论文部分内容阅读
现代网络对数据吞吐量具有极高要求,5G网络更需要在频谱效率方面实现质的飞跃从而满足日益增长的无线流量需求。Massive MIMO技术通过提高系统的频谱效率,在使用与现代网络相同频谱带宽和小区密度的前提下,可以将区域吞吐量提高几个数量级。因此,Massive MIMO目前已成为5G网络的关键技术之一,并得到学术界和工业界的重点关注和研究。本文首先完整地阐述了 MIMO技术的范式转移和Massive MIMO系统的关键技术和特有性质,并主要针对Massive MIMO系统的性能分析和功率分配这两大关键问题展开深入研究。第一,针对Massive MIMO系统性能分析研究,本文在Ngo Q等在物理信道模型下的系统性能分析基础上进行了拓展性研究,深入分析在较符合真实通信传输环境下的多小区Massive MIMO系统的上行链路频谱效率性能,并在信道估计期间采用非全局复用的上行导频复用方案。通过利用随机矩阵理论中的渐进等价形式推导出了多小区系统中上行链路数据传输的遍历可达速率下界闭式表达式,进而分析了多小区系统的频谱效率与信干噪比、信道维度、小区用户数以及导频复用因子等系统参数之间的关系,该表达式对于如何在实际中合理设置系统参数以提高系统性能具有理论指导意义。与传统的全局导频复用方案相比,通过设置合适的导频复用因子可以产生更多的正交导频数和并使得复用相同导频子集的小区之间的距离变大,从而显着减小导频污染的影响并提高频谱效率性能。第二,针对Massive MIMO的功率分配算法,本文提出了一种创新的数据和导频联合迭代功率分配算法。区别于之前传统的数据或导频功率相等的功率分配算法,本文将功率控制问题转换为受约束于导频和数据功率预算并以最大化频谱效率加权和为目标的优化问题。为此,本文推导出不完美信道知识下采用线性接收机的信干噪比下界闭式表达式。通过将所推导得到的信干噪比下界表达式进行等价转换并借助标准干扰函数方法,本文提出了一种新颖的导频和数据联合迭代功率分配算法,该算法对用户的数据功率和导频功率联合地进行不断迭代,并利用可收敛的交替优化方法以获得最终的近似最优解,并讨论和证明了该算法的收敛性。与传统的仅单独优化导频或数据的功率分配算法相比,本算法能够明显地提高系统频谱效率。