mMTC场景下基于字典学习的随机接入系统研究

作     者：白宇安 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：陈为

授予年度：2022年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

主      题：随机接入 大规模机器类型通信 字典学习 压缩感知 

摘      要：随着第五代(the Fifth Generation,5G)移动通信的普及和物联网技术的蓬勃发展,人们对通信质量的需求日益提高。大量终端设备的部署和互联网流量的日新月异,使得信息数据呈现出爆炸式增长的趋势,这就要求无线通信具有大连接、广覆盖的能力以满足该场景下的设备接入问题。为了解决海量接入冲突问题,提高信道估计和导频检测的准确性,本文利用字典学习算法对信道进行稀疏表示,并通过这种稀疏表示设计算法进行联合信道估计和导频检测。研究的工作包括:(1)针对大规模机器类型通信(massive Machine-Type Communication,mMTC)场景中信道稀疏结构的特性,提出了基于字典学习的信道块稀疏表示的方法,论述了稀疏块长度、冗余因子、样本数对信道稀疏表示的影响。首先通过基于几何结构的随机信道模型(Geometry-based Stochastic Channel Model,GSCM)刻画无线随机接入场景,并考虑在大规模多输入多输出(massive MIMO)系统中具有的块稀疏结构,改进了字典学习中的K-奇异值分解(K-SVD)算法,对原始信道进行具有块结构的稀疏表示。仿真结果表明,信道的稀疏表示准确度与稀疏块长度和冗余因子大小呈正相关;样本数越多,信道稀疏表示准确度反而会降低。(2)针对海量接入中导频资源有限的问题,提出了同尺寸聚类分析算法,并基于该算法提出了一种导频复用方法。利用聚类将小区内用户分成若干扇区,并限制每个扇区内的用户数相同,保证扇区间用户信道差异较大,通过扇区间的用户共用一套导频实现导频复用,从而将整个小区的导频需求减少到一个扇区的导频需求。将传统聚类与同尺寸聚类与参考模型进行比较可以发现,同尺寸聚类方法能够更有效地将小区内的用户划分成等数量的集合,不同集合中的用户可以通过共用导频减少小区导频数量的需求,从而节省导频资源。(3)针对mMTC场景角度扩展引起的块稀疏信道特征,提出了基于字典学习的块稀疏压缩感知联合信道估计和导频检测算法。该算法利用字典学习训练得到的字典,考虑到无线信道场景中的角度扩散等特征,提出了基于块稀疏的压缩感知算法,由此进行联合信道估计和导频检测。随着活跃设备数的减少、导频长度以及信噪比的增加,信道估计和导频检测的性能普遍提高。研究表明,本文提出的算法在信道估计与导频检测的性能明显优于其他算法。本文对mMTC的随机接入场景进行了深入研究,利用角度扩展形成的块稀疏结构,使用具有特定稀疏结构的压缩感知方法,通过字典学习构建的高度稀疏域有效提升了信道估计和导频检测的性能,同时利用同尺寸聚类实现用户分区,达到导频复用的目的,从而节省导频资源。