基于壓縮感知的大型MIMO-OFDM系統(tǒng)的信號(hào)估計(jì)與檢測.pdf

1、大型MIMO-OFDM系統(tǒng)通過在收發(fā)端配置數(shù)十或數(shù)百根天線，具有高復(fù)用增益、高分集增益以及高頻譜效率等優(yōu)點(diǎn)，能夠較好的滿足未來無線網(wǎng)絡(luò)對(duì)系統(tǒng)的吞吐率以及可靠性越來越高的要求，因而是未來無線通信系統(tǒng)中非常有潛力的信息傳輸方案。信號(hào)檢測與估計(jì)是信號(hào)處理領(lǐng)域長盛不衰的研究主題，其處理精度和效率是大型MIMO-OFDM系統(tǒng)發(fā)揮上述優(yōu)點(diǎn)的基本前提。在本文中，我們將以提升大型MIMO-OFDM系統(tǒng)信號(hào)檢測與估計(jì)的效率和精度為目標(biāo)，以充分利用和挖掘無

2、線通信中明顯的和隱藏的稀疏性為切入點(diǎn)，以稀疏信號(hào)處理框架壓縮感知為理論工具，設(shè)計(jì)以及優(yōu)化系統(tǒng)的信號(hào)檢測與估計(jì)策略。本研究主要內(nèi)容包括：
　?、趴紤]OFDM系統(tǒng)的稀疏信道估計(jì)，分別從兩方面去優(yōu)化系統(tǒng)的信道估計(jì)策略，即導(dǎo)頻模板和信道估計(jì)算法。在OFDM系統(tǒng)中，等間隔的布置導(dǎo)頻符號(hào)是基于導(dǎo)頻的信道估計(jì)方式中常用的方案。然而，如果我們考慮無線信道沖激響應(yīng)的稀疏性（這是無線信道的固有特性），非等間隔的導(dǎo)頻布置方案往往能夠獲得更好的性能。具體

3、地，我們以相關(guān)性為準(zhǔn)則來研究導(dǎo)頻布置方案。為了處理相應(yīng)產(chǎn)生的組合優(yōu)化問題，我們提出了一種簡單而有效的領(lǐng)域搜索算法。對(duì)于信道估計(jì)，我們可以將它看成是稀疏信號(hào)的重構(gòu)。為了增強(qiáng)我們所提出的方案的適用性，即信道階數(shù)未知的情形，我們結(jié)合貝葉斯信息準(zhǔn)則和現(xiàn)有的低復(fù)雜度稀疏重構(gòu)算法（即正交匹配追蹤算法）來同時(shí)估計(jì)信道階數(shù)和時(shí)域沖激響應(yīng)。將我們所提出的導(dǎo)頻布置方案和信道估計(jì)算法結(jié)合，我們不僅在誤符號(hào)率性能上遠(yuǎn)勝于傳統(tǒng)的基于等間隔導(dǎo)頻和插值算法的信道估計(jì)

4、方案，而且需要的導(dǎo)頻數(shù)量也遠(yuǎn)少于后者。
　　⑵考慮大型MIMO系統(tǒng)的信號(hào)檢測問題。在本文中，我們考慮MIMO系統(tǒng)中兩種不同的調(diào)制方式，即正交幅度調(diào)制和空間調(diào)制。針對(duì)正交幅度調(diào)制，比如BPSK和4-QAM，我們提出了一種低復(fù)雜度的信號(hào)檢測算法，且該算法能夠獲得近似最大似然檢測算法的性能。我們所提出算法的核心思想是利用接收信號(hào)殘余誤差的稀疏性來迭代的增強(qiáng)檢測性能。具體地，由于線性MMSE算法的誤符號(hào)率通常不高（即，10％以下），原發(fā)送

5、信號(hào)與估計(jì)信號(hào)的差，即殘余誤差，將會(huì)表現(xiàn)出高度的稀疏性。因此，通過壓縮感知中的稀疏重構(gòu)算法鑒別殘余誤差向量中的非零值（對(duì)應(yīng)著被錯(cuò)誤檢測的符號(hào)），我們可以將原MIMO系統(tǒng)退化成一個(gè)新MIMO系統(tǒng)且新MIMO系統(tǒng)的輸入維度要遠(yuǎn)小于輸出維度。也就是說針對(duì)此新MIMO系統(tǒng)，線性檢測算法將會(huì)獲得近似最優(yōu)的性能，否則我們可以重復(fù)上述過程來迭代增強(qiáng)檢測直至滿足條件?？偠灾?，我們所提出的算法可以獲得近似最大似然檢測算法的性能而其復(fù)雜度和線性檢測算法的

6、復(fù)雜度為同一量級(jí)。
　?、强紤]大型MIMO系統(tǒng)中廣義空移鍵控信號(hào)的檢測，其中廣義空移鍵控是空間調(diào)制方式的一種。在廣義空移鍵控調(diào)制方式中，發(fā)射端只激活少量的天線且通過選擇天線的激活和關(guān)閉來傳輸信息，因此廣義空移鍵控信號(hào)從本質(zhì)上講就是一種稀疏0-1信號(hào)。受此啟發(fā)，我們提出了一種檢測0-1信號(hào)的低復(fù)雜度的稀疏K-Best算法，該算法是基于球形譯碼中寬度優(yōu)先策略，即K-Best算法。和傳統(tǒng)的K-Best算法不一樣的是，稀疏K-Best算法