CN105245263A - 一种基于压缩感知的下行信道状态信息获取方法 - Google Patents

Abstract

本发明为了实现在MIMO-OFDM？LTE？FDD系统中，eNodeB获取下行信道状态信息，而现有的压缩感知方法没有提出在eNodeB如何从重构后的高维度信道状态信息中还原得到原始信号。因此，本发明提出了一种基于压缩感知的下行信道状态信息获取方法，所述方法包括：为了对原始信号稀疏化，本发明基于冗余字典方法，依次从字典中选取一个最佳原子，在下一次选取中，将此原子从字典中去除，不再遍历此原子，从而降低时间复杂度；基于码本反馈方式的特点，将稀疏化矩阵中的原子在字典的对应位置反馈回eNodeB，然后在eNodeB根据得到的原子位置信息从字典中可得出稀疏化矩阵，同时，根据接收到的位置信息又可得出稀疏度K，从而能够在eNodeB很好地重构出变换域上信号并根据稀疏矩阵Ψ得到原始信号。

Description

一种基于压缩感知的下行信道状态信息获取方法

技术领域

本申请涉及无线通信技术领域，特别涉及大规模MIMO-OFDMLTEFDD系统中，在基站eNodeB侧下行信道状态信息的获取。

背景技术

移动通信大规模MIMO-OFDMLTEFDD系统中基站eNodeB发送端对下行信道CSI(信道状态信息)的获取成为了移动通信领域的研究热点。由于在FDD系统中，上下行信道占有不同的频率，不再具有互易性，所以采用链路显示反馈技术能让发送端实时的获得准确的下行信道CSI，但是随着大规模MIMO技术推进，天线数量会大幅增加，如果将下行信道CSI直接完全反馈给eNodeB，会极大增加容量损失。

目前，利用压缩感知(CompressiveSensing，CS)技术可以对大规模MIMO信道状态信息进行压缩。在大规模天线阵列中，各天线阵元排列紧密，间距一般为半波长，具有空间相关性，压缩感知正是利用了这种空间相关性。压缩感知技术指出：对于具有空间相关性的信道矩阵，可以寻找一组正交基Ψ，使得信道矩阵在Ψ上是稀疏的。这是压缩感知得以实现的基础。然后接收端用一个与Ψ不相关的观测矩阵Φ对信道矩阵进行测量，将高维度的信道状态信息投影到低维空间中，发射端通过求解一个优化问题，可以从这些少量的投影中高概率地还原出高维度信道状态信息。

但是，现提出的一些应用于信道状态信息反馈的压缩感知方法只是将高维度的信道状态信息投影到低维空间中，eNodeB通过求解一个优化问题，从这些少量的投影中高概率地还原出高维度信道状态信息，并没有提出eNodeB如何根据在压缩信道信息时所用的稀疏矩阵Ψ从重构后的高维度信道状态信息中还原得到原始信号。本发明基于利用基于码本反馈方式的特点，将稀疏化矩阵反馈回eNodeB，从而能从重构后的高维度信道状态信息中还原得到原始信号。

发明内容

发明目的：为了实现在大规模MIMO-OFDMLTEFDD系统中，eNodeB获取下行信道状态信息，本发明提出了一种基于压缩感知的下行信道状态信息获取方法。该方法基于冗余字典方法，从冗余字典中选取一组最佳原子经过处理构成稀疏矩阵Ψ后，再基于码本反馈方式的特点，在eNodeB获得稀疏化矩阵Ψ并从重构后的高维度信道状态信息中还原得到原始信号。

为了实现本发明的目的，其特征包括：

(1)为了对原始信号稀疏化，本发明基于冗余字典方法，依次从冗余字典中选取一个最佳原子，在下一次选取中，将此原子从冗余字典中将该原子去除，不再遍历此原子，从而降低了原子选取的时间复杂度；

(2)基于码本反馈方式的特点，将稀疏化矩阵中的原子在冗余字典的对应位置反馈回eNodeB，然后在eNodeB根据得到的原子位置信号从冗余字典中可得出稀疏化矩阵Φ，同时，根据接收到的原子位置信号又可得出稀疏度K。

本发明的技术方案如下。

1下行信道矩阵的压缩

矩阵H′是下行信道矩阵H的串行化表示，H′的稀疏表示及观测矩阵的设计如下。

1.1H′的稀疏表示

压缩感知理论的一个重要的前提就是原始信号需要是稀疏的，因为它直接影响到信号重构所需的时间和重构的精度。因此，合理的选择信号的稀疏基，可以使信号稀疏后保留的信息稀疏解最少并且信息足够完备，这样在反馈过程中减小系统开销，同时达到高概率恢复出原始信号的目的。本发明利用基于冗余字典的信号稀疏分解方法对变换后的矩阵H′进行稀疏化，该方法是将超完备的冗余字典代替传统的正交基，字典中的原子之间不具备正交性，且原子的数量庞大，对矩阵H′的稀疏表示就是从冗余字典中找出K个原子，用这K个原子的线性组合来近似表示矩阵H′。

首先我们设定一个逼近误差δ，然后在满足误差最小的限定条件下，依次从冗余字典中选择一个最佳原子，直到满足设计的逼近误差δ要求为止，但在每次选择最佳原子后，从冗余字典中将该原子去除，不再遍历此原子，最后得出一组最佳的K原子组合。

从冗余字典中取出的K个原子经处理后可构成如下稀疏化矩阵：

Ψ_N×N是一个秩为K的矩阵，将信道矩阵H′投影到变换域α，即

H′_(N×1)＝Ψ_(N×N)α_(N×1)(2)

$\⇔{\mathrm{\α}}_{(N\×1)}=\left({\mathrm{\Ψ}}_{(N\×N)}^{-1}{\mathrm{\Ψ}}_{(N\×N)}\right){\mathrm{\α}}_{(N\×1)}={{\mathrm{\Ψ}}^{-1}}_{\left(N\×N\right)}{H^{\′}}_{(N\×1)}---\left(3\right)$

此时，H′与α等价，只是同一个数据在不同域上的不同表示。但是，α的稀疏性更加显著，只有K(K<<N)个非零的较大值系数，而剩下的N-K个值都很小或为零。

1.2观测矩阵的设计

对矩阵H′的稀疏表示得到的稀疏矩阵进行观测，将矩阵H′投影到观测矩阵Φ上，即得到观测向量Y：

Y_(M×1)＝Φ_(M×N)H′_(N×1)＝Φ_(M×N)(Ψ_(N×N)α_(N×1))＝A^CS _(M×N)α_(N×1)(4)

$Y={\&lsqb;y\left(1\right),y\left(2\right),...y\left(M\right)\&rsqb;}^T={\left[\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ .\\ .\\ .\\ y\left(M\right)\end{array}\right]}_{(M\&times;1)}---\left(5\right)$

其中信道矩阵H′为：

且K≤M≤N，Φ_N×N与Ψ_N×N不相干。

2eNodeB侧矩阵H′的重构

在eNodeB侧利用现有重构算法可对压缩后低维状态信息，通过求解一个优化问题，从这些少量的投影中高概率地还原出高维度信道状态信息α_N×1。

在eNodeB重构得出变换域上信号α_N×1后，需要根据稀疏化时所用的稀疏化矩阵Ψ_N×N来得出原始信道矩阵H′_N×1，但矩阵Ψ_N×N很大，不可能直接将矩阵反馈回eNodeB。

利用基于码本反馈方式的特点，将稀疏化矩阵中的原子在冗余字典的对应位置反馈回eNodeB。首先，在UE及eNodeB都有相同的冗余字典，然后在得出字典中原子的最佳组合后，将各原子在字典中对应的位置通过上行链路反馈回eNodeB，然后eNodeB根据得到的原子位置信号从冗余字典中可得出稀疏化矩阵Ψ_N×N，同时，根据接收到的原子位置信号又可得出稀疏度K，该稀疏度是eNodeB重构信号时所需的必要参数。

附图说明

图1基于压缩感知的UE信道反馈示意图；

图2PUSCH上行信令设计。

具体实施方式

为了使本技术领域的人员更好地理解本发明，下面结合实例和说明书附图来对本发明中的技术方案进行清楚、完整的描述说明，应理解这些实施例仅用于说明本发明技术方案的具体实施方式，而不用于限制本发明的范围。在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改和替换均落于本申请权利要求所限定的保护范围。

本发明实施例基于大规模MIMO-OFDMLTEFDD系统，UE通过有限反馈方式向eNodeB反馈下行信道状态信息。所假设的场景是单小区、多用户，eNodeB部署大规模天线阵列，发射天线数是N_t，用户端接收天线数是N_r，在eNodeB从压缩反馈的信道状态信息重构高维度信道状态信息时所用的算法是ROMP(正则自适应匹配追踪算法)，对于某个用户来说，在时刻t进行信道估计得到的信道矩阵是一个N_t×N_r维矩阵

图1为基于压缩感知的UE信道反馈示意图，由发射天线数和用户端接收天线数可得下行信道状态信息矩阵是下行信道矩阵的串行化表示。

1、的稀疏表示

首先，在UE和eNodeB侧均有相同的冗余字典D＝{g_l,l＝1,2,…L}，其元素均是维数为(N_t×N_r)×1的单位矢量，L≥N，元素又称为原子，从冗余字典中选取一组最佳原子对原始信号进行稀疏化，该组原子经过添0为稀疏化矩阵原始信号的稀疏逼近为

${H^{\&prime;\&prime;}}_{(N_t\&times;N_r)\&times;1}={\mathrm{\&Psi;}}_{(N_t\&times;N_r)\&times;(N_t\&times;N_r)}{\mathrm{\&alpha;}}_{(N_t\&times;N_r)\&times;1}---\left(9\right)$

设定一个逼近误差δ，

$\mathrm{\&delta;}={H^{\&prime;}}_{(N_t\&times;N_r)\&times;1}-{H^{\&prime;\&prime;}}_{(N_t\&times;N_r)\&times;1}---\left(10\right)$

在满足误差最小的限定条件下，依次从冗余字典中选择一个最佳原子，直到满足设计的逼近误差δ要求为止，但在每次选择最佳原子后，从冗余字典中将该原子去除，不再遍历此原子，最后得出一组最佳的K原子组合。

然后为得出稀疏变换的矩阵将取出的K个原子通过补0构成稀疏化矩阵且秩 $\left({\mathrm{\&Psi;}}_{(N_t\&times;N_r)\&times;(N_t\&times;N_r)}\right)=K,$

最后通过公式(9)便可得出信道矩阵在变换域上的投影

2、观测矩阵的设计

对信道矩阵的稀疏表示得到的稀疏矩阵进行观测，将矩阵投影到观测矩阵上，即得到观测向量Y：

$Y_{(M\&times;1)}={\mathrm{\&Phi;}}_{M\&times;(N_t\&times;N_r)}{H^{\&prime;}}_{(N_t\&times;N_r)\&times;1}={\mathrm{\&Phi;}}_{M\&times;(N_t\&times;N_r)}\left({\mathrm{\&Psi;}}_{(N_t\&times;N_r)\&times;(N_t\&times;N_r)}{\mathrm{\&alpha;}}_{N_t\&times;N_r\&times;1}\right)={A^{CS}}_{M\&times;(N_t\&times;N_r)}{\mathrm{\&alpha;}}_{(N_t\&times;N_r)\&times;1}---\left(12\right)$

$Y={\&lsqb;y\left(1\right),y\left(2\right),...y\left(M\right)\&rsqb;}^T={\left[\begin{array}{c}y\left(1\right)\\ y\left(2\right)\\ .\\ .\\ .\\ y\left(M\right)\end{array}\right]}_{(M\&times;1)}---\left(13\right)$

其中，信道矩阵H′为：

3、使用链路反馈技术将下行信道状态信息反馈回eNodeB

基于非码本的显式的CSI反馈，将压缩后的CSI直接反馈给eNodeB侧，对于每一个子载波我们需要反馈的对象就是信道增益矩阵。

图2为PUSCH上行信令设计，如图2所示的两个时隙中，黑色的两列为上行参考信号(DMRS)，条纹部分为上行的确认字符，UE将CSI信息压缩后，将其依次添置到其它每一个子载波上，送到反馈链路反馈至eNodeB侧。

4、eNodeB侧矩阵的重构

本发明实施例采用ROMP(正则自适应匹配追踪算法)对压缩后的观测向量Y进行重构得到信道矩阵H′。

ROMP算法的基本步骤如下：

①初始余量r₀＝y，估计信号稀疏度为K，迭代次数n＝1，索引值集合Λ＝φ,J＝φ；

②用式(17)计算相关系数u，并从u中寻找K个最大值对应的索引值存入J中；

③对J中索引值对应原子的相关系数进行正则化，并将正则化结果存入集合J₀中，该集合中原子的相关系数必须满足式(18)；

|u(i)|≤2|u(j)|,i,j∈J(18)

④更新支撑集Φ_Λ，其中Λ＝Λ∪J₀；

⑤应用式(19)得到x，同时用式(20)对余量进行更新；

$x^{\&prime;}=\underset{i\&Element;R^{\mathrm{\&Lambda;}}}{\arg \min }\left|\right|y-{\mathrm{\&Phi;}}_{\mathrm{\&Lambda;}}x|{|}_2---\left(19\right)$

r_new＝y-Φ_Λx′(20)⑥若|Λ|≥2K，则停止迭代；否则令r＝r_new，n＝n+1，转步骤②。

5、原始信号的还原

eNodeB在重构得出变换域上信号后，需要根据稀疏化时所用的稀疏化矩阵来得出原始信道矩阵基于码本反馈方式的特点，在得出字典中原子的最佳组合后，将各原子在字典中对应的位置通过上行链路反馈回eNodeB，然后eNodeB根据得到的原子位置信号从冗余字典中可得出稀疏化矩阵同时，根据接收到的原子位置信号又可得出稀疏度K，该稀疏度是ROMP算法重构信号时所需的必要参数。在eNodeB得到稀疏化矩阵后便可根据重构得出的变换域上信号通过反变换得到原始信号了。

在此说明书中，本发明已参照特定的实施实例做了描述。但是，很显然仍可以做出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (3)

1.一种基于压缩感知的下行信道状态信息获取方法，其特征在于，包括：

S1，为了对原始信号稀疏化，本发明基于冗余字典方法，依次从冗余字典中选取一个最佳原子，在下一次选取中，将此原子从冗余字典中将该原子去除，不再遍历此原子，从而降低了原子选取的时间复杂度；

S2，基于码本反馈方式的特点，将稀疏化矩阵中的原子在冗余字典的对应位置反馈回基站eNodeB，然后在eNodeB根据得到的原子位置信号从冗余字典中可得出稀疏化矩阵Φ，同时，根据接收到的原子位置信号又可得出稀疏度K。

2.根据权利要求1所述的一种基于压缩感知的下行信道状态信息获取方法，其特征在于，所述S1中从冗余字典中选取最佳原子的内容包括：

设定一个逼近误差δ，然后在满足误差最小的限定条件下，依次从冗余字典中选择一个最佳原子，直到满足设计的逼近误差δ要求为止；

每次选择最佳原子后，从冗余字典中将该原子去除，不再遍历此原子，最后得出一组最佳的K原子组合；

为得出稀疏变换的矩阵α_N×1，将取出的K个原子通过补0构成稀疏化矩阵Ψ_(N×N)，且秩(Ψ_(N×N))＝K，稀疏化矩阵Ψ_(N×N)如下式所示：

根据得出的稀疏化矩阵Ψ_(N×N)，将信道矩阵H′投影到变换域α，如下式所示：

H′_(N×1)＝Ψ_(N×N)α_(N×1)，

$\&DoubleLeftRightArrow;{\mathrm{\&alpha;}}_{(N\&times;1)}=\left({{\mathrm{\&Psi;}}^{-1}}_{(N\&times;N)}{\mathrm{\&Psi;}}_{(N\&times;N)}\right){\mathrm{\&alpha;}}_{(N\&times;1)}={{\mathrm{\&Psi;}}^{-1}}_{(N\&times;N)}{H^{\&prime;}}_{(N\&times;1)}.$

3.根据权利要求1所述的一种基于压缩感知的下行信道状态信息获取方法，其特征在于，所述S2中将稀疏化矩阵中的原子在冗余字典的对应位置反馈回eNodeB的内容包括：

基于码本反馈方式的特点，在用户UE及eNodeB都有相同的冗余字典，该冗余字典是超完备的，用来代替传统的正交基，字典中的原子之间不具备正交性，且原子的数量庞大；

得出字典中原子的最佳组合即稀疏化矩阵Ψ_(N×N)后，由于eNodeB在重构得出变换域上信号α_N×1后，需要根据稀疏化时所用的稀疏化矩阵Ψ_(N×N)来得出原始信道矩阵H′_(N×1)，但矩阵Ψ_(N×N)很大，不可能直接将矩阵反馈回eNodeB，因此，将各原子在字典中对应的位置通过上行链路反馈回eNodeB；

eNodeB根据得到的原子位置信号从冗余字典中可得出稀疏化矩阵Ψ_(N×N)，同时，根据接收到的原子位置信号又可得出稀疏度K，该稀疏度是eNodeB在重构信号所用算法所需的必要参数。