论文部分内容阅读
随着物联网(Internet of Things,IoT)技术的快速发展,机器通信(Machine Type Communications,MTC)的需求日益提高。为人类通信(Human Type Communications,HTC)而设计和搭建的传统蜂窝移动通信系统将无法满足MTC的通信需求。大规模机器通信(massive MTC,mMTC)是第五代移动通信系统(The Fifth Generation Mobile Communication System,5G)中重要的应用场景之一,其特点包括海量设备接入,数据包短、用户传输速率低,以及零星通信。针对这些特点,上行免调度非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术能够减少信令负载,降低传输时延,可以很好地解决mMTC中用户接入的问题。由于零星通信的特点,mMTC的多用户检测技术与压缩感知理论中稀疏信号重构的问题在很大程度上具有相似性,压缩感知理论的技术方法在新一代移动通信系统中具有良好的应用前景。本文从mMTC系统上行免调度NOMA场景中的单时隙模型入手,重点讨论包括结构稀疏模型、混合稀疏模型和动态稀疏模型的多时隙模型。针对结构稀疏模型的多用户检测问题,在正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的基础上加以改进,并且考虑信道状态信息(Channel State Information,CSI)动态变化的情况,提出了结构稀疏正交匹配追踪(Structured Sparsity OMP,SSOMP)算法。通过仿真分析给出该算法在mMTC上行免调度NOMA场景多时隙结构稀疏模型中的性能表现。另一方面,在子空间追踪(Subspace Pursuit,SP)算法的基础上,考虑动态稀疏模型中相邻时隙活跃用户支撑集的时间相关性,提出了结合先验信息的自适应子空间追踪(Prior-Information Aided Adaptive SP,PIA-ASP)算法。针对质量参数过度估计的情况,给出了鲁棒的结合先验信息的自适应子空间追踪(Robust-PIA-ASP,R-PIA-ASP)算法。最后,通过理论角度的算法重构失真分析给出了PIA-ASP算法和R-PIA-ASP算法的重构误差上界,并且从实践角度的数值仿真分析给出了两种算法在mMTC上行免调度NOMA场景中的多用户检测性能表现。理论分析与数值仿真结果表明,两种算法较传统的多用户检测算法性能提升较大,在多时隙动态稀疏模型中具有广阔应用前景。