大规模MIMO(multiple input multiple output,MIMO)系统由于能够极大地提升无线信道的通信质量,并且能够大大地提升通信系统的频谱利用率和系统的容量,正是由于这一鲜明的特性,使得大规模MIMO在即将到来的5G时代占据了毋庸置疑的霸主地位。然而,良好的信道状态信息又在大规模MIMO系统中占据了举足轻重的地位,因此,进一步深入研究信道估计技术对于我们来说已经变得迫切需要了,性价比较高的信道估计技术能够巨大地提升无线通信系统的通信质量。本文在基于大规模MIMO系统的研究之上,简要地介绍了大规模MIMO系统的原理和信道模型,针对无线通信的信道特性进行简单论述,进一步对大规模MIMO系统中的两种信道模型分别进行研究,即平坦衰落和频率选择性衰落信道模型。并在基于此信道模型之上,详尽地描述了大规模MIMO系统中的信道估计技术,并主要针对其中的最小二乘法(least squares,LS)和基于奇异值分解(singular value decomposition,SVD)的信道估计技术进行论述。大规模MIMO系统中通过对信号的协方差矩阵进行SVD研究,该方法由于是采用有限的样本数据去替代真正的数据进行信道估计,这在一定程度上势必会增加误差,降低算法的可行性。本文针对该信道估计算法中存在的不足,提出了一种SVD与最小二乘法迭代投影(iterative least square with projection,ILSP)相结合的信道估计算法,该算法能够降低已有算法中的偏差,并且能够大大地提高信道的估计精度,可在一定程度上提高算法的实用性。大规模MIMO中,如何精确地获得信道状态信息(channel status information,CSI)是提高信道容量的前提,但由于CSI在一定程度上与导频序列有关,天线数目越多,导频序列随之也就越多,从而信道开销越大。针对此问题,本文提出了一种新的获取CSI方案和基于低秩矩阵恢复的估计算法。该算法充分根据大规模MIMO信道的特性,将信道估计问题转化为低秩矩阵的恢复问题,并通过软阈值算法求解用来获得完整用户的CSI。仿真结果表明,该方法可以在使用较少的信道开销的同时提高信道的估计精度并且在一定程度上改善了算法复杂度。最后针对所提算法进行仿真分析,通过对比现有的信道估计算法,本文所提出的SVD+ILSP相结合的算法可以提高信道的估计精度。同样,基于SVD的低秩矩阵恢复的信道估计算法能够有效地减少信道开销和降低算法复杂度。
暂无评论