硬件损伤下大规模MIMO系统性能与补偿算法研究

Massive MIMO increases both the radiated energy efficiency as well as the sum-rate capacity by orders of magnitude. However, the deployment of massive radio links relies heavily on cheap and power efficient radio hardware. Non-ideal analog devices yield hardware impairments, and have a huge negative impact on the overall system performance. The project focuses on hardware impairments in Massive MIMO systems. Bayesian Cramer-Rao low bound for decision-directed estimation of phase noise will be derived. Multiple phase noise parameters will be jointly estimated using the unscented Kalman filter method. Digital pre-distortion I/Q imbalance compensation algorithm at the transmitter will be designed. Also, time-domain I/Q imbalance baseband compensation algorithm at the receiver will be developed. The coefficients of these compensation algorithms will be obtained using fast transversal recursive least squares and QRD-based recursive least squares filters. Then a stochastic model on hardware impairments will be built. The tight low bounds on the sum rate capacity of massive MIMO uplink and downlink channels will be achieved. We will derive closed-form expressions for signal-interference-plus-noise ratio (SINR) and error vector magnitude (EVM). The effectiveness on algorithms derived earlier will verified on the experimental Massive MIMO platform as well as IP core on algorithms will be developed. Therefore, the project will provide some interesting theoretical results on Massive MIMO and further drive the application of Massive MIMO in future mobile communication systems.

大规模MIMO显著地提高了能量效率和系统容量，然而大量射频链路在基站的配置依赖于低成本低功耗的器件。非理想的模拟器件引起了硬件损伤，严重地影响了系统的性能。本项目以大规模MIMO系统中硬件损伤为研究对象，首先针对大量独立的相位噪声，确定面向判决的多个随机参数估计的贝叶斯Cramer-Rao下界，利用无迹卡尔曼滤波方法估计多个相位噪声参数；针对I/Q不平衡，利用快速横向和QR分解的递归最小二乘滤波设计发射端数字预失真补偿算法和接收端时域补偿算法；然后建立硬件损伤随机模型，导出大规模MIMO系统上行链路和下行链路和速率容量紧致的下界，导出信号干扰噪声比和误差向量幅度的闭合表达式。最后在大规模MIMO实验室验证平台上开发算法的IP核，验证估计和补偿算法的有效性。本项目不仅丰富了大规模MIMO系统的理论，也推动了大规模MIMO在未来移动通信系统中的实用化。

随着5G时代的到来，大规模MIMO技术作为其关键技术之一，受到了广泛的关注。然而大规模MIMO需要在基站配置数百根的天线以及大量的晶体振荡器，不稳定的振荡器所产生的相位噪声将会严重影响系统的性能。本项目采用不同的估计策略对MIMO系统中的相位噪声进行估计。.首先，对MIMO系统和相位噪声进行建模，然后用最小二乘的方法对存在相位噪声的MIMO信道进行估计，并将估计出的信道信息分别用于面向判决和导频辅助的相位噪声估计方法中。.其次，在面向判决的相位噪声估计方法中，首次提出了用无迹卡尔曼滤波的方法对相位噪声进行估计，并且用RTS平滑滤波的方法对估计出的相位噪声进行平滑。将数据符号判决和相位噪声估计这两个过程进行迭代，然后将扩展卡尔曼算法、无迹卡尔曼算法以及无迹卡尔曼RTS平滑算法作对比，分析其在不同天线数目、不同相位噪声方差以及不同调制方式中的性能表现。实验结果表明，当相位噪声的方差比较大时，无迹卡尔曼滤波比扩展卡尔曼滤波能够获得更好的相位噪声估计，但当相位噪声方差比较大或者调制星座比较密集时，采用硬判决的的方法可能会引起数据符号判决和相位噪声估计之间产生的恶性循环，严重影响系统的性能。.然后，在导频辅助的相位噪声估计方法中，将导频周期性地插入到数据符号中去，通过计算得到导频处的相位噪声，然后用平滑滤波的方法对数据符号处的相位噪声进行估计。推导了维纳滤波算法，并将无迹卡尔曼RTS平滑算法和无迹卡尔曼线性平滑算法用于导频辅助结构的相位噪声估计。实验结果表明，当相位噪声的方差不是很大的时候，无迹卡尔曼RTS平滑算法和无迹卡尔曼线性平滑算法性能相差不大，但都要优于维纳滤波算法，且导频辅助的方法对插入导频的频次并不是特别敏感。.最后，将面向判决的无迹卡尔曼RTS平滑算法和导频辅助的无迹卡尔曼RTS平滑算法做对比实验。实验结果表明，当采用硬判决对数据符号进行估计时，导频辅助的方法要优于面向判决的方法，与面向判决的理想状态，即完美判决的效果非常接近。