非協(xié)調(diào)多址接入活躍用戶檢測(cè)與信道估計(jì)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(zhǎng)期規(guī)劃演進(jìn)(LTE, long-termevolution)通信標(biāo)準(zhǔn)難以滿足機(jī)器與機(jī)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(dòng)通信系統(tǒng)中對(duì)機(jī)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(chǎng)景中實(shí)現(xiàn)導(dǎo)頻輔助的活躍用戶檢測(cè)和信道估計(jì)。
　　首先，研究了如何利用基于多矢量測(cè)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(chǎng)景中的活躍用戶檢測(cè)和信道估計(jì)問(wèn)題。一方面，在歸一化多矢量測(cè)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(kuò)展性，考慮了活躍用戶個(gè)數(shù)服從泊松分布的場(chǎng)景。在此場(chǎng)景下，現(xiàn)有文獻(xiàn)中的算法都沒有考慮到充分利用用戶活躍的先驗(yàn)信息，為此提出了在泊松分布場(chǎng)景下的改進(jìn)型歸一化多矢量測(cè)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(yàn)信息，對(duì)活躍用戶做貝葉斯檢測(cè)。另一方面，基于已有的塊狀稀疏信號(hào)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(cè)活躍用戶的漸進(jìn)性能以及信道估計(jì)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(cè)和信道估計(jì)算法可以很大程度上減少導(dǎo)頻長(zhǎng)度，同時(shí)提高活躍用戶檢測(cè)和信道估計(jì)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(cè)和信道估計(jì)算法。首先設(shè)計(jì)了多矢量測(cè)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(hào)的聯(lián)合稀疏特性有效提高活躍用戶檢測(cè)和信道估計(jì)的性能。同時(shí)該算法可擴(kuò)展性非常強(qiáng)，在非協(xié)調(diào)多址接入場(chǎng)景中可以利用在線用戶不同的活躍概率提高檢測(cè)性能。隨后，將期望最大算法(EM，expectation maximization)引入GAMP-MMV的過(guò)程中得到基于期望最大的多矢量測(cè)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(cè)性能。仿真結(jié)果顯示提出的基于GAMP的活躍用戶檢測(cè)和信道估計(jì)方法在非協(xié)調(diào)多址接入場(chǎng)景中有較強(qiáng)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(hào)支集，并且給出了整個(gè)算法的推導(dǎo)過(guò)程。從推導(dǎo)過(guò)程中可以看出，基于Khatri-Rao積的支