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。

以用户为中心的可见光通信协作传输是近年来出现的新架构,这导致虚拟小区之间出现重叠。为避免导频污染问题,每个虚拟小区中的光接入点(AP)或者虚拟小区中选择相同AP的用户发送的训练序列应该是正交的。针对可见光通信中以用户为中心的协作网络,研究训练资源的正交分配问题,提出了一种新的导频分配算法,联合导频分配和用户选择问题,以期最大限度地增加虚拟小区内可被接入的用户数。分析和仿真结果表明,该导频分配方案可以有效改善导频污染问题,提高训练资源利用率,并且相比已有的导频分配方案,性能有所改进。

导频序列在不同小区中不可避免地被复用, 从而产生了导频污染, 导频污染带来的干扰不会随着基站天线数的增加而减少。导频污染已成为限制大规模多输入多输出(MIMO)系统性能的主要原因之一, 为了减少导频污染带来的影响, 文章提出了时移联合空间划分的导频分配方案, 该方案通过从时间域和空间域两个方面来减少导频序列的复用次数, 从而减少导频污染。推导出了采用该方案时系统中目标上行用户的可达和速率和信干噪比(SINR)。仿真结果表明, 所提方案能有效减少导频污染, 获得较好的系统性能, 提高系统吞吐量。

由于存在导频污染问题，基站侧高效、高精度地获取信道状态信息对实现大规模多输入多输出(MIMO)正交频分复用系统的潜在优点至关重要。通过使用压缩感知技术，可以有效解决导频污染问题。然而，在压缩感知信道估计算法中，很难直接获取信道稀疏度的先验知识。为了解决这个问题，文章提出一种基于贝叶斯压缩感知的信道估计方法，该方法将稀疏信号的统计信息作为先验知识，并运用于多用户大规模MIMO系统的上行链路。仿真结果表明，与传统的信道估计方法相比，所提方法能有效重构原始信道系数。

针对大规模多输入多输出系统的各小区复用相同导频序列进行信道估计存在严重导频污染的问题，提出了一种改进的信道估计算法用以减轻导频污染。该方法用随机导频序列替代各小区复用的相同导频序列用于信道估计，由于随机导频具有独立不相关的特性，因而用于信道估计时具有使信道状态信息获取更加准确、导频污染很小的优点。对信道估计均方误差的性能进行了仿真，仿真结果表明，改进的算法可以较明显地减轻导频污染对信道估计的影响。