引言

隨著無線通信的迅猛發展，6G技術日益受到學術界的關注與研究。其中，超大規模海量多輸入多輸出（Extreme Large scale massive Multiple-Input Multiple-Output，XL-MIMO）被認為是6G通信中的關鍵技術之一。XL-MIMO系統基于超大規模天線陣列技術［1］，與5G的Massive MIMO系統相比，具有更龐大規模的天線陣列。XL-MIMO系統通常包含數百甚至上千根天線，用于實現更高級別的空間復用、波束賦形和干擾管理，從而進一步提高系統的信道容量、覆蓋范圍和頻譜效率［2-3］ 。然而，高原地區由于其較為特殊的自然環境和多變的地形，通信信號容易受到地貌的阻隔和影響，這對通信質量提出了更高的要求［4］。針對這一挑戰，可以將超大規模海量天線陣列部署在高原地區，以增加無線通信系統的吞吐量和提高通信質量。為了實現理想的通信效果，用戶端需要獲得準確的信道狀態信息（Channel State Information，CSI）［5］。因此，建立合適的信道模型和設計出高效而準確的信道估計算法是至關重要的，這將有助于提高信號處理的精度和通信系統的整體性能。

在現有的一些XL-MIMO系統信道模型中，很多學者一般都假設所有的散射都在遠場或近場區域，但是在高原復雜環境下，XL-MIMO系統中更容易出現混合場環境，主要有以下幾點原因：（1）高原地區地形復雜，建筑物、山脈等散射體較多，容易形成近場和遠場混合的信道環境;（2）高原地區基站覆蓋范圍較廣，用戶分布稀疏,基站天線與用戶之間的距離差異較大，遠近用戶共存，導致遠場和近場信號同時存在;（3）XL-MIMO系統采用超大規模天線陣列，天線孔徑較大，在高原復雜地形下更容易同時覆蓋遠場和近場區域，導致混合場信道的產生。這種混合分布會增加信道估計的復雜性，使得現有的遠、近場信道估計方案不能較好地估計XL-MIMO系統混合場CSI［6］。

在已有研究中，文獻［7］針對傳統的Massive MIMO系統，利用遠場角度域的稀疏特性，采用基于壓縮感知（Compressed Sensing，CS）的算法來獲取準確的CSI。由于基于消息傳遞（Message Passing，MP ）對信道的先驗分布要求嚴格，因此基于CS的MP算法對信道估計或信號檢測有一定的局限性。文獻［8］針對在XL-MIMO系統中，由于近場球面波前特性的存在，經典的遠場信道估計方法無法準確估計CSI，導致性能嚴重下降的問題,提出了一種利用極坐標域稀疏性進行近場信道估計的方法。通過同時考慮角度和距離信息的極坐標域表示，可以有效地估計近場CSI。同時作者提出了基于網格和非網格的兩種近場XL-MIMO信道估計方案，并通過仿真驗證了方案的有效性。在文獻［9］中，可以觀察到具有角度域的遠場信道的稀疏性不再符合近場信道的稀疏性特征，從而產生較大的能量泄漏。因此，利用基于CS的算法進行近場信道估計，需要進一步準確地描述近場信道的稀疏性特性。在文獻［10］中，為了解決角度域信道估計方案固有的性能損失，首先提出了基于近場信道極坐標域稀疏性改進現有多殘差密集網絡方案的極坐標域多殘差密集網絡用于XL-MIMO系統，此外還設計了極坐標域多尺度殘差密集網絡以提高信道估計精度，但是在XL-MIMO通信系統中并非只存在近場信道［11］。

以上方案雖然可以實現信道估計，但是在性能上還是存在一些不足。為了改善高原地區通信條件較差的情況，本文首先構建了一個XL-MIMO系統的混合場信道模型，來描述和模擬復雜的混合場信道特征。其次，為了保證XL-MIMO系統的容量和性能，需要獲取混合場信道準確的信道狀態信息。為此，提出了一種兩階段的信道估計算法方案。第一階段利用正交匹配追蹤（Orthogonal Matching Pursuit，OMP）算法在極坐標域估計近場路徑分量；第二階段在第一階段的基礎上，再次利用OMP 算法在角度域進一步估計遠場路徑分量。該兩階段的信道估計算法方案在基于OMP算法的基礎上，選擇了合適的關于殘差的門限閾值，以便于在算法的收斂速度和稀疏重構的精度之間取得平衡。通過仿真發現，本文提出的信道估計方案可以帶來更好的信道估計誤差，能夠更精準地估計出混合場CSI，更適合應用于高原復雜環境中的XL-MIMO系統。

本文詳細內容請下載：

http://www.xxav2194.com/resource/share/2000006375

作者信息：

張鈞鑫1,2，彭秋云1,2，張雨晨1,2，黃歡1,2，楊君楠1,2，姜軍1,2

（1.西藏大學信息科學技術學院,西藏拉薩850000;

2.西藏大學信息技術國家級實驗教學示范中心,西藏拉薩850000）