大規(guī)模無(wú)線(xiàn)接入的稀疏信號(hào)處理技術(shù)研究.pdf

1、長(zhǎng)期演進(jìn)（Long Term Evolution，LTE）的隨機(jī)接入模型以及用戶(hù)辨別算法因?yàn)槠鋬H在隨機(jī)接入過(guò)程完成用戶(hù)辨別以及可允許系統(tǒng)容納的用戶(hù)數(shù)的限制，已不能滿(mǎn)足機(jī)器類(lèi)型通信（Machine-Type Communication，MTC）業(yè)務(wù)的大規(guī)模隨機(jī)接入。所以針對(duì)大規(guī)模MTC業(yè)務(wù)特點(diǎn)，基于壓縮感知，以在隨機(jī)接入中同時(shí)完成用戶(hù)辨別、信道估計(jì)為目的，設(shè)計(jì)新型的隨機(jī)接入模型與用戶(hù)辨別、信道估計(jì)算法以及完成用戶(hù)數(shù)據(jù)檢測(cè)，將是本文的研究重

2、點(diǎn)。
　　首先本文介紹了LTE隨機(jī)接入適用范圍的有限性，提出本文針對(duì)MTC業(yè)務(wù)隨機(jī)接入過(guò)程需要解決的問(wèn)題為：高效、可允許系統(tǒng)容納更多用戶(hù)的新型隨機(jī)接入模型以及用戶(hù)辨別、信道估計(jì)可同時(shí)完成的算法研究。
　　其次本文針對(duì)MTC業(yè)務(wù)特點(diǎn)，以在隨機(jī)接入過(guò)程中同時(shí)完成用戶(hù)辨別、信道估計(jì)為主要目的，將壓縮感知用于隨機(jī)接入中。并通過(guò)碼分多址接入方式進(jìn)行用戶(hù)數(shù)據(jù)的復(fù)用，主要完成：基于同步、頻率選擇性衰落信道，分析雙稀疏性之于用戶(hù)辨別、信道估

3、計(jì)的必要性；針對(duì)密集用戶(hù)基于活躍用戶(hù)的信道具有共同稀疏結(jié)構(gòu)，提出有效的用戶(hù)抽頭分類(lèi)塊正交匹配追蹤(Group Orthogonal Matching Pursuit-UserTap, GOMP-UT）算法；針對(duì)同步、雙選擇性衰落信道，基于符號(hào)間信道稀疏結(jié)構(gòu)的共性，建立系統(tǒng)模型，提出低復(fù)雜度、有效的聯(lián)合正交匹配追蹤（Union-Orthogonal Matching Pursuit, Union-OMP）算法；基于異步建立：可在各活躍用戶(hù)

4、異步延遲未知的情況下，基于視距信道、瑞利信道，完成用戶(hù)辨別、信道估計(jì)的模型以及相應(yīng)算法設(shè)計(jì)，并針對(duì)視距信道提出低復(fù)雜度、有效的異步正交匹配追蹤（Asynchronous Orthogonal Matching Pursuit, AOMP）算法。然后本文基于SCMA上行鏈路，通過(guò)分析系統(tǒng)模型的結(jié)構(gòu)稀疏特性，采用多響應(yīng)稀疏貝葉斯（Multiple Response Extension Of Sparse Bayesian Learning,

5、M-SBL）算法，完成在隨機(jī)接入過(guò)程中同時(shí)完成用戶(hù)辨別與信道估計(jì)，同時(shí)分析本模型中控制信令生成的問(wèn)題，通過(guò)復(fù)雜度分析驗(yàn)證了M-SBL算法具有低復(fù)雜度，并通過(guò)仿真驗(yàn)證了M-SBL算法的有效性。
　　最后基于同步頻率選擇性衰落信道，以稀疏貝葉斯算法作為用戶(hù)辨別和信道估計(jì)的主要算法，以碼分多址作為多用戶(hù)的用戶(hù)數(shù)據(jù)復(fù)用方式的隨機(jī)接入模型，使用通用軟件無(wú)線(xiàn)電外設(shè)完成4個(gè)活躍用戶(hù)1個(gè)中心匯聚節(jié)點(diǎn)的隨機(jī)接入，以驗(yàn)證采用壓縮感知算法在隨機(jī)接入過(guò)程