时移联合空间划分的大规模MIMO导频分配

导频序列在不同小区中不可避免地被复用,从而产生了导频污染,导频污染带来的干扰不会随着基站天线数的增加而减少。导频污染已成为限制大规模多输入多输出（MIMO）系统性能的主要原因之一,为了减少导频污染带来的影响,文章提出了时移联合空间划分的导频分配方案,该方案通过从时间域和空间域两个方面来减少导频序列的复用次数,从而减少导频污染。推导出了采用该方案时系统中目标上行用户的可达和速率和信干噪比（SINR）。仿真结果表明,所提方案能有效减少导频污染,获得较好的系统性能,提高系统吞吐量。     

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

大规模MIMO系统中动态迁移导频分配

大规模多输入多输出（MIMO）技术是5G的关键技术之一,由导频资源有限引起的导频污染是制约其发展的主要瓶颈之一,为此必须对宝贵的导频资源进行合理地分配以减小导频污染。已有的导频分配方案大多考虑静态导频分配,无法很好地适应用户位置不断变化的移动通信环境。文章针对大规模MIMO系统中用户移动时的导频分配问题,提出了一种动态迁移导频分配方法。该方法在两个相邻时隙间仅针对移动幅度较大的用户进行额外的导频优化,根据分配方案选择一个用户与之进行导频交换,对于其他的用户不改变原分配导频。复杂度分析及仿真结果表明,该算法相较于传统的导频分配方法可以显著地降低计算复杂度,并且与传统的导频分配方法具有相近的频谱效率,具有较高的实用价值。     

基于预编码与导频分配的大规模MIMO导频污染抑制

导频污染问题是限制大规模多输入多输出(MIMO)系统性能的主要影响因素.针对这个问题,提出了一种基于改进预编码和最优导频分配策略的大规模MIMO系统导频污染抑制算法.首先,在系统下通过基于改进遗传优化算法的最大化信干噪比(SINR)预编码算法,获得最优预编码矩阵;然后,通过基于用户信道条件优劣的最优导频分配策略对每个小区用户进行导频分配,从而实现大规模MIMO系统导频污染抑制.通过Matlab仿真结果可知,相对于传统的SINR预编码算法,所提算法的复杂度降低了65%左右,而导频污染抑制性能提升了30%左右.该算法能够有效抑制导频污染,提升大规模MIMO系统的性能.     

大规模MIMO系统中的动态导频分配方案

针对多小区大规模多输入多输出(MIMO)系统中存在的导频污染问题,通过分析MMSE信道估计产生的误差,提出了一种动态导频分配方案.该方案将目标小区与相邻小区相邻的边缘区域内的用户进行动态导频分配,剩余区域内的用户进行随机导频分配来提升系统下行链路的平均可达和速率.仿真结果表明,该方法不仅能显著地提升信道估计的性能,而且还能有效地提高整个系统下行链路的可达和速率.     

Interference alignment scheme for massive MIMO system

The performance of massive multiple-input multiple-output （MIMO） system is limited by pilot contamination. To reduce the pilot contamination, uplink and downlink precoding algorithms are put forward based on interference alignment criterion. In the uplink receiving processing, the target function aligns the pilot contamination and the interference signals to the same null space and acquires the maximal space degree of the desired signals. The uplink receiving precoding matrix is solved on maximal signal to interference plus noise ratio （SINR） criterion considering the impact of the pilot contamination on channel estimations. The uplink receiving precoding matrix is used as the downlink transmitting precoding matrix. Exploiting the channel reciprocity, it is proved that, if the uplink receiving precoding matrix achieves maximal S1NR, the identical precoding matrix can be used in the downlink transmission and acquires maximal signal to leakage plus noise ratio （SLNR）. Simulations show that the spectrum efficiency of the proposed algorithm can reach about 1.5 times higher than that of popular matched filtering （MF） precoding algorithm, and about 1.1 times higher than multi-cell minimum mean square error （MMSE） precoding algorithm. The performance of the proposed algorithm can be improved approximately linearly with the increasing of the number of antennas.     

大规模MIMO系统中基于谱分离的导频去污染

为了克服大规模MIMO的技术瓶颈——上行链路导频污染,与现有盲导频去污染中系统参数同时设计的方法不同,提出了系统参数的分层设计方法,指出不同的系统参数对最终接收信号样本协方差矩阵谱精确分离的作用是不同的,即具有不同的优先级。然后,发现要实现谱分离,期望信号的功率并不一定要高于干扰功率,两者之间的差异才是决定因素。更进一步地,在导频序列长度小于基站接收天线数这种更实际的场景下,首次给出了一种数值算法同样能实现上述的精确谱分离。实验仿真证明,由于分层的参数设计保证了渐近谱的精确分离,所提方案比现有的盲导频去污染方案更适合实际应用。     

大规模MIMO下贝叶斯压缩感知信道估计方法

由于存在导频污染问题,基站侧高效、高精度地获取信道状态信息对实现大规模多输入多输出（MIMO）正交频分复用系统的潜在优点至关重要。通过使用压缩感知技术,可以有效解决导频污染问题。然而,在压缩感知信道估计算法中,很难直接获取信道稀疏度的先验知识。为了解决这个问题,文章提出一种基于贝叶斯压缩感知的信道估计方法,该方法将稀疏信号的统计信息作为先验知识,并运用于多用户大规模MIMO系统的上行链路。仿真结果表明,与传统的信道估计方法相比,所提方法能有效重构原始信道系数。     

无蜂窝大规模MIMO系统信道估计中基于加权图的叠加导频分配

针对无蜂窝大规模多输入多输出(cell-free massive multiple-input multiple-output, CF-mMIMO)系统信道估计中导频污染问题,提出了基于加权图的叠加导频(superimposed pilot, SP)分配方案。首先分析导频污染对SP信道估计的影响,引入一种全新度量表示用户间潜在导频污染程度;其次根据接入点与用户间大尺度衰落系数完成用户加权干扰图构建,将系统吞吐量最大化问题转化为有容量最大k切割问题求解;最后采取顶点交换局部搜索算法实现SP次优分配。仿真结果表明：本文方案能够有效地改善SP信道估计误差以及系统吞吐量。     

大规模MIMO系统中基于图着色的半动态导频分配

针对大规模MIMO系统中存在的导频污染问题,提出了一种基于图着色的半动态导频分配方案。首先,推导出各个小区可以复用导频的用户与其服务基站的最大距离门限。然后,根据该门限值将系统内各小区的用户分为小区中心用户和小区边缘用户;允许各个小区门限值之内的用户（小区中心用户）复用相同的导频;最后,基于图着色理论协同分配各个小区的小区边缘用户的导频,达到降低导频干扰的目的。仿真结果显示,该方案减少了用户间的导频干扰,有效地提升了整个系统的上行可达和速率。     

基于随机导频序列的信道估计算法

针对大规模多输入多输出系统的各小区复用相同导频序列进行信道估计存在严重导频污染的问题,提出了一种改进的信道估计算法用以减轻导频污染。该方法用随机导频序列替代各小区复用的相同导频序列用于信道估计,由于随机导频具有独立不相关的特性,因而用于信道估计时具有使信道状态信息获取更加准确、导频污染很小的优点。对信道估计均方误差的性能进行了仿真,仿真结果表明,改进的算法可以较明显地减轻导频污染对信道估计的影响。     

大规模MIMO系统中基于用户位置和用户分类的导频分配

针对大规模MIMO通信系统中存在的导频污染问题,提出了一种基于用户位置和用户分类的导频分配方案。该方案根据路径损耗和到达角设计目标函数及合理阈值,通过将用户的目标函数与阈值进行比较,把系统中所有用户分为高干扰和低干扰两类,接着为低干扰用户复用导频序列、高干扰用户分配额外正交导频序列来减轻导频污染。仿真结果表明,该方案提高了通信系统性能。     

无小区大规模MIMO系统中基于图着色的导频分配与功率控制算法

无小区大规模MIMO（Cell-Free Massive MIMO,CF-mMIMO）系统中大量的无线接入点在同一时间频率资源中服务所有的用户,具有较高的网络覆盖率和频谱效率,是下一代无线通信的前沿技术之一。然而,正交导频数量的限制以及用户信道质量的差异造成了较严重的用户间干扰。为了优化这一干扰问题,本文提出了无小区大规模MIMO系统中基于图着色的导频分配与功率控制算法。利用基于图着色的导频分配算法降低导频污染,提高了信道估计精度。在此基础上,通过最大-最小功率控制算法降低多用户同频干扰,满足了系统中用户的混合服务质量需求。数值仿真结果表明：所提出的基于图着色的导频分配与功率控制算法可以显著提高系统的95%用户频谱效率以及最小用户速率,较好抑制了CF-mMIMO系统中的用户间干扰。     

Joint User Scheduling and Antenna Selection in Distributed Massive MIMO Systems with Limited Backhaul Capacity

Massive MIMO systems offer a high spatial resolution that can drastically increase the spectral and/or energy efficiency by employing a large number of antennas at the base station（BS）.In a distributed massive MIMO system,the capacity of fiber backhaul that links base station and remote radio heads is usually limited,which becomes a bottleneck for realizing the potential performance gain of both downlink and uplink.To solve this problem,we propose a joint antenna selection and user scheduling which is able to achieve a large portion of the potential gain provided by the massive MIMO array with only limited backhaul capacity.Three sub-optimal iterative algorithms with the objective of sumrate maximization are proposed for the joint optimization of antenna selection and user scheduling,either based on greedy fashion or Frobenius-norm criteria.Convergence and complexity analysis are presented for the algorithms.The provided Monte Carlo simulations show that,one of our algorithms achieves a good tradeoff between complexity and performance and thus is especially fit for massive MIMO systems.     

面向5G的大规模MIMO技术综述

未来第5代移动通信系统(5G)中无线数据业务量的爆发性增长推动着研究人员发展新的颠覆性技术.作为5G的关键候选技术之一,大规模多入多出(MIMO)在基站使用远超激活终端数的天线,能增加一个数量级的频谱效率并大幅降低发射功率.首先介绍了大规模MIMO的系统模型和理论性能,其次分析和归纳了在信道测量与建模、信道信息获取、传输方法的研究成果,然后简述了实验和测试进展,最后讨论了未来研究方向.