非協(xié)調(diào)多址接入活躍用戶檢測與信道估計方法研究.pdf

1、隨著物聯(lián)網(wǎng)(IoT, internet of things)技術(shù)的快速發(fā)展，現(xiàn)有的長期規(guī)劃演進(LTE, long-termevolution)通信標(biāo)準(zhǔn)難以滿足機器與機器通信(M2M，machine-to-machine)的需求，主要原因在于M2M有其不同于LTE傳輸?shù)娘@著特征。為了滿足下一代移動通信系統(tǒng)中對機器類通信(MTC，machine-type communication)低延遲、高可靠性的需求，本文利用了壓縮感知的相關(guān)理論研究

2、了如何在非協(xié)調(diào)多址接入場景中實現(xiàn)導(dǎo)頻輔助的活躍用戶檢測和信道估計。
　　首先，研究了如何利用基于多矢量測量的正交匹配追蹤(OMP-MMV, orthogonal matching pursuitfor multiple measurement vectors)及其衍生算法解決非協(xié)調(diào)多址接入場景中的活躍用戶檢測和信道估計問題。一方面，在歸一化多矢量測量的正交匹配追蹤算法(N-OMP-MMV, normalized OMP-MMV)的

3、基礎(chǔ)上，為了提高非協(xié)調(diào)多址接入系統(tǒng)的傳輸效率、增加可擴展性，考慮了活躍用戶個數(shù)服從泊松分布的場景。在此場景下，現(xiàn)有文獻中的算法都沒有考慮到充分利用用戶活躍的先驗信息，為此提出了在泊松分布場景下的改進型歸一化多矢量測量的正交匹配追蹤算法(N-IOMP-MMV,normalized improved OMP-MMV)，該算法可以充分利用用戶活躍度的先驗信息，對活躍用戶做貝葉斯檢測。另一方面，基于已有的塊狀稀疏信號恢復(fù)理論，給出了N-OMP-

4、MMV以及N-IOMP-MMV算法在功率控制大規(guī)模多輸入多輸出(MIMO，multiple-input-multiple-output)系統(tǒng)中正確檢測活躍用戶的漸進性能以及信道估計均方誤差下界。仿真結(jié)果顯示提出的基于OMP-MMV的活躍用戶檢測和信道估計算法可以很大程度上減少導(dǎo)頻長度，同時提高活躍用戶檢測和信道估計質(zhì)量。
　　隨后，研究了基于廣義近似消息傳遞(GAMP, generalized approximate messag

5、e passing)的活躍用戶檢測和信道估計算法。首先設(shè)計了多矢量測量的廣義近似消息傳遞算法(GAMP-MMV, GAMP forMMV)，其可以充分利用待估信號的聯(lián)合稀疏特性有效提高活躍用戶檢測和信道估計的性能。同時該算法可擴展性非常強，在非協(xié)調(diào)多址接入場景中可以利用在線用戶不同的活躍概率提高檢測性能。隨后，將期望最大算法(EM，expectation maximization)引入GAMP-MMV的過程中得到基于期望最大的多矢量測量

6、廣義近似消息傳遞算法(EM-GAMP-MMV, EM based GAMP-MMV)，其可以在預(yù)先不知道用戶活躍概率的情況下提供高可靠性的活躍用戶檢測性能。仿真結(jié)果顯示提出的基于GAMP的活躍用戶檢測和信道估計方法在非協(xié)調(diào)多址接入場景中有較強的適用性和魯棒性。
　　最后，研究了壓縮感知領(lǐng)域中最新的研究成果，即用Khatri-Rao積恢復(fù)待估信號支集，并且給出了整個算法的推導(dǎo)過程。從推導(dǎo)過程中可以看出，基于Khatri-Rao積的支