大规模多天线系统中基于压缩感知的信道估计、干扰抑制与信号检测技术

Massive MIMO is the core technology in 5G wireless networks. To fully unleash its potential high spectrum and power efficiency, we need to address the following key technology challenges. How to reduce the pilot training overhead for the channel estimation of massive MIMO systems? How to reduce the Fronthaul transmission rate so as to reduce the cost and power consumption in Cloud Radio Access Networks (C-RAN), and how to design efficient interference mitigation and signal detection schemes for C-RAN? We have obtained some important results on the above key technologies and the results suggest that it is possible to obtain better solutions based on compressive sensing. In this project, we will conduct a systematic study on new compressive signaling processing technologies to solve the above key technology challenges, including the compressive channel estimation technology which can exploit the specific sparse channel structure in massive MIMO systems, the closed-loop adaptive Fronthaul compression technology, and the compressive interference mitigation and signal detection technology. Our research will involve multiple disciplines such as compressive sensing, signaling processing, optimization theory and control theory. Moreover, we will combine the methodologies of theoretical analysis, experimental measurements and numerical simulations in this study. The outcome of this project is expected to provide high performance solutions for the key technology challenges in 5G wireless networks. The interdisciplinary nature of our studies will not only promote the development of new compressive sensing technologies and algorithms, but also have the potential to reshape the signal processing for communications.

大规模多天线是第五代移动通信的核心技术。为了利用其高频谱和功率效率，需要解决两个关键技术问题：如何降低大规模多天线系统信道估计所需导频开销？如何降低分布式大规模多天线系统（C-RAN）中Fronthaul的成本和功耗，并设计高效的干扰抑制和信号检测技术？针对上述关键技术问题，本课题组已取得的成果表明，利用压缩感知可以获得性能更优的解决方案。本项目将基于压缩感知，信号处理，优化理论，控制论等学科，通过理论分析、实验和仿真相结合的方法，进一步系统地研究大规模天线系统中的新型压缩感知信号处理技术。具体地，包括利用信道特殊稀疏结构的压缩信道估计技术，C-RAN系统中Fronthaul传输速率闭环自适应压缩技术、压缩干扰抑制和信号检测技术等。本项目的研究成果将为第五代移动通信的关键技术问题提供高性能解决方案，其多学科交叉特性将有助于推动新型压缩感知技术与算法的发展，并有可能重塑未来通信信号处理方法。

本项目提出了一套利用稀疏结构的压缩感知信号处理技术和随机优化方法，以更加有效地解决大规模多天线关键技术难题，包括大规模多天线系统中的压缩信道估计技术、干扰抑制、信号检测与Fronthaul传输速率压缩技术等，从而为其实用化奠定理论和算法基础。主要研究成果如下：首先，项目组为多用户大规模天线信道提出了一种称为Product-Hidden-Markov（PHM）的统计信道模型，并采用纽约大学学者Theodore S. Rappaport所提出的基于实测信道数据的大规模天线信道模型产生的信道数据对PHM统计信道模型进行了验证。基于该统计信道模型，项目组针对不同应用场景，提出了一系列的压缩信道估计算法，这些算法可以充分利用大规模天线信道特殊的联合簇稀疏结构提高信道估计性能，并提出了一种可以通过闭环控制自动确定最优导频数目的自适应压缩感知技术。其次，项目组提出了Fronthaul传输速率受限条件下C-RAN系统中的压缩干扰抑制与信号检测技术，该技术可通过在每个RRH采用一个线性压缩矩阵以降低Fronthaul的开销，同时利用基于交替优化的压缩感知恢复算法，进行干扰抑制，并实现高性能的信号检测。再次，项目组创新性地提出了一种称为Turbo-VBI的新型压缩感知方法，该方法可以在感知矩阵和先验概率模型存在不确定参数的条件下，自动学习未知参数，从而实现结构性稀疏信号的鲁棒感知与恢复。利用该新型Turbo-VBI方法，项目组设计了鲁棒性强的新型压缩信道估计、干扰抑制与信号检测算法。此外，项目组还应用这些新型压缩感知技术与算法解决了智能水管系统中的泄露检测与定位、无人驾驶中的车队联合定位等具有重要应用价值的实际问题。最后，项目组创新性地提出了一种称为CSSCA的新型随机优化方法，可以求解具有非凸约束的随机优化问题，从而攻克了一般非凸随机优化问题求解这一开放性难题，并应用CSSCA方法解决了大规模天线系统中多尺度混合预编码优化和C-RAN系统中RRH分簇和预编码联合优化等关键技术难题。本项目的研究按照计划书展开，各项研究内容进展均比较顺利。在此项目资助下，发表（录用）SCI索引的IEEE 顶级期刊29篇，发表（录用）国际EI会议论文11篇。论文被国内外同行多次引用和评述。其中，所提出的新型Turbo-VBI压缩感知方法和CSSCA随机优化方法，具有重要理论价值和广泛应用前景。