适用于大MIMO系统的新型信道信息获取方法研究

This project offers a new CSI acquisition method for massive MIMO to solve the inaccuracy and overexertion problems in existing methods. Massive MIMO channels have different sparse and similarity spatial properties compared with MIMO channels. In addition, the existing massive MIMO acquisition researches concentrate on compressive sensing methods to make the acquisition more accurate with less resource consumption， which is based on massive MIMO spatial sparsity. Besides，for TDD and FDD massive MIMO systems， those methods should be different. This project offers a new multi-step CSI acquisition method combining compressive sensing methods with massive MIMO channel similarity. To make the research more convincing, this project analyze the use of channel grouping and compressive sensing in massive MIMO and finally make a efficient solution for massive MIMO CSI acquisition.

本项目旨在提供一套适用于大MIMO系统的信道信息获取新方法，解决现有方法中不可忽略的估计精度不足和资源开销过大这两大问题。大MIMO系统信道具有不同于现有MIMO系统信道的空间稀疏和空间近似特性，现有针对大MIMO信道信息获取方法集的研究集中于利用其稀疏特性运用压缩感知技术提升获取精度并降低系统复杂度等方面，针对TDD系统与FDD系统分别有不同的解决方案。本项目提供了结合大MIMO系统信道空间近似特性的分步式压缩感知信道获取方法，分析了信道分组技术和压缩感知技术在大MIMO系统中的具体应用方式，为大MIMO系统信道信息获取困难问题提供了一套行之有效的解决方案。

本项目针对大MIMO系统信道估计复杂的问题，提出基于天线分组的信道估计方法； 并利用大MIMO空间传输在角域信息方面的稀疏特性，提出了压缩感知的低复杂度信道估计运算方法。在基站天线的分组特性与稀疏信道建模方法、TDD大MIMO系统在天线分组模式下的压缩感知方法、不同的分组模式对压缩算法及系统性能的影响方面进行了深入研究。得到了联合稀疏信道特性在基站天线分组系统中用应用方法、基于FDD的终端导频信息的反馈方法、适用于用户联合稀疏信道的压缩感知算法、空间分组方法大MIMO信道估计的导频设计方法、导频长度与估计精度之间的关系。为大MIMO信道估计，给出了可行的解方案。.根据本项目的研究，通过天线分组方法去重构信道信息是可行的，通过分组带来的信道估计精度的降低，对于系统性能来讲，是可接受的；由于大MIMO空间信息的稀疏特性，与现有的标准信道估计算法相比，导频量可以降低50%以上。但是压缩感知在信道信息恢复方面的复杂度还是比较高，从系统实现的角度看，在通过减小导频量提高系统效率的同时，接收复杂度的增加也使系统变得实现困难。所以，压缩感知的信道估计算法，在具体系统的实现上，还需要进一步研究降低复杂度的措施。.通过本项目的研究，发表高水平论文23篇，其中SCI 17篇，会议论文6篇，申请相关发明专利6项。并完成了大MIMO通信系统的链路仿真软件和演示验证平台。.本项目的研究成果可以用于大MIMO系统的信道计、毫米波阵列天线通信系统。通过对大MIMO系统的传输特性进行建模与研究，对大MIMO系统设计，可以提供很好的支撑与设计依据。