面向认知无线电自组网的大规模MIMO传输组网方案研究和优化设计

The advanced Massive MIMO technique could be introduced in cognitive radio ad hoc network (CRAHNs) to improve the network communication capacity and reliability. Thus, in the clusterd CRAHNs with Massive MIMO (MM-CRHAN), there coexist single-antenna nodes, multiple- antennas nodes and massive-antennas nodes. These hybrid types of nodes support mixed services simultaneously. Communication between different nodes involves works as establishment of new hybrid models, channel estimation, joint allocation of resources such as space, frequency and power, and research of beamforming transceiver techniques. The project focuses on the design and optimization of transmission and networking strategies, the design and optimization of channel estimation and pilot pattern, the joint resource allocation scheme, and the research of beamforming transceiver techniques in MM-CRAHNs with hybrid antenna arrays.

将大规模天线（Massive MIMO）技术应用到认知无线电自组网（CRAHNs）中，可以极大地提高CRAHNs网络的通信容量和可靠性。在基于大规模MIMO的分簇CRAHNs网络（MM-CRAHNs）中，单天线节点（SN）、多天线节点（MN）和大规模天线节点（MM）共存，多种不同类型节点间需要同时进行多业务的通信。混合节点间的通信涉及新场景下的混合天线模型及其信道估计、空频域和发射功率的联合优化、波束形成发送技术和接收技术等。本项目研究MM-CRAHNs网络中混合天线阵的传输组网方案和优化设计：MM-CRAHNs网络中基于混合天线模型的信道估计与导频模式优化设计的研究；MM-CRAHNs网络中空频域和功率的联合优化方案的研究；MM-CRAHNs网络中基于混合天线模型的波束形成发送和接收技术的研究。

本项目主要研究内容包括四个方面：适用于CRAHNs网络的大规模MIMO信道估计技术、大规模MIMO 下空频域和功率的优化策略和方案、大规模MIMO 下波束形成发送和接收技术、半实物化实验平台。在大规模MIMO信道估计方面，对基于分布式压缩感知（DCS）的MIMO-OFDM信道估计、基于DCS的MIMO-OFDM信道估计中导频优化准则获取、利用遗传算法求解组合优化问题获得最优导频位置集合、FDD模式下基于压缩感知的大规模MIMO信道估计中导频设计、大规模MIMO-OFDM系统基于结构化压缩感知的信道估计中导频优化方法研究、链状网大规模MIMO系统中导频污染减轻方案、基于压缩感知的MIMO-OFDM信道估计中基于随机搜索和移位机制的导频优化方法研究、大规模MIMO系统基于分布式压缩感知的信号检测算法研究、压缩感知增强型自适应分段正交匹配追踪算法研究等方面进行了研究。在大规模MIMO系统的资源优化策略和方案方面，在基于单子载波预编码算法的多用户MIMO-OFDM系统模型、整体预编码算法的多用户MIMO-OFDM系统模型、MU-MIMO系统下行链路的容量优化策略、基于MRT预编码的大规模MIMO下行系统能效资源分配算法、大规模MIMO系统中基于联合QR分解的干扰对齐算法等方面获得了研究成果。对于大规模MIMO 下波束形成发送和接收技术，则把研究重点放在基于POST-FFT和PRE-FFT的MIMO -OFDM波束成形接收技术、多径信道中的MCMV-OFDM波束成形算法、面向CRAHNs网络的大规模MIMO发射波束成形技术、大规模MIMO接收系统中基于凸优化的频域宽带最低旁瓣波束形成器。.发表研究论文19篇研究论文，申请发明专利5件，其中SCI论文2篇、EI论文5篇，已授权专利4件。