自适应传输MIMO系统中的信道预测技术研究

Downlink CSI at the transmitters is vital to the adaptive transmission in MIMO systems. But the Downlink CSI acquired by the transmitters is always outdated, which will lead to serious performance degradation. This problem is even more serious in the TDD systems, and can be effectively solved by channel prediction. This project first proposes a double-scale channel prediction scheme where frame-scale predictor and pilot-symbol-scale predictor are jointly used for channel prediction. Then a new channel prediction scheme based on iterative adaptive approach spectral estimation is proposed for non-uniformly-sampled CSI training sequences. Next based on the sum-of-sinusoidal channel model, a channel prediction scheme is proposed where the subspace technique and information theoretic criterion are combined to perform MIMO channel prediction. Finally a nonlinear channel prediction scheme using least square-support vector machine is propose based on the non-parametric noise estimation technique and particle swarm optimization algorithm. Channel prediction can effectively alleviate the performance degradation in adaptive transmission systems caused by outdated CSI. Meanwhile no dedicated CSI feedback channel being needed, which is considered to be the inherent advantage of the TDD systems, can be kept by using channel prediction technique. This will increase the competitive ability of the TDD systems and also consist with China's TDD-based development train in telecommunications field.

MIMO系统中，发端获知下行信道状态信息(CSI)是进行自适应传输的基础。但发端获取的下行CSI都是过时的，这将导致自适应传输性能的急剧恶化，这一问题在TDD系统中尤为突出，而信道预测技术可有效解决此问题。本项目首先基于TDD系统的帧结构特征，提出结合帧间隔和导频符号间隔预测的双尺度信道预测方法，接着针对非均匀采样CSI训练序列，提出基于迭代自适应频谱分析技术的信道预测方法；然后基于正弦和信道模型，提出结合子空间技术和信息论准则的MIMO信道预测方法；最后，基于非线性预测模型，提出结合非参数噪声估计和粒子群优化算法的最小二乘支持向量机信道预测方法。对无线信道进行预测可有效解决过期CSI所致的自适应传输性能恶化问题。同时，信道预测技术应用于TDD系统可以使TDD系统无需CSI反馈信道的天然优势得以保持，增强了TDD技术的竞争力，契合了我国以TDD为通信技术基础制式的发展思路。

本项目研究宽带无线信道的信道预测技术。项目通过对无线信道特性的深入研究，探讨了对信道状态信息进行预测的方法；为了体现预测技术的价值和局限性，也对预测技术在相关领域的应用进行了研究；在对信道状态信息进行预测的同时，也对非理想信道状态信息条件下的系统性能进行了研究。项目提出了基于LS-SVM的时变信道预测算法，通过迭代选择LS-SVM的核函数宽度和惩罚系数，实现了良好的预测效果。项目提出了一种基于信道预测的针对时变双向干扰信道的盲自适应波束成型算法，将无线时变信道建模为一阶马尔科夫模型，将干扰对齐问题转化为对于最小子空间的跟踪问题，构建了高效的可实现干扰对齐的自适应波束成型。项目研究了由于信道预测误差等原因所导致的非理想信道状态信息情况下的鲁棒安全通信算法，将问题分解为一系列高维空间的功率最小化子问题，然后利用先收缩后松弛的技术，将原问题转换为凸优化问题，取得了良好的效果。项目研究了针对无线信道的混合预测算法，将无线信道的信道状态信息序列分解成为线性序列和非线性序列两部分，分别使用基于AR模型的线性预测和基于LS-SVM的非线预测进行预测，取得了良好的效果。项目研究了基于量化CSI的信道预测算法，根据历史码字之间的切向量，通过平行传输构造起始于最新码字的切向量，再使用基于测地线的预测方法，对未来时刻的码字进行预测。项目研究了仅有中继站点具有全局信道状态信息条件下，配备半双工MIMO中继的k用户高斯干扰信道的干扰对齐技术，在接收端将来自中继的干扰信号对齐到来自直接链路的干扰信号的反方向，从而实现了干扰对齐功能，实现了较高的DoF。项目的研究成果可直接应用于无线信道的信道状态预测，这对于提升与编码系统的性能具有积极的意义；同时项目的研究成果也体现了预测技术的价值和局限性；最后，项目研究成果也可用于其他领域的时间序列预测方面，具有良好的可推广性。