摘要
MassiveMIMO(MassiveMultiple-InputMultiple-Output)具有抗干扰能力强、频谱效率高、系统容量高等优势。因毫米波波长短，能在较小的区域内部署大量天线，所以两者的结合具有极大的优势。与此同时，混合MassiveMIMO结构因能显著降低系统的射频链数目，从而可以降低系统构造的硬件成本和功耗，因此受到了广泛的关注。然而，相比于传统的阵列天线结构，混合MassiveMIMO系统由于射频链的减少而导致在接收端仅能接收一组降维的数据，使得信道估计过程中需要求解欠定方程组。针对上述问题，研究人员利用信道的稀疏特性，提出了许多信道估计算法。但是由于此类算法需要预设网格字典，会导致基不匹配问题，严重限制算法性能。尽管原子范数方法避免了基不匹配问题的发生，但是该方法对估计信号的频率间隔有门限要求。此外，信道估计过程中导频开销问题也一直困扰着研究人员，因此对信道估计算法的研究是有必要的。 本文围绕混合MassiveMIMO结构，针对欠定条件下的信道估计问题提出了一种无网格的信道估计算法。围绕传统MassiveMIMO结构，提出了基于重构Hankel矩阵的下行信道估计算法。主要内容有： 首先，研究了毫米波下的信道模型和混合MassiveMIMO结构，并且分析了传统MIMO信道估计的经典算法。之后，分析了现有信道估计算法的优缺点。 其次，研究了混合MassiveMIMO上行信道估计问题，提出了基于重构Hankel矩阵的上行信道估计算法。该算法是一种无网格方法，可以解决传统压缩感知方法的基不匹配问题。该算法首先在基站端获取接收数据，然后设计基于核范数最小化的优化函数问题，通过求解优化问题获取信道向量的估计值。并且该算法获取了基站接收机的噪声参数，进一步提高了信道估计精度。此外，在应用本算法时不需要考虑待估信号频率间隔门限问题，可以有效扩展算法的适用范围。并且本文分别针对均匀线阵和非均匀线阵做了理论分析。仿真表明，该算法在不同信噪比、射频链数目的条件下均体现出了优势。 最后，研究了MassiveMIMO下行信道估计问题，提出了基于重构Hankel矩阵的下行信道估计算法。该算法不需要设置网格字典，解决了现有算法的基不匹配问题和导频开销过大问题。首先在用户端获取接收数据和信道噪声参数，其次构造对应的Hankel矩阵，同时将上述接收数据用于约束条件的构造过程中，最后求解相应的核范数最小化问题获取信道向量的估计值。并且本文分别针对均匀线阵和非均匀线阵做了理论分析。仿真表明，与传统算法相比，该算法可以显著降低下行信道估计的导频开销，同时具有更高的估计精度。
NETL