大规模MIMO系统基于结构化压缩感知的信道估计中导频设计新方法研究

In order to meet the rapidly increase in the number of users and the amount of data traffic, the future networks, i.e., beyond 4G networks will be scaled up to reach the gigabit data rates range over the next 10 years. The massive MIMO system has great potential as the key technology for future beyond 4G cellular systems, in terms of its high spectral efficiency and energy efficiency. However, these advantages are all on the basis of obtaining accurate down-link channel state information (CSI) to perform the pre-coding for down-link data transmission. So, exploring the spectral-efficient channel estimation methods is a challenging problem in massive MIMO systems. The structured compressive sensing theory has been employed in the channel estimation of massive MIMO systems to decrease the pilot symbols. However, the optimal pilots design in structured compressive sensing based channel estimation has not been intensively researched, which is different from the question in traditional channel estimation methods. Our project focuses on the optimal pilots design for structured compressive sensing based channel estimation, which can lead to superior estimation performance of CSI by employing only a few pilots.

为了满足日益增长的用户数量和数据速率的需求，未来的十年里，超4代移动通信系统需要提供更高的数据速率。大规模MIMO（massive MIMO）技术最有希望成为超4代移动通信系统的核心技术。与传统MIMO系统相比，massive MIMO 将大幅度提高系统容量和系统能量有效性。但是这些优势的获得必须以基站准确获得下行信道状态信息（CSI）来进行下行预编码为前提条件。因此，研究频谱有效性高的信道估计新方法成为massive MIMO系统应用中一个至关重要的问题。结构化压缩感知已经应用于massive MIMO系统的信道估计中以减少导频的数量。然而，基于结构化压缩感知信道估计的导频设计方法与传统信道估计中的方法不同，现有文献还没有对其优化设计展开研究。本项目将研究massive MIMO系统基于结构化压缩感知信道估计中的最优导频的设计问题，从而在使用很少导频符号的前提下获得优异的估计性能。

（1）针对基于结构化压缩感知的大规模MIMO-OFDM信道估计中的导频设计问题，提出了一个新的重叠导频设计方案，其中各天线发送导频序列假设为哈达吗矩阵的列向量。进一步提出了一个新的导频优化准则，该准则充分利用了测量矩阵不同块间的角度，可加强平均的信道估计重构性能的同时，排除了信道估计性能极差的导频符号。同时提出了基于该准则的遗传算法去获得优化的导频图案。仿真结果表明，与传统的导频优化准则相比，提出的导频优化准则可更好的与信道估计性能相匹配，得到更优的测量矩阵。由于允许导频重叠放置，在相同的时频块上能够设计出更多的导频集合供大量发送天线使用。（2）针对角域稀疏的大规模MIMO系统下行信道估计中的导频设计问题，提出了以最小化恢复矩阵的全局互相关值为准则，对随机生成的高斯矩阵进行基于奇异值分解和降秩的迭代操作来设计导频矩阵的新方法，仿真结果表明，与使用未优化的导频矩阵相比较，使用优化的导频矩阵能将稀疏信道的重建质量提高2-3dB。（3）针对多用户OFDM系统上行信道估计中的多导频集合设计问题，提出了基于最小化调整互相关集合元素的非等加权平均准则，结合DSO算法完成多用户导频集合的设计。仿真结果表明，与现有其他算法相比，采用新准则获得的每一个导频集合均能获得比较好的信道估计性能。（4）为了解决实际的稀疏信道估计中稀疏度未知的问题。提出了一种增强型自适应分段正交匹配追踪算法，仿真结果表明，在未知信号稀疏度的条件下，相比于StOMP算法和OMP算法，该算法可以更加有效的自适应重建单个稀疏信号，且重建信号的质量高，重建信号时间较少。进一步，提出一种改进的分布式压缩感知稀疏度自适应匹配追踪重建方法，该算法能够在未知信号联合稀疏度的条件下准确重建联合稀疏信号。将该算法应用于OFDM时频双选择信道估计中，与现有的同类算法相比，该算法重建质量更高，运算速度更快。