大规模MIMO系统上行链路时间-空间结构信道估计算法

针对大规模多入多出(MIMO)系统上行链路非平稳空间相关信道的估计问题,该文利用信道的时间-空间2维稀疏结构信息,应用狄利克雷过程(DP)和变分贝叶斯推理(VBI),设计了一种低导频开销和计算复杂度的信道估计迭代算法,提高了信道估计精度。由于平稳空间相关信道难以适用于大规模MIMO系统,该文借助于狄利克雷过程构建了非平稳空间相关信道先验模型,可将具有空间关联的多个物理信道映射为具有相同时延结构的概率信道,并应用变分贝叶斯推理设计了低导频开销和计算复杂度的信道估计迭代算法。实验结果验证了所提算法的有效性,且具有对系统关键参数鲁棒性的优点。     

基于压缩感知的大规模MIMO下行信道状态信息获取

信道状态信息（Channel State Information,CSI）对于大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）发挥高性能至关重要。但在上下行传输信道不存在互易性的频分双工（Frequency Division Duplex,FDD）制式下,若采用传统的信道估计方法会给CSI的获取带来巨大的导频开销和计算量。考虑利用大规模 MIMO 信道的虚角域稀疏性来减少获取CSI所需开销,在此基础上进一步研究了大规模 MIMO 正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中各子载波信道在虚角域的共同稀疏特性和稀疏支撑集的时间相关特性,达到降低信道维度的目的,则大大减少了基站对 CSI 获取所需的资源开销。同时,为了降低信道稀疏支撑集信息获取所需的导频开销和提高信息的时效性,利用压缩感知技术对支撑集进行估计。仿真结果验证了所提方案性能的优越性。     

一种FDD大规模MIMO系统下行信道估计算法

信道估计是大规模多输入多输出(MIMO)系统的关键技术之一。本文针对频分双工(FDD)大规模MIMO正交频分复用(OFDM)系统,研究了下行信道估计问题。通过利用大规模MIMO-OFDM信道在角度-频域中的块稀疏特性,提出了基于块匹配追踪的低复杂度估计算法。另外,针对采用时域正交导频存在估计周期过长,有可能超过系统相干时间的问题,提出了天线分组发送方案,通过牺牲观测数据长度来换取信道估计周期的减少。仿真结果表明,所提算法具有良好的抗噪性能,可以准确找出稀疏向量的非零值位置,并可自适应确定稀疏度。     

联合波束域分解和SVD的多用户大规模MIMO系统信道估计

针对TDD(Time Division Duplex)模式下的多用户大规模MIMO(Multiple-Input Multiple-Output)系统,本文研究了将波束域分解和SVD(Singular Value Decomposition)同时用于该系统的信道估计。当基站天线数目较多时,信道估计误差、导频开销、信道估计算法的复杂度等问题将成为影响大规模MIMO系统性能的关键因素。运用波束域分解理论,将多用户的大规模MIMO系统分解成多个单用户的大规模MIMO系统,同时从波束域对信道建模,该方法降低导频开销的同时也减小了信道估计误差。另外运用SVD对信道自相关矩阵优化,可以进一步降低信道估计算法的复杂度。基于以上两点,本文提出了一种联合波束域分解和SVD的大规模MIMO信道估计方案,并推导出了估计误差协方差矩阵的闭式表达式。仿真结果表明,与同类方案相比,本文提出的方案具有更好的信道估计性能。      

认知无线电中的稀疏信道估计与导频优化

认知无线电技术能充分利用闲置的频谱进行数据传输,从而提高频谱利用率。而稀疏信道估计能充分发掘无线信道的稀疏性,从而节省导频开销,并进一步提高频谱利用率。因此,该文研究了采用稀疏信道估计的认知无线电系统及导频优化,将信道估计转化为稀疏重建问题,以最小化观测矩阵的互相关为目标进行优化,并提出了一种快速的导频优化算法。该算法通过灵活设置外循环和内循环次数,实现了对导频序列进行逐位置的替换与优化。仿真结果表明,相比于最小二乘信道估计,稀疏信道估计能节省72.4%的导频开销,提高8.2%的频谱利用率;此外,该导频优化算法优于目前的随机优化算法,在相同的0.012误码率性能下,相比后者能节省约5 dB的信噪比。     

针对块稀疏信道的估计算法

无线多径信道中存在着块稀疏结构。针对块稀疏信道中分块信息是否已知的不同场景,分别提出了两种基于块稀疏贝叶斯学习(BSBL)框架的OFDM系统信道估计算法。这两种算法根据边界最优(BO)方法估计信道分块的稀疏度参数,提升算法运算速率。为进一步提升信道估计性能,在基于BSBL框架算法仅利用导频信号估计信道的基础上,又提出了基于联合块稀疏贝叶斯学习(JBSBL)的信道估计新算法,该算法利用导频与数据子载波实现信道的联合估计。仿真结果表明,与传统的最小二乘算法比较,本文提出的算法均可获得很好的信道估计性能,且基于JBSBL的信道估计算法性能更佳。      

一种结构化压缩感知中的稀疏度自适应算法

大规模多输入多输出(Large-scale MIMO)系统具有极高的频谱利用率和能量效率,是5G关键技术之一。结构化子空间追踪算法(SSP)采用一种非正交导频并结合无线信道的空时相关性,可以较精确地估计来自基站端大量发送天线的多个信道,针对该算法需要信道稀疏度作为先验条件的局限性,文章提出了一种分块稀疏度自适应匹配追踪算法(BASMP)。仿真结果表明,所提出的算法不仅在性能上与SSP算法相当,而且同时还能准确地估计信道的稀疏度。     

OFDM稀疏信道估计中导频设计算法

由于无线信道固有的稀疏性,压缩感知理论已被应用于正交频分复用(OFDM)系统的信道估计中来提高频谱利用率。文中研究OFDM系统稀疏信道中确定性导频的设计问题,针对互相关最小准则的不足,提出了一种基于测量矩阵互相关和测量矩阵列相关平方和最小化的联合算法。仿真结果表明,该算法的归一化均方误差(MSE)和误码率(SER)性能均优于基于互相关最小准则的随机搜索导频,相比于最小二乘算法,稀疏信道估计使用了更少的导频获得了更好的估计效果,提高了频谱利用率。     

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB 仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。     

频分双工大规模MIMO系统时变信道估计

大规模多输入多输出（Multiple-Input Multiple-Output, MIMO）系统的性能增益依赖可靠的信道估计,传统信道估计方案主要面向准静态场景,在用户高速移动场景中性能下降明显。本文研究频分双工（Frequency Division Duplex, FDD）大规模MIMO系统中的时变信道估计问题,利用信道向量在角度域的空时稀疏特性,提出软结构先验模型驱动的稀疏贝叶斯信道估计（Soft-Structured Prior Model based Sparse Bayesian Estimation, SSPM-SBE）方案,针对方案涉及的复杂贝叶斯估计问题,给出基于变分优化的低复杂度求解方法。SSPM-SBE方案能够充分利用当前和历史接收导频数据改善时变信道的估计性能,且无需信道大尺度信息的先验认知,仿真结果验证了方案的优越性。      

基于透镜天线阵的毫米波系统波束选择研究

透镜天线阵列下毫米波大规模多输入多输出(MIMO)系统通过波束选择可以大大减少所需的射频链数目,解决系统硬件成本和能耗过高的问题,然而,波束选择需要基站端获取准确的信道状态信息.对此,文章首先利用波束空间的结构特性,采用基于支持检测(SD)的信道估计方案,以较低的导频开销和计算复杂度对大尺寸信道进行更加可靠的估计;其次...     

Space‐time block coding in millimeter wave large‐scale MIMO‐NOMA transmission scheme

In this paper, we introduce a new wireless system architecture using space‐time block coding schemes (STBC) and non‐orthogonal multiple access (NOMA) in millimeter wave (mmWave) large‐scale MIMO systems. The proposed STBC mmWave large‐scale MIMO‐NOMA system utilizes two MIMO subarrays, transmitting data over two channel vectors to mobile users. To reduce the communication overhead and latency in the system, we utilize random beamforming with optimal coefficients at the base station and random‐near random‐far user pairing in implementing the NOMA scheme. Our results show that the proposed STBC mmWave large‐scale MIMO‐NOMA technique significantly outperforms the previous counterparts.     

MUSIC-Based Pilot Decontamination and Channel Estimation in Multiuser Massive MIMO System

This paper addresses the problem of channel estimation in a multiuser multi-cell wireless communications system in which the base station (BS) is equipped with a very large number of antennas (also referred to as “massive multiple-input multiple-output (MIMO)”). We consider a time-division duplexing (TDD) scheme, in which reciprocity between the uplink and downlink channels can be assumed. Channel estimation is essential for downlink beamforming in massive MIMO, nevertheless, the pilot contamination effect hinders accurate channel estimation, which leads to overall performance degradation. Benefitted from the asymptotic orthogonality between signal and interference subspaces for non-overlapping angle-of arrivals (AOAs) in the large-scale antenna system, we propose a multiple signals classification (MUSIC) based channel estimation algorithm during the uplink transmission. Analytical and numerical results verify complete pilot decontamination and the effectiveness of the proposed channel estimation algorithm in the multiuser multi-cell massive MIMO system.     

采用数据辅助的大规模MIMO信道半盲迭代估计

由于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)信道衰落参数的维度较高,导致最优估计算法计算量大且需要的导频数较多而影响到频谱效率.为降低计算复杂度并减少导频开销,提出了两种基于期望最大化(Expectation Maximization,EM)估计的半盲迭代改进算法.利...     

Low power ring oscillator for IoT applications

In order to scale with the demand of higher data rates and improved spectral efficiency in next generation wireless communication systems, a large-scale multiple-input and multiple-output (MIMO) technology called massive MIMO has been proposed. In massive MIMO, appropriate signal-to-noise ratio (SNR) values can be achieved by the addition of base station (BS) antennas in place of increasing transmit power. Pilot-based channel estimation is widely used in conventional MIMO systems, where pilot signal sequences are sent from the user terminals (UTs) to the BS to estimate the channel. In massive MIMO-based cellular networks, channel estimation in a given cell will be impaired by the pilot signal sequences transmitted by users in other cells—rendering the addition of antennas or transmit power ineffective. This effect is called pilot contamination. Therefore, pilot-based channel estimation limits the performance of massive MIMO. Semi-blind and blind methods are alternatives to pilot-based channel estimation that perform channel estimation with short pilot signal sequences and without pilot signal sequences, respectively. Blind channel estimation is one of the promising solutions to the pilot contamination problem in massive MIMO. This paper compares, using MATLAB simulations of a cluster-based COST 2100 channel model, the performance of pilot-based, semi-blind, blind, and adaptive-blind channel estimation methods. The pilot contamination effect on different channel estimation methods and how channel estimation methods can be used to overcome pilot contamination are shown. Finally, an adaptive independent component analysis (ICA)-based channel estimation method, which outperforms conventional ICA in terms of computational complexity, is proposed.     

MIMO异构网络中一种基于人工噪声的抗主动窃听者的鲁棒安全传输方案

为保证MIMO异构网络面临多天线主动窃听时的安全性,该文提出一种基于人工噪声的抗主动窃听者的鲁棒安全传输方案。首先,考虑窃听者发送上行导频干扰的情形,研究了其发送的上行导频干扰对合法用户信道估计的影响。随后,基于信道估计结果对宏基站、微基站的下行数据与噪声信号的预编码矩阵进行设计,并推导了此种情形下系统安全速率的表达式。然后,以系统安全速率最大化为目标对基站的下行数据与噪声信号的发送功率进行优化设计,并提出一种基于1维线性搜索的求解方法。进一步地,考虑窃听者在发送上行导频干扰后,继而发送噪声干扰用户下行通信的情形,提出一种基于离散零和博弈方法来获取最优的发送功率设计。仿真结果验证了所提方案的安全性和鲁棒性。