引用格式:張鈞鑫,彭秋云,,張雨晨,,等. 基于高原地區(qū)的超大規(guī)模海量MIMO系統(tǒng)混合場(chǎng)信道估計(jì)[J].網(wǎng)絡(luò)安全與數(shù)據(jù)治理,2025,,44(3):32-38.
引言
隨著無線通信的迅猛發(fā)展,,6G技術(shù)日益受到學(xué)術(shù)界的關(guān)注與研究。其中,,超大規(guī)模海量多輸入多輸出(Extreme Large scale massive Multiple-Input Multiple-Output,,XL-MIMO)被認(rèn)為是6G通信中的關(guān)鍵技術(shù)之一。XL-MIMO系統(tǒng)基于超大規(guī)模天線陣列技術(shù)[1],與5G的Massive MIMO系統(tǒng)相比,,具有更龐大規(guī)模的天線陣列,。XL-MIMO系統(tǒng)通常包含數(shù)百甚至上千根天線,用于實(shí)現(xiàn)更高級(jí)別的空間復(fù)用,、波束賦形和干擾管理,,從而進(jìn)一步提高系統(tǒng)的信道容量、覆蓋范圍和頻譜效率[2-3] ,。然而,,高原地區(qū)由于其較為特殊的自然環(huán)境和多變的地形,通信信號(hào)容易受到地貌的阻隔和影響,,這對(duì)通信質(zhì)量提出了更高的要求[4],。針對(duì)這一挑戰(zhàn),可以將超大規(guī)模海量天線陣列部署在高原地區(qū),,以增加無線通信系統(tǒng)的吞吐量和提高通信質(zhì)量,。為了實(shí)現(xiàn)理想的通信效果,用戶端需要獲得準(zhǔn)確的信道狀態(tài)信息(Channel State Information,,CSI)[5],。因此,建立合適的信道模型和設(shè)計(jì)出高效而準(zhǔn)確的信道估計(jì)算法是至關(guān)重要的,,這將有助于提高信號(hào)處理的精度和通信系統(tǒng)的整體性能,。
在現(xiàn)有的一些XL-MIMO系統(tǒng)信道模型中,很多學(xué)者一般都假設(shè)所有的散射都在遠(yuǎn)場(chǎng)或近場(chǎng)區(qū)域,,但是在高原復(fù)雜環(huán)境下,,XL-MIMO系統(tǒng)中更容易出現(xiàn)混合場(chǎng)環(huán)境,主要有以下幾點(diǎn)原因:(1)高原地區(qū)地形復(fù)雜,,建筑物,、山脈等散射體較多,容易形成近場(chǎng)和遠(yuǎn)場(chǎng)混合的信道環(huán)境;(2)高原地區(qū)基站覆蓋范圍較廣,,用戶分布稀疏,基站天線與用戶之間的距離差異較大,,遠(yuǎn)近用戶共存,導(dǎo)致遠(yuǎn)場(chǎng)和近場(chǎng)信號(hào)同時(shí)存在;(3)XL-MIMO系統(tǒng)采用超大規(guī)模天線陣列,,天線孔徑較大,,在高原復(fù)雜地形下更容易同時(shí)覆蓋遠(yuǎn)場(chǎng)和近場(chǎng)區(qū)域,導(dǎo)致混合場(chǎng)信道的產(chǎn)生,。這種混合分布會(huì)增加信道估計(jì)的復(fù)雜性,,使得現(xiàn)有的遠(yuǎn)、近場(chǎng)信道估計(jì)方案不能較好地估計(jì)XL-MIMO系統(tǒng)混合場(chǎng)CSI[6],。
在已有研究中,,文獻(xiàn)[7]針對(duì)傳統(tǒng)的Massive MIMO系統(tǒng),利用遠(yuǎn)場(chǎng)角度域的稀疏特性,采用基于壓縮感知(Compressed Sensing,,CS)的算法來獲取準(zhǔn)確的CSI,。由于基于消息傳遞(Message Passing,MP )對(duì)信道的先驗(yàn)分布要求嚴(yán)格,,因此基于CS的MP算法對(duì)信道估計(jì)或信號(hào)檢測(cè)有一定的局限性,。文獻(xiàn)[8]針對(duì)在XL-MIMO系統(tǒng)中,由于近場(chǎng)球面波前特性的存在,,經(jīng)典的遠(yuǎn)場(chǎng)信道估計(jì)方法無法準(zhǔn)確估計(jì)CSI,,導(dǎo)致性能嚴(yán)重下降的問題,提出了一種利用極坐標(biāo)域稀疏性進(jìn)行近場(chǎng)信道估計(jì)的方法。通過同時(shí)考慮角度和距離信息的極坐標(biāo)域表示,,可以有效地估計(jì)近場(chǎng)CSI,。同時(shí)作者提出了基于網(wǎng)格和非網(wǎng)格的兩種近場(chǎng)XL-MIMO信道估計(jì)方案,并通過仿真驗(yàn)證了方案的有效性,。在文獻(xiàn)[9]中,,可以觀察到具有角度域的遠(yuǎn)場(chǎng)信道的稀疏性不再符合近場(chǎng)信道的稀疏性特征,從而產(chǎn)生較大的能量泄漏,。因此,,利用基于CS的算法進(jìn)行近場(chǎng)信道估計(jì),需要進(jìn)一步準(zhǔn)確地描述近場(chǎng)信道的稀疏性特性,。在文獻(xiàn)[10]中,,為了解決角度域信道估計(jì)方案固有的性能損失,首先提出了基于近場(chǎng)信道極坐標(biāo)域稀疏性改進(jìn)現(xiàn)有多殘差密集網(wǎng)絡(luò)方案的極坐標(biāo)域多殘差密集網(wǎng)絡(luò)用于XL-MIMO系統(tǒng),,此外還設(shè)計(jì)了極坐標(biāo)域多尺度殘差密集網(wǎng)絡(luò)以提高信道估計(jì)精度,,但是在XL-MIMO通信系統(tǒng)中并非只存在近場(chǎng)信道[11]。
以上方案雖然可以實(shí)現(xiàn)信道估計(jì),,但是在性能上還是存在一些不足,。為了改善高原地區(qū)通信條件較差的情況,本文首先構(gòu)建了一個(gè)XL-MIMO系統(tǒng)的混合場(chǎng)信道模型,,來描述和模擬復(fù)雜的混合場(chǎng)信道特征,。其次,為了保證XL-MIMO系統(tǒng)的容量和性能,,需要獲取混合場(chǎng)信道準(zhǔn)確的信道狀態(tài)信息,。為此,提出了一種兩階段的信道估計(jì)算法方案,。第一階段利用正交匹配追蹤(Orthogonal Matching Pursuit,,OMP)算法在極坐標(biāo)域估計(jì)近場(chǎng)路徑分量;第二階段在第一階段的基礎(chǔ)上,,再次利用OMP 算法在角度域進(jìn)一步估計(jì)遠(yuǎn)場(chǎng)路徑分量,。該兩階段的信道估計(jì)算法方案在基于OMP算法的基礎(chǔ)上,,選擇了合適的關(guān)于殘差的門限閾值,,以便于在算法的收斂速度和稀疏重構(gòu)的精度之間取得平衡,。通過仿真發(fā)現(xiàn),本文提出的信道估計(jì)方案可以帶來更好的信道估計(jì)誤差,,能夠更精準(zhǔn)地估計(jì)出混合場(chǎng)CSI,,更適合應(yīng)用于高原復(fù)雜環(huán)境中的XL-MIMO系統(tǒng)。
本文詳細(xì)內(nèi)容請(qǐng)下載:
http://forexkbc.com/resource/share/2000006375
作者信息:
張鈞鑫1,2,,彭秋云1,2,,張雨晨1,2,黃歡1,2,,楊君楠1,2,,姜軍1,2
(1.西藏大學(xué)信息科學(xué)技術(shù)學(xué)院,西藏拉薩850000;
2.西藏大學(xué)信息技術(shù)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心,西藏拉薩850000)