CN104639472A - 上行多用户mimo信道估计方法 - Google Patents

Abstract

本申请公开了一种上行多用户MIMO信道估计方法，包括：基站利用上行进行资源复用传输的一MU-MIMO用户UE₀的导频序列S₀(k,l)，对接收到的MU-MIMO参考信号Y(k,l)进行最小平方LS信道估计，得到信道估计结果其中，k为载波编号，k=1,2,…,K，K为每资源块的子载波个数，l为当前进行信道估计的OFDM导频符号的编号；将K个所述等分成K/N段并进行N阶离散傅利叶转换DFT变换，得到进行资源复用传输的每个MU-MIMO用户的LS信道估计序列，其中，N为进行资源复用传输的MU-MIMO用户个数；对于进行资源复用传输的每个MU-MIMO用户的所述LS信道估计序列，分别进行最小均方误差准则MMSE滤波，得到每个所述MU-MIMO用户的信道估计结果。本发明可以有效降低信道估计的复杂度。

Description

上行多用户MIMO信道估计方法

技术领域

本发明涉及移动通信技术，特别是涉及LTE系统中的一种上行多用户多入多出（MIMO）信道估计方法。

背景技术

为了解决有限的无线资源与日益增长的海量数据传输的矛盾，无线通信系统必须有更高的通信容量、更高的频谱效率。MIMO技术作为LTE通信系统的核心技术，成为实现利用有限空间资源来提高频谱效率的必然选择。上行2用户MU-MIMO已经是现有LTE公网系统的必须功能要求之一。为了应对用户需求的可以预见进一步增长,3用户甚至更多用户的上行MU-MIMO可以更多地提升系统容量。虽然MIMO技术利用多天线间的无线信道特征无关性提高了信道容量，但MIMO信号的接收随着同时频码流的增加而更加复杂，导致MIMO处理与LTE系统实时性、低功耗等要求矛盾加剧。信道估计作为信号接收处理至关重要的一环，其算法性能和复杂度的平衡对信号正确接收和系统实时运行具有重大意义。

LTE系统上行业务传输都带有Zadoff-Chu序列导频信号，因此接收机信道估计都使用导频辅助信道估计。常见的信道估计有最小平方(LS)和最小均方误差准则(MMSE)信道估计，以及时域去噪的LS估计、线性滤波MMSE估计和各种其他的引申扩展。

LS信道估计基本原理是以接收导频与已知导频之差的平方最小为原则进行信道估计，即H_LS＝agrmin|Y-SH_LS|，其中H_LS是载波上的LS信道估计结果，Y是接收到的导频值，S是已知的发送导频值。时域去噪的LS信道估计是将LS信道估计序列结果经过IDFT变换到时域，对时域数据去噪滤波，再将去噪时域序列经过DFT变换得到频域信道估计结果的信道估计方法。LS信道估计方法没有利用子载波的信道传输函数的相关性，也没有考虑噪声影响，对噪声带来的估计误差无法消除；时域去噪LS信道估计及其他演化方法性能比LS估计稍好，但是由于MIMO场景下IDFT/DFT次数成倍增加，其实现程序较为复杂，另外，也没有考虑到传递函数各点相关性，信道估计性能还不能满足MU-MIMO应用。

　MMSE信道估计算法理论上要在时域与频域进行二维处理，初步简化后，在频域进行滤波可以表示为H_MMSE＝R_HH(R_HH+σ²(SS^H)^-1)^-1H_LS，其中H_MMSE是MMSE信道估计结果，R_HH信道自相关矩阵，σ²是加性高斯白噪声（AGWN）。MMSE算法具有很好的信道估计性能，但是实时计算信道自相关矩阵非常复杂。在LTE系统应用中，常用的MMSE信道估计是更为简化的算法：H_MMSE＝WH_LS，W是根据AGWN信道参数预先设计的滤波器，即对LS信道估计结果进行线性MMSE滤波，可称该方法为简化的LMMSE信道估计方法。简化的LMMSE信道估计方法由于实现较为简单，算法性能比LS信道估计和时域去噪的LS信道估计都更为优越，在LTE实际系统应用中最为常见，是一种对于SU、MU-MIMO都普遍适用的信道估计方法。但是，由于LMMSE信道估计方法是对所有用户的LS信道估计结果进行滤波，用户数量较大时会使得滤波器的阶数增加，这样，滤波器的实现复杂度将会增加，而在MU-MIMO场景下，同样的时频资源上承载的用户数翻倍，因此，LMMSE信道估计处理时间和资源亦需翻倍，从而影响系统的实时性和功耗。

其他的LS估计和MMSE估计的扩展方法，或者在LS估计基础上进行频偏补偿，或者对MMSE滤波系数进行特殊设计，相比较与LMMSE信道估计，信道估计复杂度更高，性能提高很小或者更差，不利于MU-MIMO系统应用。

综上所述，上述现有的信道估计方法应用于MU-MIMO场景下存在复杂度较高的问题，不适用于MU-MIMO系统中。

发明内容

有鉴于此，本发明的主要目的在于提供一种上行多用户MIMO信道估计方法，该方法可以有效降低信道估计的复杂度。

为了达到上述目的，本发明提出的技术方案为：

一种上行多用户MIMO信道估计方法，包括：

a、基站利用上行进行资源复用传输的一MU-MIMO用户UE₀的导频序列S₀(k,l)，对接收到的MU-MIMO参考信号Y(k,l)进行最小平方LS信道估计，得到信道估计结果；其中，k为载波编号，k=1,2,…,K，K为每资源块的子载波个数，l为当前进行信道估计的OFDM导频符号的编号；

b、将K个所述等分成K/N段并进行N阶离散傅利叶转换DFT变换，得到进行资源复用传输的每个MU-MIMO用户的LS信道估计序列，其中，N为进行资源复用传输的MU-MIMO用户个数；

c、对于进行资源复用传输的每个MU-MIMO用户的所述LS信道估计序列，分别进行最小均方误差准则MMSE滤波，得到每个所述MU-MIMO用户的信道估计结果。

综上所述，本发明提出的上行多用户MIMO信道估计方法，先确定出各用户的LS信道估计结果，然后再对各用户的LS信道估计结果分别进行MMSE滤波，如此可以有效简化滤波器的复杂度，进而可以有效降低信道估计的复杂度。

附图说明

图1为本发明实施例一的流程示意图；

图2为微小区SCME信道下用户0信噪比---误块率曲线图；

图3为微小区SCME信道下用户1信噪比---误块率曲线图；

图4为微小区SCME信道下用户2信噪比---误块率曲线图；

图5为宏小区SCME信道下用户0信噪比---误块率曲线图；

图6为宏小区SCME信道下用户1信噪比---误块率曲线图；

图7为宏小区SCME信道下用户2信噪比---误块率曲线图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明的核心思想是：先确定出各用户的LS信道估计结果，然后再对各用户的LS信道估计结果分别进行MMSE滤波，这样，由于滤波器仅需要对单个用户的LS信道估计结果进行滤波，因此，可以有效简化滤波器的复杂度，降低信道估计的复杂度。

为了便于理解，在对本发明具体实施例进行阐述之前，首先对本发明中如何得到各用户的LS信道估计结果的实现原理说明如下：

LTE上行业务信道的导频为Zadoff-Chu序列，根据LTE协议(3GPP TS36.211)，N个MU用户导频序列将存在如下关系：其中S_n+1(k,l)、S_n(k,l)分别是用户n+1、用户n在符号l载波k处的导频，delta_n_cs为[1,11]范围内的整数。考虑MU用户导频叠加后的相互干扰最小化，MU配对用户数N限制为12的整数因子（如2，3，4，6），同时，delta_n_cs设置为12/N，那么此时 $S_{n+1}(k,l)=S_n(k,l)e^{\frac{j2\mathrm{\πk}}{N}}.$

由上述分析可知，用户n、用户0的参考信号序列(序列长度为K，K为12的整数倍)的N子载波点有如下关系：

子载波Nm+i处其中，i＝0,1,…,N-1，m=0,1,2,…，K/N-1，MU-MIMO的N个用户实际上形成了N阶DFT码分复用关系，用户0是N个MU用户中的任一个用户，其他N-1个用户的编号将根据与用户0的相位关系可以确定，具体方法同现有系统。

MU-MIMO的N用户无线信号在自由空间传输时叠加，经过AWGN信道，接收端收到的子载波k、符号l的导频信号Y(k,l)可表示如下：

Y(k,l)＝H₀(k,l)S₀(k,l)+H₁(k,l)S₁(k,l)+…+H_N-1(k,l)S_N-1(k,l)+Noise(k,l)

其中H、S分别表示信道响应和发送导频，下标是用户标识，Noise表示AWGN信道噪声。

以用户0的本地导频序列S₀(k,l)对接收到的MU-MIMO参考信号进行初步LS信道估计：

$\begin{array}{c}{\tilde{H}}_0(k,l)=Y(k,l){S^{*}}_0(k,l)\\ =H_0(k,l)+H_1(k,l)S_1(k,l){S^{*}}_0(k,l)+...+H_{N-1}(k,l)S_{N-1}(k,l){S^{*}}_0(k,l)+\mathrm{Noise}(k,l){S^{*}}_0(k,l)\end{array}$

其中，S^* ₀(k,l)为S₀(k,l)的共轭。

利用用户n和用户0的本地参考序列S_n(k,l)和S₀(k,l)中N个子载波的关系将长度为K的序列（即）等分为K/N段，可推导的每段的N个子载波中，子载波i的LS信道估计如下：

$\begin{array}{c}{\tilde{H}}_0(\mathrm{Nm}+i,l)=H_0(\mathrm{Nm}+i,l)+H_1(\mathrm{Nm}+i,l)e^{\frac{j2\mathrm{\πi}}{N}}{S}_0(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)+\\ ...+H_{N-1}(\mathrm{Nm}+i,l)e^{\frac{j2\mathrm{\π}(N-1)i}{N}}{S}_0(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)+N(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)\\ =H_0(\mathrm{Nm}+i,l)+e^{\frac{j2\mathrm{\πi}}{N}}{H}_1(\mathrm{Nm}+i,l)+...+e^{\frac{j2\mathrm{\π}(N-1)i}{N}}{H}_{N-1}(\mathrm{Nm}+i,l)+\mathrm{Noise}(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)\\ =\underset{n=0}{\overset{n=N-1}{\mathrm{\Σ}}}{e}^{\frac{j2\mathrm{\πni}}{N}}{H}_n(\mathrm{Nm}+i,l)+\mathrm{Noise}(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)\end{array}$

一般情况下，信号相干带宽大于1个PRB，那么在相干带宽内每用户个子载波的信道响应H(k,l)几乎不变，上述等式中各用户子载波的理想信道估计H_n(Nm+i,l)可用H_n(Nm,l)取代，即上述等式可近似写为：

${\tilde{H}}_0(\mathrm{Nm}+i,l)=\underset{n=0}{\overset{n=N-1}{\mathrm{\Σ}}}{e}^{\frac{j2\mathrm{\πni}}{N}}{H}_n(\mathrm{Nm},l)+\mathrm{Noise}(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l)$         公式1

以为一个独立序列X，H₀(Nm,l)，H₁(Nm,l)，…，H_N-1(Nm,l)为一个独立序列Z，从上面的推导中可以看出，X与Z之间存在IDFT关系，即：

N′(i)即Noise(Nm+i,l)S^* ₀(Nm+i,l)   公式2

由此可以通过N阶DFT解出序列Z：

$Z\left(n\right)=\frac{1}{N}\underset{i=0}{\overset{i=N-1}{\mathrm{\Σ}}}(X\left(i\right)-N^{\′}\left(i\right))e^{\frac{-j2\mathrm{\πin}}{N}}$         公式3

根据公式3可知，用户n的信道估计可以由用户0的信道估计通过下式得到：

$H_n(\mathrm{Nm},l)=\frac{1}{N}\underset{i=0}{\overset{i=N-1}{\mathrm{\Σ}}}({\tilde{H}}_0(\mathrm{Nm}+i,l)-\mathrm{Noise}(\mathrm{Nm}+i,l){S^{*}}_0(\mathrm{Nm}+i,l))e^{\frac{-j2\mathrm{\πin}}{N}}$       公式4

由于在估计用户n的信道估计时，Noise(Nm+i,l)S^* ₀(Nm+i,l)不可知，所以只能得到用户n的LS信道估计表示为：

${\tilde{H}}_{\mathrm{nLS}}(\mathrm{Nm},l)=\frac{1}{N}\underset{i=0}{\overset{i=N-1}{\mathrm{\Σ}}}{\tilde{H}}_0(\mathrm{Nm}+i,l)e^{\frac{-j2\mathrm{\πin}}{N}}$           公式5

这样，根据公式5即可得到各用户的LS信道估计值，即将长度为K的序列等分成M=K/N段进行N阶DFT变换，得到N个用户的LS信道估计。

图1为本发明实施例一的流程示意图，如图1所示，该实施例的上行多用户MIMO信道估计方法主要包括：

步骤101、基站利用上行进行资源复用传输的一MU-MIMO用户UE0的导频序列S₀(k,l)，对接收到的MU-MIMO参考信号Y(k,l)进行最小平方LS信道估计，得到信道估计结果

其中，k为载波编号，k=1,2,…,K ，K为每资源块的子载波个数，l为当前进行信道估计的OFDM导频符号的编号。

同现有系统一样，所述资源块由一个OFDM符号的K子载波资源构成，本发明的信道估计处理单位为导频符号所在的一个OFDM符号，即一个OFDM导频符号。

具体地，本步骤中按照进行所述LS信道估计，具体方法为本领域技术人员所掌握，在此不再赘述。

这里，UE₀为上行进行资源复用传输的任意一个MU-MIMO用户。同现有系统一样，UE₀确定后即可根据相位关系确定出其他用户的编号。

步骤102、将K个所述等分成K/N段并进行N阶离散傅利叶转换（DFT），得到进行资源复用传输的每个MU-MIMO用户的LS信道估计序列。

其中，N为进行资源复用传输的MU-MIMO用户个数。

本步骤用于确定出各用户的LS信道估计序列，以便降低此后滤波去噪的复杂度，从而可以有效降低N用户MU-MIMO信道估计复杂度。

具体地，如前述分析本步骤可以采用下述方法实现：

利用按照 ${\tilde{H}}_{\mathrm{nLS}}(\mathrm{Nm},l)=\frac{1}{N}\underset{i=0}{\overset{i=N-1}{\mathrm{\Σ}}}{\tilde{H}}_0(\mathrm{Nm}+i,l)e^{\frac{-j2\mathrm{\πin}}{N}},$ 得到每个所述MU-MIMO用户n的最小平方（LS）信道估计序列

其中，m=0,1,2,…，K/N-1，n为用户编号，n=0,1,…,N-1。

步骤103、对于进行资源复用传输的每个MU-MIMO用户的所述LS信道估计序列，分别进行最小均方误差准则（MMSE）滤波，得到每个所述MU-MIMO用户的信道估计结果。

本步骤用于对各用户的LS信道估计序列进行去噪，以获得各用户最终的信道估计结果。这里，与现有的MMSE方法所不同的是，基于单个用户的LS信道估计序列进行滤波，从而使得滤波器的阶数较小，易于实现。

本步骤的MMSE滤波的具体实现为本领域技术人员所掌握，在此不再赘述。

通过上述方案可以看出，本发明根据LTE上行参考信号特点，明确了MU用户导频叠加后的相互干扰最小化条件下，MU-MIMO的N用户中用户n+1与用户n发送导频信号之间dealta_n_cs＝12/N，由此分析出N用户发送导频信号间N阶DFT的码分复用(CDM)复用关系；根据该关系，以单用户对接收的MU信号进行LS信道估计，该单用户信道估计涵盖了MU-MIMO中N用户信道响应内容；以单用户信道估计为基础，结合MU-MIMO的N用户发送导频信号特点，提炼出用户0对原始接收信号LS估计序列与N个用户各自信道响应之间的关系；在信道相干带宽大于一个PRB（即12个子载波）的一般情况下，对用户0参考信号对接收信号的估计进行分段N阶IDFT，信道分离得到每用户的每N点LS信道估计的1个子载波点，如此，降低了N用户MU-MIMO信道估计复杂度，获得了缩短的LS估计序列，也缩减了计算处理量。

为了对本发明算法性能进行评估，基于LTE系统常用的空间信道模型（spatialChannel Model–Extension，SCME），采用不同组数不同阶数线性滤波器对3用户MU-MIMO的各用户LS信道估计进行MMSE滤波，可得到微小区SCME模型终端移动速度3Km/h场景下仿真性能曲线如图2、图3、图4所示，而宏小区SCME模型终端移动速度3Km/h场景下仿真性能曲线如图5、图6、图7所示。

从图2、图3、图4中可以看出，在微小区SCME模型、终端移动速度为3Km/h的场景下，本发明提供的信道估计方法采用24*8(24组滤波器，每个滤波器抽头个数为8，以下描述类似)MMSE滤波，性能优于常规算法的12*12MMSE滤波和24*24MMSE滤波；而如图5、图6、图7所示，在宏小区SCME模型终端移动速度为3Km/h的场景下，本发明提供的信道估计方法采用24*8MMSE滤波，性能优于常规算法的12*12MMSE滤波，与24*24MMSE滤波性能接近。可见，本发明提出的信道估计方法链路性能优于常规算法，与滤波器复杂度高两倍的常规算法相比，性能接近。

常规的LMMSE信道估计方法在MU-MIMO应用下，其处理流程和复杂度是单用户（SU）的翻倍，本发明提供的信道估计方法明显简化了LTE上行业务N用户MU-MIMO信道估计的计算复杂度，并保证了用户信道估计性能，为多用户MU-MIMO信道估计提供了一种更优的选择。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种上行多用户MIMO信道估计方法，其特征在于，包括：

a、基站利用上行进行资源复用传输的一MU-MIMO用户UE₀的导频序列S₀(k,l)，对接收到的MU-MIMO参考信号Y(k,l)进行最小平方LS信道估计，得到信道估计结果；其中，k为载波编号，k=1,2,…,K，K为每资源块的子载波个数，l为当前进行信道估计的OFDM导频符号的编号；

b、将K个所述等分成K/N段并进行N阶离散傅利叶转换DFT变换，得到进行资源复用传输的每个MU-MIMO用户的LS信道估计序列，其中，N为进行资源复用传输的MU-MIMO用户个数；

c、对于进行资源复用传输的每个MU-MIMO用户的所述LS信道估计序列，分别进行最小均方误差准则MMSE滤波，得到每个所述MU-MIMO用户的信道估计结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤b包括：

利用所述，按照 ${\tilde{H}}_{\mathrm{nLS}}(\mathrm{Nm},l)=\frac{1}{N}\underset{i=0}{\overset{i=N-1}{\mathrm{\Σ}}}{\tilde{H}}_0(\mathrm{Nm}+i,l)e^{\frac{-j2\mathrm{\πin}}{N}},$ 得到每个所述MU-MIMO用户的最小平方LS信道估计序列其中，m=0,1,2,…，K/N-1，n为用户编号。

3.根据权利要求1所述的方法，其特征在于，步骤a中按照进行所述LS信道估计，其中，S^* ₀(k,l)为S₀(k,l)的共轭。