大规模MIMO在FDD模式下的下行信道状态获取及其时变问题研究

With respect to acquiring the downlink channel information(CSI) and solving its time-varying problem, we attend to feed back by quantifying CSI with a long-term codebook and a short-term codebook in this project. The eNodeB estimates the long-term codebook dynamically based on the DOA estimation of each UE. The UE estimates the short-term codebook based on compression perception and Kalman filter theory . The key research contents are as follows: Firstly, based on the uplink-downlink duality of the beam direction, long-term codebook is estimated by eNodeB based on the DOA estimation, which can avoid the feedback. The difficult point focuses on the multi-user DOA estimation under different antenna arrays in the Massive MIMO system. Secondly, in order to adapt to time-variability of long-term codebook, the relationship of user mobility and DOA variation is studied. Accordingly, a dynamic long-term codebook estimation strategy is put forward. Finally, Based on the compressed sensed theory, Kalman filter is applied to predict the compressed CSI to overcome the time-variability of short-time codebook, which is estimated based on compressed CSI without reconstruction by UEs. In a whole, with this project research, classification estimation and compression estimation algorithm can decrease the complexity of estimation and prediction, and reduce the feedback resource. What’s more, the problem of channel time-variability is overcome by dynamical long-term codebook estimation and channel prediction with Kalman filter.

针对FDD模式下大规模MIMO系统中下行信道信息获取及有效克服信道时变性问题，本项目拟基于长时码本和短时码本对下行信道信息进行量化反馈，由网络端基于各用户波束方向动态估计长时码本，终端基于压缩感知及卡尔曼滤波理论估计短时码本。重点研究内容是：利用上下行波束方向的对偶性，直接由网络端基于各用户的波束方向估计获取长时码本，无需进行长时码本反馈，难点在于研究Massive MIMO系统中在不同天线阵列下的多用户波束方向估计算法；为了适应长时码本的时变性，搭建用户移动与波束方向之间的变化关系特征模型，并据此提出动态长时码本估计策略；根据压缩感知理论获得压缩的信道估计信息，终端基于压缩信道进行卡尔曼信道预测克服短时码本时变性，并估计短时码本，无需信道重构。整个策略通过分步估计以及压缩估计算法降低估计及预测复杂度，降低反馈资源占用量，同时通过动态估计长时码本和卡尔曼滤波预测信道克服时变信道问题。

第五代移动通信（5G）的重要特征之一是大规模的天线阵列架构，天线数目可能从四根增至上百根，随着基站天线数的增加，噪声和干扰都能被平均掉，大规模阵列天线多输入多输出（Massive MIMO）技术以其在频谱效率、能量效率、鲁棒性及可靠性方面的潜在优势。然而在FDD模式下Massive MIMO系统中CSI信息获取问题存在如下难点：一方面，在Massive MIMO系统中随着天线数的增多，天线从线性排列扩展为多维阵列，信道向量变得更为复杂，估计量增大，估计性能降低等；另一方面，反馈延时导致的CSI过时误差成为影响预编码性能的重要因素之一。本项目重点解决上述问题，主要研究了以下内容：. 1.针对Massive MIMO系统中CSI估计和信号检测问题，在多用户（MU）下行链路大规模MIMO场景下，利用已知的信道状态信息，通过设计预编码矩阵，应用预编码辅助正交空间调制（PQSM）对正交空间调制（QSM）的同相和正交两路信号分别做预编码处理，以减少信道间干扰。同时，为了提高CSI估计性能，本项目提出联合信道估计和多用户检测算法，重点研究在多天线环境下的多用户情景，引入非正交多址和压缩感知技术，算法通过验证误差的方式自适应地结束迭代，能够高可靠地完成联合信道估计和多用户检测，获得较好的用户检测性能。. 2.针对时变信道导致的CSI反馈过时问题，本项目分别研究长时码本的自适应反馈问题和克服短时码本反馈时延问题。进一步利用扩展的卡尔曼滤波（EKF），将其与信道估计技术相结合从而克服时变引起的信道估计不准确的问题。EKF算法将联合估计信道频率响应和时变信道的相关系数，同时引入迭代检测译码算法来进一步降低EKF误差，从而有效提高系统容量。