大规模MIMO通信稀疏信号处理

大规模MIMO技术通过在基站部署大量天线可以以显著提高的频谱效率同时服务多个用户，因而它是目前5G甚至6G公认的一项关键技术。然而，在奈奎斯特-香农采样框架下，大量天线会引入高维度的信号处理，这会导致大规模MIMO系统过高的训练开销、计算复杂度、成本和功耗。为了解决这些问题，本书借助全新的压缩感知理论，通过挖掘和利用大规模MIMO系统中信道或信号存在的内在稀疏性，提出了一系列大规模MIMO系统基于压缩感知理论的无线传输技术方案，其性能明显优于奈奎斯特-香农采样框架下设计的传统方案。通过挖掘大规模MIMO系统多域信号内在稀疏性，从压缩感知理论这一新视角出发，在信道估计、信道反馈、信号检测等大规模MIMO系统关键技术上提出了全新的解决方案，为大规模MIMO系统从理论走向实践提供了相关的理论分析和具体传输方案。

高镇，北京理工大学前沿交叉科学研究院特别研究员、长聘副教授，博士生导师。主要从事宽带通信与智能信号处理，包括物联网机器类通信、智能边缘计算、空天地一体化信息网络、6G大规模MIMO通信等。获得IEEE Transactions Broadcast 2016 最佳论文奖、IET Electronics Letters 2016最佳论文奖、UCET 2020最佳论文、IEEE/CIC ICCC 2021最佳论文。发表SCI论文40余篇，包括7篇ESI高被引论文，1篇前0.1%热点论文，Web of Science数据库SCI他引1475次。2018年入选中国科协青年人才托举工程，入选爱思唯尔2020、2021年中国高被引学者，2021年获得中国电子学会自然科学一等奖。担任IEEE Communications Letters编委、IEEE Systems Journal编委、Frontiers in Communications and Networks编委。

第1章 引言 1.1 大规模MIMO技术简介 1.1.1 大规模MIM0技术基本原理 1.1.2 大规模MIMO技术的研展 1.1.3 从理论走向实践面临的挑战 1.2 压缩感知理论简介 1.3 本书内容安排 第2章 稀疏信道下大规模MIMO性能分析及信道估计方案 2.1 本章简介与内容安排 2.2 系统模型 2.3 有限散射体信道下大规模MIMO系统信道的渐近正交性分析 2.3.1 稀疏大规模MIMO信道和频域信道矩阵的对偶关系 2.3.2 信道矢量内积的一阶矩、二阶矩推导及渐近正交性分析 2.4 延时域稀疏信道下基于有限新息率理论的稀疏信道估计方案 2.4.1 导频设计 2.4.2 超分辨率多径延时的信道估计方案 2.4.3 导频开销讨论 2.5 结果 2.6 本章小结 第3章 FDD大规模MIMO系统中基于结构化压缩感知理论的信道估计 3.1 本章简介与内容安排 3.2 系统模型 3.3 基于结构化压缩感知理论的空时联合信道估计方案 3.3.1 基站端的重叠导频方案 3.3.2 用户端基于结构化压缩感知理论的信道估计算法 3.3.3 空时自适应导频方案 3.3.4 FDD大规模MIMO多小区系统下的信道估计. 3.4 性能分析? 3.4.1 压缩感知框架下的重叠导频设计 3.4.2 ASSP算法的收敛性分析 3.4.3 ASSP算法的计算复杂度 3.5 结果 3.6 本章小结 第4章 FDD大规模MIMO系统中基于分布式压缩感知理论的信道反馈 4.1 本章简介与内容安排 4.2 系统模型 4.2.1 大规模MIMO系统信道在虚拟角度域上的稀疏性 4.2.2 无线信道时域相关性 4.2.3 信道反馈的挑战性 4.3 基于空域结构化稀疏性的自适应信道反馈方案 4.3.1 非正交导频设计 4.3.2 基于压缩感知的自适应信道状态信息获取方案 4.3.3 提出的DSAMP算法 4.3.4 具有自适应导频设计的闭环信道追踪 4.4.4 提出的DSAMP算法复杂度分析 4.4.5 信道估计的性能界 4.4.6 闭环信道追踪的自适应导频设计及所需开销 4.5 结果 4.6 本章小结 第5章 毫米波大规模MIMO系统中基于压缩感知理论的信道估计与波束赋形