大规模MIMO系统中的导频污染

1。3。1  波束成型与预编码技术

波束成型技术和预编码策略能够有效减轻导频污染的影响。文献[11]分析了由导频训练阶段产生的导频污染会严重影响系统的性能，并基于MMSE准则，提出一种多小区预编码策略，以降低导频污染。文献[12]考虑大规模MIMO系统的下行链路，提出一种联合预编码策略，并且利用复型法(Replica method)分析该策略在极限条件下的性能。文献[13]提出在毫米波MIMO系统中，考虑大型天线阵列毫米波系统中的发送端预编码和接收端合并技术，利用毫米波信道的空间结构，将制定预编码的问题转换为稀疏重建问题，并利用正交匹配追踪(Orthogonal matching pursuit, OMP)算法加以解决，为波束成型及预编码技术提供了新的思路。文献综述

1。3。2 导频分配与优化

针对大规模MIMO系统中存在的导频污染问题，合理的导频分配与优化方案是降低导频污染的有效办法。导频分配与优化方案依据不同目标而变化多样，相较典型的导频分配方法（即不同小区复用同一组正交导频，同一小区内的用户随机分配该组正交导频），合理的导频分配与优化方案能够改善系统的性能。

文献[14,15]提出了利用时移导频来减轻导频污染的导频优化方案，通过对相邻小区分配不同的导频发送时隙，在不同小区同步传输方案下有效地抑制了导频污染。文献[16]提出一种简单的导频相移调度算法以减轻导频开销，这种基于可调相移导频的信道获取方法，相较于传统的基于相移正交导频的方法，在频谱效率方面具有明显优势。文献[17]提出了一种基于扇区分类的导频分配方案，不同扇区中的用户导频在物理空间上相互独立，从而有效地减轻了导频污染，在基站天线数足够大时，极大地提升系统吞吐量。文献[18]提出了一种导频分配策略，该方案的思路是为多个小区中心区域的用户分配同一组正交导频，而小区边缘的用户分配相互正交的导频，从而减轻导频污染，提升系统的容量。文献[19]考虑到不同用户与基站之间的信道质量可能不同的情况，提出了一种智能导频分配方案来减轻导频污染，并证明该方案能够有效地提升系统的上行SINR。文献[20]基于图着色原理分配导频资源，依据每个用户受干扰程度不同，构造小区间干扰矩阵，再对所有用户逐次分配导频，最终达到不同小区相互干扰强度大的用户尽可能分配不同导频的目的。

1。3。3  高效的信道估计

目前，大规模MIMO系统多采用导频辅助信道估计[21-22]，典型的信道估计方法包括最小二乘（Least square, LS）估计和最小均方误差（MMSE）估计。LS算法是一种比较简单的算法，只需要用户发射导频信息及相应的基站接收信息，不需要其它的先验信息，结构简单计算量小，所以在实际中较为常用。但是， LS估计忽略了干扰和噪声的影响，当信道噪声及干扰较大时，估计误差较大，其准确性大大降低。MMSE估计在实施过程中用到噪声和信道的先验信息，精确度较LS估计得到提升，但同时，其复杂度也有所增加，硬件实现较困难，所以在实际应用中实现难度较大。

由于导频污染的根源在于使用导频辅助信道估计，因此，一种可行的方案是使用半盲信道估计或盲信道估计，减少使用或者不再使用导频从而避免导频污染[23-24]。另外，考虑到无线信道自然的稀疏性，可利用压缩感知技术[25-26]（Compressed sensing, CS），进行稀疏信道估计和导频设计[27-28]，降低导频开销，减轻导频污染。来*自~优|尔^论:文+网www.youerw.com +QQ752018766*

随着大规模MIMO系统研究的深入，无线信道的稀疏性得到广泛的验证，将近10%的多径信道占据着高达85%以上的能量[29]。压缩感知技术在已知信号稀疏的情况下，能有效挖掘稀疏信道特性并进行信号重建，可以大大降低导频开销，从而提高频谱资源利用效率，减轻导频污染。利用压缩感知进行稀疏重建，首先需要选择和构建感知矩阵，该矩阵是利用压缩感知技术测量时用到的非相关投影矩阵，它的选择和构建对于原信号能否精确重建具有决定性的影响；然后，进行重建算法的设计实现，目前的重建算法主要有匹配追踪（Matching Pursuit，MP）[30-31]、正交匹配追踪（Orthogonal Matching Pursuit，OMP）[32]、子空间追踪（Subspace Pursuit，SP）[33]、压缩采样匹配追踪（Compressive Sampling Matching Pursuit，CoSaMP）[34]及其改进算法[35-36]等等。