隨著智能終端的普及,無線數(shù)據(jù)業(yè)務(wù)量呈指數(shù)級增長,下一代無線通信系統(tǒng)需要具備更快的信息傳輸速率,更高的能源利用效率,更強的異構(gòu)網(wǎng)融合能力等特征。在設(shè)計和優(yōu)化這樣的系統(tǒng)之前,首先需要對其信道傳播特征、模型和仿真方法有更深入的認知和掌握,這也是本文研究工作的出發(fā)點。本文圍繞著下一代無線通信系統(tǒng)的多天線信道建模和仿真技術(shù)研究展開,主要創(chuàng)新點如下： 1)提出了一種新的信道多徑參數(shù)估計方法。當前廣泛應(yīng)用的多徑參數(shù)估計方法——空間交替期望最大化(SAGE)算法,存在運算量大和易收斂于局部最優(yōu)等問題,尤其當測量中使用方向性天線陣列時,參數(shù)估計精度明顯下降。本文在分析了測量天線陣列角度域估計性能的基礎(chǔ)上,利用粒子群優(yōu)化算法,改進了多徑參數(shù)估計中最優(yōu)解的求解過程,提出了迭代最小二乘——粒子群優(yōu)化算法(ILS-PSO)。ILS-PSO在簡化計算量和保證收斂到全局最優(yōu)的同時,還支持多天線分組測量,以及各個分組間多徑參數(shù)的聯(lián)合估計,從而提高了算法在高速運動環(huán)境下的多徑跟蹤能力。通過數(shù)值仿真和實測數(shù)據(jù)分析,驗證了ILS-PSO相較于SAGE算法,估計出的多徑信息能夠與實際傳播環(huán)境更好的契合,而運算量僅為SAGE算法的1/4,且支持移動性信道多徑參數(shù)的估計 2)利用信道容量分析了大規(guī)模天線信道的信息承載能力。首先,定義了子空間緊致度來定量描述多天線(MIMO)信道容量和多徑信道角域功率譜的關(guān)系,并給出了MIMO信道奇異值的上界與子空間緊致度的數(shù)學(xué)關(guān)系�；诖�,以大規(guī)模天線陣列(Massive MIMO)系統(tǒng)為背景,考慮可使其容量最大化的“有利信道條件”(Favorable Propagation Condition),本文針對這一條件的存在性展開研究。基于一個簡化的幾何模型,本文在“用戶聚集分布”場景下,從數(shù)學(xué)上推導(dǎo)出了“漸進有利信道條件”存在性的閉式表達式和近似表達式。通過數(shù)值仿真,驗證了在天線維度較大時,所推導(dǎo)的表達式能夠較好地逼近實際無線傳播環(huán)境中的“有利信道條件”。這一結(jié)論可用于Massive MIMO系統(tǒng)中所需天線陣元數(shù)的估算。 3)設(shè)計了一種信道差分量化方法,進一步,研究了多用戶MIMO系統(tǒng)的功率分配算法。非相干網(wǎng)格解碼量化算法(NTCQ)是一種Massive MIMO信道量化算法,它復(fù)雜度低,易于實現(xiàn),但并未利用好Massive MIMO信道中較強的空時相關(guān)性。本文在其基礎(chǔ)上,設(shè)計了一種差分量化方法,通過子空間旋轉(zhuǎn)和自適應(yīng)碼本空間扭曲(Skewing),可動態(tài)跟蹤空時相關(guān)性的變化,并針對信道狀態(tài)信息(CSI)的更新部分進行量化,在保持復(fù)雜度不變的情況下進一步提高了量化效率。仿真結(jié)果表明,與NTCQ等算法相比,所提算法在Massive MIMO系統(tǒng)和普通多用戶MIMO系統(tǒng)下,都能改善傳輸性能。在量化的發(fā)端CSI的基礎(chǔ)上,本文進一步研究了多用戶MIMO系統(tǒng)中,用戶間干擾的強度,設(shè)計了一種可自收斂的功率分配算法,并給出了各個用戶SINR的上界。通過數(shù)值仿真,本文給出了功率控制帶來的誤塊率(BLER)的改善和系統(tǒng)容量的收益。 4)研究了信道射頻級仿真中的系統(tǒng)構(gòu)架和關(guān)鍵技術(shù)。信道仿真儀是在實際無線收發(fā)設(shè)備的射頻端口之間,模擬真實信道傳播環(huán)境的專用射頻儀表。本文先從總體上設(shè)計了信道仿真儀的系統(tǒng)結(jié)構(gòu)和軟件算法流程,進而,針對信道仿真儀的關(guān)鍵技術(shù),給出了一些可行的技術(shù)方案。針對用于高精度信道時延模擬的分數(shù)階延時濾波技術(shù),本文基于Farrow結(jié)構(gòu)設(shè)計了一種數(shù)字邏輯資源占用穩(wěn)定,可靈活配置延時參數(shù)的實現(xiàn)方法,幅度誤差和相位誤差都可以控制在10-3量級。針對用于在全消聲暗室中復(fù)現(xiàn)空間多徑環(huán)境的MIMO空中測試(MIMO-OTA)技術(shù),本文先是給出了一個精確的理想化方案,之后給出了一個低成本、可復(fù)現(xiàn)空間相關(guān)性的方案,即使用8陣元的暗室陣列近似復(fù)現(xiàn)2陣元終端測試所需的空間相關(guān)性,其模擬精度可以達到10-2量級。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2015
【中圖分類】：TN92
【部分圖文】：

■ : Moving direction and trail圖2-5 城市微蜂窩下行鏈路信道測量場景其中，a中的第n個元素滿足a?{e,(t))=e-'^ xe^^. (2-81)觀察式（2-80)，我們發(fā)現(xiàn)陣列信心變成僅僅儲存在G矩陣里，并且與0等方向角無關(guān)。因此，為了最小化?c(A0,A^)),對于某一預(yù)先指定的A0,A</)，最優(yōu)陣列可以使用如下方法得到Gopt.A = argmin[jc(A0,A0)]G=argmin | max (vec (G^G))^ (a(—0, — 0) (}a{d + AO,(j) + A(j))) I .(2-82)G I 0,??? L 」J計算0。5?，^|才目3繁5貞6<]。M而，陣列優(yōu)化一般都行，@此

以及信道片段的采樣間隔。這些將會決定分析多徑特征時，算法的時延分辨率，方向性估計的精度和多普勒跟蹤能力，因此系統(tǒng)參數(shù)的設(shè)計是十分重要的。圖2-13是信道測量設(shè)備的總體框架圖。從圖中可以看出，我們采用半并行（Semi-parallel)結(jié)構(gòu)，接下來將對這一結(jié)構(gòu)的細節(jié)進行詳細描述�？傮w上說，我們的描述將關(guān)注如下三個主要方面：天線陣列結(jié)構(gòu)；激勵信號設(shè)計以及復(fù)用；同步與校準。ITXBBUnb MTXRF Units N. - Elements Anay /A - Elements A/ray HRXRF Unto IRX B8 UnitsI I ▲ PLL I 二 i ~ ? L, ? ?■■■ --: PU. * ExternalH --1 = — 圖2-13 測量系統(tǒng)整體框圖；V. ?isf(a) (b)圖2-14 全向天線陣列（ODA): (a)結(jié)構(gòu)（b)天線響應(yīng)39

圖5-丨無線信道仿真儀系統(tǒng)總體架構(gòu)偽隨機數(shù)發(fā)生器：產(chǎn)生隨機參數(shù)時必然要大量用到隨機數(shù)的計算機生成算法。對于服從不同分布的信道參數(shù)，可以通過求逆，映射，接受-拒絕，求比例，組合等算法，由超長偽隨機序列獲得的均句分布偽隨機基數(shù)變換得到滿足需求的偽隨機參數(shù)。具體算法設(shè)計時，需要考慮精度和復(fù)雜度上的最優(yōu)折中。鏈路幾何布局：將由用戶輸入的生成方法和參數(shù)，生成某種場景下基站——終端的多鏈路幾何分布模型，并獲得鏈路間距離及LOS方向，為路損，時延，角分布及大尺度參數(shù)相關(guān)性等重要信道參數(shù)的隨機產(chǎn)生提供必備條件。天線實體化：將由用戶輸入的天線陣列參數(shù)，天線方向性參數(shù)等，構(gòu)建天線陣列實體數(shù)據(jù)結(jié)構(gòu)，得到天線陣列的方向性特征與極化特征。參數(shù)實例化：根據(jù)幾何布局和輸入的模型全局配置，按照模型結(jié)構(gòu)要求的分布特征和相關(guān)性特征，生成模型中各項隨機參量，包括大尺度參數(shù)和小尺度參數(shù)。模型結(jié)構(gòu)實現(xiàn)：不同的標準模型，其參數(shù)設(shè)計，參數(shù)分布，參數(shù)作用都不盡相同。因此，需要設(shè)計一個具有普遍適用性的模型框架，并提供足夠的分支結(jié)構(gòu)

【參考文獻】

相關(guān)期刊論文 前1條

1 ;Review of wideband MIMO channel measurement and modeling for IMT-Advanced systems[J];Chinese Science Bulletin;2012年19期

本文編號：2831716