大规模MIMO系统中利用信道共轭数据的信道估计方法及系统与流程

大规模mimo系统中利用信道共轭数据的信道估计方法及系统
技术领域
1.本发明属于无线通信技术领域，具体涉及大规模mimo系统中利用信道共轭数据的信道估计方法及系统。


背景技术：

2.在大规模mimo系统中，无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，因而从基站发送到用户的信号也因此受到影响而变得不再准确。因此，在实际系统中如何获取完整的csi对系统性能的影响至关重要。
3.针对单用户大规模mimo系统，要获取下行csi需要花费大量的导频开销。在实际的mimo系统中，由于训练量和反馈开销与bs天线的数量成正比，因此采用传统的线性信道估计方法(如最小二乘算法(ls)和线性最小均方误差算法(lmmse))来获取csi的消耗太大，不切实际。
4.针对以上技术问题，故需对其进行改进。


技术实现要素：

5.针对现有技术中存在的上述问题，本发明提供大规模mimo系统中利用信道共轭数据的信道估计方法及系统，提升了信道估计的准确性。
6.本发明采用以下技术方案：
7.大规模mimo系统中利用信道共轭数据的信道估计方法，包括步骤：
8.s1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；
9.s2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
10.s3、对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
11.s4、利用方位到达角估计值，恢复信道状态信息。
12.作为优选方案，初步估计信道信息的计算公式为：
[0013][0014]
其中，lc表示基站到用户之间的传播路径数；β
l
表示第l条路径的信道复增益系数；α(θ
l
)表示第l条路径的信道导向矢量；θ
l
为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
[0015]
作为优选方案，第l条路径的信道导向矢量表示为：
[0016][0017]
其中，t表示转置，n
t
表示基站处设置的天线数量，j表示虚数单位。
[0018]
作为优选方案，步骤s1中基站发送训练序列m次，接收端根据接收信号得到的初步估计信道信息记为表示为：
[0019][0020]
作为优选方案，步骤s2中，包括步骤：
[0021]
s2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
[0022]
s2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
[0023]
s2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
[0024]
s2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
[0025]
作为优选方案，步骤s2.1中，第一汉克尔矩阵h
ql
表示为：
[0026][0027]
表示为所有大小为q行l列的复数矩阵所组成的集合，满足条件q l-1＝m,q≥lc,l≥lc且q≥l 1，当m为偶数时，则取定的一个整数，当m为奇数时，则取定的一个整数；
[0028]
步骤s2.2中，对初步估计信道信息取共轭转置得到表示为：
[0029][0030]
上标h表示取共轭转置；
[0031]
步骤s2.3中，第二汉克尔矩阵表示为：
[0032][0033]
步骤s2.4中，合并汉克尔矩阵表示为：
[0034][0035]
作为优选方案，步骤s3，包括步骤：
[0036]
s3.1、对矩阵进行奇异值分解：
[0037][0038]
其中，u和v分别是一个大小为q
×
l和l
×
l的酉阵，d是一个对角阵，d＝diag(λ1,λ2,
…
,λ
l
)，λ1,λ2,
…
,λ
l
均为对角元素，且λ1≥λ2≥
…
≥λ
l
≥0；
[0039]
s3.2、对u取1到q-1行、1到lc列记为u1，对u取2到q行、1到lc列记为u2：
[0040]
u1＝u(1:q-1,1:lc)
[0041]
u2＝u(2:q,1:lc)
[0042]
根据式：
[0043][0044]
其中eig表示取特征值，而angle表示取此特征值的角度，记该角度为则是θ
l
的估计值。
[0045]
作为优选方案，步骤s4中，包括步骤：
[0046]
s4.1、根据方位到达角估计值得到重构信道导向矢量
[0047]
s4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数
[0048]
s4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
[0049]
作为优选方案，步骤s4.3中，恢复的信道状态信息计算公式为：
[0050][0051]
其中，即为恢复的信道状态信息，
[0052]
相应地，还提供了大规模mimo系统中利用信道共轭数据的信道估计系统，基于上述的估计方法，包括依次连接的初步估计模块、矩阵构造模块、奇异值分解模块、信道信息恢复模块；
[0053]
初步估计模块，用于根据接收信号得到初步估计信道信息；
[0054]
矩阵构造模块，用于根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
[0055]
奇异值分解模块，用于对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
[0056]
信道信息恢复模块，用于利用方位到达角估计值，恢复信道状态信息。
[0057]
本发明的有益效果是：
[0058]
本发明利用共轭数据估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
附图说明
[0059]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0060]
图1是本发明所述大规模mimo系统中利用信道共轭数据的信道估计方法的流程图；
[0061]
图2是不同方法的信道利用率对比图；
[0062]
图3是本发明所述大规模mimo系统中利用信道共轭数据的信道估计系统的结构示意图。
具体实施方式
[0063]
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0064]
实施例一：
[0065]
本实施例中通过特定的具体实例以说明本发明的方法，本发明对大规模mimo系统中方位到达角(aoa)估计的信道估计方法进行了改进。
[0066]
具体应用案例如下：
[0067]
假设有1个用户，1个基站且以基站的天线数为128根为例。下表1给出了一般参数设置，根据表1中的参数来进行aoa估计和信道的估计。
[0068]
参数设定发射天线n
t
128接收天线nr1基站发送训练序列次数m33信噪比ρ4,6,8,10,12,14,16,18载波中心频率f01.5ghz
载波波长λ00.2m天线间隔d0.5λ0簇数lc4辐射路径数p1矩阵h
ql
行数q20矩阵h
ql
列数l14
[0069]
表1参数设置
[0070]
参照图1，所述大规模mimo系统中利用信道共轭数据的信道估计方法，包括步骤：
[0071]
s1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；
[0072]
s2、根据初步估计信道信息及其共轭数据，构造合并汉克尔(hankel)矩阵；
[0073]
s3、对合并汉克尔矩阵进行奇异值(svd)分解，以得到方位到达角估计值；
[0074]
s4、利用方位到达角估计值，恢复信道状态信息。
[0075]
本发明利用共轭数据估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
[0076]
具体地：
[0077]
假设所述大规模天线系统中包括1个单天线用户，1个基站，基站配备128根天线。所述s1步骤具体为，用户端根据接收信号初步估计得到的信道记为
[0078]
该大规模天线系统中基站天线采用线阵(ula)的排列方式，基站到用户的信道表示为：
[0079][0080]
其中，β
l
表示第l条路径的信道复增益系数；α(θ
l
)表示第l条路径的信道导向矢量；θ
l
为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
[0081]
所述第l条路径的信道导向矢量表示为：
[0082][0083]
其中，t表示转置，j表示虚数单位，本实施例中j2＝-1。
[0084]
步骤s1中基站发送训练序列33次，接收端根据接收信号得到的初步估计信道信息记为表示为：
[0085][0086]
步骤s2中，包括以下步骤：
[0087]
s2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
[0088]
s2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
[0089]
s2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
[0090]
s2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
[0091]
具体地：
[0092]
本实施例中，第一汉克尔矩阵h
ql
表示为：
[0093][0094]hql
矩阵满足条件q l-1＝33,q≥4,l≥4，取定q为大于或等于的一个整数。
[0095]
步骤s2.2中，对初步估计信道信息取共轭转置得到表示为：
[0096][0097]
其中，上标h表示取共轭转置。
[0098]
由此可见和所对应生成的列空间是一致的。
[0099]
本实施例中，步骤s2.3中所述第二汉克尔矩阵表示为：
[0100][0101]
步骤s2.4中，合并汉克尔矩阵表示为：
[0102][0103]
步骤s3中，包括步骤：
[0104]
s3.1、对矩阵进行svd分解，
[0105][0106]
其中，和均是酉阵，d为对角阵，d＝diag(λ1,λ2,
…
,λ
14
)，λ1,λ2,
…
,λ
l
均为对角元素，且λ1≥λ2≥
…
≥λ
14
≥0。
[0107]
其次，对u取1到19行，1到4列记为u1，对u取2到20行，1到4列记为u2：
[0108]
u1＝u(1:19,1:4)
[0109]
u2＝u(2:20,1:4)
[0110]
根据式
[0111][0112]
其中eig表示取特征值，而angle表示取此特征值的角度。记上述角度为则是θl的估计值。
[0113]
步骤s4中，包括步骤：
[0114]
s4.1、根据方位到达角估计值得到重构信道导向矢量
[0115]
s4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数
[0116]
s4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
[0117]
步骤s4.3中，恢复的信道状态信息计算公式为：
[0118][0119]
其中，即为恢复的信道，第l条路径的重构信道导向矢量为然后，经归一化后根据式
[0120][0121]
求得恢复的信道状态信息的利用率η。
[0122]
参照图2所示，信噪比在10db的情况下，传统的prony-kung信道估计方法的信道利用率在82.2％左右。本发明信道估计方法在同等信噪比条件下下，仿真显示信道利用率为85.6％，并且随着系统信噪比的升高，信道利用率也随之增大。
[0123]
显而易见，本发明实施例所述方法相比于传统的基于prony-kung的信道估计方法，信道利用率有所提升，因此与现有的方法相比能够获得具有更好的系统性能。
[0124]
实施例二：
[0125]
参照图3所示，本实施例提供大规模mimo系统中利用信道共轭数据的信道估计系
统，基于上述实施例一所述的估计方法，包括依次连接的初步估计模块、矩阵构造模块、奇异值分解模块、信道信息恢复模块；
[0126]
初步估计模块，用于根据接收信号得到初步估计信道信息；
[0127]
矩阵构造模块，用于根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
[0128]
奇异值分解模块，用于对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
[0129]
信道信息恢复模块，用于利用方位到达角估计值，恢复信道状态信息。
[0130]
需要说明的是，本实施例提供的大规模mimo系统中利用信道共轭数据的信道估计系统，与实施例一类似，在此不多做赘述。
[0131]
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围内。