高速铁路时变信道下大规模多天线系统基于权重预处理的天线选择算法

当未来第5代移动通信系统(5G)的大规模多天线(LSMA)系统应用在高速铁路车地通信基站时,天线沿铁轨平行布置,基站根据列车位置选择最近的若干根道旁天线组成备选集进行信道估计,并将有限个射频链分配给其中信道最好的若干根天线组成的优选集。由于信道的时变和强视距特性,不同天线的信道信息发生不同程度的延迟,传统的从信道估计信息中挑选增益最大天线的选择算法频谱效率不高。本文提出一种基于权重预处理的天线选择算法,只需要对估计的信道增益进行权重预处理就能有效地提高天线选择算法的平均频谱效率。在本文提出的方案中,首先推导了高铁时变信道下天线选择算法的平均频谱效率性能上限的理论值,然后根据同一天线不同时刻信道状态间的时间相关性,对信道增益进行权重预处理,再从处理后的备选集中选择优选集。分析结果表明,经过权重预处理的算法平均频谱效率在列车高速运行时稳定高于不进行预处理的传统天线选择算法的频谱效率,在高信噪比情况下,能提高0.4bit/s/Hz。

基于MF预编码的大规模MIMO网络SINR概率密度分析

大规模MIMO系统中,相对于其他基于信道矩阵分解的波束成形算法,如迫零、最小均方误差算法等,匹配滤波(Matched filter,MF)具有复杂度极低的优点,从而成为一种极具实用潜力的波束成形算法。鉴于此,本文推导了基站采用MF波束成形算法时,用户端信干噪比(Signal-to-interferenceand-noise ratio,SINR)的近似概率密度函数(Probability density function,PDF)。该函数对于推导与分析系统性能,如和速率、中断概率等至关重要。仿真表明:当基站天线数趋于大规模时,SINR公式的PDF曲线趋近于通过纯仿真得到的PDF曲线。