隨著數(shù)據(jù)通信與多媒體業(yè)務的發(fā)展,移動數(shù)據(jù)、移動計算以及移動多媒體應用的需求日益高漲,加之目前快速發(fā)展的移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng),全球范圍內(nèi)移動通信的數(shù)據(jù)業(yè)務量和移動通信設(shè)備數(shù)量都呈現(xiàn)出爆炸式增長。為了滿足如此高的傳輸速率和連接量,需要在物理層傳輸技術(shù)上有所突破。5G關(guān)鍵技術(shù)之一的大規(guī)模MIMO(Multiple-Input-Multiple-Output,MIMO)技術(shù)可有效解決上述問題。在軍事通信中,大規(guī)模MIMO也大有用武之地,如戰(zhàn)場實時視頻傳輸、復雜戰(zhàn)場態(tài)勢信息傳輸?shù)�。大�?guī)模MIMO的高精度空間分辨,精確波束定向特性也為軍事通信中的抗干擾、反監(jiān)聽提供了新的研究思路。大規(guī)模MIMO通過在基站端配備大量天線,為通信系統(tǒng)帶來了巨大增益。與此同時,相比于傳統(tǒng)MIMO技術(shù),大規(guī)模MIMO技術(shù)也面臨高維信道狀態(tài)信息獲取困難的巨大挑戰(zhàn)。為此,研究者充分利用大規(guī)模MIMO信道的低秩特性,創(chuàng)造性地提出兩階段預編碼方案。具體地,此方案將下行傳輸預編碼設(shè)計分為兩階段,即外層與內(nèi)層預編碼。外層預編碼可將高維大規(guī)模MIMO信道分解為若干獨立的低維等效信道,且其僅依賴于信道協(xié)方差,可據(jù)此將具有相同信道協(xié)方差特性的用戶收集到同一用戶簇內(nèi)進行服務,不同用戶簇空間相互正交;內(nèi)層預編碼在不同用戶簇內(nèi)并行執(zhí)行,用于消除特定簇內(nèi)用戶間的干擾。由于用戶的協(xié)方差矩陣相比于實時信道變化緩慢,使得外層預編碼可在較長時間內(nèi)更新一次�；谕鈱宇A編碼的實施,內(nèi)層預編碼矩陣計算只需獲取用戶簇等效低維度實時信道。從而在信道狀態(tài)信息獲取時,對于空間獨立的用戶簇可采用相同的導頻序列,而且用戶簇內(nèi)的低維等效信道獲取所需的導頻開銷和反饋量相比原始大規(guī)模MIMO高維信道的獲取大大降低。因此,兩階段預編碼方法可以有效克服大規(guī)模MIMO信道信息獲取困難的巨大挑戰(zhàn)。截止目前,基于兩階段預編碼,國內(nèi)外眾多專家致力于大規(guī)模MIMO信道建模、外層預編碼設(shè)計、用戶分簇等方面的研究,同時也取得了很多學術(shù)成果,但仍然存在用戶調(diào)度、協(xié)同傳輸以及時變信道的跟蹤預測等方面的缺陷及不足�；诖�,本文充分利用大規(guī)模MIMO信道空間低秩特性,針對現(xiàn)存問題,采用稀疏貝葉斯學習、圖論、組合優(yōu)化等有效數(shù)學工具,探索切實可行的解決方案,充分挖掘基于兩階段預編碼的大規(guī)模MIMO系統(tǒng)的優(yōu)勢,進而提升大規(guī)模MIMO網(wǎng)絡(luò)同時同頻服務用戶的能力。本文具體研究的內(nèi)容和成果如下:(1)針對兩階段預編碼中用戶簇角度重疊的問題,充分挖掘大規(guī)模MIMO信道的空間結(jié)構(gòu)特征,提出兩種低開銷、低計算復雜度的用戶調(diào)度策略,以減輕用戶角度域重疊對基于兩階段預編碼的大規(guī)模MIMO網(wǎng)絡(luò)性能的影響。第一種方法:通過最優(yōu)基站關(guān)聯(lián)方法減輕用戶簇的角度重疊。首先以信漏噪比(Signal to Leakage plus Noise Ratio,SLNR)最大化為目標設(shè)計低復雜度用戶基站選擇算法。此方法需要獲取每個用戶簇到每個基站的低維等效信道信息,在帶來近似最優(yōu)性能的同時也會引起巨大的信令開銷,導致信道資源利用率下降。為避免實時信道獲取的巨大開銷,進一步對目標SLNR進行期望操作以得到其下界,且此下界僅僅依賴于信道協(xié)方差矩陣,從而避免了實時信道狀態(tài)信息的獲取�；诖�,提出了一種低復雜度、低信令開銷的基站選擇算法。數(shù)值仿真表明基于SLNR下界的方案可以明顯減輕用戶簇角度重疊,提高系統(tǒng)和速率,且其性能與基于實時SLNR的算法性能基本相同。第二種方法:通過聯(lián)合用戶簇分組及正交子信道分配降低用戶簇的角度重疊。首先需要對用戶簇劃分為多個分組,使得每個組內(nèi)用戶簇間的角度重疊最小化。同一組內(nèi)用戶簇利用兩階段預編碼實現(xiàn)正交傳輸,而不同組的用戶簇調(diào)度在時頻正交子信道上。為實現(xiàn)最優(yōu)用戶分組,借助圖論并以用戶空間角度所對應的空間特征正交基為對象,構(gòu)建用戶角度重疊表征圖,刻畫角度重疊的全網(wǎng)分布狀態(tài)。進而改進傳統(tǒng)Dsatur圖染色算法,提出基于圖染色理論的用戶簇分組方法。仿真結(jié)果表明該算法的性能接近窮舉搜索下得到的最優(yōu)分組方案。(2)針對兩階段預編碼在多小區(qū)大規(guī)模MIMO中存在的波束交叉干擾問題,利用小區(qū)邊緣和小區(qū)中心用戶簇信道特征的差異,提出一套低開銷、高效的多小區(qū)大規(guī)模MIMO網(wǎng)絡(luò)協(xié)同傳輸策略。傳統(tǒng)多小區(qū)協(xié)同傳輸方案都是基于全局信道狀態(tài),然而大規(guī)模MIMO系統(tǒng)中全局信道狀態(tài)信息的獲取無疑會引起系統(tǒng)無法負擔的開銷。所以傳統(tǒng)多小區(qū)協(xié)同傳輸方案無法直接應用于大規(guī)模MIMO系統(tǒng)。為此,我們通過將小區(qū)中心用戶簇和小區(qū)邊緣用戶簇分開處理,針對邊緣用戶簇和中心用戶簇的不同信道特征,分別設(shè)計基于干擾對齊和空間復用的協(xié)同傳輸策略,充分挖掘基于兩階段預編碼的大規(guī)模MIMO網(wǎng)絡(luò)的空間自由度。首先利用兩階段預編碼技術(shù)將高維大規(guī)模MIMO信道分解為多個并行低維MIMO信道,提出了低維信道下干擾對齊實施方案。此外,為改善多小區(qū)系統(tǒng)中角度重疊的問題,在此方案中我們?yōu)樾^(qū)中心用戶簇設(shè)計了軟空間復用策略。最后,聯(lián)合利用黃金分割搜索算法和注水定理為提出的多小區(qū)傳輸策略設(shè)計了最優(yōu)功率分配算法。通過數(shù)值仿真表明提出的基于兩階段預編碼和干擾對齊的大規(guī)模MIMO網(wǎng)絡(luò)聯(lián)合傳輸策略可以明顯提升多小區(qū)大規(guī)模MIMO系統(tǒng)容量。(3)針對時變大規(guī)模MIMO信道協(xié)方差矩陣獲取困難和特征值分解計算復雜的問題,將信道建模為動態(tài)稀疏信號模型,提出基于稀疏貝葉斯理論的模型參數(shù)學習算法。首先,考慮上行信道跟蹤,通過虛擬信道變換將大規(guī)模MIMO時變信道重構(gòu)為一個稀疏動態(tài)信號模型。基于此模型,提出了一種基于期望最大化(Expectation Maximization,EM)算法的稀疏貝葉斯框架來學習模型參數(shù)。在期望最大化算法中,為避免高維矩陣求逆,我們采用卡爾曼濾波和后向平滑方法來跟蹤稀疏信道的后驗統(tǒng)計量。基于得到的后驗統(tǒng)計量,設(shè)計了一種基于不動點理論及低復雜度的搜索算法分別得到稀疏虛擬信道的時變特征參數(shù)和空間稀疏特征參數(shù)。即使在FDD系統(tǒng)中,上下行信道的空間角度信息仍然存在互易性,可以直接從已估計出的上行信道模型參數(shù)中提取出下行信道模型參數(shù)。之后,基于降維卡爾曼濾波,充分利用信道時間相關(guān)性來增強上下行虛擬信道非零參數(shù)的跟蹤精度。最后,設(shè)計了一種模型參數(shù)監(jiān)測方案來檢測模型參數(shù)變化并觸發(fā)信道模型參數(shù)再學習過程。仿真結(jié)果表明,該方案收斂速度快,且參數(shù)估計的(Mean Square Error,MSE)性能良好。
【學位單位】：西安電子科技大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TN919.3
【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 本課題研究現(xiàn)狀及面臨的挑戰(zhàn)
        1.2.1 大規(guī)模MIMO技術(shù)發(fā)展歷史與研究現(xiàn)狀
        1.2.2 大規(guī)模MIMO系統(tǒng)中的兩階段預編碼技術(shù)研究現(xiàn)狀
        1.2.3 基于兩階段預編碼的大規(guī)模MIMO網(wǎng)絡(luò)中的用戶調(diào)度
        1.2.4 基于兩階段預編碼的大規(guī)模MIMO網(wǎng)絡(luò)中的協(xié)同傳輸
        1.2.5 基于兩階段預編碼的大規(guī)模MIMO網(wǎng)絡(luò)中的信道獲取
    1.3 本文主要研究內(nèi)容及章節(jié)安排
第二章 基于兩階段預編碼大規(guī)模MIMO中的用戶調(diào)度策略
    2.1 引言
    2.2 基于最優(yōu)基站關(guān)聯(lián)的用戶簇角度擴展范圍重疊消除算法
        2.2.1 系統(tǒng)配置
        2.2.2 大規(guī)模MIMO空間相關(guān)信道模型
        2.2.3 兩階段預編碼簡介
        2.2.4 問題描述
        2.2.5 基于SLNR的低復雜度基站選擇算法
        2.2.6 基于SLNR下界的低信令開銷基站選擇算法
        2.2.7 數(shù)值仿真
    2.3 基于用戶簇分組的用戶簇角度擴展范圍重疊消除算法
        2.3.1 系統(tǒng)模型
        2.3.2 問題描述
        2.3.3 角度重疊表征圖構(gòu)建
        2.3.4 基于圖染色算法的用戶分組算法
        2.3.5 數(shù)值仿真
    2.4 總結(jié)
第三章 基于干擾對齊和軟空間復用的大規(guī)模MIMO網(wǎng)絡(luò)協(xié)同傳輸策略
    3.1 引言
    3.2 系統(tǒng)模型
        3.2.1 系統(tǒng)配置
        3.2.2 大規(guī)模MIMO空間相關(guān)信道模型
    3.3 基于干擾對齊和軟空間復用的協(xié)同傳輸策略
        3.3.1 基于IA的小區(qū)邊緣用戶簇聯(lián)合傳輸方案
        3.3.2 小區(qū)中心用戶簇的空間軟頻率復用方案
        3.3.3 IA-SSR策略中的最優(yōu)功率分配
    3.4 IA-SSR策略實際部署中的一些問題
        3.4.1 信令開銷分析
        3.4.2 小區(qū)邊緣、中心用戶簇劃分
        3.4.3 將IA-SSR策略擴展到一般場景
    3.5 數(shù)值仿真
    3.6 總結(jié)
第四章 基于稀疏貝葉斯學習的大規(guī)模MIMO網(wǎng)絡(luò)時變信道跟蹤
    4.1 引言
    4.2 系統(tǒng)模型與信道特征
        4.2.1 系統(tǒng)模型
        4.2.2 稀疏性虛擬信道模型
    4.3 通過上行訓練學習稀疏虛擬信道參數(shù)
        4.3.1 問題描述
        4.3.2 基于期望最大化算法的稀疏信道模型參數(shù)學習
        4.3.3 期望計算過程
        4.3.4 最大化求解過程
    4.4 用戶分組與虛擬信道跟蹤
        4.4.1 上行虛擬信道跟蹤
        4.4.2 下行虛擬信道跟蹤
        4.4.3 模型參數(shù)不匹配監(jiān)測
    4.5 仿真結(jié)果
    4.6 總結(jié)
第五章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 研究展望
參考文獻
致謝
作者簡介

【相似文獻】

相關(guān)期刊論文 前10條

1 顧浙騏;張忠培;;基于協(xié)作多點下行傳輸?shù)姆蔷�性魯棒預編碼[J];電子學報;2016年12期

2 李萬臣;郝欣宇;;基于異構(gòu)網(wǎng)絡(luò)的Massive MIMO RZF預編碼[J];數(shù)字通信世界;2017年04期

3 許宏艷;;新時期電子通訊的預編碼技術(shù)探微[J];中國高新區(qū);2017年10期

4 丁怡寧;;5G系統(tǒng)中預編碼技術(shù)的發(fā)展研究[J];通訊世界;2017年21期

5 董志明;;未來5G通信系統(tǒng)中低復雜度預編碼算法研究[J];廣東通信技術(shù);2016年01期

6 穆星彤;;電子通訊的預編碼技術(shù)探討[J];信息化建設(shè);2016年03期

7 何道剛;;通訊預編碼技術(shù)在現(xiàn)代通信中的運用[J];數(shù)字技術(shù)與應用;2014年12期

8 楊杰;;電子通訊的預編碼技術(shù)[J];山海經(jīng);2015年10期

9 劉遠飛;;電子通訊的預編碼技術(shù)探析[J];電子世界;2014年08期

10 陳敏;王萍;;淺談5G通信中的預編碼技術(shù)[J];科技創(chuàng)新與應用;2017年27期

相關(guān)博士學位論文 前10條

1 王麗;大規(guī)模分布式MIMO系統(tǒng)和速率與預編碼研究[D];西安電子科技大學;2018年

2 馬建鵬;基于兩階段預編碼的大規(guī)模MIMO系統(tǒng)關(guān)鍵技術(shù)研究[D];西安電子科技大學;2018年

3 翟雄飛;5G毫米波大規(guī)模天線系統(tǒng)預編碼優(yōu)化算法研究[D];浙江大學;2018年

4 邵林;Massive MIMO系統(tǒng)下行預編碼方案與性能研究[D];北京郵電大學;2018年

5 李毅;蜂窩無線通信系統(tǒng)干擾抑制及多天線預編碼技術(shù)研究[D];西南交通大學;2018年

6 施風;移動通信中MIMO系統(tǒng)的線性預編碼技術(shù)研究[D];東南大學;2005年

7 奚家熹;無線通信中的預編碼技術(shù)[D];復旦大學;2007年

8 劉毅;MIMO信道預編碼技術(shù)研究[D];西安電子科技大學;2007年

9 張蕾;非線性預編碼技術(shù)研究[D];浙江大學;2016年

10 許崇斌;基于迭代檢測的線性預編碼技術(shù)研究[D];清華大學;2011年

相關(guān)碩士學位論文 前10條

1 武嘉煜;大規(guī)模MIMO系統(tǒng)中基于松弛迭代的預編碼算法研究[D];安徽大學;2019年

2 謝汶奇;3D-MIMO技術(shù)在高話務場景解決多用戶通信的研究[D];東北石油大學;2018年

3 張艷杰;LTE系統(tǒng)下行鏈路中MIMO預編碼研究[D];吉林大學;2018年

4 安國剛;基于無監(jiān)督學習的大規(guī)模MIMO預編碼技術(shù)的研究[D];杭州電子科技大學;2018年

5 鄭溢淳;毫米波大規(guī)模MIMO系統(tǒng)的混合預編碼方法的研究[D];杭州電子科技大學;2018年

6 施屹;基于全向預編碼的大規(guī)模MIMO系統(tǒng)同步方法研究與驗證[D];東南大學;2018年

7 張未坤;MIMO中繼通信系統(tǒng)的預編碼優(yōu)化算法研究[D];哈爾濱工程大學;2018年

8 王海潮;大規(guī)模MIMO系統(tǒng)預編碼技術(shù)研究[D];哈爾濱工程大學;2018年

9 趙曉琳;超密集網(wǎng)絡(luò)中基于預編碼的干擾協(xié)調(diào)技術(shù)研究[D];哈爾濱工業(yè)大學;2018年

10 崔世鴻;通用濾波多載波及其在非完美同步條件下的傳輸性能研究[D];哈爾濱工業(yè)大學;2018年

本文編號：2850768