| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略词表 | 第10-11页 |
| 主要符号表 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题来源及研究背景 | 第12-14页 |
| 1.1.1 课题来源 | 第12页 |
| 1.1.2 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本论文的主要贡献 | 第16页 |
| 1.4 本论文的结构及内容安排 | 第16-18页 |
| 第二章 MASSIVE MIMO系统介绍 | 第18-25页 |
| 2.1 MASSIVE MIMO概念 | 第18-19页 |
| 2.2 MASSIVE MIMO系统特性 | 第19-20页 |
| 2.3 TDD模型 | 第20-22页 |
| 2.4 信道衰落模型 | 第22-24页 |
| 2.4.1 路径损耗模型 | 第22-23页 |
| 2.4.2 阴影衰落模型 | 第23页 |
| 2.4.3 小尺度衰落模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 MASSIVE MIMO信道估计算法与压缩感知理论 | 第25-45页 |
| 3.1 MASSIVE MIMO信道估计技术简介 | 第25-26页 |
| 3.2 平坦衰落MASSIVE MIMO系统的信号模型及发送帧结构 | 第26-28页 |
| 3.2.1 平坦衰落的MASSIVE MIMO系统信号模型 | 第26-27页 |
| 3.2.2 估计算法仿真中采用的帧结构 | 第27-28页 |
| 3.3 平坦衰落MASSIVE MIMO信道估计方法 | 第28-35页 |
| 3.3.1 最小二乘（LS）信道估计算法 | 第28-31页 |
| 3.3.2 最大似然（ML）信道估计算法 | 第31页 |
| 3.3.3 最小均方误差（MMSE）信道估计算法 | 第31-32页 |
| 3.3.4 最大后验概率（MAP）信道估计算法 | 第32-33页 |
| 3.3.5 平坦衰落信道估计算法的性能比较 | 第33页 |
| 3.3.6 算法仿真结果 | 第33-35页 |
| 3.4 压缩感知相关理论 | 第35-44页 |
| 3.4.1 压缩感知理论框架 | 第36-37页 |
| 3.4.2 信号特征 | 第37-38页 |
| 3.4.3 信号恢复 | 第38-42页 |
| 3.4.4 使用压缩感知理论的要求 | 第42-43页 |
| 3.4.5 压缩感知对实际信号的应用 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于压缩感知的MASSIVE MIMO信道估计算法 | 第45-62页 |
| 4.1 系统的通信模型 | 第45-50页 |
| 4.1.1 单用户MIMO系统模型 | 第45-46页 |
| 4.1.2 多用户MIMO系统模型 | 第46-47页 |
| 4.1.3 多用户多小区系统模型 | 第47-49页 |
| 4.1.4 系统模型分析及建模 | 第49-50页 |
| 4.2 基于压缩感知的信道估计算法 | 第50-55页 |
| 4.2.1 基于压缩感知理论恢复算法的信道估计算法 | 第50-52页 |
| 4.2.2 基于压缩感知理论的信道估计算法 | 第52-55页 |
| 4.3 仿真结果及说明 | 第55-61页 |
| 4.3.1 基于压缩感知恢复算法的信道估计算法的仿真 | 第55-57页 |
| 4.3.2 基于压缩感知理论的信道估计算法的仿真 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 后续工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 个人简历及攻读硕士学位期间取得的成果 | 第69-70页 |
