本文關(guān)鍵詞：導(dǎo)頻污染下Massive MIMO系統(tǒng)的信道估計與導(dǎo)頻調(diào)度研究

  更多相關(guān)文章： Massive MIMO 導(dǎo)頻污染 信道估計 導(dǎo)頻調(diào)度

【摘要】：由于多輸入多輸出(MIMO)技術(shù)能夠為無線通信系統(tǒng)帶來容量和可靠性的顯著提升,在過去二十年內(nèi),它被研究者們研究和廣泛應(yīng)用。但是隨著移動數(shù)據(jù)業(yè)務(wù)大幅度增長、智能終端的普及和互聯(lián)網(wǎng)的飛速發(fā)展,使得未來的移動通信要求更快的傳輸速度、更多的用戶以及更高的可靠性,傳統(tǒng)的MIMO已經(jīng)無法滿足需求。Thomas L.Marzetta在2010年提出了Massive MIMO技術(shù),是指在基站端配備大數(shù)量的天線,這一技術(shù)能夠在簡單處理下便獲得頻譜效率和能量效率的數(shù)倍提升,與傳統(tǒng)的MIMO相比有著明顯的優(yōu)勢。然而,由于信道相干時間有限,相鄰小區(qū)用戶不得不使用非正交導(dǎo)頻,導(dǎo)致導(dǎo)頻污染問題,限制了Massive MIMO系統(tǒng)的性能。因此,研究有效減輕甚至消除導(dǎo)頻污染的方法,從而實現(xiàn)Massive MIMO通信系統(tǒng)的性能的進一步提升,是十分有意義的。本文首先介紹了Massive MIMO系統(tǒng)的模型,說明適用于TDD雙工模式的原因,分析了導(dǎo)頻序列的選擇、經(jīng)典的信道估計方法以及下行傳輸鏈路,并討論了Massive MIMO系統(tǒng)中可同時服務(wù)的用戶數(shù),重點研究了產(chǎn)生導(dǎo)頻污染的原因以及對系統(tǒng)性能的影響,隨后通過仿真分析各個影響性能的因素。接著本文研究了三種信道估計方法,其中Bayes信道估計方法利用了信道的統(tǒng)計特性如大尺度衰落、到達角信息,基于EVD的信道估計方法以及聯(lián)合ILSP檢測算法的EVD信道估計方法則利用了較短的導(dǎo)頻序列和部分接收信號,接著詳細給出了各個估計方法的結(jié)果,并通過仿真進行對比,結(jié)果表明這些方法都能有效減輕導(dǎo)頻污染。最后本文分析了導(dǎo)頻調(diào)度對估計性能的影響,從而得到導(dǎo)頻調(diào)度的優(yōu)化問題。本文通過對導(dǎo)頻調(diào)度建模,并以最小化信道估計誤差為目標,結(jié)合Bayes信道估計方法提出幾種調(diào)度算法,包括窮舉法、基于退化的貪婪算法、基于信道的貪婪算法以及隨機選擇的貪婪算法。接著在仿真中實現(xiàn)對比并討論了天線數(shù)、到達角以及小區(qū)用戶數(shù)對性能的影響,本文提出的調(diào)度算法被證明能有效減輕導(dǎo)頻污染、提高信道估計準確度,最終提升通信系統(tǒng)的性能。
【關(guān)鍵詞】：Massive MIMO 導(dǎo)頻污染 信道估計 導(dǎo)頻調(diào)度
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN919.3
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-15
• 1.1 課題的研究背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 主要工作及結(jié)構(gòu)安排14-15
• 第2章 Massive MIMO系統(tǒng)15-29
• 2.1 TDD模式15
• 2.2 系統(tǒng)模型15-21
• 2.2.1 上行導(dǎo)頻傳輸17-18
• 2.2.2 信道估計18-20
• 2.2.3 下行數(shù)據(jù)傳輸20-21
• 2.2.4 Massive MIMO的漸進特性21
• 2.3 可服務(wù)用戶數(shù)21-22
• 2.4 導(dǎo)頻污染問題22-24
• 2.5 仿真結(jié)果及分析24-28
• 2.6 本章小結(jié)28-29
• 第3章 導(dǎo)頻污染下的Massive MIMO信道估計29-49
• 3.1 Bayes信道估計方法29-40
• 3.1.1 信號模型29-31
• 3.1.2 估計方法31-33
• 3.1.3 小區(qū)間復(fù)用導(dǎo)頻33-34
• 3.1.4 到達角與協(xié)方差矩陣34-36
• 3.1.5 仿真結(jié)果與分析36-40
• 3.2 基于EVD的信道估計方法40-43
• 3.2.1 信號模型41
• 3.2.2 信道初始值的估計41-42
• 3.2.3 模糊因子的估計42-43
• 3.3 聯(lián)合ILSP的EVD信道估計方法43-48
• 3.3.1 ILSP檢測算法43-44
• 3.3.2 聯(lián)合ILSP的估計方法44-45
• 3.3.3 仿真結(jié)果與分析45-48
• 3.4 本章小結(jié)48-49
• 第4章 Massive MIMO系統(tǒng)中導(dǎo)頻調(diào)度研究49-59
• 4.1 系統(tǒng)模型49-50
• 4.2 調(diào)度模型50-51
• 4.3 導(dǎo)頻調(diào)度算法51-53
• 4.3.1 窮舉法51
• 4.3.2 基于退化的貪婪算法51-52
• 4.3.3 基于信道的貪婪算法52-53
• 4.3.4 隨機選擇的貪婪算法53
• 4.4 仿真結(jié)果與分析53-57
• 4.5 本章小結(jié)57-59
• 全文總結(jié)與展望59-60
• 本文工作總結(jié)59
• 未來工作展望59-60
• 致謝60-61
• 參考文獻61-66
• 攻讀碩士學(xué)位期間發(fā)表的論文66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 王海榮;王玉輝;黃永明;楊綠溪;;大規(guī)模MIMO多小區(qū)TDD系統(tǒng)中的導(dǎo)頻污染減輕方法[J];信號處理;2013年02期

，

本文編號：1055971