本文關(guān)鍵詞： 大規(guī)模MIMO 壓縮感知 信道估計 導(dǎo)頻分布 判決反饋　出處：《北京交通大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：大規(guī)模多輸入多輸出(Multiple input multiple output,MIMO)技術(shù)是第五代移動通信系統(tǒng)的關(guān)鍵技術(shù)之一,與傳統(tǒng)MIMO技術(shù)相比,大規(guī)模MIMO技術(shù)具有能量效率高、頻譜效率高以及性能穩(wěn)定等優(yōu)勢。隨著天線數(shù)量的增加,大規(guī)模MIMO系統(tǒng)信道估計的復(fù)雜度不斷提高,現(xiàn)有的信道估計算法(例如:最小二乘法和最小均方誤差法)不能滿足大規(guī)模MIMO系統(tǒng)對信道估計準(zhǔn)確性和簡易性的要求。為了解決這些問題,本文基于壓縮感知理論,研究了大規(guī)模MIMO系統(tǒng)的稀疏信道估計算法和導(dǎo)頻優(yōu)化算法,其主要研究內(nèi)容如下:(1)針對大規(guī)模MIMO上行信道估計算法精度較低的問題,提出一種基于信道空間相關(guān)性的改進(jìn)信道估計算法。首先,利用基站天線路徑延遲近似相同的特點,通過在天線間共享路徑延遲信息的方式,對路徑延遲進(jìn)行一致估計,提高路徑延遲的估計精度。然后,針對大規(guī)模MIMO中天線路徑可能不同的問題,對天線陣列進(jìn)行合理分區(qū),使每個區(qū)域內(nèi)的天線路徑延遲近似相同,并對各天線的路徑延遲進(jìn)行一致估計,提高路徑延遲的估計精度。最后,利用判決反饋思想,將部分已檢測數(shù)據(jù)作為導(dǎo)頻,對路徑增益進(jìn)行迭代估計,提高路徑增益的估計精度。仿真結(jié)果表明,與傳統(tǒng)的子空間追蹤(Subspacepursuit,SP)算法相比,所提出算法可提供10dB以上的信噪比(Signal noise ratio,SNR)增益。(2)針對貪婪算法估計精度較低的問題,提出一種基于同倫算法的改進(jìn)信道估計算法。首先,對傳統(tǒng)同倫算法進(jìn)行加權(quán)處理,利用權(quán)值項代替同倫算法中的正則化參數(shù)項,并根據(jù)信道系數(shù)自適應(yīng)地調(diào)整權(quán)值,提高算法的收斂速度。然后,通過在天線間共享權(quán)值信息,對權(quán)值進(jìn)行一致估計,提高算法的收斂精度。針對同倫算法在復(fù)數(shù)域不收斂的問題,提出一種改進(jìn)方法,使算法在復(fù)數(shù)域收斂,并給出理論分析,證明拓展方法的王.確性。最后,對算法的步長計算方法進(jìn)行改進(jìn),降低算法復(fù)雜度。仿真結(jié)果表明,與貪婪算法相比,所提出算法可提供約6dB的SNR增益。(3)針對時分雙工(Time division duplex,TDD)大規(guī)模MIMO下行信道估計導(dǎo)頻開銷較大的問題,提出一種基于信道互易性的改進(jìn)信道估計算法。.利用TDD大規(guī)模MIMO上下行信道的路徑延遲近似相同的特點,將上行信道路徑延遲的估計值作為先驗信息,輔助下行信道估計,以降低信道估計所需的導(dǎo)頻開銷。針對快時變信道中上下行信道的路徑延遲可能不同的問題,根據(jù)上行信道路徑延遲的估計值和路徑延遲變化率,推導(dǎo)出下行路徑延遲非零的概率,并依照概率對下行信道估計進(jìn)行預(yù)處理,以達(dá)到降低導(dǎo)頻開銷的目的。仿真結(jié)果表明,與傳統(tǒng)算法相比,所提出算法的導(dǎo)頻開銷可降低約20%。(4)針對導(dǎo)頻分布直接影響大規(guī)模MIMO信道估計性能的問題,提出一種快速有效的導(dǎo)頻優(yōu)化方法。首先,利用大規(guī)模MIMO信道具有塊結(jié)構(gòu)的特點,基于壓縮感知的塊一致性(Block coherence,BC)準(zhǔn)則,以導(dǎo)頻矩陣的塊一致值最小為目標(biāo)函數(shù),將導(dǎo)頻優(yōu)化問題轉(zhuǎn)化為最優(yōu)化問題。然后,分別提出了同步擾動隨機(jī)逼近(Simultaneous perturbation stochastic approximation,SPSA)算法和交叉熵(Cross-entropy optimization,CEO)算法解決這個最優(yōu)化問題。SPSA算法通過估計目標(biāo)函數(shù)的梯度值,向目標(biāo)函數(shù)最小的方向收斂,以尋找最優(yōu)導(dǎo)頻分布。CEO算法通過計算使目標(biāo)函數(shù)最小的概率密度函數(shù),尋找最優(yōu)導(dǎo)頻分布。仿真結(jié)果表明,與傳統(tǒng)的等間隔分布法、窮舉法以及隨機(jī)分布法相比,在相同MSE的情況下,SPSA算法和CEO算法可提供5dB以上的SNR增益。
[Abstract]:Large - scale MIMO ( MIMO ) technology is one of the key technologies of the fifth generation mobile communication system . Compared with traditional MIMO technology , large - scale MIMO technology has the advantages of high energy efficiency , high spectrum efficiency and stable performance . ( 2 ) To solve the problem of low accuracy of greedy algorithm , a modified channel estimation algorithm based on homotopic algorithm is proposed . First , the traditional homotopic algorithm is weighted . The algorithm is improved by using weighted value term instead of regularization parameter in homotopic algorithm , and the algorithm complexity is improved . The simulation results show that the proposed algorithm can provide SNR gain of about 6dB . This paper proposes a fast and effective method to optimize the channel estimation performance of a large - scale MIMO channel . The simulation results show that compared with the traditional algorithm , the proposed algorithm can reduce the pilot overhead . The simulation results show that the SPSA algorithm and the CEO algorithm can provide more than 5 dB SNR gain compared with the traditional algorithm .

【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TN919.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 孫永節(jié)，，徐煒遐;CMOS ASIC設(shè)計中減小時延的途徑[J];計算機(jī)工程與科學(xué);1995年04期

2 喬長閣，洪先龍;一種減小關(guān)鍵路徑延遲的回路布線法[J];半導(dǎo)體學(xué)報;1996年11期

3 黃愛蘋,葛小慧;Birth-death動態(tài)信道的路徑延遲估計研究[J];浙江大學(xué)學(xué)報(工學(xué)版);2004年03期

4 胡晉;;基于掃描的SoC全速測試及應(yīng)用[J];現(xiàn)代電子技術(shù);2007年08期

5 吳繼娟;劉曉曉;馬光勝;;基于全局偽路徑的時鐘特性分析新方法[J];哈爾濱工程大學(xué)學(xué)報;2007年01期

相關(guān)博士學(xué)位論文 前1條

1 南楊;基于壓縮感知的大規(guī)模MIMO信道估計技術(shù)研究[D];北京交通大學(xué);2017年

相關(guān)碩士學(xué)位論文 前3條

1 李海娥;基于數(shù)據(jù)路徑延遲多樣性的集成電路IP保護(hù)方法研究[D];天津大學(xué);2014年

2 楊永磊;互聯(lián)網(wǎng)端端路徑延遲狀態(tài)特征分析[D];國防科學(xué)技術(shù)大學(xué);2013年

3 黃巍;基于兩級掃描結(jié)構(gòu)路徑延遲故障的低功耗測試[D];清華大學(xué);2007年

本文編號：1542205