

B3G宽带移动MIMO无线信道

从考察信道产生机理出发,得到信道系数的离散时间表达式,分析了统计分布和时间、空间的相关性.仿真结果显示,此时的信道系数幅度不能简单地用瑞利分布来描述,其时间相关性显示出一定的随机性,空间相关性与角度扩展有关并在收发端产生不同影响.     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

基于绿色通信的大规模MIMO天线选择算法

绿色通信是移动通信系统（例如5G系统）的主要特征之一。在大规模多输入多输出（multiple-input multiple-output, MIMO）系统中如何提高能源效率是一个重要研究课题,天线选择是提高能源效率的有效方法。现有的天线选择算法有些是局部优化,有些是单目标优化,为克服这些缺点,提出了基于博弈论的大规模MIMO天线选择算法。该算法通过系统容量和发射功率构造博弈的效用函数,每进行一次博弈都得到一组天线,在博弈达到均衡时,能源效率取得最大值。文中给出了纳什均衡存在性证明,也推导了纳什均衡点与能源效率之间的等价。仿真结果表明,采用博弈论算法能够克服局部优化,在保持信道容量较高的同时也提高了能源效率,可见该算法在能源效率上的提高有助于实现绿色通信。     

基于随机网格张量分解的多用户毫米波大规模MIMO系统信道估计

利用毫米波信道的稀疏散射特性和张量的空间结构,提出了一种随机网格张量分解的信道估计方法,接收信号被表示为一个四阶张量,采用随机张量压缩对单个用户信道进行解耦;采用网格张量分解方式,将大尺度的用户信道张量分解为若干个小尺度张量,并行且独立地分解所有子张量,由相关因子矩阵估计信道参数.仿真结果表明,该算法能获得较为准确的信...     

基于时变频率选取的MIMO无线信道仿真模型研究

针对在复杂的无线通信环境中多输入多输出（Multiple Input Multiple Output, MIMO）信道建模非常困难的问题,提出了一种具有空间选择性、频率选择性、时间关联性的MIMO信道模型,将载波频率、最大多普勒频移、到达角（Angle of Arrival, AOA）分布、角度功率谱以及相邻天线间距等技术整合到一起,研究了不同角度频率谱（Power Azimuth Spectrum, PAS）分布的空间关联系数表示。仿真结果表明,这个关联信道容量与理论信道容量一致,从而验证了该模型的合理性,同时,该模型为MIMO容量、系统容量分析及性能评估仿真提供了有力的工具。     

基于Grid-PARAFAC毫米波大规模多输入多输出系统联合信道估计算法

针对在毫米波大规模多输入多输出系统中超密集组网存在干扰的问题,提出了基于Grid-PARAFAC（grid-parallel factor analysis）联合信道估计方法。首先,将大规模天线的高维接收信号映射到大尺度张量空间,利用Grid-PARAFAC张量分解将其分解为子张量接收信号,然后对子张量接收信号并行张量分解得到符号、接收天线和子载波的子投影矩阵,最后,通过交替最小二乘准确求得隐藏高维接收信号中的信道信息。通过Grid-PARAFAC张量分解能够在保留原始空间信息的条件下深度挖掘数据隐藏因子,并对其处理而不是整个数据张量,降低了接收信号维度,同时又保留着高维接收信号的空间结构互相关信息;仿真结果表明,所提算法减少了超密集组网所存在高维度信道干扰,降低了计算复杂度,提高了系统性能。     

Selective transmission and channel estimation in massive MIMO systems

Massive MIMO systems have got extraordinary spectral efficiency using a large number of base station antennas, but it is in the challenge of pilot contamination using the aligned pilots.To address this issue, a selective transmission is proposed using time-shifted pilots with cell grouping, where the strong interfering users in downlink transmission cells are temporally stopped during the pilots transmission in uplink cells.Based on the spatial characteristics of physical channel models, the strong interfering users are selected to minimize the inter-cell interference and the cell grouping is designed to have less temporally stopped users within a smaller area.Furthermore, a Kalman estima-tor is proposed to reduce the unexpected effect of residual interferences in channel estimation, which exploits both the spatial-time correlation of channels and the share of the interference information. The numerical results show that our scheme significantly improves the channel estimation accuracy and the data rates.     

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output, MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit, DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error, LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。     

椭圆空间统计信道建模及其MIMO多天线系统性能

针对室内外移动通信环境,提出一个椭圆二维空间统计信道模型,该模型假设散射体均匀分布在椭圆内,移动台和基站分别位于椭圆的2个焦点处,并且在移动台分别设置了四单元的线性阵列(ULA)和圆环阵列(UCA)。在椭圆2D空间统计信道模型的基础上分析了多输入多输出系统(MIMO)的多天线系统性能,该模型不仅描述了波达信号在空间和时间上的统计分布特性,推导出了波达信号的到达角度(AOA)和到达时间(TOA)概率密度函数的解析表达式,同时也研究了MIMO多天线系统的空间衰落相关函数和信道容量。散射体均匀分布时,本模型的数值结果阐述了传输时延对信道参数的影响,与已经存在的空间统计信道模型比较,本模型适合室内外移动通信环境,为评估MIMO多天线系统与无线通信系统仿真提供了有力的工具。     

基于空间相关性的大规模MIMO信道压缩反馈算法

针对传统的信道状态信息(channel state information,CSI)反馈方法并不适用于大规模MIMO频分双工(frequency-division duplexing,FDD)系统的问题,提出一种基于导频设计的压缩反馈算法.基站通过对发送相关矩阵的平方根进行特征值分解(eigenvalue decomposition,EVD)得到稀疏基;根据最小二乘法(least squares,LS)设计出导频矩阵;根据该导频矩阵提出了一种基于导频设计的压缩反馈算法.理论分析与仿真结果表明,该算法能够以较低的反馈量获取较高的CSI反馈精度.     

大规模MIMO网络中基于时间反演的预编码技术

针对大规模多输入多输出(multiple input multiple output,MIMO)网络中随基站天线数目与用户终端数目增多而引发的用户间干扰(inter user interference,IUI)问题,提出一种面向大规模MIMO的时间反演(time reversal,TR)预编码抗干扰技术。该方法在MIMO系统中先后历经信道探测、多径信道建模、干扰信道分析以及信道预编码矩阵设计,实现时间反演预编码信号在多径信道中IUI抑制传输,一方面在时间反演技术基础上进行信道优化,利用时间反演技术的时空聚焦性实现能量聚焦;另一方面利用迫零预编码技术降低大规模MIMO系统中用户间干扰与共道干扰。MATLAB仿真结果验证了基站天线数目、用户端终端数目对于大规模MIMO系统性能的影响,结果证明,时间反演预编码抗干扰技术可以使平均误比特率减小,并显著提高信干噪比和大规模MIMO系统的可达速率。     

K均值聚类的大规模MIMO导频分配策略

针对大规模多输入多输出(multiple input multiple output,MIMO)系统中亟待解决的导频污染问题,提出一种基于K均值聚类的导频分配策略来减轻导频污染问题.该方案基于大尺度衰落因子对用户进行门限分组,再基于用户位置信息对用户进行K均值聚类分组,并对不同组别的用户采用不同的导频分配方案.仿真结果...     

基于大规模天线阵的多长度导频机制研究

在基于时分双工的大规模天线阵系统中,导频污染是阻碍实现高频谱效率、高吞吐率的最主要瓶颈之一.传统的单长度导频机制使得用户受到所有相邻小区非正交导频序列用户的干扰,进而加重导频污染问题.因此,提出一种新的多长度导频机制(MLPS),使得目标小区各用户的导频长度可以更加接近其最优导频长度,从而减弱导频污染对系统的影响进而提升吞吐率的目的.首先,利用Monte-Carlo仿真观察出系统内各用户最优导频长度的分布情况.然后,基于多长度导频机制带来的不同长度导频间干扰与导频-数据干扰,给出一种可行的导频设计准则和两种时分双工时序策略,分别用于消除以上两类干扰.实验结果表明,相比于传统单长度导频机制,多长度导频机制在上行、下行吞吐率上分别有18%与20%的提升.     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。     

基于卡诺机的大规模MIMO通信容量建模及性能分析

信息本质上以能量和熵的形式在通信系统中流动,类似于传统热机中的能量流动过程。结合热力学卡诺机模型和经典香农信息论理论,建立了一个广义的热力学(multiple input multiple output, MIMO)通信系统模型,对大规模天线通信场景下使用前向纠错码的信道容量进行分析。利用通信系统中存在的自由度和熵的概念,推导了热力学模型下的广义信道容量,并对信道容量与噪声自由度及编码开销的关系进行验证仿真。仿真结果表明,所提出的热力学信道容量与香农信道容量是一致的。