李文刚， 胡爱丽， 孙珑心， 王屹伟

(西安电子科技大学 通信工程学院，陕西 西安 710071)

大规模多输入多输出(Massive Multiple Input Multiple Output，Massive MIMO)技术在提升系统频谱效率和用户体验速率方面存在巨大潜力，成为下一代移动通信系统的关键技术[1]．在实际中，要想充分发挥Massive MIMO系统潜在的高频谱和功率效率，发射端必须能实时获得准确的无线信道状态信息(Channel State Information，CSI)[2]．在频分双工(Frequency Division Duplexing，FDD)Massive MIMO系统中获得精确的下行CSI面临巨大的挑战．首先导频数目随着发射天线数目的增长而线性增长，导致导频消耗大量的时频资源，降低了通信系统的性能[3]．并且传统的信道估计技术，比如最小二乘(Least Square，LS)和最小均方误差(Minimum Mean Square Error，MMSE)估计算法无法在FDD Massive MIMO系统中应用．因为随着基站端天线数目的增多，要估计的子信道数目也会增多，这将导致传统的信道估计算法的计算复杂度急剧增加，给用户端带来很大的压力．

因此，探寻适用于FDD Massive MIMO系统的导频设计和信道估计技术，对构建使用的Massive MIMO系统具有重要的理论价值和实际意义．文献[4-7]指出，Massive MIMO信道在角域和时延域都存在稀疏性，因此，可以将下行链路的导频设计和信道估计算法优化问题转化为压缩感知问题．文献[8-9]利用信道的空间相关性来减少导频序列的长度，实现对导频设计的优化．文献[10-11]提出了基于迭代和共轭梯度的低复杂度信道估计算法，大大减轻了用户端的压力．但是以上方法都未能很好地解决FDD Massive MIMO系统中导频开销和信道估计算法复杂度过大的问题．

在直射(Line Of Sight, LOS)场景下，笔者提出一……