1.1 研究目的及意义

随着信息时代的到来，移动通信正在深刻地改变着我们的生活，它不仅成为成为科技革命和产业变革的重要驱动力，更是国家经济增长的新引擎。在过去的20年中，移动通信技术不断进步，技术标准不断演进。目前第四代移动通信技术（4G）已在各国推行发展，新一代移动通信系统（5G）正成为信息时代国内外研究的重点和热点。虽然目前业界尚未对5G形成统一、完整的认识，但关于5G标准的讨论热火朝天，吸引着全世界研究人员和工程师的注意力^[1]。消费者、企业和开发者对于第五代（5G）无线技术寄予厚望。一个频频用到的词就是“大规模”，具体而言就是对移动数据的需求大规模增长，互联设备的数量大规模增长，各类移动应用也大规模爆炸式增长。而多输入多输出（Multiple Input Multiple Output，MIMO）技术作为4G通信的关键核心技术之一，在过去几年里一直被广泛研究。该技术可以在不增加额外的带宽和功率消耗的前提下，同时显著地提高无线通信系统的频谱利用率。

然而，传统的点对点MIMO技术越来越无法满足未来移动通信系统对高传输速率和低功率消耗的应用需求。为了进一步提高MIMO系统的性能，贝尔实验室的T.L.Marzetta教授在2010年底发表了论文“Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas”,并在论文中提出了大规模MIMO的构想^[2]。大规模MIMO技术是指通过在基站端部署大量的额外的天线从而获得更高的空间自由度，采用时分双工技术的通信模式，在同一时频资源上服务多个用户。系统使用的天线数目越多，意味着发送的数据流越独立，服务的终端也越多，因此显著提高了通信系统的数据传输速率^[3]；同时大规模MIMO技术能挖掘出更多维度资源，从而大大提高系统的频谱效率；另外该技术还在射频前端采用低线性复杂度、低成本、低功耗的硬件设备，从而大幅降低系统部署成本^[4]。总之，大规模MIMO技术作为5G系统的关键核心技术之一，具有很大的优势，值得我们去深入研究。

而在大规模MIMO技术实际应用中，我们会面临未知且复杂的无线通信传播环境，系统的传输性能收到多方面影响，例如无线信道的时延扩展和多普勒扩展、以及角度域扩展带来的频率选择性衰落、时间选择性衰落和空间选择性衰落^[5]。因此，信道估计技术作为信号检测和自适应的基础，自然显得尤为重要。

信道估计技术，根据类型可分为时域估计和频域估计^[6]；根据是否插入导频，可分为基于导频或训练阵列序列的信道估计、盲信道估计以及半盲信道估计。其中，半盲信道估计方法将前两类方法结合到了一起，既对发送信号的统计特性进行了一定假设，又在发送数据中插入了少量的导频序列，在保证估计性能的基础上降低了部分计算复杂度，同时确保了通信系统的数据传送速率，是前两类信道估计方法的一个良好的折中^[7]。在理想信道传输环境下,考虑最优信道估计, 增加基站天线数量始终能够提高吞吐量或降低发射功率^[8]。 然而, 实际的无线传播环境并不能提供足够的散射, 同时, 在基站处布置相关性为零的大规模天线阵列的可能性也近乎为零。此外, 由于导频污染、相干时间间隔内实时高维信道估计等原因, 最优 CSI反馈机制假设难以实现。正是因为这样，所以未来研究人员的工作将以怎样消除导频污染为主。

1.2 国内外研究现状

MIMO 技术的研究最早始于 Ernst F. W. Alexanderson，而后由 R.C.A. Communications 的 H. H. Beverage 和 H. O. Peterson 接手，再后来 D. G. Brennan 也对此贡献良多。上世纪 90 年代中期，Foschini（贝尔实验室）、Raliegh、Cioffi 和 Alamouti 的工作受到了更高度的关注，他们工作的重点是为信道构建数学模型，并提出了使用大量天线极大扩充信道容量的方法。阅读这些旧论文，不仅能对我们的行业前景有一些了解，而且还能意识到这些新兴的技术可以溯源到无线通信奠基人所在的年代，虽然他们现在早已作古。

在传统MIMO系统中，基站与用户之间不断进行信息传输，对于某一特定用户而言，为了获取该用户传输的信息就需要估计出其与基站的CSI。然而，由于多小区干扰的影响，系统性能有所恶化，基站只能接收到被污染的CSI。基于此类问题，从信道估计的角度出发，如何提高CSI的准确性，其研究意义非常重大。在大规模MIMO系统发展的初期，信道估计一般都利用导频序列进行传输。文 献 [9] 不 仅 对 常 用 的 最 小 二 乘 (Least Square, LS) 以 及 最 小 均 方 误 差(Minimum Mean Square Error, MMSE)的信道估计算法进行研究，而且通过对比分析，总结出两者针对导频污染现象都能起到缓解作用。此外，就性能而言，MMSE估计效果比LS估计更加理想。但MMSE估计算法的实现是基于对小区间用户到基站的大尺度衰落系数已知的情况，同时有着巨大的运算量。文献[10]对上述问题做出改进，研究了不依赖用户大尺度衰落系数的算法，并且其性能也非常理想。文献[11]针对大规模MIMO通信系统中旋转离散傅里叶变换(DFT)码本的用户端码字搜索问题,提出了一种低复杂度的码本搜索方法。

从导频开销的角度出发，由于压缩感知（CS）技术减少了导频的使用量，该技术正逐渐走向成熟。一般来说都是在分析信道的固有稀疏性基础上，结合压缩感知技术进行精确的CSI估计。值得注意的是，压缩感知技术也可以运用在FDD模式中工[12-13]，并且大大降低了信道估计过程中的系统反馈开销。考虑在大规模MIMO FDD模式下，又有学者提出了一种基于交替方向乘子法（ADMM）的信道估计算法，由于MIMO通信信道的空间相关性，并且结合压缩感知技术，对比传统基于CS的算法，该算法的性能体现出更优越的改进。文献[14]设计出了用户配置两根传输天线的情况，其中一根天线利用导频序列进行信道估计，而另一根天线通过采集数据进行辅助估计。值得关注的是，该方法在进行信道估计时的开销不会因为用户配置天线数的增加而增加。文献[15] 针对半盲信道估计，提出了一种期望最大化（EM）算法，通过假设未知数据符号的高斯分布，得到了一种易于处理的EM算法，即使在有限星座中提取数据符号，如正交相移键控，也能改善信道估计。

新兴技术的发展伴随着机遇和挑战，虽然目前大规模 MIMO 技术已经取得了不少成果，但从系统设计及工程实现的角度，仍然存在许多关键问题亟待解决：