Massive MIMO中基于压缩感知的预编码方法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词说明表 | 第13-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究工作的背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.3 本文研究内容和结构安排 | 第21-23页 |
| 第二章 Massive MIMO信道的特性 | 第23-30页 |
| 2.1 Massive MIMO信道的时域特性 | 第23-26页 |
| 2.1.1 时域信道的稀疏性 | 第23-25页 |
| 2.1.2 时域信道的公共支撑集特性 | 第25-26页 |
| 2.2 Massive MIMO信道的角域特性 | 第26-29页 |
| 2.2.1 角域稀疏性 | 第26-28页 |
| 2.2.2 角域公共支撑特性 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 压缩感知技术简介 | 第30-39页 |
| 3.1 压缩感知观测模型 | 第30-32页 |
| 3.2 压缩感知测量矩阵 | 第32-34页 |
| 3.3 压缩感知重构算法 | 第34-37页 |
| 3.4 几种贪婪重构算法的性能仿真 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于压缩感知的信道信息获取方法 | 第39-61页 |
| 4.1 TDD系统基于压缩感知的信道信息获取方法 | 第40-54页 |
| 4.1.1 TDD系统导频训练模型 | 第40-43页 |
| 4.1.2 利用压缩感知的信道信息恢复算法 | 第43-49页 |
| 4.1.2.1 单测量值向量(SMV)算法 | 第43-44页 |
| 4.1.2.2 多重测量值向量(MMV)算法 | 第44-47页 |
| 4.1.2.3 基于天线分组的联合CIR估计方法 | 第47-49页 |
| 4.1.3 仿真分析 | 第49-54页 |
| 4.2 FDD系统基于压缩感知的信道信息获取方法 | 第54-60页 |
| 4.2.1 FDD系统下行信道信息获取模型 | 第54-57页 |
| 4.2.2 仿真分析 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 基于压缩感知信道信息获取的预编码方法 | 第61-73页 |
| 5.1 系统模型 | 第62-63页 |
| 5.2 线性预编码 | 第63-65页 |
| 5.2.1 迫零(ZF)预编码 | 第63-64页 |
| 5.2.2 最小均方误差(MMSE)预编码 | 第64-65页 |
| 5.3 非线性预编码 | 第65-70页 |
| 5.3.1 THP预编码方案 | 第65页 |
| 5.3.2 向量扰动(VP)预编码方案 | 第65-67页 |
| 5.3.3 基于NDS的ZF预编码 | 第67-70页 |
| 5.4 仿真分析 | 第70-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 下一步研究工作和方向 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 攻读硕士学位期间的研究成果 | 第83-84页 |
| 个人简历 | 第84-85页 |
