基於高維隨機矩陣的大規模MIMO系統理論及算法研究

《基於高維隨機矩陣的大規模MIMO系統理論及算法研究》是依託上海交通大學，由邱才明擔任項目負責人的面上項目。

基本介紹

• 中文名：基於高維隨機矩陣的大規模MIMO系統理論及算法研究
• 項目類別：面上項目
• 項目負責人：邱才明
• 依託單位：上海交通大學

項目摘要

Massive MIMO能更好利用空域資源，增加系統頻譜效率，因此成為5G的核心技術。但現有MIMO技術的理論基礎是高斯信道假設下的經典統計和低維信號處理技術，難以套用於以高維、結構化為特徵的大規模MIMO系統中；並且現有MIMO系統調製解調需要占用大量資源、計算複雜度高，難以適應大規模MIMO系統對高維數據高效、實時處理的需求；最後，現有MIMO技術基於大規模數據集中處理的技術框架，難以突破大規模MIMO帶來的信號傳輸和存儲的瓶頸。本申請擬以高維隨機矩陣理論為理論基礎，從以下三方面嘗試解決問題: 發掘現實信道的結構化特性，研究基於隨機矩陣的數學模型來進行信道建模，並計算其性能界；使用基於高維統計理論的現代信號處理方法，構造占用資源少、可實時處理的調製解調算法；使用分散式數據壓縮的系統架構，保障信號實時處理。本項目致力於構建更貼近實際信道環境的、滿足實時性和效率需求的大規模MIMO系統。

結題摘要

大規模多輸入多輸出(Multiple Input Multiple Output, MIMO) 是未來移動通信系統的關鍵技術。它可以促進無線通信，智慧型電網和智慧型健康管理等領域的快速發展。具體而言，MIMO 系統可以為上述領域提供更多更高維度的測量數據。海量高維的數據對於深刻地理解，認識和分析這些領域地問題提供了新的機遇。本項目的研究，以高維數據建模和分析關鍵方法——隨機矩陣理論為基礎去解決對應的問題。取得的具體工作和成果包括：（1）以隨機矩陣理論為理論基礎，分別提出了基於特徵值推理的信道相關的未知參數估計方法和基於旋轉不變估計方法的信道重建方法。在上述方法的基礎上進一步提出了基於Bussgang 定理的線性量化預編碼方案，解決了非理性信道條件下的基於低比特數模轉換器的大規模MIMO 系統的預編碼問題。仿真數據驗證了提出方案的魯棒性。（2）以非凸最佳化技術為基礎提出了低計算複雜度的非線性預編碼技術，證明了所提出的算法在弱假設條件下具有收斂性，解決了經典的線性量化預編碼方法在中高信噪比條件下存在的性能飽和問題。通過仿真數據驗證了所提出方法的計算效率和可靠性。（3）以隨機矩陣理論為理論依據，利用同步向量測量裝置測量到的海量數據流，提出了基於多個高維協方差矩陣檢測的異常數據檢測方法。通過主元計算和冗餘計算消除等技術進一步提升了所提出方法的計算效率。此外，通過仿真數據和實測數據驗證了上述方法的正確性。