1. 本选题研究的目的及意义
随着无线通信技术的飞速发展，对更高数据速率和更可靠连接的需求日益增长。
大规模多输入多输出（MIMO）技术作为下一代无线通信系统中的关键技术之一，通过在基站和用户端配置大量天线，能够显著提高频谱效率和系统容量。
然而，大规模MIMO系统的性能受限于准确的信道状态信息（CSI）获取。
2. 本选题国内外研究状况综述
大规模MIMO信道估计是近年来无线通信领域的研究热点，国内外学者在该领域展开了大量的研究工作，并取得了一系列重要成果。
1. 国内研究现状
国内学者在大规模MIMO信道估计方面做了大量研究工作。
3. 本选题研究的主要内容及写作提纲
本研究将从大规模MIMO信道模型出发，研究传统信道估计算法的不足，并重点研究基于压缩感知和深度学习的信道估计算法，通过仿真实验验证算法的有效性。
1. 主要内容
研究大规模MIMO信道特性，分析路径损耗、阴影衰落、多径效应等因素对信道的影响，建立适用于特定场景的信道模型。
4. 研究的方法与步骤
本研究将采用理论分析、仿真实验和数值计算等方法，逐步开展以下研究工作：
1.文献调研阶段：查阅国内外相关文献，了解大规模MIMO信道估计的研究现状、发展趋势以及存在的问题，为本研究提供理论基础和研究方向。
2.信道建模阶段：研究大规模MIMO信道的传播特性，分析路径损耗、阴影衰落、多径效应等因素对信道的影响，建立准确的信道模型，为后续算法研究提供基础。
3.算法研究阶段：研究传统信道估计算法的原理和优缺点，分析其在大规模MIMO系统中面临的挑战，并在此基础上，研究基于压缩感知和深度学习的信道估计算法，设计新的算法方案，以提高信道估计精度和效率。
5. 研究的创新点
本研究的创新点在于：
1.针对大规模MIMO信道估计问题，提出基于压缩感知和深度学习的低复杂度、高精度信道估计算法。
2.结合特定应用场景，优化算法参数，提升算法在实际系统中的性能。
3.通过仿真实验，对比分析不同算法的性能，验证所提算法的优越性。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 赵俊龙, 周志权, 李欣. 大规模MIMO系统中基于深度学习的信道估计[J]. 电子与信息学报, 2021, 43(11): 3384-3395.
[2] 刘永乐, 李玉柏, 赵春明. 大规模MIMO系统中的低复杂度信道估计[J]. 电子学报, 2020, 48(09): 1952-1959.
[3] 孙浩, 刘元枝, 许家栋, 等. 大规模MIMO系统中基于深度学习的信道估计方法综述[J]. 电子与信息学报, 2020, 42(03): 760-770.
