多小區(qū)大規(guī)模陣列天線系統(tǒng)盲解碼算法

嚴(yán)斌彬 ，沈雷 ，，姜顯揚(yáng) ，韓煜

（1.杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018；2.中國(guó)電子科技集團(tuán)公司第36研究所通信系統(tǒng)信息控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，浙江 嘉興 314001）

多小區(qū)大規(guī)模陣列天線系統(tǒng)盲解碼算法

嚴(yán)斌彬1，沈雷1，2，姜顯揚(yáng)1，韓煜2

（1.杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 310018；2.中國(guó)電子科技集團(tuán)公司第36研究所通信系統(tǒng)信息控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，浙江 嘉興 314001）

針對(duì)多小區(qū)大規(guī)模陣列天線系統(tǒng)中干擾小區(qū)的導(dǎo)頻復(fù)用造成的導(dǎo)頻污染和解碼性能下降問(wèn)題，提出了基于ICA（獨(dú)立分量分析）盲解碼算法。所提盲解碼算法，利用ICA法對(duì)接收多小區(qū)用戶信號(hào)進(jìn)行分離解碼，不需要發(fā)射導(dǎo)頻序列，避免了導(dǎo)頻污染，提高了解碼性能。所提盲解碼算法在解碼過(guò)程中同時(shí)估計(jì)各個(gè)用戶波達(dá)方向，利用波達(dá)方向信息克服ICA方法分離順序的不確定性，識(shí)別期望用戶的信號(hào)。理論分析和仿真結(jié)果表明，所提盲解碼方法比廣泛應(yīng)用的MMSE解碼算法和最近提出的基于特征值的盲解碼方法具有更好的性能。

多小區(qū)；大規(guī)模陣列天線；盲解碼；獨(dú)立分量分析

1 引言

大規(guī)模天線系統(tǒng)作為下一代移動(dòng)通信的關(guān)鍵技術(shù)引起了很大的關(guān)注，其主要特點(diǎn)是，系統(tǒng)的基站裝備了數(shù)量巨大的天線，終端使用單根天線，多個(gè)終端可以同時(shí)同頻跟基站進(jìn)行通信［1，2］。大量文獻(xiàn)研究表明，如果信道信息已知，采用簡(jiǎn)單的線性解碼，比如廣泛應(yīng)用的MMSE解碼或者ZF（zero forcing，迫零）解碼，大規(guī)模天線系統(tǒng)可以提供很高的傳輸效率和能量效率。如果信道信息未知，大規(guī)模天線系統(tǒng)的性能快速下降［3］。在上行信道中，信道信息都是通過(guò)導(dǎo)頻訓(xùn)練序列進(jìn)行估計(jì)的。也就是終端發(fā)射預(yù)編碼的訓(xùn)練序列，基站接收到信號(hào)時(shí)對(duì)信道信息進(jìn)行估計(jì)。為了保證估計(jì)的精度，導(dǎo)頻訓(xùn)練序列一般被設(shè)計(jì)成正交序列。實(shí)際通信中，基站需要同時(shí)同頻服務(wù)多個(gè)用戶，這種正交性需要消耗更多的導(dǎo)頻序列。特別是，在多小區(qū)大規(guī)模天線系統(tǒng)中，如果采用正交導(dǎo)頻序列，大量的用戶數(shù)量會(huì)要求用戶端發(fā)射更長(zhǎng)的導(dǎo)頻序列，從而降低傳輸效率。為了降低用戶終端發(fā)射的導(dǎo)頻序列長(zhǎng)度，在多小區(qū)大規(guī)模天線系統(tǒng)中，干擾小區(qū)一般采用導(dǎo)頻復(fù)用，也就是干擾小區(qū)發(fā)射與期望小區(qū)相同的導(dǎo)頻序列，但是這會(huì)嚴(yán)重降低信道信息估計(jì)的精度，從而影響大規(guī)模天線系統(tǒng)的性能。這個(gè)現(xiàn)象叫做導(dǎo)頻污染［4，5］。

為了提高多小區(qū)大規(guī)模天線系統(tǒng)的性能，各種方法已被提出來(lái)降低導(dǎo)頻污染［6-12］。參考文獻(xiàn)［6］通過(guò)改變不同用戶中導(dǎo)頻序列在數(shù)據(jù)幀中的位置，從而降低信道估計(jì)時(shí)來(lái)自干擾小區(qū)用戶的同頻干擾，提高信道估計(jì)精度。但是這種方法需要嚴(yán)格的時(shí)隙控制，這一點(diǎn)在多小區(qū)系統(tǒng)中尤其困難。參考文獻(xiàn)［7］提出了大規(guī)模陣列天線下基于多小區(qū)協(xié)作的降低導(dǎo)頻干擾方法，利用多小區(qū)交互估計(jì)得到的信道信息，給具有不同空間特性的用戶分配相同的導(dǎo)頻序列來(lái)降低導(dǎo)頻干擾。以上解碼方法，都需要終端發(fā)射訓(xùn)練序列來(lái)估計(jì)信道信息，由于導(dǎo)頻污染，信道估計(jì)不準(zhǔn)，解碼性能下降。參考文獻(xiàn)［8-10］提出了基于 SVD（singular value decomposition，奇異值分解）盲解碼方法，把接收信號(hào)看成用戶信息在不同子空間的投影，利用接收信號(hào)的樣本協(xié)方差來(lái)估計(jì)信道信息，避免了終端發(fā)射導(dǎo)頻序列。基于SVD盲解碼方法嚴(yán)重依賴于大規(guī)模天線的信道漸進(jìn)正交性和嚴(yán)格的功率控制。如果天線規(guī)模不是很大，信道的正交性無(wú)法滿足，或者非期望用戶的功率接近期望用戶，基于SVD的盲解碼方法性能下降。參考文獻(xiàn)［11，12］提出了多小區(qū)大規(guī)模獨(dú)立天線中基于獨(dú)立分量分析 （independent component analysis，ICA）盲解碼方法，這種方法利用獨(dú)立分量分析法對(duì)接收到的投影在不同空間的信號(hào)進(jìn)行分離解碼，不需要終端發(fā)射導(dǎo)頻序列，也不需要嚴(yán)格的功率控制和信道正交性，具有良好的解碼性能。但是，參考文獻(xiàn)［11］只是針對(duì)大規(guī)模獨(dú)立天線下多個(gè)小區(qū)系統(tǒng)中，每個(gè)小區(qū)只有一個(gè)用戶的情況進(jìn)行了研究，參考文獻(xiàn)［12］是一個(gè)半盲ICA解碼算法，依舊需要導(dǎo)頻序列來(lái)克服盲源分離順序的不確定性，區(qū)分所有分離用戶。如果系統(tǒng)內(nèi)用戶（本小區(qū)和干擾小區(qū)所有用戶）數(shù)目增大，導(dǎo)頻序列數(shù)目也將增大，盲源分離后期望用戶識(shí)別準(zhǔn)確度下降，ICA盲解碼性能下降。

［7］提出的5G中大規(guī)模陣列天線模型，相比于大規(guī)模獨(dú)立天線模型，雖然降低了空間自由度的分集增益。但是參考文獻(xiàn)［7］證明，在陣列天線個(gè)數(shù)趨向無(wú)窮時(shí)，信道同樣趨于正交。同時(shí)，在陣列天線個(gè)數(shù)有限、波達(dá)方向估計(jì)準(zhǔn)確時(shí)，大規(guī)模陣列天線帶來(lái)的相干空間增益對(duì)克服導(dǎo)頻干擾和提高解碼性能具有很大幫助。本文提出了多小區(qū)大規(guī)模陣列天線MIMO （multiple input multiple output，多輸入多輸出）系統(tǒng)中的基于ICA盲解碼算法。所提出的盲解碼算法在不需要導(dǎo)頻訓(xùn)練序列的前提下，利用ICA算法對(duì)所接收到的信號(hào)進(jìn)行分離解碼和信道估計(jì)。相對(duì)于大規(guī)模獨(dú)立天線，在大規(guī)模陣列天線環(huán)境下，估計(jì)得到的信道信息中包含波達(dá)方向，利用波達(dá)方向信息對(duì)各個(gè)用戶進(jìn)行識(shí)別，不需要導(dǎo)頻序列來(lái)區(qū)分小區(qū)內(nèi)的各個(gè)用戶，克服了現(xiàn)有ICA盲解碼算法需要導(dǎo)頻序列來(lái)區(qū)分所有分離用戶的缺點(diǎn)。所提基于ICA盲解碼算法利用了大規(guī)模陣列天線的相干空間增益，提高了解碼性能。

這種基于ICA的盲解碼算法比廣泛應(yīng)用的基于MMSE的解碼算法［13］和最新提出基于 SVD 的盲解碼算法［8-10］具有更好的性能。理論分析和仿真結(jié)果表明了本文所提算法的有效性。

2 系統(tǒng)模型

在一個(gè)具有L個(gè)小區(qū)的大規(guī)模天線系統(tǒng)中，每個(gè)小區(qū)中的基站具有k根陣列天線。每個(gè)小區(qū)中的用戶個(gè)數(shù)為p，發(fā)射終端只有一根天線。這里假設(shè)在每個(gè)小區(qū)中，所有用戶到基站的上行信道服從瑞利衰落。不失一般性，在此假設(shè)第一個(gè)小區(qū)為期望小區(qū)，則這個(gè)小區(qū)中具有大規(guī)模陣列天線的基站在N次的采樣時(shí)刻接收到的基帶觀測(cè)矩陣可以表 示 為［7］：

其中，Y是K×N維的矩陣，表示基站K根天線接收到的 N 個(gè)采樣信號(hào)，ρ表示信噪比。S=［s1，1… s1，P… sL，1… sL，P］T是 LP×N 維的信號(hào)傳輸矩陣，這里 sL，P表示第 l個(gè)小區(qū)的第p個(gè)用戶到第一個(gè)小區(qū)基站傳輸?shù)男盘?hào)，假設(shè)信號(hào)是 BPSK 調(diào)制，sl，p∈{±1}。N0是 K 根天線采樣 N 個(gè)信號(hào)得到K×N維的高斯噪聲矩陣，矩陣中的每一個(gè)元素服從復(fù)標(biāo)準(zhǔn)高斯正態(tài)分布。

H表示從LP個(gè)用戶到第一個(gè)小區(qū)基站的信道矩陣，H是一個(gè)K×LP維的矩陣，第l個(gè)小區(qū)第p個(gè)用戶的信道向量 Hl，p可以表示為［7］：

其中，βl，p表示第l個(gè)小區(qū)的第p個(gè)用戶到期望小區(qū)基站的大尺度衰落因子，這里假設(shè) β1，1=1，βl，p≤1，l≠1，p≠1，p=1，…，P，l=1，…，L。hl，p表示第 l個(gè)小區(qū)的第 p 個(gè)用戶到陣列天線的小尺度衰落因子，hl，p～CN（0，1），l=1，…，L，p=1，…，P之間統(tǒng)計(jì)獨(dú)立，服從復(fù)數(shù)標(biāo)準(zhǔn)正態(tài)高斯分布。這里假設(shè)信道是慢衰落信道，也就是在一個(gè)觀測(cè)數(shù)據(jù)塊（N），信道衰落保持不變，不同的觀測(cè)數(shù)據(jù)內(nèi)，信道衰落改變。

表示第l個(gè)小區(qū)第p個(gè)用戶到期望小區(qū)基站的波達(dá)方向向量，θl，p表示l個(gè)小區(qū)第p個(gè)用戶到期望小區(qū)基站的波達(dá)方向。陣列天線由K個(gè)陣元組成，每根天線之間的距離是d，波長(zhǎng)是。

3 大規(guī)模陣列天線下基于ICA的盲解碼

為了對(duì)接收信號(hào)進(jìn)行解調(diào)，需要知道信道矩陣H的信息。在MIMO系統(tǒng)中，一般采用發(fā)射多小區(qū)復(fù)用的導(dǎo)頻序列的方法對(duì)信道進(jìn)行估計(jì)。這種方法會(huì)引起導(dǎo)頻污染，信道解碼算法性能下降。這里采用基于ICA的盲解碼算法，不需要導(dǎo)頻序列輔助，就可以對(duì)期望用戶的信號(hào)進(jìn)行解碼。

由于式（1）中的混合矩陣是復(fù)數(shù)形式，這里采用基于實(shí)數(shù)的快速定點(diǎn)ICA［14］方法對(duì)大規(guī)模天線接收到的信號(hào)進(jìn)行分離，式（1）中的接收信號(hào)Y可以表示如下：

3.1 白化過(guò)程

根據(jù)觀測(cè)矩陣 Y＇來(lái)估計(jì)其協(xié)方差矩陣 RY＇Y＇，即 RY＇Y＇=E{Y＇（Y＇）T}，將 RY＇Y＇特征值分解為：RY＇Y＇=UDUT，其中 U 為正交 矩 陣DN=diag{LP+1，LP+2，…，K}。 這里US為信號(hào)子空間，UN為噪聲子空間，D是特征值。由特征值分解的原理可知，高斯噪聲的存在只對(duì)特征值產(chǎn)生影響，而對(duì)特征向量沒(méi)有影響。對(duì)接收信號(hào)在信號(hào)子空間進(jìn)行投影，得到：

H＇=［Re（H）T，Im（H）T］T，白 化 矩 陣是一個(gè)正交矩陣，且是滿秩的。通過(guò)以上過(guò)程可知，方程（1）的維數(shù)從K維降到了上述方程的LP維。實(shí)際工作中通常用樣本協(xié)方差來(lái)代替理論協(xié)方差，即有

3.2 基于ICA的盲用戶信息分離和解碼

在式（4）中，當(dāng)信噪比較大時(shí)，DS-1／2USTN0會(huì)變得很小，忽略此項(xiàng)后得到X=AS。由于S中的每個(gè)分量都是均勻地取自某個(gè)固定的星座，與正態(tài)分布不一致，因而可以采用快速定點(diǎn)ICA算法分離各個(gè)用戶，從而得到用戶數(shù)據(jù)S。具體地說(shuō)，就是對(duì)接收到的信號(hào)進(jìn)行降維白化后，可以采用快速定點(diǎn)ICA算法進(jìn)行分離來(lái)得到用戶數(shù)據(jù)信息，也就是搜索一個(gè)正交矩陣 W=［w1w2… wLP］，使式（5）成立：

其中，Z=［z1z2… zLP］T為經(jīng)過(guò) ICA 算法后，對(duì)用戶數(shù)據(jù)信息S的估計(jì)。其中，當(dāng)不存在噪聲時(shí)，Z=S。此時(shí)，式（5）的搜索過(guò)程如下。首先，選擇分離向量初始值，然后采用式（6）進(jìn)行迭代：

其中，X是白化處理后的信號(hào)，非線性函數(shù) g（a）=a3。對(duì)式（6）進(jìn)行迭代處理直到收斂，則得到w1，即第一個(gè)分離向量。如果有多個(gè)分離向量，則需要對(duì)以上步驟重復(fù)進(jìn)行即可。為了避免重復(fù)得到同一個(gè)分離向量，在計(jì)算第p個(gè)分離向量時(shí)，對(duì)式（6）每迭代一次，就采用如下緊縮算法正交化一次：

其中，w1，w2，…，wp-1是已經(jīng)得到的前 p-1個(gè)分離向量。重復(fù)執(zhí)行式（7），直到搜索算法收斂，可以得到wp，即第p個(gè)分離向量。算法運(yùn)行直到p=LP，整個(gè)搜索算法結(jié)束。

可以看到基于獨(dú)立分量分析盲解碼在不需要導(dǎo)頻序列輔助的前提下，就可以將多小區(qū)系統(tǒng)中所有用戶信號(hào)分離開(kāi)來(lái)。并且由式（6）可知，可以通過(guò)增大觀測(cè)樣本值N來(lái)降低高斯噪聲的影響。

由式（4）和式（5）可以得到，當(dāng)搜索過(guò)程結(jié)束時(shí)，WTA=I，即式（8）成立：

式（8）中DS、US可以通過(guò)主分量分析算法得到，而W可以通過(guò)ICA算法搜索得到。由于信號(hào)子空間的能量遠(yuǎn)大于噪聲子空間的能量，由觀測(cè)矩陣Y的協(xié)方差矩陣RY＇Y＇近似可以得到：

聯(lián)合式（8）可以得到各個(gè)小區(qū)用戶的信道估計(jì)為：

其中，wl是正交矩陣W的第l個(gè)列向量。

在高斯噪聲情況下，通過(guò)ICA算法后可以得到用戶數(shù)據(jù)信息。把式（4）、式（8）代入式（5）可以得到各小區(qū)用戶信息估計(jì)為：

通過(guò)對(duì)式（11）進(jìn)行判決，可以得到各個(gè)用戶的信息sl。從上面的分析可以知道，本文提出的基于ICA的多小區(qū)大規(guī)模陣列天線盲解碼方法，在不需要導(dǎo)頻訓(xùn)練序列的前提下，就可對(duì)接收到的信號(hào)進(jìn)行分離來(lái)得到期望用戶的數(shù)據(jù)信息。這種基于ICA的盲解碼方法在對(duì)信號(hào)的處理過(guò)程中不會(huì)引入導(dǎo)頻污染，提高了解碼性能。同時(shí)由于不需要導(dǎo)頻序列，提高了傳輸效率。

4 基于用戶波達(dá)方向角估計(jì)的用戶識(shí)別

由于獨(dú)立分量分析算法分離順序的不確定性，無(wú)法區(qū)分各個(gè)分離出來(lái)的信息屬于哪個(gè)用戶。本文所提的盲數(shù)據(jù)解碼算法對(duì)信道和用戶信息同時(shí)進(jìn)行了估計(jì)，由于大規(guī)模陣列天線信道中包含了用戶波達(dá)方向向量，可以通過(guò)信道信息估計(jì)用戶的波達(dá)方向。通過(guò)用戶的波達(dá)方向角區(qū)分各小區(qū)的不同用戶，克服盲源分離方法分離的不確定性問(wèn)題，識(shí)別目標(biāo)用戶。

由式（2）和式（10）可知，通過(guò)盲源分離可以估計(jì)得到第l個(gè)小區(qū)第p個(gè)用戶的信道信息為，其中，表示波達(dá)方向估計(jì)誤差向量。估計(jì)得到信道中包含了接收信號(hào)的波達(dá)方向向量，通過(guò)在［0，2π］搜索來(lái)波方向估計(jì)波達(dá)方向角，可以表述為［15］：

5 仿真結(jié)果

為了驗(yàn)證所提算法的性能，這里對(duì)大規(guī)模陣列天線下基于ICA的盲解碼算法進(jìn)行了性能仿真。同時(shí)為了比較，對(duì)目前廣泛使用的基于MMSE解碼［13］和最近提出的基于SVD的盲解碼算法［8-10］性能也在相同環(huán)境下做了仿真。在信道未知時(shí)，信道估計(jì)采用MMSE估計(jì)算法［13］，信道估計(jì)中的導(dǎo)頻序列本小區(qū)用戶采用正交序列，而相鄰小區(qū)用戶導(dǎo)頻復(fù)用。每個(gè)小區(qū)基站的陣列天線長(zhǎng)度K=128，觀測(cè)數(shù)據(jù)塊長(zhǎng)度N=400，用戶波達(dá)方向在一個(gè)觀測(cè)數(shù)據(jù)塊之內(nèi)保持不變，但是不同觀測(cè)數(shù)據(jù)塊之間波達(dá)方向可變，變化角度為Δθ∈［-0.000 5°，0.000 5°］（根據(jù) 5G 工作環(huán)境假設(shè)信息速率為 1 Mbit／s，微小區(qū)半徑為r=2 km，則對(duì)應(yīng)的物體運(yùn)行速率為υ=150 km／h，相當(dāng)于汽車在高速公路上運(yùn)行，此時(shí)物體運(yùn)動(dòng)速率與變化角度相匹配［16］）。MMSE解碼方法中，信道估計(jì)采用MMSE估計(jì)。當(dāng)一個(gè)小區(qū)中用戶數(shù)為3時(shí)，期望小區(qū)用戶導(dǎo)頻序列為［1，0，0；0，1，0；0，0，1］，干擾小區(qū)采用導(dǎo)頻復(fù)用。

圖1給出了不同波達(dá)方向間隔下基于盲源分離算法的期望用戶識(shí)別概率仿真。仿真環(huán)境中小區(qū)個(gè)數(shù)L為3，每個(gè)小區(qū)有3個(gè)用戶，波達(dá)方向角度間隔分別為1°、1.2°、1.5°和 2°時(shí)。本小區(qū)用戶大尺度衰落因子為 1，干擾小區(qū)用戶大尺度衰落因子為0.5。由圖1可知，在相同信噪比時(shí)，隨著波達(dá)角度間隔的增大，期望用戶識(shí)別概率增加，波達(dá)角度間隔增大到 2°以上時(shí)，識(shí)別概率不再增加，這是由于波達(dá)角度間隔達(dá)到一定值以后，信號(hào)投影空間已經(jīng)張得足夠開(kāi)，白化過(guò)程和ICA分離性能不再有提高；在同一波達(dá)角度間隔下，隨著信噪比提高，期望用戶識(shí)別概率增加，但是信噪比大于5 dB后，識(shí)別概率趨近于0.994 0左右，這是由于在盲源分離后估計(jì)得到的波達(dá)方向向量存在誤差，而這誤差并不隨著信噪比的提高而趨向于0。

圖1 不同波達(dá)角度間隔下ICA盲解碼算法期望用戶識(shí)別概率

圖2給出了基于估計(jì)波達(dá)方向的ICA解碼算法與MMSE解碼算法性能比較，分別對(duì)波達(dá)方向角間隔θ為1°、1.2°和1.5°3個(gè)小區(qū)，每個(gè)小區(qū)3個(gè)用戶的情況進(jìn)行仿真。本小區(qū)用戶大尺度衰落因子為1，干擾小區(qū)用戶大尺度衰落因子為0.5。由圖2可知，本文提出的盲解碼方法性能明顯優(yōu)于傳統(tǒng) MMSE解碼方法［17］。這是由于傳統(tǒng)的MMSE解碼方法需要進(jìn)行信道估計(jì)。但是由于導(dǎo)頻復(fù)用導(dǎo)致的導(dǎo)頻污染的存在，使得信道估計(jì)準(zhǔn)確度不高，從而降低了MMSE解碼性能。本文提出的基于ICA的盲解碼方法不需要訓(xùn)練序列，避免了導(dǎo)頻污染，提高了解碼性能。

圖2 不同波達(dá)方向間隔下盲源分離解碼方法與MMSE解碼方法性能比較

圖3給出了相同波達(dá)方向間隔時(shí)，每個(gè)小區(qū)內(nèi)用戶數(shù)P為3，小區(qū)數(shù)L為2，基于ICA盲解碼方法與基于SVD盲解碼方法在不同干擾功率條件下的性能比較。仿真中本小區(qū)用戶大規(guī)模尺度衰落都為1?？梢钥吹交贗CA的盲解碼方法比最近提出的基于SVD盲解碼方法具有更好的性能。這是由于基于SVD的盲解碼方法嚴(yán)重依賴于信道的正交性和嚴(yán)格的用戶功率控制。如果非期望用戶的功率與期望用戶功率相近，SVD盲解碼方法無(wú)法區(qū)分期望用戶和非期望用戶，解碼性能快速下降。本文提出的基于ICA的盲解碼利用大規(guī)模陣列天線信道中包含的波達(dá)方向區(qū)分不同的用戶，即使非期望用戶的功率與期望用戶的功率接近，基于ICA的盲解碼方法依舊具有良好的性能。

圖3 干擾小區(qū)功率對(duì)ICA盲解碼方法與SVD盲解碼方法性能的影響

6 結(jié)束語(yǔ)

本文提出了多小區(qū)大規(guī)模陣列天線下基于ICA盲解碼方法，所提盲解碼方法利用獨(dú)立分量分析法對(duì)接收到的多小區(qū)用戶信號(hào)進(jìn)行分離解碼，不需要導(dǎo)頻序列，降低了導(dǎo)頻污染，提高了解碼性能。理論分析和仿真結(jié)果表明，由于克服了導(dǎo)頻污染，所提基于ICA盲解碼方法比廣泛應(yīng)用的基于導(dǎo)頻序列輔助的MMSE解碼具有更好的性能。同時(shí)，基于ICA的盲解碼方法比最近提出的基于SVD盲解碼方法具有更好的性能。

參考文獻(xiàn)：

［1］MA J J，LI P.Data-aided channel estimation in large antenna systems［J］.IEEE Transactions on Signal Processing，2014，62（12）：3111-3124.

［2］WANG H Q，PAN P，SHEN L，et al.On the pair-wise error probability of a multi-cell MIMO uplink system with pilot contamination ［J］. IEEEE Transactions on Wireless Communications，2014，13（10）：5797-5811.

［3］LU L，LI G Y，SWINDLEHURST A L，et al.An overview of massive MIMO：benefits and challenges ［J］.IEEE Journal on Selected Topics Signal Process，2014，8（5）：742-758.

［4］顧浙騏，張忠培.大規(guī)模MIMO時(shí)分雙工系統(tǒng)的基站天線互易校準(zhǔn)算法［J］.電子與信息學(xué)報(bào)，2015，37（2）：405-410.GU Z Q，ZHANG Z P.Reciprocity calibration for base station antenna in massive MIMO time division duplex systems［J］.Journal of Electronicsamp;Information Technology，2015，37（2）：405-410.

［5］李小武，唐錕.大規(guī)模MIMO與小型蜂窩基站的異構(gòu)網(wǎng)絡(luò)研究［J］.信號(hào)處理，2016，32（2）：237-243.LI X W，TANG K.Research on heterogeneous networks based on massive MIMO and small cells ［J］.Journal of Signal Processing，2016，32（2）：237-243.

［6］ APPAIAH K， ASHIKHMIN A， MARZETTA T L.Pilot contamination reduction in multi-user TDD systems［C］／／IEEE ICC，May 23-27，2010，Cope Town，South Africa.New Jersey：IEEE Press，2010：1-5.

［7］YIN H F，GESBERT D，F(xiàn)ILIPPOU M，et al.A coordinated approach to channel estimation in large-scale multiple-antenna systems［J］.IEEE Journal on Selected Areas in Communications，2013，31（2）：264-273.

［8］NGO H Q，LARSSON E G.Evd-based estimation in multicell multiuser MIMO systems with very large antenna arrays ［C］／／IEEE ICASSP，March 25-30，2012，Kyoto，Japan. New Jersey：IEEE Press，2012：3249-3252.

［9］MULLER R R，VEHKAPERA M，COTTATELLUCCI L.Blind pilot decontamination［C］／／2013 17th International ITG Workshop on Smart Antennas （WSA），March 13-14，2013，Stuttgart，Germany.New Jersey：IEEE Press，2013：1-6.

［10］MULLER R R，VEHKAPERA M，COTTATELLUCCI L.Blind pilot decontamination［J］.IEEE Journal of Selected Topics in Signal Processing，2014，8（5）：773-786.

［11］SHEN L，YAO Y D.Blind decoding based on independent component analysis for a massive MIMO uplink system in micro-cell Rician／Rayleigh fading channels［J］.IEEE Transactions on Vehicular Technology，2015：1.

［12］LIU Y Y，WANG H Q，SHEN L，et al.Decoding method based on complex ICA for a multicell massive MIMO uplink system［J］.IEEE Signal Processing Letters，2016，23（5）：648-652.

［13］BIGUESH M，GERSHMAN A B.Training-based MIMO channel estimation：a study of estimator tradeoffs and optimal training signals ［J］.IEEE Transactions on Signal Process，2006，54 （3）：884-883.

［14］AAPO H.Fast and robust fixed-point algorithms for independent component analysis ［J］.IEEE Transactions on Neural Networks，1999，10（3）：626-634.

［15］GE X H，YANG B，YE J L，et al.Spatial spectrum and energy efficiency of random cellular networks［J］.IEEE Transactions on Communications，2015，63（3）：1019-1030.

［16］GE X H，TU S，MAO G Q，et al.5G ultra-dense cellular networks［J］.IEEE Wireless Communications，2016，23（1）：72-79.

［17］LOESCH B，YANG B.On the relation between ICA and MMSE based source separation ［C］／／ICASSP，May 22-27，2011，Pragne，Czeth Republic.New Jersey：IEEE Press，2011：3720-3723.

Blind decoding method for a multi-cell massive antenna array system

YAN Binbin1，SHEN Lei1，2，JIANG Xianyang1，HAN Yu2
1.School of Communications Engineering，Hangzhou Dianzi University，Hangzhou 310018，China 2.State Key Lab of Information Control Technology in Communication System of No.36 Research Institute，China Electronic Technology Corporation，Jiaxing 314001，China

In order to overcome the pilot contamination and reduction of decoding performance resulted by neighbouring cell pilot sequences reuse in multi-cell massive array MIMO system，a blind decoding method based on ICA was proposed.The proposed blind decoding method used ICA to separate the

signals of multi-cell users without using pilot sequences.Thus，pilot contamination was avoided and decoding performance would be optimized.Every user’s angle-of-arrival（AOA）was estimated for recognizing the desired user signals and overcoming the uncertainty of signals separated by ICA.The analytical performance and numerical results show that the proposed method has a better performance compared to MMSE decoding and blind decoding method based on singular value decomposition （SVD）.

multi-cell，massive antenna array，blind decoding，independent component analysis

s： The National Natural Science Foundation of China（No.61401133）， China Postdoctoral Science Foundation（No.2014M562302），The Natural Science Foundation of Zhejiang Province of China（No.LY14F01018）

TN91

A

10.11959／j.issn.1000-0801.2016199

2016-06-16；

2016-07-12

沈雷，shenlei@hdu.edu.cn

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61401133）；中國(guó)博士后科學(xué)基金資助項(xiàng)目（No.2014M562302）；浙江省自然科學(xué)基金資助項(xiàng)目（No.LY14F01018）

嚴(yán)斌彬（1991-），男，杭州電子科技大學(xué)碩士生，主要研究方向?yàn)榇笠?guī)模天線系統(tǒng)。

沈雷（1979-），男，博士，杭州電子科技大學(xué)副教授，主要研究方向?yàn)榇笠?guī)模天線系統(tǒng)、信號(hào)盲分離、信號(hào)檢測(cè)、認(rèn)知無(wú)線電頻譜檢測(cè)、通信信號(hào)盲分離、通信抗干擾和高動(dòng)態(tài)GPS接收機(jī)。

姜顯揚(yáng)（1971-），男，博士，杭州電子科技大學(xué)講師，主要研究方向?yàn)樾盘?hào)處理。

韓煜（1978-），男，中國(guó)電子科技集團(tuán)公司第36研究所通信系統(tǒng)信息控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室副研究員，主要研究方向?yàn)樽赃m應(yīng)信號(hào)處理、通信與語(yǔ)音信號(hào)處理。