超密集网络中的导频分配及信道估计研究.pdfVIP

摘要

近年来，随着移动互联网和物联网应用的高速发展，各种新兴的媒体业务接踵而至，包

括超高清视频媒体、网络直播和云计算等对数据流量有极大需求的功能应用广泛普及，未来

连接到无线通信网络的终端设备的继续增长，导致数据流量呈现指数级增长的趋势。因此人

们期望下一代无线网络需要能够提供高速、低时延和高可靠性以满足各类新型业务和应用场

景，在此背景之下，超密集网络（Ultra-DenseNetwork，UDN）技术受到广泛关注，它是目

前5G的多种重要技术当中的重要一项，其主要通过微型基站或传输网络节点（AccessPoints，

AP）的密集部署，使得终端能够更靠近AP接入点，从而可能带来功耗、时延的降低，以此

实现性能和系统容量的提升。因此，针对超密集无线通信网络的相关技术展开研究已成为目

前通信相关领域的研究人员和从业人员迫切关注的问题。

超密集网络能够显著提升网络容量，但是由于微型基站、AP和用户的分布式特性，干扰

将难以预测，任何网络接入节点或用户都可能受到强干扰或成为强干扰源，而干扰也一直是

影响系统性能提升的重要原因。因此本文主要从两方面进行分析研究减轻干扰的方法，主要

包括导频分配方法、信道估计方法的研究。论文主要针对超密集网络中的导频污染问题，提

出一种基于用户分簇的导频分配方法；以及从信道估计方面，结合超密集网络系统中信道的

稀疏特性，提出一种基于正交匹配追踪（Orthogonalmatchingpursuit，OMP）的改进的信道

估计算法。论文的主要研究内容和成果如下：

首先，论文通过概括分析超密集网络中常见的导频分配方案，比如对贪婪算法和图论染

色法等进行分析，结合用户与基站之间的链路连接关系，提出了一种基于用户分簇的分配方

案，以最小化潜在干扰较大的用户的影响为目标，根据用户与基站之间的信号强度大小，确

定各用户连接的主基站，并据此计算各主基站的度并降序排列，依次对各基站服务的用户进

行分簇，依据基站度的大小与簇的最大可容纳用户数的大小关系，以及依据用户到服务簇内

用户的主基站之间的信号强度大小，选择用户向簇内进行增删操作，以达到簇内用户数不大

于可用导频序列数，由此可以降低潜在干扰较大的用户产生的影响。最终仿真结果表明本文

所提的方案的性能优于其他传统分配方案和随机分配方案，且能够较好的平衡性能的提升和

复杂度的提高。

其次，从信道估计方面分析研究，信道估计同样是消除干扰的一个重要环节，文章首先

对最小二乘（LeastSquare，LS）算法以及最小均方误差（MinimumMeanSquareError，MMSE）

和OMP等常见的信道估计算法进行了分析介绍。而在超密集网络中我们可以知道，由于传

播路径损耗，系统中从用户接收的信号大部分功率由用户附近的基站或AP提供。这表明着

信道矩阵中的某些信道是占主导地位，而其他信道信号则十分微弱，因此，超密集网络中的

信道矩阵可以看作是准稀疏矩阵。针对超密集网络中信道估计的干扰消除和计算复杂度等问

题，结合超密集网络中信道的稀疏特性，本文提出一种改进的OMP信道估计算法，基于正

交匹配追踪算法的基本思想，将信道估计看作为信道重构恢复的过程，在对接收信号预处理

后，用较少的系统资源迭代计算匹配最接近实际信道的信道信息，能近似恢复主要信道的信

道状态信息。仿真结果表明，该算法与传统MMSE算法相比，虽然整体性能会有一定损失，

但是在降低复杂度的情况下，能够较好的估计出主要高增益的信道信息。

关键字：超密集网络，用户分簇，导频分配，正交匹配追踪，信道估计

ABSTRACT

Inrecentyears,withtherapiddevelopmentofmobileInternetandInternetofThings,various

emergingmediaserviceshavefollowedoneafteranother,includingultra-high-definitionvideo

media,webcastingandcloudcomputingandotherfunct