论文部分内容阅读
面对数据流量的爆炸式增长、用户规模的急剧增加,未来移动通信系统在系统容量、链路传输峰值速率和时延等方面提出了更高的要求,系统构建也将面临着更大的挑战。多天线技术由于能有效提升数据传输速率和频谱效率,成为近年来研究的热点。随着移动通信从第四代(the Fourth Generation,4G)移动通信系统发展到第五代(the Fifth Generation,5G)移动通信系统,天线数量急剧增多,大规模多输入多输出(Massive Multiple-Input Multiple-Output,Massive MIMO)技术能够在传统多天线技术的基础上,进一步满足系统容量及通信质量,被认为是5G移动通信最有潜力的物理层关键技术之一。然而大量研究表明,随着Massive MIMO天线数量的增多,导频污染将更加严重,特别是当天线数量趋于无穷时,导频污染是Massive MIMO系统性能的主要制约因素。因此,本文重点关注了 Massive MIMO系统中的导频污染问题,针对Massive MIMO系统中的导频污染抑制问题,本文主要研究内容如下:(1)考虑通过减少导频序列的复用次数抑制导频污染,本文提出了一种Massive MIMO系统中基于导频复用系数的动态导频分配方案。该方案基于小区半径系数,将小区划分为中心区域及边缘区域,引入导频复用系数的概念以标识当前小区内每个导频的使用次数。为目标小区分配导频序列时,系统根据动态变化的导频复用系数调整分配方案,尽量减少导频复用次数,以此降低导频污染。仿真结果表明,该方案可以提高系统的上行可达速率,且增益随着天线数量的增多越发明显,更适用于Massive MIMO系统。(2)考虑从空域角度减轻导频污染,利用信号来波方向(Direction of Arrival,DOA)区分目标用户与千扰用户,实现导频污染抑制。为了准确估计信号的DOA,本文提出了一种基于预测迭代搜索的DOA估计算法。该算法结合空域波束赋型的思想,考虑到目标用户的DOA在空间维度上呈稀疏分布,算法采用基于压缩感知的预测迭代搜索估计算法对目标用户的DOA进行估计,并将该DOA引入到信道估计模型中,利用匹配滤波原理尽量保留目标信号,抑制干扰信号。仿真结果表明该算法可以提高目标用户的增益,降低导频污染,并且随着天线数量的增加,算法增益有所提升,在用户运动场景下,所提算法的运行时间大约是传统算法的20%,算法复杂度显著下降。(3)考虑到可以通过降低干扰用户发射功率的方式抑制导频污染,本文提出了一种利用功率控制降低Massive MIMO导频污染的方案。将非合作博弈Koskie-Gajic(K-G)功率控制算法与前面提出的预测迭代搜索DOA估计算法相结合,在相同的链路传输效果下,通过降低用户的发射功率减少干扰用户产生的导频污染。仿真结果表明K-G算法可以使用更低的发射功率达到与平均功率算法相同的传输效果,结合后的算法可以有效抑制导频污染,获得更高的目标用户增益。