大规模MIMO下行天线数优化及信道状态信息完美因子分析

工程科学与技术，国际期刊23（2020）851完整文章下行大规模MIMO基站天线数优化及信道状态信息不完全的完美因子分析Uma Maheswari Ramisettya，Sumanth Kumar Chennupatiba印度维沙卡帕特南，Vignan印度维沙卡帕特南GITAM大学阿提奇莱因福奥文章历史记录：收到2019年2019年10月13日修订2019年10月28日接受在线发售2019年保留字：信道状态信息数模转换器多用户大规模MIMO迫零非线性预编码器A B S T R A C T目前，无线通信中的数据速率快速增长，但由于信道状态信息（CSI）的不完善而遭受信道状态错误，这导致能量和频谱效率的降低。本文提出了用完善因子进行优化的方法大规模MIMO中的基站天线的数量，并且还用于减少CSI中该完美因子计算可实现的和速率，该和速率又确定基站天线的数量相对于用户数量的比率以及进一步的临界可靠性。随着临界可靠性的降低，发射功率降低，基站天线的数量减少。对大规模MIMO系统进行了仿真，并对系统的完善度、能量效率、频谱效率进行了评估。 在不同的基站天线数和用户数下，以及随着信道状态信息的增加所获得的结果进行了介绍和分析。©2019 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍现在，Massive MIMO是提供良好频谱和能量效率的首选技术，CSI中的不完美会降低整体性能。大规模MIMO的主要缺点是导频污染、硬件损伤和信道估计误差[1]。设计的主要目标是最小化发射功率，提高效率和数据速率，以获得更高吞吐量的高效传输。基本上，导频污染会引起来自相邻小区的干扰，从而降低波束形成的性能[2]。导频符号的功能是向基站提供生成线性预编码器的前向CSI的估计。由于重复使用相同频率而导致的导频污染导致估计信道的误差，使得CSI变得不完美[3，4]。在理想信道状态下，MIMO系统需要更高的效率和更少的天线数，同时需要更高的吞吐量来支持更多的用户在理想CSI的情况下，功率要求更少，基站数量更少。*通讯作者。电子邮件地址：maheswariu. gmail.com（U.M. Ramisetty）。由Karabuk大学负责进行同行审查。天线较少，但实际上由于各种因素存在缺陷Chu等[5]提出了本征推断（EI）预编码方案，通过使用两个矩形随机矩阵的和来减轻不完美CSI引起的恶化，但没有考虑完美因子，从而改善不完美CSI下的大规模MU-MIMO系统的错误性能Zeng等[6]导出的具有导频长度的线性最小错误概率（MEP）检测器使用最小二乘信道估计来克服URLLC中的不完美CSI，Du等人。[7]提出了一种鲁棒的VP预编码器设计，该设计在最小均方误差（MMSE）准则下联合考虑了CSI的不确定性和功率缩放因子。推导了该预编码器的封闭表达式，该表达式对功率缩放因子的精度更为敏感，通过考虑完美因子可以提高精度。Shahram Zarei等人[8]提出了用于在发射机处具有不完美信道状态信息（CSI）的下行链路大规模多用户多输入多输出（MU-MIMO）系统的鲁棒最小最大均方误差Tomlinson-Harashima预编码（Min-Max-MSE THP）方案和低复杂度鲁棒Min-Max-MSE分层线性/THP（HL-THP）方案，在Max-MSE、最大误比特率和最小速率https://doi.org/10.1016/j.jestch.2019.10.0092215-0986/©2019 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch852毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851命名法R和22cPdP1DMKP信道可靠性临界可靠性下行链路发射功率具有理想CSI的发射功率基站天线数用户缩放参数缩写CSI信道状态信息DACMRT最大传动比ZF迫零NLP非线性预编码器BER误比特率信干比QPSK正交相移键控。到达角AOD出射角信干噪比。MU-MIMO多用户多输入多输出模数与线性正则化迫零预编码相比由于其非线性性质，所提出的鲁棒Min-Max-MSE THP和HL-THP方案实现了比线性RZF预编码高得多的性能Zhang等人[9]开发了具有大规模发光二极管（LED）阵列的多用户多输入多输出（MU-MIMO）可见光通信（VLC）干涉信道系统与理想信道状态信息（CSI）相比，在VLC应用中，由于光的遮挡，信道的稀疏性损失更为现实，这可能会显著降低传输性能，但没有考虑信道缺陷的稀疏性。当信道可靠性从零开始增加时，通过优化基站天线和用户的数量来消除初始功率的上升，可以减少CSI中的不完美问题。预编码技术可用于消除导频污染、用户间干扰、收发器硬件损伤和相关信道估计误差等问题[10]。预编码在下行链路大规模MIMO中提供了一种信号处理机制，用于利用CSI来最大化系统性能。可以获得预编码矩阵以最大化最小用户速率和传输的和速率。预编码器的计算复杂度可以通过优化基站来解决，从而使矩阵求逆的影响最小化[11]。与小规模MIMO相比，用于5G蜂窝系统的Massive MUMM0在基站中使用“M”个天线来提高频谱效率、可靠性以及能量效率。BS天线数量的任何增加都需要增加功耗、硬件复杂性和系统成本[12]。因此，有利的是具有实际的MU-MIMO，其具有低复杂度的经济的、功率高效的硬件组件。模拟电路价格便宜，节能，但由于电路的不完善，硬件结构受到限制。在最先进的系统中，BS中的数据转换器具有用于下行链路传输的10位高分辨率DAC。对于大规模MUIMO具有100 0 0的天线成本和功耗变得过高.此外，可能发生由于前向回程链路而导致的带宽过载。实际的选择是降低DAC分辨率;可以使用1位或2位系统，而不是10位。设计适合频率选择性衰落信道的线性预编码器具有重要意义。对于频率平坦的情况，已经报道了关于1位ADC和DAC的一些工作分析受到符号率采样的限制。该架构的性能方面的BER和可实现的速率与1位DAC的OFDM已报告。已经观察到，如果基站天线的数量相当大，则在大规模MU MIMO中利用1比特DAC可达到的水平这是本文或工作的目的是找出BS天线的限制，使DAC的非线性相关的问题消失。在3D MU-MIMO中，新的传输方案信道状态信息参考信号用3D波束成形向量进行预编码，以有效地传输[15 从图 1. BS部署有UPA有源天线系统，使得更多数量的用户可以同时服务。Ma，Xu[18]提出了用于使用空间复用基于AOA和AOD减少功率泄漏的3D波束成形向量。MUIMO正在成为5G通信系统的主要技术。审查设计参数的各个方面是相关的。尽管与传统的有限天线系统相比，增加BS天线的数量提高了性能。天线数量的增加意味着功耗、硬件成本等参数的增加[19为了减少大系统的缺点，功率效率和低复杂度的硬件是必要的，而不是高分辨率DAC的。一些研究人员[22]已经研究了MUMIMO上行链路的1位ADC，并且已经表明，如果BS天线的数量足够大，则基于信息论的总速率吞吐量可以很高。尽管由于ADC的原因而存在不可接受的非线性在这种情况下，低BER和高总速率吞吐量也是与非线性缺点相结合的结果。为了避免这些问题，已经提出了非线性预编码器（NLP）[23]。NLP是Fig. 1. MU-MIMO下行链路传输模型的框图。毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851853KKK222DDKDd¼D由于信号处理的复杂性而导致过高的成本。NLP的情况是否可以扩展到频率选择性信道是一个有争议的问题。到目前为止，主要的工作是处理适用于平坦频率信道的单载波调制。已经提出了使用1位DAC的OFDM系统在这一点上，BS天线的数量相当可观。分析的主要缺点是它受到抽样的限制。此外，BER和可达到的速率的影响还没有详细讨论。雅各布-森等人。已经使用DAC的过采样率表征了频率选择性信道的OFDM传输;基于Bussangs定理，他们开发了线性预编码器的表达式SINDR。利用这个表达式，得到了QPSK信令未编码误码率的表达式和可达到的和速率吞吐量的下限。Buzzi已经描述了频率选择性信道的OFDM传输的特征[28]尽管上述所有研究工作都集中在1比特DAC对于线性预编码器的适用性上可以注意到，从设计的角度来看，必须了解可能性的数量或可容忍范围[29]。从可达数据速率和信道可靠性的角度出发，可以方便地优化基站天线的数目。通过引入完善因子，可以得到一个2. 正在研究的问题形成的基本目标是关注不完美CSI场景的问题。在实际情况下，飞行员为康-Tebe et al in Eqs. （4）和（5）。因子的数量值由于不完美而产生的差异需要进一步研究。利用到达的值，不适合应用数学公式来获得用于与理想CSI条件进行比较的数字。可以指出，从设计的角度来看，必须了解可能性的数量或可容忍范围。从信道的可达数据速率和可靠性出发，可以方便地优化基站天线的数目。通过引入完美因子Eq. （9），可以导出一个综合公式Eq. （十三）、通常，在MIMO中，发送部分选择性地并且同时地向每个用户发送多个数据流和CSI。在返回链路中，接收器给出信道状态信息反馈，使得CSI被发射器接收。这种情况涉及具有完美CSI的传输。在每个用户处接收的信号具有由于用户间的额外噪声和干扰。值得注意的是，M。当M非常高时，能量效率将通过在任何数量的用户处使用最小功率来增加。当M与K相比是小的，发射功率应该是大的，以补偿由于较少的天线而没有被相干地服务的用户。此外，还有可能发生飞行员污染。在信道可靠性的临界值处，功率要求变高，并且在噪声的情况下，期望功率要求变高。可实现的和速率由下式给出：Rsum¼Klog21SINRk 1具有完美CSI的ZF的可实现和速率由下式给出：Rsum¼Klog1PdM-K log2污染、用户间干扰、硬件损伤、衰落或者衰老需要建立达到基站的最佳数量的方法。在不完全的情况下，必须强调完全和非完全之间的区别，其中M是BS天线的具有完美CSI的MRT的可实现的和速率由下式给出：初始阶段。考虑到实际情况，必须RQM为能源效率和可实现的数据速率提供平台。 在这一阶段，需要对基站天线数量优化方面的早期研究进行一些阐述。总和：千分之一对数2½1千分之一[千分之一1千分之一]千分之三取信道可靠性2;R和可以表示为大量的基站天线可能不会改善由于信道估计的恶化而导致的容量PZF2K½=In2Rsum[-1]2ln2R总和ð4Þ老化是由于时间的变化。在基站处使用不完美CSI检测到的来自用户的数据是干扰的关键因素。决定天线的数量由于老化饱和，MSE为PMRTeM-Kk 1-e1-eK ÞK½eIn2Rsum[0.01]5当基站天线的数量大于用户的数量时，在下行链路中增加。与信道的可用持续时间相比，训练持续时间的比率增加，使得如果该因子随着SINR增加而增加可实现的速率可以利用这些边界条件来优化：（1）和（2）。信道估计误差和干扰分量降低了可实现的和速率。大量的基站天线增加了训练持续时间并减少了可用时间。最大使用的帧持续时间是基站天线老化和用户数量的函数。需要制作用于确定帧持续时间的天线的子组。可实现的频谱效率是决定基站天线数量恒定的重要因素。3. 拟议方法d¼K½1-[2Rsum][2 M][2M][1]临界可靠度定义了可靠和率。他们注意到，增加可靠性并不总是降低功率，只有在超过2 c后功率才会降低。在一些情况下c= 0.47，该值随M的增大而减小。还注意到，随着K的增加而减小。在这个阶段，重要的是审查基站与用户的比率的条件。还注意到，随着值的增加，Pd增加到某个点，然后减小。这意味着功率降低的条件需要最小的可靠性因子，该可靠性因子又取决于BS天线的数量“M”以及小区“K”的用户的数量。在此阶段，需要确定最佳BS数量，以缓解随着2的增加而引起的Pd的初始升高。对于完美CSI和ZF预编码，P1本研究建立设计方程式来计算基站天线、用户设备和可达数据速率的实际需求，而可达数据速率直接关系到频谱效率。检查P1¼K½=In2Rsum[-1]M·K围绕基站天线的优化的查询的因素的复杂性，通过仔细检查P.I.对于EQ。（2）作为不BS天线的增加，P1减小为了使下行链路发射功率随着2的减小而实际减小，以避免初始上升对于极限情况，Pd趋近于P1.作为ð6Þ854毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851p22ln2Rsum212-¼[1-1 -2 Rsum]Þ22 2ln2Rsum-马林ð- -2估计的可靠性从零开始增加，总下行链路发射功率增加到Ec，然后减小。临界信道可靠度的值取决于M和K。对于完美案例，功率是k½eln2Rsum-1]表1临界可靠性的变化。结构临界可靠度的ZF法MRT法的临界可靠度M-K7对于不完美的情况，分子是相同的，但分母是[1，0]e2M-Kk1-e21-eln2Rsum8K从CSI模拟来看，完美CSI给出了更高的价值。所以，（Denominator）imperfect >（Denominator）perfect取p为完美度，完美度被定义为不完美度与表2完美与不完美完美的比例主要提出了优化大规模MIMO中基站天线数目和减小CSI中信道估计误差的方法。0 p 1（接近1），如果1¼qe2M-Kk1-e21-eln2RsumM-KM-Kq9克尔克山口e-q Þ ¼0ð10Þ2M K K1eln11α2-q βKM1e2RsumK-11/4-βe2-q12-e[K]12β e4.1. 可达和速率与信道可靠性针对不完全信道状态信息的性能，比较了可达和速率和信道可靠性。对信道的可达速率和可靠性因子进行了优化M. 在信道可靠性方面，理想CSI和非理想CSI是相等的在该临界点之后，功率需求降低从模拟计算出的完美度，并纳入到ME1K1/2-q1/2-e2Rsum中文（简体）方程根据表1，对于K = 12的固定值，当M的值从100变化到300时，发射功率降低，并且临界可靠性降低。在上述等式（13）中，αe-1β为阴性e-q½1-eK]为负数用于在大规模MIMO系统中实现完美因子的逐步过程：● CSI的估计采用MMSE估计器。● 计算信道矩阵H、误差矩阵E和信道可靠性e。e越小，信道的可靠性越好。● 计算可计算的和率R和利用Rsum和e计算Imperfect CSI的发射功率Pd通过引入完善度因子，计算发射功率Pd新的公式得出结论，当信道可靠性等于临界可靠性时，发射功率减小。4. 结果和讨论该系统是单小区下行链路大规模MIMO系统，其中部署在基站处的M个天线的数量服务于K个用户。这K个用户设备终端位于小区区域内。考虑瑞利衰落信道，信道矩阵的元素按（0，1）同已经进行了仿真，并且第一仿真结果是下行链路发射功率如何随着信道可靠性而减小数据吞吐量考虑为20 bits/s/Hz。如表1所示，临界可靠性的值在29至55的范围内。表2中的不完美值在高于某个限值时会降低使用ZF时，稳定性从0.47降低到0.29，使用MRT时，稳定性从0.5降低到0.29。还观察到MRT性能优于ZF。对于M = 100，当K从13变化到18时，使用ZF时信道可靠性从0.41变化到0.45，使用MRT时信道可靠性从0.49变化到0.45。从这两种配置中，基站处的发射功率降低，这提高了能量效率，并且进一步提高了频谱效率，这又降低了发射功率的数量。并且数据速率被增强。针对完美情况和不完美情况两者测试M。对于完美情况，当趋于1时，即发射功率取决于M和K而增加的不完美条件，通常当趋于0时发射功率更高，并且对于不完美情况，通过增加K，对功率有负面影响，因为附加功率所需的功率传统用户将提高降低能源效率。从表2中，当天线的数量从2增加到14时，通过完美CSI获得的值从5增加到27，并且在不完美条件下获得的值被取为比率，并且发现离散因子从96%变化到87%。由此可以推断，随着差异因子的减小，信道估计误差将减小，SNR将增加。4.2. 能源效率计算了信道状态信息在非理想CSI下的能量效率从不完美CSI的模拟中推断出以下 比较图关于能量效率，可以注意到，与不完美CSI相比，在完美CSI的情况下能量效率更高。这与一般工程师的看法相吻合，即不完善的CSI会破坏效率。还示出了对天线数量的依赖性;如何-●●●lnK = 12M = 1000.470.52K = 12男= 2000.350.37K = 12男= 300人0.290.29K = 13M = 1000.410.49K = 15M = 1000.460.47K = 18M = 1000.450.45M = 2完美不完善差异因子254.8百分之九十六4109百分之九十61512百分之八十82016百分之八十102218百分之八十122421百分之八十五142724百分之八十七毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851855图二、ZF处理的能效，Perfect CSI下的单电池图3.第三章。在Perfect CSI下通过MRT/MRC处理实现能源效率图四、不完美CSI下ZF处理的能效这是第二重要的。图图6和图9示出了能量效率值也与平均功率和天线数量有关。在现阶段，除了比较趋势外，这种观察对比较整体格局的价值有限。从图在图7-10中，发现了区域吞吐量和天线的数量。由于频谱效率与吞吐量有关，因此品质因数有利于完美模型。表3和表4示出了在完美和不完美条件下ZF和MRT处理的能量效率的差距，并且发现不完美和完美条件之间的平均差距刚刚超过10%。图五、 单电池的EE值比较见图6。功率射频与辐射天线的比较。见图7。 不同导频复用因子下的区域吞吐量比较。856毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851表3零频率处理的能效差距。能源效率百分比的差距不完善完美82224百分之九102427百分之十二122730百分之十一表4MRT处理的能源效率差距。能源效率百分比的差距不完善完美82427百分之十二103134百分之十123640百分之十一见图8。 能源效率与零力处理，多细胞，试点重用4.见图9。射频功率和天线辐射功率的比较。图10个。具有ZF和MRT处理的单个小区的面积吞吐量从表3中，随着天线的数量从8增加到12，计算了完美和不完美条件下的能量效率差距，并且对于ZF，百分比差距从9%变化到11%。这表明能源效率有所提高。根据表4，当天线的数量从8增加到12时，计算在不完美和完美CSI下的能量效率差距，并且对于MRT处理，百分比差距从12%减小到11%。从表3和表4推断出能量效率增加和发射功率降低。图2示出了在理想CSI下的能量效率及其与用户数量K和天线数量M的关系。图3示出了在完美CSI下MRT和MRC的类似参数。 4是不完美CSI的相似参数的表示。 图图6示出了具有各种重用因子的不完美CSI的平均功率对天线数量。图7给出了针对不同导频重用因子的区域吞吐量与M的比较。图8给出了针对ZF多小区和导频重用为4的EE。图9示出了用于完美和不完美CSI的平均功率与天线数量M的关系。图10给出了区域吞吐量和天线数量M。图11给出了不同用户的发射功率，可实现的总速率为20比特/秒/Hz。从图5，随着天线的数量从0逐渐增加到20，能量效率指数地增加，并且它达到35比特/焦耳，这最大化了区域吞吐量，并且以更少的等待时间产生高数据速率。 从图 6、数量图十一岁不同强度用户的发射功率值，R = 20 Bit/Sec/ Hz。毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）85185722C天线数从0逐渐增加到20，在不完美CSI下，平均功率随着导频复用因子的不同而降低，降低了功耗，提高了能量效率。从图7中，随着天线的数量从0逐渐增加到20，在不完美CSI下，对于不同的导频重用因子，平均吞吐量从0增加到10，这提高了能量效率，提供了均匀的用户速率。从图9中，随着天线的数量从0逐渐增加到20，观察到完美CSI和不完美CSI的平均功率，并且降低了完美CSI的平均功率，这提高了能量效率。高能效提供更好的覆盖范围和更均匀的用户速率。 从图 10时，随着天线数从0逐渐增加到20，观察到理想CSI和不理想CSI的平均吞吐量，平均吞吐量从0增加到70 Gbit/ s/km 2，提高了SINR。4.3. 基站数量优化在MIMO系统中对该方法进行了测试，计算出了最优解的完美度因子的基站。考虑完美因子，M的值被重新计算为：表5给出了根据参考文献计算的M的最佳值的比较[14]方程和新方程，其结合了用于各种可实现的数据速率和用户数量的完美因子K.当趋于1（不完美）时，发射功率取决于M和K而增加，通常当趋于0时发射功率更高，并且对于不完美情况，通过增加K，对功率有负面影响，因为额外用户所需的功率将提高降低能源效率。当利用最佳值时，下行链路中的发射功率连续减小，使得单元更功率有效。在M的控制方程中使用p因子进一步减少了所需的基站天线数量可以注意到，在2=2c的精确值处，p因子的值变为1。月2日以后>2c，完美情况下的读数高于不完美情况，示出了在2 = 2 c之后，功率需求降低。e2=0：22的值与观察到的理想和不理想CSI条件之间的差异有关，约为20%。在求出理想情况与非理想情况的平均偏差后，对Tebe提出的M公式进行了修正。根据新值计算出M的修正值，并在表5中给出。可以看出，Tebe的旧方程和我们的新方程产生了类似的结果，主要特点是新方程产生的值小于旧方程。这是按照完美CSI的预期行为，并且这证明我们的修改在具有不同K值的各种数据速率下是鲁棒的和两个观察结果是功率需求对于最优较小关键可靠性值发生对于K值为20，它是0.52，对于30，它是0.51. 取平均值为0.5，并使用使用完美因子方程的方程，最佳值可以显示为较低，如前所示在所提出的方法有一个显着的收敛性。信道可靠性的临界值在50%左右K值的总体值较高意味着临界值表5M.数据速率KTebe方程参考[14]使用完美因子的新方程20位/Hz12393720位/Hz20403830bits/Hz25585435位/Hz306865略有减少。这是根据从tebe图表获得的控制方程表的值也合作。5. 结论在本文中，最佳数量的基站天线已制定保持完善因素的CSI在修改现有的控制方程。通过仿真和取平均值的方法比较了不完善CSI和完善CSI的情况结果显示，改善高达10%。在公式中加入了可靠性因素，并建立了可靠性因素与完善度的关系这些都有助于设计合适的MIMO系统，选择最佳的基站天线数目，使功率需求随着可靠性的增加而单调下降。对各种情况下的理想CSI和非理想CSI进行了比较，得出了非理想CSI的平均随着K值的增加，下行链路功率明显下降，这与已发表的工作是区域吞吐量和频谱效率的关系更确切地说是保持基站密度特征相同的比例引用[1] 采用1位DAC和线性预编码的OFDM下行链路，收录于：GLOBECOM 2017- 2017IEEE全球通信会议，pp.1比6 IEEE，2017.[2] Sven Jacobsson ， Giuseppe Durisi ， Mikael Collivan ， Ulf Gustavsson ，ChristophStuder，低分辨率ADC对大规模MIMO上行链路的吞吐量分析，IEEETrans. 无线通信 16（6）（2017）4038-4051.[3] 托 马 斯 ·L. Marzetta， 具 有 无 限 数 量 基 站 天 线 的 非 协 作 蜂 窝 无 线 ， IEEETrans.Wireless Commun. 9（11）（2010）3590- 3600。[4] AmodhKantSaxena ， InbarFijalkow ， AmineMezghani ， A.LeeSwindlehurst，多用户大规模MIMO下行链路的一比特量化ZF预编码分析，2016年第50届Asilomar信号，系统和计算机会议，IEEE，2016年，pp.758-762。[5] L.Chu ， F. 温 ， R.C.Qiu ， Eigen-InferencePrecodingforCoarselyQuantizedMassive MU-MIMO System With Imperfect CSI，IEEE Trans. Veh.第68（9）（Sept. 2019年）8729-8743。[6] J. Zeng，T.吕河，巴西-地P. Liu，X.苏湾，加-地C. Norman，Y. J. Guo，在URLLC中具有不完美CSI的大规模MU-MIMO的线性最小错误概率检测，IEEE Trans. VehicularTechnol.[7] L.杜湖，澳-地Li，P. Zhang，D.苗山Z. Liu，不完美CSI和不准确功率缩放因子下的向量扰动预编码，IEEE Access 7（2019）89162-89171。[8] S. Zarei，W.H.格斯塔克河Weigel，M.沃谢克河Schober，Robust MSE-BalancingHierarchical Linear/Tomlinson-Harashima Precoding for DownlinkMassive MU-MIMO Systems，IEEE Trans. Wireless Commun. 17（11）（Nov. 2018）7309-7324。[9] C. Zhang，H.杜，Z.吴，可见光通信中基于稀疏性的信道估计，在：2018 IEEE/CIC中国国际通信会议（ICCC），北京，中国，2018年，pp.126-130[10] Jacobsson ， Sven ， Giuseppe Durisi ， Mikael Collivan ， Christoph Studer ，Massive MU-MIMO-[11] 放大图片作者：Jedda，Hela，Josef A.Nossek，Amine Mezghani，1位大规模MIMO系统中的最小BER预编码1-5. IEEE，2016.[12] João Guerreiro，Rui Dinis，Paulo Montezuma，大规模MIMO系统中1位数模转换器的使用，Electron.Lett。52（9）（2016）778-779。[13] Bussgang，Julian Jakob，幅度失真高斯信号的互相关函数。（1952年出版）。[14] Parfait ， Tebe ， Yujun Kuang ， Kponyo Jerry ， Performance analysis andcomparison of ZF and MRT based downlink massive MIMO systems ， in ：Ubiquitous and Future Networks （ ICUFN ） ， 2014 Sixth International Confon，pp. 383-388. IEEE，2014年。[15] 帕尔费岛放大图片作者：Tebe，Yujun Kuang，Kwasi A. Opare，Jerry J. Kponyo，The effect ofchannel estimation errors on the energy efficiency of downlink massiveMIMOsystems ， in ： Ubiquitous and Future Networks （ ICUFN ） ， 2015SeventhInternational Conference on，IEEE，2015，pp. 963- 968[16] 帕 尔 费 岛 放 大 图 片 作 者 ： Tebe ， Yujun Kuang ， Kwasi A. Opare ， Jerry J.Kponyo ， The optimalnumber of base station antennas in an energy efficientdownlink massiveMIMO system，in：Communication，Networks and Satellite（COMNESTAT），2015 IEEE International Conference on，IEEE，2015，pp.105- 110[17] 钱德拉·里布·乔普拉穆尔蒂，哈尼亚。Suraweera，Erik G. Larsson，信道老化下FDD大规模MIMO系统的性能分析，IEEE Trans. 无线通信 17（2）（2018）1094-1108。[18] 马旭，杨芳，刘思聪，宋健，韩祝，毫米波通信训练序列的设计与优化：一种新的858毛勒 Ramisetty， S.K. Chennupati /工程 科学 和 技术， 一个 国际 杂志 23 （2020）851大规模MIMO中的信道估计，IEEE J.Sel.Areas Commun. 35（7）（2017）1486-1497。[19] M.M. Sande，B.T. Maharaj，大规模MIMO系统中下行链路传输的高效鲁棒波束成形，2018年IEEE第87届车辆技术会议（VTC Spring），pp.一比五IEEE，2018年。[20] Kumar，Varun，Poonam Singh，Sarat Kumar Patra，协作网络中不完美CSI的大规模天线1-6. IEEE，2018年。[21] 蔡智勋，宋忠根，Jingon Jingdong，基于迫零的多用户MIMO系统无线供电信息传输，IEEE Trans. Veh. 技术67（9）（2018）8561-8570。[22] 李全忠，杨良，基于人工噪声辅助的MIMO不可信双向中继系统的安全预编码，IEEE Trans. INF. 法医安全 13（10）（2018）2628-2638。[23] P.G.放大图片作者：J. Muthuchidambaranathan，不完美CSI对基于多高空平台通信的干扰对准的影响，Phys.Commun。29（2018）336-342。[24] 放 大 图 片 作 者 ： AbhishekAgrahari ， PulkitVarshney ， AdityaK.Jagannatham，多用户MIMO-OFDM认知无线电系统中的预编码和下行链路波束成形，IEEE Trans. Veh。技术67（3）（2018）2289-2300。[25] Prince Anokye ， Roger Kwao Ahiadormey ， Changick Song ， Kamp-JaeLee，异构蜂窝网络中大规模MIMO全双工无线回程链路的可扩展和速率分析，IEEE Access 6（2018）23456[26] Emil Björnson，Jakob Hoydis，Luca Sanguinetti，Massive MIMO Networks：Spectral，Energy，andHardwareEfficiency，FoundationsandTrends®SignalProcessing 11（3[27] 作者：Hien Quoc Ngo，Erik G.托马斯·拉尔森Marzetta，超大型多用户MIMO系统的能量和频谱效率，IEEE Trans.Commun。61（4）（2013）1436-1449。[28] 斯特凡诺布齐岛放大图片作者： ThierryE. Klein ，H. Vincent Poor，杨晨阳，Alessio Zappone，5G网络节能技术调查和未来挑战，IEEE J。选档地区Commun.34（4）（2016）697-709。[29] Alessio Zappone，Eduard Jorswieck，Energy efficiency in wireless networksviafractionalprogrammingtheory ， FoundationsandTrends®inCommunications and Information Theory 11（3-4）（2015）：185-396。