基于波束成形的Massive MIMO導頻污染抑制算法研究.pdf_第1頁
已閱讀1頁,還剩92頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、Massive MIMO(multiple-input multiple output)技術(shù)在基站側(cè)部署大量天線,可以在同一時頻資源上同時服務大量用戶,不僅可以提高系統(tǒng)速率和可靠性,還可以降低基站發(fā)射功率,成為5G候選技術(shù)之一。Massive MIMO優(yōu)勢的實現(xiàn)依賴于準確的信道狀態(tài)信息(channel statement information,CSI)。FDD(Frequency division duplex)模式下,CSI的獲得依

2、賴用戶反饋,參考信號和用戶反饋的開銷隨著天線數(shù)目增加而不可接受。因而通常將Massive MIMO技術(shù)用于TDD(time-division duplex)模式,利用信道的互易性,根據(jù)用戶發(fā)送的上行導頻來做信道估計,獲得CSI。真實系統(tǒng)中,導頻長度有限,小區(qū)間共用一套導頻,不同小區(qū)用戶發(fā)來的非正交導頻造成導頻污染。導頻污染嚴重制約了Massive MIMO系統(tǒng)的性能。如何抑制導頻污染成為Massive MIMO系統(tǒng)亟待解決的問題。

3、>  本文首先研究了線狀蜂窩網(wǎng)絡中的導頻污染,分析了系統(tǒng)的信道估計誤差和頻譜效率以及影響導頻污染的多種因素,包括天線數(shù)量、小區(qū)數(shù)量、導頻長度、交叉增益等。在研究面狀蜂窩網(wǎng)絡時,充分借鑒了線狀蜂窩網(wǎng)絡的結(jié)論。面狀蜂窩網(wǎng)絡中,小區(qū)數(shù)目較多,小區(qū)間共用同一套正交導頻時,導頻污染嚴重。針對這一現(xiàn)狀,本文從降低干擾和增強有用信號兩個方面尋找解決Massive MIMO系統(tǒng)中的導頻污染問題的方法。
  在降低干擾方面,對比了兩種常用導頻污染抑

4、制算法:時隙偏移法和導頻功率控制法。研究表明這兩種方法都可以將交叉增益較大、干擾較強的小區(qū)用戶發(fā)送導頻的時隙與目標小區(qū)用戶發(fā)送導頻時隙錯開,在時域提供導頻正交性,抑制導頻污染。但在時隙偏移法中,消除導頻污染的同時引入了相鄰小區(qū)的數(shù)據(jù)干擾。而且需要頻繁修改幀結(jié)構(gòu),不靈活,實用性低。相比而言,導頻功率控制算法不會引入其他干擾,而且只需要縮短導頻長度就可以實現(xiàn),簡單實用。
  在增強有用信號方面,各小區(qū)基站采用低復雜度的混合模擬/數(shù)字波

5、束賦形結(jié)構(gòu)。在模擬域,基站產(chǎn)生一系列不同方向的模擬波束,用戶通過測量選擇最佳模擬波束接入。顯然,模擬波束的設計和選擇關(guān)系到信道估計的準確性和導頻接收質(zhì)量。本文詳細設計了模擬域波束的分布模型、波束集合、最佳波束的搜索等。并提出了基于角度和幅度的插值優(yōu)化算法。插值算法基于模擬波束之間的空間相關(guān)性,在插值算法中,基站可以動態(tài)調(diào)整模擬波束,令波束更好地對準用戶,增強目標導頻的接收質(zhì)量,進一步降低導頻污染,提升系統(tǒng)性能。對解決MassiveMIM

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論