论文部分内容阅读
本论文围绕第五代（Fifth Generation,5G）移动通信的物理层关键技术之一—大规模多入多出（Multiple-Input Multiple-Output,MIMO）信道建模与信道估计技术展开研究。通过在基站侧部署大规模天线阵列,大规模MIMO技术的高频谱效率和高能量效率优势得到了学术界和工业界的普遍认可。无线通信系统的传输速率和质量直接受到无线传播环境的影响,因此,对无线信道的研究是大规模MIMO系统部署与性能评估的基础。信道建模是通过在对无线电磁波充分认识的基础上,用一系列参数来刻画无线信号的传播机制,是评估大规模MIMO技术性能的最有效手段之一。信道估计能够通过获取准确的信道状态信息（Channel State Information,CSI）为大规模MIMO系统信道均衡、预编码、波束赋形以及资源分配等技术的实现提供保障。然而,大规模天线阵列的引入为大规模MIMO系统的信道建模与信道估计带来了新的挑战。在信道建模方面,大规模MIMO信道的新特征需要在信道建模时重点研究,此外,将大规模MIMO技术引入到5G某些应用场景（比如车到车（Vehicle-to-Vehicle,V2V）通信的街道场景）会加剧信道场景刻画的复杂性。在信道估计方面,大规模MIMO信道估计导频开销急剧增加,已经成为其信息有效传输和性能提升的瓶颈。同时,研究高估计精度的信道估计方法一直是大规模MIMO信道估计研究的重要目标之一。本文针对上述大规模MIMO信道建模与信道估计关键问题展开研究,主要研究内容和贡献如下:（1）提出了一种适用于配置了均匀平面天线阵列（Uniform Planar Antenna-array,UPA）的大规模 MIMO 系统的三维（Three-Dimensional,3D）共焦点椭球信道模型,讨论了大规模MIMO信道的主要传播特性,包括俯仰角特性、近场效应和散射簇空间非平稳性。首先,建立3D共焦点椭球信道模型,采用球面波前假设描述近场效应,推导包含视距分量和非视距分量的信道冲激响应;其次,提出了一种生灭过程-可见区域混合方法（Birth-death Visible-region Mixed Method,BVMM）在时间维度和阵列维度上刻画散射簇的非平稳性;最后,通过空-时相关函数、多普勒频移标准差等统计量研究了大规模MIMO的信道特征。（2）提出了基于非规则几何形状的大规模MIMO信道模型,用于刻画街道散射环境下的信道特征。首先,采用非规则半椭球对街道散射环境进行建模,其中的非规则结构由街道两侧垂直建筑物导致,给出了划定不同散射簇分布区域的边界,进而重点推导了受散射区域不同边界约束的发射端、散射簇和接收端的几何位置关系;其次,为了刻画信道的统计特征,详细推导了离开角（Angle of Departure,AoD）边缘概率密度函数（Probability Density Function,PDF）、到达时间（Time of Arrival,ToA）/AoD 联合 PDF和多普勒频移PDF;最后,研究了街道宽度和天线阵列对信道统计特性的影响。（3）针对大规模MIMO系统下行链路信道估计导频开销大的问题,利用信道角度域稀疏性,提出了基于压缩感知（Compressed sensing,CS）理论的稀疏信道表示与估计方法。首先,针对基于离散傅里叶变换（Discrete Fourier transform,DFT）矩阵的稀疏信道表示存在的问题,提出基于分类字典学习的稀疏信道表示方法,详细给出了基于分类K-SVD（Classified K-SVD,C-K-SVD）字典学习算法的稀疏信道表示流程;其次,提出了采用模式耦合伯努利高斯（Pattern-Coupled Bernoulli-Gaussian,PC-BG）模型刻画信道的稀疏先验结构,同时,针对基于PC-BG先验模型下难以进行精确的贝叶斯估计,提出了基于广义近似消息传递（Generalized Approximate Message Passing,GAMP）与期望最大化（Expectation Maximization,EM）相结合的稀疏信道估计算法;最后,仿真分析了所提出的稀疏信道表示与稀疏估计方法的性能。（4）针对上行链路大规模MIMO信道与天线阵子联合展现出的分层块稀疏结构,提出了一种分层块稀疏信道估计模型并且给出了相应的信道参数估计算法。首先,设计了一种新的分层块先验模型刻画信道的结构性块稀疏,该模型用一组超参数来描述信道的双层块稀疏性,即外层块稀疏性和内层块稀疏性;其次,提出了基于变分贝叶斯推断（Variational Bayesian Inference,VBI）技术的信道参数估计算法,记为分层块VBI（Hierarchical-Block VBI,HB-VBI）算法。同时,为了解决 HB-VBI 算法迭代中的高维矩阵求逆复杂度高的问题,提出了利用GAMP技术计算信道向量的近似后验概率分布,避免高维矩阵求逆,从而降低了计算复杂度;再次,基于因子图中的高斯信息传递,给出了从置信传播（Belief Propagation,BP）到GAMP的推导过程,揭示了它们之间的内在对应关系;最后,仿真分析了所提出的分层块先验模型及其参数估计方法的性能。