周 乔 许 魁 徐友云 谢天怡

(1. 南京邮电大学“通信与网络技术”国家工程研究中心，江苏南京 210003; 2. 解放军陆军工程大学，江苏南京 210007)

1 引言

近些年来随着移动终端的大量普及，移动数据流量呈现爆发式地增长，专家预计2020年的数据流量将是当前数据流量的几千倍，因此第五代移动通信将面临巨大的挑战。大规模MIMO作为5G的关键技术之一，它能够充分利用无线空间的维度资源，改善频谱效率和能量效率[1-2]。在大规模MIMO系统中，基站配置数十根甚至上百根天线，它可以跟大量的用户终端通信，并且每个用户终端通常配置多根天线。一般来说，获取精确的信道状态信息(CSI Channel State Information)对于大规模MIMO系统的通信过程是至关重要的[3- 4]。得益于TDD模式的互易性，基站可以根据上行链路导频序列的训练结果来获取下行链路的CSI[5]。尽管如此，训练中的导频开销还是会随着总的用户天线数的增加而急剧地增长。另外在多小区系统中，小区之间导频序列的复用也会产生小区间的干扰，这种现象被称为导频污染[6]。

在大规模MIMO系统中，尽管可以利用TDD的互易性，训练过程中的导频开销还是会随着用户总的天线数的增加而急剧地增长，这使得CSI的获取变得具有挑战性[7]。由于大规模MIMO信道空间具有渐进正交性，文献[8]、文献[9]使用改进的盲信道估计算法消除矩阵模糊度，从而减小导频污染的影响，但是盲信道估计算法的复杂度较高，在实际的大规模MIMO系统中一般难以应用。文献[10]将指数相关模……