戚晨皓 黃永明 金 石

（東南大學(xué)信息科學(xué)與工程學(xué)院，南京，210096）

引 言

無(wú)線通信技術(shù)的快速發(fā)展和智能手機(jī)的迅速普及，帶來(lái)了人們對(duì)無(wú)線數(shù)據(jù)傳輸需求的爆炸性增長(zhǎng)。在國(guó)際電聯(lián)IMT-Advanced 4G標(biāo)準(zhǔn)候選方案的征集中，明確要求上行和下行峰值數(shù)據(jù)速率達(dá)到1Gb／s；為此，3GPP組織積極開展了LTE-Advanced技術(shù)研究，并在最近發(fā)布的3GPP Release 11版本中，支持9種傳輸模式，包括下行8×8和上行4×4的多輸入多輸出（Multi-input multi-output，MIMO）架構(gòu)［1］。因此，為進(jìn)一步提高數(shù)據(jù)傳輸速率，通過(guò)增加基站天線數(shù)目構(gòu)建大規(guī)模MIMO系統(tǒng)，是一種高效而相對(duì)便捷的方式［2-4］，未來(lái)5G及后續(xù)標(biāo)準(zhǔn)還將對(duì)大規(guī)模MIMO系統(tǒng)提供進(jìn)一步的技術(shù)支持［5-6］。

大規(guī)模MIMO（Large-scale MIMO或 Massive MIMO）系統(tǒng)最早由美國(guó)貝爾實(shí)驗(yàn)室的Thomas L Marzetta等研究人員提出［7-8］，研究發(fā)現(xiàn)，當(dāng)小區(qū)的基站天線數(shù)目趨于無(wú)窮時(shí)，加性高斯白噪聲和瑞利衰落等負(fù)面影響全都可以忽略不計(jì)，數(shù)據(jù)傳輸速率能得到極大提高。在大規(guī)模MIMO系統(tǒng)中，基站配置大量的天線［9］，天線數(shù)目通常有幾十、幾百甚至幾千根，是現(xiàn)有MIMO系統(tǒng)天線數(shù)目的1～2個(gè)數(shù)量級(jí)以上，而基站所服務(wù)的用戶設(shè)備（User equipment，UE）數(shù)目遠(yuǎn)少于基站天線數(shù)目；基站利用同一個(gè)時(shí)頻資源同時(shí)服務(wù)若干個(gè)UE，充分發(fā)掘系統(tǒng)的空間自由度。

在基站天線的配置方式上，可以把所有天線集中配置在一個(gè)基站上，形成集中式大規(guī)模MIMO系統(tǒng)，如圖1所示。也可以把天線分布式地配置在多個(gè)節(jié)點(diǎn)上，通過(guò)光纖將這些節(jié)點(diǎn)連接起來(lái)再進(jìn)行集中的數(shù)據(jù)處理，形成分布式大規(guī)模MIMO系統(tǒng)［10］，如圖2所示。集中式大規(guī)模MIMO系統(tǒng)的優(yōu)點(diǎn)在于，所有基站天線集中放置于一處，不需要像分布式大規(guī)模MIMO系統(tǒng)占用多處地理位置，并且可以有效避免光纖數(shù)據(jù)匯總時(shí)的同步問題。而分布式大規(guī)模MIMO系統(tǒng)的優(yōu)點(diǎn)在于，它能有效形成多個(gè)獨(dú)立的傳輸信道，避免集中式大規(guī)模MIMO系統(tǒng)天線配置過(guò)于緊密導(dǎo)致的信道相關(guān)性過(guò)強(qiáng)的問題；另外，分布式大規(guī)模MIMO系統(tǒng)可以獲得更大的覆蓋范圍。具體在基站天線的布局上，還分為線陣天線布局、面陣天線布局和圓柱形天線布局等［11］。盡管圓柱形天線布局最節(jié)省空間，但也需要結(jié)合基站架設(shè)的地理位置特點(diǎn)進(jìn)行綜合考慮，例如，在高樓的一側(cè)邊沿可以使用線陣天線布局，而在高樓的一面墻上可以使用面陣天線布局等。如圖1所示，3個(gè)小區(qū)的基站分別使用圓柱形天線布局、線陣天線布局和面陣天線布局，并使用窄波束與UE進(jìn)行通信。

美國(guó)Rice大學(xué)的研究人員在其無(wú)線開放移動(dòng)平臺(tái)（Wireless open access research platform，WARP）平臺(tái)上，搭建了一個(gè)64根天線的基站Argos，它能同時(shí)服務(wù)15個(gè)UE；相比于單天線系統(tǒng)，Argos以1／16的功率實(shí)現(xiàn)了高達(dá)6.7倍的容量增益［12］。

圖1 集中式大規(guī)模MIMO系統(tǒng)不同的基站天線布局Fig.1 Different BS antenna configuration and deployment for antenna-collocated massive MIMO system

圖2 單小區(qū)分布式大規(guī)模MIMO系統(tǒng)Fig.2 Single-cell antenna-distributed massive MIMO system

1 大規(guī)模MIMO系統(tǒng)的優(yōu)點(diǎn)

大規(guī)模MIMO系統(tǒng)的優(yōu)點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：

（1）大規(guī)模MIMO系統(tǒng)的空間分辨率與現(xiàn)有MIMO系統(tǒng)相比顯著提高，它能深度挖掘空間維度資源，使得基站覆蓋范圍內(nèi)的多個(gè)用戶在同一時(shí)頻資源上利用大規(guī)模MIMO提供的空間自由度與基站同時(shí)進(jìn)行通信，提升頻譜資源在多個(gè)用戶之間的復(fù)用能力［13］，從而在不需要增加基站密度和帶寬的條件下大幅度提高頻譜效率（Spectral efficiency，SE）。

（2）大規(guī)模MIMO系統(tǒng)可形成更窄的波束，集中輻射于更小的空間區(qū)域內(nèi)，從而使基站與UE之間的射頻傳輸鏈路上的能量效率更高，減少基站發(fā)射功率損耗。在多小區(qū)多用戶大規(guī)模MIMO系統(tǒng)中，保證一定的服務(wù)質(zhì)量（Quality of service，QoS）情況下，具有理想信道狀態(tài)信息（Channel state information，CSI）時(shí)，UE的發(fā)射功率與基站天線數(shù)目成反比，而當(dāng)CSI不理想時(shí)，UE的發(fā)射功率與基站天線數(shù)目的平方根成反比［14］。因此，大規(guī)模 MIMO系統(tǒng)能大幅提高能量效率（Energy efficiency，EE）［15］。

（3）大規(guī)模MIMO系統(tǒng)具有更好的魯棒性能。由于天線數(shù)目遠(yuǎn)大于UE數(shù)目，系統(tǒng)具有很高的空間自由度，信道矩陣形成一個(gè)很大的零空間，很多干擾均可置于零空間內(nèi)，使系統(tǒng)具有很強(qiáng)的抗干擾能力。當(dāng)基站天線數(shù)目趨于無(wú)窮時(shí)，加性高斯白噪聲和瑞利衰落等負(fù)面影響全都可以忽略不計(jì)。此外，更多的基站天線數(shù)目提供了更多的選擇性和靈活性，系統(tǒng)具有更高的應(yīng)對(duì)突發(fā)性問題的能力。

2 大規(guī)模MIMO系統(tǒng)的關(guān)鍵技術(shù)

在頻分雙工（Frequency-division duplexing，F(xiàn)DD）MIMO系統(tǒng)中，UE先進(jìn)行下行信道估計(jì)，之后通過(guò)帶寬有限的反饋鏈路，將估計(jì)出的信道的量化碼本的索引反饋到基站側(cè)，基站利用獲得的CSI，計(jì)算下行鏈路的波束成型矢量，通過(guò)波束成型提高了系統(tǒng)的傳輸性能和抗干擾能力。在FDD系統(tǒng)中，用于下行信道估計(jì)的導(dǎo)頻開銷與基站的天線數(shù)目成正比，同時(shí)，為了使UE能有效區(qū)分來(lái)自基站不同發(fā)射天線的不同信道并進(jìn)行有效的信道估計(jì)，基站不同發(fā)送天線的導(dǎo)頻必須相互正交，當(dāng)基站天線數(shù)目很大時(shí)，F(xiàn)DD系統(tǒng)將出現(xiàn)以下問題：

（1）導(dǎo)頻開銷不夠，系統(tǒng)無(wú)法利用有限的時(shí)頻資源提供如此數(shù)目巨大的正交導(dǎo)頻；

（2）UE端待估計(jì)的信道數(shù)目急劇增加，并將成為UE沉重的負(fù)擔(dān)并直接導(dǎo)致UE的電池電量不足；

（3）UE將估計(jì)出的信道的量化碼本的索引反饋到基站側(cè)，反饋量過(guò)大，系統(tǒng)開銷不夠。

因此，最初研究的大規(guī)模MIMO系統(tǒng)通常不采用FDD，而采用時(shí)分雙工（Time-division duplexing，TDD）。TDD能充分利用上行鏈路和下行鏈路的信道互易性，由上行信道估計(jì)獲得下行波束成形所需的CSI，這樣，UE發(fā)送的導(dǎo)頻數(shù)目不隨基站天線數(shù)目的增大而增加，而復(fù)雜的信道估計(jì)也只是在基站上完成，對(duì)UE不會(huì)產(chǎn)生不利影響。另一方面，考慮到中國(guó)國(guó)情，國(guó)家工業(yè)與信息化部正式將LTE TDD命名為TD-LTE，定位為中國(guó)自主3G標(biāo)準(zhǔn)TD-SCDMA的后續(xù)演進(jìn)，因此，研究TDD大規(guī)模MIMO系統(tǒng)的意義尤其重大。

2.1 導(dǎo)頻污染問題及解決方案

大規(guī)模MIMO系統(tǒng)目前最大的性能瓶頸在于導(dǎo)頻污染。當(dāng)基站天線數(shù)目不多時(shí)，干擾、噪聲、導(dǎo)頻污染等都是影響系統(tǒng)性能的不利因素；而當(dāng)基站天線數(shù)目急劇增長(zhǎng)、甚至遠(yuǎn)大于當(dāng)前服務(wù)的UE數(shù)目時(shí)，干擾、噪聲等不利因素均可忽略不計(jì)［16-18］，導(dǎo)頻污染問題就凸顯出來(lái)，成為系統(tǒng)性能的瓶頸。由于導(dǎo)頻的時(shí)間長(zhǎng)度必須小于信道相干時(shí)間，而導(dǎo)頻的頻域?qū)挾仁芟抻赨E上行帶寬，若要為當(dāng)前服務(wù)小區(qū)及所有相鄰小區(qū)內(nèi)的所有UE分配正交的導(dǎo)頻，困難重重，尤其考慮到移動(dòng)的UE時(shí)。因此，大規(guī)模MIMO系統(tǒng)優(yōu)先考慮完全頻率復(fù)用（復(fù)用因子為1），所有小區(qū)都使用全部頻率資源，以優(yōu)先保證小區(qū)內(nèi)所有UE導(dǎo)頻正交。這樣，不同小區(qū)的UE導(dǎo)頻則無(wú)法保證正交，小區(qū)邊緣UE向當(dāng)前小區(qū)和相鄰小區(qū)同時(shí)發(fā)送導(dǎo)頻信號(hào)（如圖3所示），產(chǎn)生導(dǎo)頻污染?；窘邮盏轿廴镜膶?dǎo)頻信號(hào)后，無(wú)法對(duì)該UE的上行信道進(jìn)行準(zhǔn)確估計(jì)，導(dǎo)致系統(tǒng)整體性能出現(xiàn)瓶頸。

圖3 大規(guī)模MIMO系統(tǒng)中的導(dǎo)頻污染Fig.3 Pilot contamination in massive MIMO system

為降低導(dǎo)頻污染對(duì)系統(tǒng)性能造成的不利影響，目前可行的解決方案包括：

（1）使用多小區(qū)協(xié)作進(jìn)行基于最小均方誤差（Minimum mean square error，MMSE）準(zhǔn)則的波束成型，可同時(shí)降低小區(qū)內(nèi)干擾和小區(qū)間干擾［16］。

（2）使用優(yōu)化的導(dǎo)頻分配或?qū)ьl調(diào)度方案。例如，預(yù)先將多個(gè)小區(qū)分組［19］，某些分組的UE向基站發(fā)送導(dǎo)頻時(shí)，其余分組的UE接收數(shù)據(jù)，避免所有小區(qū)的UE同時(shí)向基站發(fā)送導(dǎo)頻，這種方法在無(wú)需多小區(qū)合作的情況下能有效減少導(dǎo)頻污染所造成的小區(qū)間干擾［20-21］。例如，利用信道的二階統(tǒng)計(jì)信息進(jìn)行多小區(qū)協(xié)作Bayesian信道估計(jì)，可自適應(yīng)地為UE分配導(dǎo)頻序列并充分協(xié)調(diào)導(dǎo)頻的用量，減輕導(dǎo)頻污染［22］。

（3）使用高效的信道估計(jì)方法［23-25］。由于導(dǎo)頻污染的根源在于使用導(dǎo)頻輔助信道估計(jì)，因此，一種可行的方案是使用盲信道估計(jì)，不再使用導(dǎo)頻從而避免導(dǎo)頻污染［26-29］。另外，考慮到無(wú)線信道自然的稀疏性，可利用壓縮感知技術(shù)［30-31］，進(jìn)行稀疏信道估計(jì)和導(dǎo)頻設(shè)計(jì)［32-42］，降低導(dǎo)頻開銷，減輕導(dǎo)頻污染。

2.2 適用于大規(guī)模MIMO系統(tǒng)的信道模型

在大規(guī)模MIMO系統(tǒng)中，基站配置有大量天線，MIMO傳輸?shù)目臻g分辨率顯著提高，無(wú)線傳輸信道存在著新的特性，需要深入系統(tǒng)地探討適用于大規(guī)模MIMO系統(tǒng)的信道模型。在給定的信道模型和發(fā)射功率約束下，精確地表征該信道所能支持的最大傳輸速率，即信道容量，并由此揭示各種信道特性對(duì)信道容量的影響，可為傳輸系統(tǒng)的優(yōu)化設(shè)計(jì)、頻譜效率及能量效率等性能評(píng)估提供重要的依據(jù)。

現(xiàn)有工作往往假設(shè)大規(guī)模MIMO信道是獨(dú)立同分布（Independent and identically distributed，IID）信道［7，16，20，43］。然而部分實(shí)測(cè)結(jié)果表明，實(shí)際的大規(guī)模 MIMO無(wú)線傳輸信道并不能滿足IID假設(shè)，信道能量往往集中在有限的空間方向上［11，44］，這使得基于IID信道的相關(guān)分析結(jié)果存在著較大的局限性，一定程度上制約了大規(guī)模MIMO無(wú)線通信理論方法的深入研究工作。

大規(guī)模MIMO系統(tǒng)中基站配置有大量的天線，天線密度過(guò)高、挨得太近容易使傳輸信道呈現(xiàn)相關(guān)性，降低信道容量，例如，為保證信道不相關(guān)，天線之間的距離至少需要保持在四分之一波長(zhǎng)以上，頻段越高，波長(zhǎng)越小，相同的空間可布局的天線數(shù)目更多；另一方面，現(xiàn)有頻段的頻譜資源十分緊缺，可以考慮使用毫米波頻段甚至更高頻段［45-49］，而不同的頻段具有不同的無(wú)線傳播特性，相應(yīng)的信道模型也不盡相同。因此，在不同的頻段、不同的天線及布局條件下，大規(guī)模MIMO無(wú)線信道的理論建模和實(shí)測(cè)建模工作亟需深入開展。

2.3 低復(fù)雜度的傳輸技術(shù)與實(shí)現(xiàn)方法

大規(guī)模MIMO系統(tǒng)中基站配置有大量的天線，相比于現(xiàn)有的MIMO系統(tǒng)，將產(chǎn)生海量的數(shù)據(jù)，從而對(duì)射頻和基帶處理算法提出更高的要求。在此情況下，處理方法越簡(jiǎn)單，則實(shí)現(xiàn)復(fù)雜度越低，而簡(jiǎn)單意味著使用線性或者近似線性的處理方法，盡可能避免使用非線性的方法。

大規(guī)模MIMO系統(tǒng)需要使用大量的射頻單元，為了減輕功率放大器的負(fù)擔(dān)，要求調(diào)制信號(hào)具有較低的峰均比（Peak to average power ratio，PAPR），并使用恒包絡(luò)或者近似恒包絡(luò)的調(diào)制方式［50-51］。同時(shí)，有必要充分考慮單載波方案在大規(guī)模MIMO系統(tǒng)各種傳輸場(chǎng)景下的可行性［52］，并與目前在4G中廣泛采用的正交頻分復(fù)用（Orthogonal frequency division multiplexing，OFDM）方案進(jìn)行對(duì)比，分析兩者的優(yōu)缺點(diǎn)及其適用性。

考慮到大規(guī)模MIMO系統(tǒng)中上行鏈路的信號(hào)檢測(cè)和下行鏈路的波束成型涉及高維矩陣求逆運(yùn)算，系統(tǒng)實(shí)現(xiàn)復(fù)雜度高，因此，需要思考現(xiàn)有MIMO系統(tǒng)的多用戶無(wú)線傳輸理論與方法的適用性。研究適于大規(guī)模MIMO系統(tǒng)的資源分配、用戶調(diào)度、信號(hào)檢測(cè)、波束成形、分集傳輸、空時(shí)編碼、多小區(qū)協(xié)作機(jī)制及其低復(fù)雜度實(shí)現(xiàn)方法。

另外，TDD大規(guī)模MIMO系統(tǒng)充分利用了上行信道和下行信道的互易性，然而在實(shí)際硬件系統(tǒng)中，并不能達(dá)到完全互易。為了保證大規(guī)模MIMO系統(tǒng)的高波束分辨率與高信道增益，需要高精度的信道校準(zhǔn)方法使基站側(cè)收發(fā)通道達(dá)到很好的一致性，保證波束成型的準(zhǔn)確性［53］?；咎炀€陣列在波束成型或?qū)蚴噶孔饔孟?，在空間維度合成很窄的波束，精確指向待接收的UE，可以增強(qiáng)其接收性能，提高接收信號(hào)功率，減少UE之間和小區(qū)間的干擾。因此，研究高精度和低復(fù)雜度的信道校準(zhǔn)方法、探討基站進(jìn)行信道校準(zhǔn)的頻度以及如何降低信道校準(zhǔn)所需的系統(tǒng)開銷等問題，是提高大規(guī)模MIMO系統(tǒng)性能的關(guān)鍵。

3 結(jié)束語(yǔ)

本文介紹了大規(guī)模MIMO系統(tǒng)，分析了其優(yōu)點(diǎn)及關(guān)鍵技術(shù)難點(diǎn)，討論了大規(guī)模MIMO系統(tǒng)導(dǎo)頻污染問題及解決方案、適用于大規(guī)模MIMO系統(tǒng)的信道模型和低復(fù)雜度的傳輸技術(shù)與實(shí)現(xiàn)方法。大規(guī)模MIMO系統(tǒng)能大幅度提升頻譜利用率、能量利用率和系統(tǒng)的魯棒性，目前已成為5G無(wú)線通信領(lǐng)域最具潛力的研究方向之一。盡管如此，仍有大量的研究工作有待開展，在大規(guī)模MIMO系統(tǒng)硬件實(shí)現(xiàn)、低復(fù)雜度的信號(hào)處理算法、干擾管理與抑制等方面亟需深入研究。

［1］ Ghosh A，Ratasuk R，Mondal B，et al.LTE-advanced：Next-generation wireless broadband technology［J］.IEEE Wireless Commun，2010，17（3）：10-22.

［2］ Larsson E G，Tufvesson F，Edfors O，et al.Massive MIMO for next generation wireless systems［J］.IEEE Commun Mag，2014，52（2）：186-195.

［3］ Lu L，Li G，Swindlehurst A L，et al.An overview of massive MIMO：Benefits and challenges［J］.IEEE J Sel Topics in Signal Process，2014，8（5）：742-758.

［4］ 尤力，高西奇.大規(guī)模 MIMO無(wú)線通信關(guān)鍵技術(shù)［J］.中興通訊技術(shù)，2014，20（2）：26-28.

You Li，Gao Xiqi.Key technologies in massive MIMO wireless communication［J］.ZTE Technology Journal，2014，20（2）：26-28.

［5］ 尤肖虎，潘志文，高西奇，等.5G移動(dòng)通信發(fā)展趨勢(shì)與若干關(guān)鍵技術(shù)［J］.中國(guó)科學(xué)：信息科學(xué)，2014，44（5）：551-563.

You Xiaohu，Pan Zhiwen，Gao Xiqi，et al.The 5Gmobile communication：The development trends and its emerging key techniques［J］.Science China Information Sciences，2014，44（5）：551-563.

［6］ Boccardi F，Heath R W，Lozano A，et al.Five disruptive technology directions for 5G［J］.IEEE Commun Mag，2014，52（2）：74-80.

［7］ Marzetta T.Noncooperative cellular wireless with unlimited numbers of base station antennas［J］.IEEE Trans Wireless Commun，2010，9（11）：3590-3600.

［8］ Rusek F，Persson D，Lau B K，et al.Scaling up MIMO：Opportunities and challenges with very large arrays［J］.IEEE Sig Proc Mag，2012，30（1）：40-60.

［9］ Hoydis J，Brink S，Debbah M.Massive MIMO in the UL／DL of cellular networks：How many antennas do we need？［J］.IEEE J Select Area Commun，2013，31（2）：160-171.

［10］Zhang J，Wen C-K，Shi J X，et al.On capacity of large-scale MIMO multiple access channels with distributed sets of correlated antennas［J］.IEEE J Select Area Commun，2013，31（2）：133-148.

［11］Gao X，Tufvesson F，Edfors O，et al.Measured propagation characteristics for very-large MIMO at 2.6GHz［C］∥Asilomar Conf on Signals，Syst and Computers.Pacific Grove：CA，2012：295-299.

［12］Shepard C，Yu H，Anand N，et al.Argos：practical many-antenna base stations［C］∥Proc ACM Int Conf Mobile Computing and Networking.Istanbul，Turkey：［s.n.］，2012：53-64.

［13］Huh H，Caire G，Papadopoulos H，et al.Achieving massive MIMO spectral efficiency with a non-so-Large number of antennas［J］.IEEE Trans Wireless Commun，2012，11（9）：3226-3239.

［14］Ngo H Q，Larsson E G，Marzetta T L.Energy and spectral efficiency of very large multiuser MIMO systems［J］.IEEE Trans Commun，2013，61（4）：1436-1449.

［15］Bjornson E，Hoydis J，Kountouris M，et al.Massive MIMO systems with non-ideal hardware：Energy efficiency，estimation，and capacity limits［J］.IEEE Trans Inf Theory，2014，60（11）：7112-7139.

［16］Jose J，Ashikhmin A，Marzetta T，et al.Pilot contamination and precoding in multi-cell TDD systems［J］.IEEE Trans Wireless Commun，2011，10（8）：2640-2651.

［17］Ngo H Q，Marzetta T L，Larsson E G.Analysis of the pilot contamination effect in very large multicell multiuser MIMO systems for physical channel models［C］∥Proc IEEE 36th International Conference on Acoustics，Speech，and Signal Processing（ICASSP）.Prague，Czech：IEEE，2011：3464-3467.

［18］Gopalakrishnan B，Jindal N.An analysis of pilot contamination on multi-user MIMO cellular systems with many antennas［C］∥IEEE 12th International Workshop on Signal Processing Advances in Wireless Communications（SPAWC）.California，U-nited States：IEEE，2011：381-385.

［19］Xu Y，Yue G，Mao S.User grouping for massive MIMO in FDD systems：New design methods and analysis［J］.IEEE Access，2014，2：947-959.

［20］Fernandes F，Ashikhmin A，Marzetta T L.Inter-cell interference in noncooperative TDD large scale antenna systems［J］.IEEE J Select Area Commun，2013，31（2）：192-201.

［21］Appaiah K，Ashikhmin A，Marzetta T L.Pilot contamination reduction in multi-user TDD systems［C］∥Proc International Conference on Communications（ICC）.Cape Town，South Africa：［s.n.］，2010：1-5.

［22］Yin H，Gesbert D，F(xiàn)ilippou M，et al.A coordinated approach to channel estimation in large-scale multiple-antenna systems［J］.IEEE J Select Area Commun，2013，31（2）：264-273.

［23］Noh S，Zoltowski M D，Sung Y，et al.Pilot beam pattern design for channel estimation in massive MIMO systems［J］.IEEE J Sel Topics Signal Process，2014，8（5）：787-801.

［24］Choi J，Love D J，Bidigare P.Downlink training techniques for FDD massive MIMO systems：Open-loop and closed-loop training with memory［J］.IEEE J Sel Topics Signal Process，2014，8（5）：802-814.

［25］Dai L，Wang Z，Yang Z.Spectrally efficient time-frequency training OFDM for mobile large-scale MIMO systems［J］.IEEE J Select Area Commun，2013，31（2）：251-263.

［26］Ngo H Q，Larsson E G.EVD-based channel estimations for multicell multiuser MIMO with very large antenna arrays［C］∥IEEE Int Conf on Acoust，Speed and Signal Process（ICASSP）.［S.l.］：IEEE，2012：3249-3252.

［27］Muller R R，Vehkapera M，Cottatellucci L.Blind pilot decontamination［C］∥Proc Int ITG Workshop on Smart Antennas（WSA）.Stuttgart：［s.n.］，2013：1-6.

［28］Muller R R，Cottatellucci L，Vehkapera M.Blind pilot decontamination［J］.IEEE J Sel Topics in Signal Process，2014，8（5）：773-786.

［29］Cottatellucci L，¨Muller R R，Vehkapera M.Analysis of pilot decontamination based on power control［C］∥Proc IEEE Veh Technol Conf（VTC）.Dresden：IEEE，2013：1-5.

［30］Donoho D L.Compressed sensing［J］.IEEE Trans Inf Theory，2006，52（4）：1289-1306.

［31］Baraniuk R G.Compressive sensing［J］.IEEE Signal Process Mag，2007，24（4）：118-121.

［32］Qi C，Wu L.Uplink channel estimation for massive MIMO systems exploring joint channel sparsity［J］.Electr Lett，2014，50（23）：1770-1772.

［33］Qi C.Interview：By exploring the joint sparsity of the uplink channel，the pilot overhead can be substantially reduced［J］.Electr Lett，2014，50（23）：1650.

［34］Qi C，Wu L.Tree-based backward pilot generation for sparse channel estimation［J］.Electr Lett，2012，48（9）：501-503.

［35］Qi C，Wang X，Wu L.Underwater acoustic channel estimation based on sparse recovery algorithm［J］.IET Signal Process，2011，5（8）：739-747.

［36］Chenhao Qi，Guosen Yue，Lenan Wu，et al.Pilot design schemes for sparse channel estimation in OFDM systems［J］.IEEE Transactions on Vehicular Technology，2015，64（4）：1493-1505.

［37］Qi C，Yue G，Wu L，et al.Pilot design for sparse channel estimation in OFDM-based cognitive radio systems［J］.IEEE Trans Veh Technol，2014，63（2）：982-987.

［38］Qi C，Wu L.Optimized pilot placement for sparse channel estimation in OFDM systems［J］.IEEE Signal Process Lett，2011，18（12）：749-752.

［39］Qi C，Wu L.A study of deterministic pilot allocation for sparse channel estimation in OFDM systems［J］.IEEE Commun Lett，2012，16（5）：742-744.

［40］Qi C，Wu L.A hybrid compressed sensing algorithm for sparse channel estimation in MIMO OFDM systems［C］∥IEEE 36th International Conference on Acoustics，Speech，and Signal Processing（ICASSP 2011）.Prague：IEEE，2011：3488-3491.

［41］Qi C，Wu L.Application of compressed sensing to DRM channel estimation［C］∥IEEE 73rd Vehicular Technology Conference（VTC-Spring 2011）.Budapest：IEEE，2011：1-5.

［42］Nguyen S，Ghrayeb A.Compressive sensing-based channel estimation for massive multiuser MIMO systems［C］∥Proc IEEE Wireless Commun and Netw Conf（WCNC）.Shanghai，China：IEEE，2013：2890-2895.

［43］Alrabadi O N，Tsakalaki E，Huang H，et al.Beamforming via large and dense antenna arrays above a clutter［J］.IEEE J Sel Areas Commun，2013，31（2）：314-325.

［44］Wu S，Wang C-X，Aggoune E，et al.A non-stationary 3-D wideband twin-cluster model for 5Gmassive MIMO channels［J］.IEEE J Select Area Commun，2014，32（6）：1207-1218.

［45］Rappaport T，Sun S，Mayzus R，et al.Millimeter wave mobile communications for 5Gcellular：It will work?。跩］.IEEE Access，2013，1：335-349.

［46］Swindlehurst A L，Ayanoglu E，Heydari P，et al.Millimeter-wave massive MIMO：The next wireless revolution？［J］.IEEE Commun Mag，2014：52（9）：56-62.

［47］Roh W，Seol Ji-Yun，Park J，et al.Millimeter-wave beamforming as an enabling technology for 5Gcellular communications：Theoretical feasibility and prototype results［J］.IEEE Commun Mag，2014，52（2）：106-113.

［48］El Ayach O，Rajagopal S，Abu-Surra S，et al.Spatially sparse precoding in millimeter wave MIMO systems［J］.IEEE Trans Wireless Commun，2014，13（3）：1499-1513.

［49］Pi Z，Khan F.An introduction to millimeter-wave mobile broadband systems［J］.IEEE Commun Mag，2011，49（6）：101-107.

［50］Studer C，Larsson E G.PAR-aware large-scale multi-user MIMO-OFDM downlink［J］.IEEE J Select Area Commun，2013，31（2）：303-313.

［51］Mohammed S K，Larsson E G.Per-antenna constant envelope precoding for large multi-user MIMO systems［J］.IEEE Trans Commun，2013，61（3）：1059-1071.

［52］Pitarokoilis A，Mohammed S K，Larsson E G.On the optimality of single-carrier transmission in large-scale antenna systems［J］.IEEE Wireless Commun Lett，2012，1（4）：276-279.

［53］Rogalin R，Bursalioglu O Y，Papadopoulos H，et al.Scalable synchronization and reciprocity calibration for distributed multiuser MIMO［J］.IEEE Trans Wireless Commun，2014，13（4）：1815-1831.