毫米波大规模多天线系统信道估计和传输机制研究

【摘要】：21世纪以来,移动数据服务的需求量正在逐年增长,当前的第四代移动通信系统在容量、覆盖、性能等方面都难以满足未来移动通信的需求。为了满足2020年无线通信传输速率达到现有系统千倍的需求,进一步挖掘频谱资源和多天线的空间复用能力是提高频谱效率和能量效率的关键途径。毫米波频段拥有大量空白免费资源,尚未被充分开发,因此毫米波通信受到了各国电信部门及企业的高度重视:与此同时,在接入点配置大规模多天线系统,可以进一步挖掘多天线的空间复用能力,大幅提高系统总的频谱效率和能量效率。由此可见,毫米波大规模多天线技术是未来移动通信系统的关键核心技术,并可以为未来移动通信系统提供有力的保障。本文将围绕毫米波大规模多天线系统信道物理参数估计、传输机制、多用户调度、动态资源分配等问题,针对提升频谱利用率的目标及高效、低功耗的通信需求,采用模型建立、参数提取、算法设计、性能分析及仿真验证等手段开展对不同环境、不同天线结构、不同预编码架构以及无人机蜂群场景下的信道估计、传输机制、多用户调度、动态资源分配、自定位等方面的研究。论文的创新性工作主要包括如下几个方面:1)对于传统多天线信道模型不能表征毫米波大规模多天线特有的信道特性这一问题,设计更加贴合毫米波大规模多天线自身特征的系统模型和信道模型并基于阵列天线理论研究了60GHz室内环境配备均匀平面天线阵列的大规模多天线系统的信道估计和传输机制问题。根据毫米波大规模多天线系统的独特属性,信道估计可以分解为角度估计和路径增益估计两部分。在此基础上,提出了一种基于阵列信号处理辅助的快速到达角估计算法,同时可以用非常少量的训练资源来获取信道增益信息,这显著地降低了训练开销和反馈成本。此外,利用角度互易性来设计同时满足时分双工和频分双工系统的下行链路信道估计算法。为了提高频谱和能量效率,还设计了一种基于不同用户的角度标识集合信息的用户调度算法。与现有的信道估计算法相比,新提出的信道估计算法不需要任何的信道统计信息,可以通过二维离散傅里叶变换操作有效部署,并且可以同时适用于时分双工和频分双工系统,是60GHz室内通信的有效解决方案。2)对于高频段器件工艺水平不够且价格高昂这一问题,结合硬件性能受限的室外毫米波大规模MIMO传输技术,提出了一种新的混合模拟数字预编码架构的毫米波大规模多天线系统低成本的信道估计方案,并对该方案进行性能分析。在所提出的估计方法中,信道被分解为到达角信息和信道增益信息。首先,基于二维离散傅里叶变换和角度旋转操作设计了快速到达角估计算法,并且使用少量的训练资源设计了简单的信道增益估计算法。为了评估所提出的到达角估计和信道增益估计算法的性能,推导出了联合到达角估计和信道增益估计算法的均方误差理论界限和相应的克拉美罗下界理论界限的闭合表达式。结果表明,在天线数足够多的情况下,所提出的到达角估计算法和信道增益估计算法非常接近相应的克拉美罗下界,具有很好的性能。3)对于传统毫米波系统服务用户数量不能大于射频器件数量这一问题,研究了具有混合模拟数字预编码架构的毫米波非正交多址系统的信道估计、混合预编码、用户调度和功率分配问题。利用毫米波信道的特殊结构特征,提出了一种通用的迭代索引检测信道估计算法,它既可以估算每个信道路径的到达角信息还可以估计每个信道路径的信道增益。随后,又提出了一种基于角度域的混合模拟数字预编码方案,这种方案可以减少不同波束间的干扰从而提高系统的可达和速率。为了最大化系统可达和速率,结合不同用户的干扰约束,建模了联合优化用户调度和功率分配的非凸问题。为了解决这个非凸问题,将其分解为两个子问题,即用户调度子问题和功率分配子问题。随后,提出了一种新颖的基于匹配理论的用户调度算法来解决用户调度子问题。利用用户调度结果,提出了迭代优化算法来实现动态的功率分配。仿真结果表明,与传统方法相比,所提出的到达角估计和信道估计算法都有更好的性能和更低的计算复杂度。此外,所提出的基于匹配理论的用户调度算法和动态功率分配方案的性能也优于传统的毫米波波束域多天线系统。4)对于无人机尺寸不能满足大规模天线数量的需求这一问题,提出了一种无人机蜂群系统的信道估计和自定位算法。根据信道的物理特性,可以将信道分解为到达角信息,无人机间的相对位置信息和相应的信道增益信息。首先,证明了行列式矩阵零空间的唯一性,并提出一种基于秩损估计器的到达角估计算法。在获得到达角信息之后,可以使用非常少量的训练资源执行信道增益估计。理论上,当发送信号的数量大于或等于3时,自定位估计算法就不会存在模糊性。然而,由于噪声的存在,在实际估计中可能会出现异常现象。随后,提出了两种有效的自定位算法,避免了对整个格点区域的穷举搜索,大大减少了计算复杂度。此外,还推导了自定位估计克拉美罗下界的闭合表达式。仿真结果表明,所提出的信道估计和自定位算法具有很好的性能。当发送信号的数量增加、信噪比增大和样本数量增加时,所提出的算法的性能会进一步提高。