毫米波大规模多输入多输出(MIMO)系统具有更多的射频链路, 带来更大的功耗, 接收端使用低分辨率模数转换器(ADC)可有效解决功耗高的问题。针对低分辨率ADC引起接收信号幅度失真, 进而影响信道估计准确性的问题, 文章提出了一种基于优化的两阶段毫米波信道估计算法。第1阶段, 根据量化后的接收信号确定采样后的接收信号取值范围, 并将其作为约束条件构造优化问题, 利用l1范数衡量向量稀疏度估计波达方向; 第2阶段, 根据估计的波达方向, 使用Bussgang分解模型近似非线性量化过程, 得到信道复增益的最小二乘估计。仿真结果表明, 所提算法准确性比目前最先进的算法提升了约5 dB, 且算法复杂度降为线性。由此可见, 所提算法在有效性和可靠性方面均有较大提升, 具有实用价值。

针对大规模多输入多输出(MIMO)系统中线性最小均方误差(MMSE)信号检测算法复杂的高维矩阵求逆难以用于实际工程的问题,文章基于矩阵分块思想并结合Neumann级数展开算法,提出了一种低复杂度的混合迭代算法。利用MMSE算法中加权矩阵逆矩阵的Neumann级数二阶展开作为其分块矩阵求逆的迭代初始值,可以有效提高算法收敛速度。仿真结果表明,该方法能以较少迭代次数逼近传统MMSE算法较优检测性能,并降低计算复杂度。

最小均方误差(MMSE)检测器在大规模多输入多输出(MIMO)系统中实现了较优的误码率(BER)性能,但其涉及高复杂度的大规模矩阵求逆运算,因此对硬件要求很高。针对这一问题,文章提出了一种预处理的广义加权高斯赛德尔(GS)(GW-PGS)迭代算法。在该算法中,首先提出了基于预处理的初始化方案,在不增加额外复杂度的情况下加快了收敛速度。此外,文章还提出了自适应的加权因子方案。实验结果表明,与传统GS算法相比,文章所提算法能够有效降低BER和计算复杂度。

针对毫米波和传统蜂窝频段场景下频谱效率和传输可靠性较低的问题，文章提出了一种三维散射簇多天线信道模型以分析大规模多输入多输出(MIMO)系统性能。文章假设仰角和方位角分别遵循拉普拉斯和Von-Mises分布，推导出均匀平面阵列天线各单元之间空间相关系数的解析表达式，最后建立MIMO多天线系统模型并分析其系统性能。研究了仰角功率谱中不同角度扩展对均匀平面阵列衰落相关性和信道容量的影响，以及不同信噪比和天线阵元数对频谱效率的影响。分析结果与传统的均匀线性阵列进行比较表明，在毫米波场景下，均匀平面阵列比均匀线性阵列更适用于大规模MIMO系统，这使未来的移动网络工作在不同频段和蜂窝小区成为可能。

透镜天线阵列下毫米波大规模多输入多输出(MIMO)系统通过波束选择可以大大减少所需的射频链数目, 解决系统硬件成本和能耗过高的问题, 然而, 波束选择需要基站端获取准确的信道状态信息。对此, 文章首先利用波束空间的结构特性, 采用基于支持检测(SD)的信道估计方案, 以较低的导频开销和计算复杂度对大尺寸信道进行更加可靠的估计；其次受仿生学中蚁群优化(ACO)算法的启发, 文章提出了一种基于SD估计信道的ACO波束选择方案, 该方案既能有效地避免用户间波束的干扰, 又能最大限度地提高系统和速率；最后, 仿真结果表明, 该方案能够得到计算复杂度显著降低的近优解, 在提高系统和速率方面优于现有方案。

大规模多输入多输出（MIMO）系统中，随着天线数目的增加，传统的信号检测算法的检测性能大幅度下降，复杂度呈指数增长。为了解决天线过多带来的复杂度问题，文章基于邻近搜索思想提出一种似然判定准则，作为搜索树分支策略。首先，构造二次规划模型，将其作为搜索树根节点，然后，寻找目标函数值最小的节点作为分支节点，最后将判定准则运用于分支节点降低分支复杂度。在调制阶数为4的正交幅度调制，误比特率达到10-4时，文章提出的似然搜索树检测算法与传统搜索树算法相比，性能增益提升了约1.5 dB，复杂度降低了69.84%。仿真结果表明，在大规模MIMO场景下，文章提出的算法表现出了良好的性能及较低的复杂度。

第五代(5G)移动通信系统大规模多输入多输出(MIMO)技术利用信道硬化理论, 采用消息传递检测(MPD)算法实现了良好的检测性能。但是由于MPD算法的计算复杂度随调制阶数和用户天线数的增加而增加, 在实际的大规模MIMO系统中难以有效实现。概率近似-消息传递检测(PA-MPD)算法可以减少原始MPD算法的计算复杂度。文章将提前终止迭代过程和更新部分符号概率的策略应用于MPD算法迭代过程中, 提出了一种选择性更新-消息传递检测(SU-MPD)算法, 从而降低了MPD算法的计算复杂度。仿真结果表明, 在各种天线配置下SU-MPD算法的计算复杂度最大限度可降低为MPD算法的19%和PA-MPD算法的50%, 且不降低算法的检测性能。

大规模多输入多输出（MIMO）技术是5G的关键技术之一，由导频资源有限引起的导频污染是制约其发展的主要瓶颈之一，为此必须对宝贵的导频资源进行合理地分配以减小导频污染。已有的导频分配方案大多考虑静态导频分配，无法很好地适应用户位置不断变化的移动通信环境。文章针对大规模MIMO系统中用户移动时的导频分配问题，提出了一种动态迁移导频分配方法。该方法在两个相邻时隙间仅针对移动幅度较大的用户进行额外的导频优化，根据分配方案选择一个用户与之进行导频交换，对于其他的用户不改变原分配导频。复杂度分析及仿真结果表明，该算法相较于传统的导频分配方法可以显著地降低计算复杂度，并且与传统的导频分配方法具有相近的频谱效率，具有较高的实用价值。

在大规模多输入多输出(MIMO)系统中，当用户数与基站(BS)天线数相当时，线性检测算法的性能很不理想。文章从非线性检测入手，提出一种格基约减(LR)辅助的贪心球形译码算法。通过格基约减算法辅助QR分解来获取更优的正交基并采用贪心策略改进球形译码算法，将每次欧式距离(PED)最小的符号作为根节点向下搜索，更高效地缩减了搜索树节点。理论分析及仿真结果表明，所提算法具有复杂度低且收敛速度快的特点，当系统误码率为10-4时，所提算法相较于线性算法有3~10 dB的性能提升。并且算法在一定程度上降低了近来所提出LR-K-Best算法的复杂度，具有较高的工程应用价值。