大规模MIMO系统物理层关键技术研究

As the demand of wireless service continues growing, the fifth generation mobile communication system (5G) has become a hot topic in communication field both at home and abroad. Among many proposed wireless transmission technologies for 5G, the massive MIMO technology is high hopes. Massive MIMO is expected to become one of the core technologies, which makes 5G different from the existing systems. This project will focus on the massive MIMO systems, and investigate some basic and key issues of physical layer. Specifically, this project will study massive MIMO channel models under different scenarios and system settings. Based on the channel models, this project will investigate channel estimation, training design, and channel feedback for frequency division duplex (FDD) massive MIMO systems. This project will study change rules of massive MIMO channels, and based on which, investigate channel tracking and prediction in fast-fading environments. The project will also study pilot decontamination methods for practical multi-cell massive MIMO systems that do not require cell cooperation and statistical information of the channels. The launching of this project can provide theoretical and technical support for the application of massive MIMO in 5G, which has profound significance.

随着人们对无线业务需求的持续增长，第5代移动通信系统（5G）已成为国内外通信领域的研究热点。在提出的众多5G无线传输技术中，大规模MIMO技术被寄予厚望，该技术预计将成为5G区别于现有系统的核心技术之一。本项目以大规模MIMO系统为研究对象，拟围绕其中物理层的一些基础和关键问题展开研究，具体包括：研究不同应用场景和系统配置下的大规模MIMO信道模型；在信道模型基础上，研究频分双工（FDD）大规模MIMO系统信道估计、训练序列设计以及信道反馈；探索大规模MIMO系统信道变化规律，在此基础上研究快速移动场景下的信道跟踪和预测；研究适用于实际多小区大规模MIMO系统的、无需小区协作以及信道先验信息的导频污染消除方案。本项目的开展可为大规模MIMO在5G中的应用提供理论和技术支撑，意义深远。

随着人们对无线业务需求的持续增长，第5代移动通信系统（5G）已成为国内外通信领域的研究热点。在提出的众多5G无线传输技术中，大规模MIMO技术被寄予厚望，该技术预计将成为5G区别于现有系统的核心技术之一。本项目以大规模MIMO系统为研究对象，围绕其中物理层的一些基础和关键问题展开研究，主要包括：研究不同应用场景和系统配置下的大规模MIMO信道模型；在信道模型基础上，研究频分双工（FDD）大规模MIMO系统信道估计、训练序列设计以及信道反馈；探索大规模MIMO系统信道变化规律，在此基础上研究快速移动场景下的信道跟踪和预测；研究适用于实际多小区多用户大规模MIMO系统的安全传输方案等。通过几年的努力，本项目主要获得了以下几个方面的相关成果：(1)考虑大规模MIMO系统的物理层安全问题，提出一种基于攻击检测以及数据辅助信道估计的安全传输策略，可以有效抵抗主动窃听者的攻击，极大提高系统的保密容量。(2)将深度学习引入无线通信系统物理层的估计技术中，提出针对环形阵列混合波束成形大规模MIMO系统的到达角估计算法。仿真结果表明，与经典的最大似然估计算法相比，基于深度学习的到达角估计算法可以在保证性能的基础上极大降低计算复杂度、减少运行时间，非常适合实际实现。(3)考虑配置大规模天线的卫星物联网通信系统，提出了一种新颖的下行多用户复用方法，可以让卫星使用相同的频段和相同的波束同时发送不同用户的数据，极大提高系统的频谱效率。(4)针对5G-NR毫米波大规模MIMO系统的初始接入问题，提出一种基于深度学习的初始小区发现方法，可以极大降低系统在低信噪比且存在频偏的情况下主同步信号的漏检率，提高小区发现的成功率。(5)针对FDD大规模MIMO系统中的下行信道估计问题，提出了基于块匹配追踪、簇映射以及深度学习的方法，可以有效降低反馈需求，提高系统的频谱效率。研究成果可为大规模MIMO的实际应用提供理论和技术支撑。