CN105656578B - 信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 - Google Patents
信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 Download PDFInfo
- Publication number
- CN105656578B CN105656578B CN201610214547.0A CN201610214547A CN105656578B CN 105656578 B CN105656578 B CN 105656578B CN 201610214547 A CN201610214547 A CN 201610214547A CN 105656578 B CN105656578 B CN 105656578B
- Authority
- CN
- China
- Prior art keywords
- channel
- matrix
- rank
- msub
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013598 vector Substances 0.000 title claims abstract description 123
- 238000004364 calculation method Methods 0.000 title claims abstract description 57
- 239000011159 matrix material Substances 0.000 claims abstract description 205
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000000654 additive Substances 0.000 claims abstract description 28
- 230000000996 additive effect Effects 0.000 claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪，所述方法包括：当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与预设的低秩全相关矩阵的秩的数量相同的信道向量和输入数据矢量进行卷积，得到卷积项；对信道矩阵中的与低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；对卷积项和加性高斯白噪声项进行求和处理，得到与输入数据矢量相对应的输出数据矢量。本发明实施例通过对信道矩阵进行降秩处理，将总的复杂计算分为两项简单计算，降低了信道仿真仪在计算过程中的数据计算量，同时还可以降低信道仿真仪的设计成本。
Description
技术领域
本发明涉及无线通信技术领域，特别是涉及一种信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪。
背景技术
随着通信技术的发展，用户对无线通信的要求越来越高，为了满足用户的需求，通常会采用大规模MIMO(Multi-input Multi-output，多输入多输出)通信系统，通过增加天线的数量来增加可用信道。
信道仿真仪(又称信道模拟器)位于发射信号和接收信号之间，其上设置有多个射频端口，一部分射频端口作为输入端口，用于连接MIMO通信系统的发射天线，一部分射频端口作为输出端口，用于连接MIMO通信系统的接收天线，信道仿真仪通过输入端口接收发射天线发出的输入数据，来模拟MIMO通信系统的真实信道，实际即为对输入数据的卷积处理。但随着MIMO通信系统中天线数量的增加，在模拟真实信道时，需要用到更多的射频端口，这将会导致信道仿真仪在对输入数据的计算过程中，数据计算量呈倍数增长。
举例而言：假设MIMO通信系统中基站天线的数量为M，用户天线的数量为N，以单路径为例，第i个基站天线与第j个用户天线之间的关系用假设信道系数来表示，则得到M×N个假设信道系数组成M×N阶的假设信道矩阵
其中，表示第n个用户天线和M个基站天线之间的假设信道向量，n＝1，2…，N。
在对信道进行模拟时，每一个基站天线对应一个输入端口，每一个用户天线对应一个输出端口，则信道仿真仪用到的输入端口的数量为M，输出端口的数量为N。
首先，对假设信道矩阵H*进行复杂计算(该计算为现有技术)得到信道矩阵
其中，hm＝(h1n，h2n，…，hMn)T表示M个输入端口和第n个输出端口之间的信道向量，n＝1，2…，N；
根据假设信道矩阵H*计算信道矩阵H的公式为：
其中，hmn为第m个输入端口之间和第n个输出端口的信道系数；t为时间；P为第m个基站天线到第n个用户天线的链路功率；σSF为对数阴影衰落系数；c为第m个基站天线到第n个用户天线的链路中散射体簇的索引，C为散射体簇的个数；θA0D为发射信号的离开角(AoD，angle of departure)；θA0A为发射信号的到达角(AoA，angle of arrival)；GBS(θA0D)为基站天线增益；GMS(θA0A)为用户天线增益；k＝2π/λ，λ为波长；dBS为基站天线间距，单位是米；dMS为用户天线间距，用户单天线时令它等于0；Φ为均匀分布的随机相位；||v||为用户移动速度向量的幅度；θv为用户移动速度向量的相位。
其次，信道仿真仪实现输入数据矢量的卷积处理的方法为y＝HHx+z，其中，HH为信道矩阵H的共轭转置，x＝(x1，x2…，xM)T表示输入数据矢量，y＝(y1，y2…，yN)T为输出数据矢量，z＝(z1，z2…，zN)T为加性高斯白噪声采样矢量。
第n个输出端口的信号可以表示为如果存在多个路径，则第n个输出端口的信号可以表示为其中，p表示路径，Np表示路径的数量。
从上述公式可以看出，在多路径的情况下，数据计算量的复杂度至少为M×Np，如此巨大的计算量严重影响了信道仿真仪的运算速度。
发明内容
本发明实施例的目的在于提供一种信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪，以降低信道仿真仪在计算过程中的数据计算量。
为实现上述目的，本发明实施例提供了一种信道仿真仪的输入数据矢量计算方法，所述方法包括：
当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与预设的低秩全相关矩阵的秩的数量相同的信道向量和所述输入数据矢量进行卷积，得到卷积项；其中，所述低秩全相关矩阵为：对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，所述信道全相关矩阵为：根据信道仿真仪的信道矩阵中的信道向量计算所得的矩阵；
对所述信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，所述高斯分布模型服从均值为0，方差为1的复高斯分布；
对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
较佳的，所述根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵的计算公式为：
其中，R为信道全相关矩阵，E为期望运算符，h为信道仿真仪输入端口和输出端口之间的信道向量。
较佳的，所述对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理，包括：
对所述信道全相关矩阵进行奇异值分解SVD处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩；
根据预设约束条件对所述截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和所述低秩全相关矩阵的秩；
其中，所述预设约束条件为：条件一、所述最优矩阵的秩小于所述截断SVD分解矩阵的秩；条件二、所述最优矩阵的秩小于输入端口的数量；条件三、所述最优矩阵与所述信道全相关矩阵的二范数最小。
较佳的，所述输出数据矢量的计算公式为：
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
本发明实施例还提供了一种信道仿真仪的输入数据矢量计算装置，包括：
卷积项计算模块，用于当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量和所述输入数据矢量进行卷积，得到卷积项；其中，所述低秩全相关矩阵为：通过低秩全相关矩阵处理模块对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，所述信道全相关矩阵为：通过信道全相关矩阵生成模块根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵；
加性高斯白噪声项计算模块，用于对所述信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，所述高斯分布模型服从均值为0，方差为1的复高斯分布；
求和处理模块，用于对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
较佳的，所述根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵的计算公式为：
其中，R为信道全相关矩阵，E为期望运算符，h为信道仿真仪输入端口和输出端口之间的信道向量。
较佳的，所述低秩全相关矩阵处理模块，包括：
SVD处理单元，用于对所述信道全相关矩阵进行奇异值分解SVD处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩；
低秩全相关矩阵获取单元，用于根据预设约束条件对所述截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和所述低秩全相关矩阵的秩；
其中，所述预设约束条件为：条件一、所述最优矩阵的秩小于所述截断SVD分解矩阵的秩；条件二、所述最优矩阵的秩小于输入端口的数量；条件三、所述最优矩阵与所述信道全相关矩阵的二范数最小。
较佳的，所述输出数据矢量的计算公式为：
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
本发明实施例还提供了一种信道仿真仪，包括多个天线接口和如前所述的信道仿真仪的输入数据矢量计算装置。
本发明实施例提供的信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪，通过对信道矩阵进行降秩处理，将总的复杂计算分为两项简单计算，降低了信道仿真仪在计算过程中的数据计算量，同时还可以降低信道仿真仪的设计成本。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
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。
图1为本发明实施例提供的信道仿真仪的输入数据矢量计算方法的流程图；
图2为本发明实施例提供的信道仿真仪的输入数据矢量计算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
如图1所述，为本发明实施例提供的信道仿真仪的输入数据矢量计算方法的流程图，该计算方法的原理为：通过对信道矩阵进行降秩处理，以降低维度，从而降低了数据计算量。该方法包括：
S110，当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与低秩全相关矩阵的秩的数量相同的信道向量和输入数据矢量进行卷积，得到卷积项；其中，低秩全相关矩阵为：对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，信道全相关矩阵为：根据信道仿真仪的信道矩阵中的信道向量计算所得的矩阵。
在本实施例中，信道仿真仪的信道矩阵可以根据现有技术中的计算方法得到，根据信道仿真仪的信道矩阵中的信道向量计算得到信道全相关矩阵的具体实现方式为：
首先，对信道矩阵进行向量展开，记作h＝vec(H)，得到其中，h为信道仿真仪输入端口和输出端口之间的信道向量，其维度为MN×1。
然后，根据公式计算信道全相关矩阵；其中，R为信道全相关矩阵，用于描述MIMO信道的空间统计特征，其维度为MN×MN，E为期望运算符。
进一步地，对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理，得到低秩全相关矩阵的具体实现方式包括：
步骤一，对信道全相关矩阵进行SVD(Singular Value Decomposition，奇异值分解)处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩。
通常情况下，信道全相关矩阵R并非理想的对角矩阵，为了进行降秩处理，需要对R进行SVD处理，得到公式R＝UΣVH，其中，矩阵U和V为酉矩阵，Σ为对角矩阵，Σ＝diag{σ1,σ2,…,σMN}，矩阵Σ的对角线上的非零元素的个数LR即为信道全相关矩阵R的秩。
根据Σ的对角线上的元素对信道全相关矩阵R进一步处理：令U＝[U1,U2]，V＝[V1,V2]，其中，U1的维度为MN×LR，Σ1的对角线上皆为非零元素，其维度为LR×LR，Σ2的对角线元素均为0，其维度为(MN-LR)×(MN-LR)，V1的维度为MN×LR，得到截断SVD分解矩阵根据线性代数的理论知识可知秩亦为LR。
步骤二，根据预设约束条件对截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和低秩全相关矩阵的秩；其中，设约束条件为：条件一、最优矩阵的秩小于截断SVD分解矩阵的秩；条件二、最优矩阵的秩小于输入端口的数量；条件三、最优矩阵与信道全相关矩阵的二范数最小。
具体地，假设为最优矩阵(其可视为待求的自变量)，且则约束条件的具体公式如下：条件一、其中rank()为求矩阵的秩；条件二、条件三、其中L为最优矩阵的秩。进一步地，根据上述三个约束条件对截断SVD分解矩阵进行计算，得到最优矩阵此即为上述低秩全相关矩阵，同时亦可求出低秩全相关矩阵的秩L。
本实施例中，以单路径为例，当获得输入数据矢量x＝(x1，x2…，xM)T时，对信道仿真仪的信道矩阵H中的与低秩全相关矩阵的秩L的数量相同的信道向量和输入数据矢量进行卷积，得到卷积项如果存在多个路径，则卷积项的计算公式为
值得注意的是，与低秩全相关矩阵的秩L的数量相同的信道向量可以任意选择，只要保证选择的信道向量相邻即可，例如信道向量还可以为或者等。
S120，对信道矩阵中的与低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，高斯分布模型服从均值为0，方差为1的复高斯分布。
具体地，低秩全相关矩阵的秩为L，上述信道矩阵H中的信道向量hL之外的信道向量为为了对hM-L进行综合考虑，便于输入数据矢量的计算，可以将hM-L建立成简单的模型。本实施例中，考虑到高斯分布模块的计算尤为简便，可将hM-L中的每个元素建立高斯分布模型n0，之后与输入数据矢量进行卷积，得到加性高斯白噪声项其中，n0服从均值为0，方差为1的复高斯分布。
S130，对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
具体地，对上述卷积项和所述加性高斯白噪声项进行求和得到输出数据矢量，则第n个输出端口的信号的计算公式为
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
由上述输出数据矢量yn的计算公式可知，本方法将现有的计算公式分成了两项简单计算公式的和，复杂度从M×Np降低到了L×Np，大大了减少了运算量，最终计算得到的yn虽然与现有的公式计算得到的数据存在一定误差，但误差很小，可以保持在可控范围内，与降低如此巨大的运算量相比，利明显大于弊。
本发明实施例提供的信道仿真仪的输入数据矢量计算方法，通过对信道矩阵进行降秩处理，将总的复杂计算分为两项简单计算，大大降低了信道仿真仪在计算过程中的数据计算量；同时，由于现有技术中的运算量巨大，对信道仿真仪的硬件要求也较高，本方法通过降低运算量，也进一步降低了信道仿真仪的硬件要求，降低了信道仿真仪的设计成本。
实施例二
如图2所示，为本发明实施例提供的信道仿真仪的输入数据矢量计算装置的结构示意图，该装置可用于执行上述图1所示的方法，其包括：卷积项计算模块210、加性高斯白噪声项计算模块220和求和处理模块230。
卷积项计算模块210，用于当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量和所述输入数据矢量进行卷积，得到卷积项。其中，所述低秩全相关矩阵为：通过低秩全相关矩阵处理模块对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，所述信道全相关矩阵为：通过信道全相关矩阵生成模块根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵。
加性高斯白噪声项计算模块220，用于对所述信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，所述高斯分布模型服从均值为0，方差为1的复高斯分布。
求和处理模块230，用于对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
进一步地，根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵的计算公式为：
其中，R为信道全相关矩阵，E为期望运算符，h为信道仿真仪输入端口和输出端口之间的信道向量。
输出数据矢量的计算公式为：
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
进一步地，低秩全相关矩阵处理模块包括SVD处理单元和低秩全相关矩阵获取单元。
SVD处理单元，用于对所述信道全相关矩阵进行奇异值分解SVD处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩。
低秩全相关矩阵获取单元，用于根据预设约束条件对所述截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和所述低秩全相关矩阵的秩。
其中，所述预设约束条件为：条件一、所述最优矩阵的秩小于所述截断SVD分解矩阵的秩；条件二、所述最优矩阵的秩小于输入端口的数量；条件三、所述最优矩阵与所述信道全相关矩阵的二范数最小。
本实施例提供的信道仿真仪的输入数据矢量计算装置，卷积项计算模块210、加性高斯白噪声项计算模块220和求和处理模块230需要集成在信道仿真仪中，完成对输入数据的计算；低秩全相关矩阵处理模块和信道全相关矩阵生成模块可安装在上位机上，在上位机上完成对信道矩阵的降秩处理后，通知信道仿真仪，由信道仿真仪来负责对输入数据的处理，这样可以降低信道仿真仪的计算量和硬件要求，减小信道仿真仪的设计成本。
实施例三
本发明实施例提供了一种信道仿真仪，其包括多个天线接口和如前所述的信道仿真仪的输入数据矢量计算装置。
本发明实施例提供的信道仿真仪，既降低了数据计算量又节省了设计成本。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述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，均包含在本发明的保护范围内。
Claims (9)
1.一种信道仿真仪的输入数据矢量计算方法，其特征在于，所述方法包括：
当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与预设的低秩全相关矩阵的秩的数量相同的信道向量和所述输入数据矢量进行卷积，得到卷积项；其中，所述低秩全相关矩阵为：对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，所述信道全相关矩阵为：根据信道仿真仪的信道矩阵中的信道向量计算所得的矩阵；
对所述信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，所述高斯分布模型服从均值为0，方差为1的复高斯分布；
对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
2.根据权利要求1所述的方法，其特征在于，所述根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵的计算公式为：
其中，R为信道全相关矩阵，E为期望运算符，h为信道仿真仪输入端口和输出端口之间的信道向量。
3.根据权利要求1所述的方法，其特征在于，所述对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理，包括：
对所述信道全相关矩阵进行奇异值分解SVD处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩；
根据预设约束条件对所述截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和所述低秩全相关矩阵的秩；
其中，所述预设约束条件为：条件一、所述最优矩阵的秩小于所述截断SVD分解矩阵的秩；条件二、所述最优矩阵的秩小于输入端口的数量；条件三、所述最优矩阵与所述信道全相关矩阵的二范数最小。
4.根据权利要求3所述的方法，其特征在于，所述输出数据矢量的计算公式为：
<mrow>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>p</mi>
</msub>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<mi>n</mi>
<mn>0</mn>
</msub>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
</mrow>
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
5.一种信道仿真仪的输入数据矢量计算装置，其特征在于，包括：卷积项计算模块，用于当获得输入数据矢量时，对信道仿真仪的信道矩阵中的与低秩全相关矩阵的秩的数量相同的信道向量和所述输入数据矢量进行卷积，得到卷积项；其中，所述低秩全相关矩阵为：通过低秩全相关矩阵处理模块对用于描述信道空间统计特征的信道全相关矩阵进行降秩处理所得的矩阵，所述信道全相关矩阵为：通过信道全相关矩阵生成模块根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵；
加性高斯白噪声项计算模块，用于对所述信道矩阵中的与所述低秩全相关矩阵的秩的数量相同的信道向量之外的信道向量建立高斯分布模型，并和所述信道仿真仪的输入数据矢量进行卷积，得到加性高斯白噪声项；其中，所述高斯分布模型服从均值为0，方差为1的复高斯分布；
求和处理模块，用于对所述卷积项和所述加性高斯白噪声项进行求和处理，得到与所述输入数据矢量相对应的输出数据矢量。
6.根据权利要求5所述的装置，其特征在于，所述根据信道仿真仪的信道矩阵中的信道向量计算所得矩阵的计算公式为：
其中，R为信道全相关矩阵，E为期望运算符，h为信道仿真仪输入端口和输出端口之间的信道向量。
7.根据权利要求6所述的装置，其特征在于，所述低秩全相关矩阵处理模块，包括：
SVD处理单元，用于对所述信道全相关矩阵进行奇异值分解SVD处理，得到截断SVD分解矩阵以及截断SVD分解矩阵的秩；
低秩全相关矩阵获取单元，用于根据预设约束条件对所述截断SVD分解矩阵进行最优矩阵选择处理，得到低秩全相关矩阵和所述低秩全相关矩阵的秩；
其中，所述预设约束条件为：条件一、所述最优矩阵的秩小于所述截断SVD分解矩阵的秩；条件二、所述最优矩阵的秩小于输入端口的数量；条件三、所述最优矩阵与所述信道全相关矩阵的二范数最小。
8.根据权利要求7所述的装置，其特征在于，所述输出数据矢量的计算公式为：
<mrow>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>p</mi>
</msub>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</msubsup>
<msub>
<mi>h</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<mi>n</mi>
<mn>0</mn>
</msub>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
</mrow>
其中，p为路径，Np为路径的数量，n0为高斯分布模型，hmn为第m个输入端口与第n个输出端口之间的信道系数，L为所述低秩全相关矩阵的秩，xm为第m个输入端口对应的输入数据，为卷积项，为加性高斯白噪声项。
9.一种信道仿真仪，其特征在于，包括多个天线接口和如权利要求5-8任一项所述的信道仿真仪的输入数据矢量计算装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610214547.0A CN105656578B (zh) | 2016-04-07 | 2016-04-07 | 信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610214547.0A CN105656578B (zh) | 2016-04-07 | 2016-04-07 | 信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105656578A CN105656578A (zh) | 2016-06-08 |
| CN105656578B true CN105656578B (zh) | 2017-12-15 |
Family
ID=56497104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610214547.0A Active CN105656578B (zh) | 2016-04-07 | 2016-04-07 | 信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105656578B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700410A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于协同过滤的教学视频标注方法 |
| CN104935367A (zh) * | 2015-04-27 | 2015-09-23 | 电子科技大学 | 一种基于信道空间稀疏特性的快速迭代波束成形方法 |
| CN105049097A (zh) * | 2015-05-27 | 2015-11-11 | 东南大学 | 非理想信道下大规模mimo线性检测硬件构架及检测方法 |
| CN105071843A (zh) * | 2015-07-29 | 2015-11-18 | 东南大学 | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 |
-
2016
- 2016-04-07 CN CN201610214547.0A patent/CN105656578B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700410A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于协同过滤的教学视频标注方法 |
| CN104935367A (zh) * | 2015-04-27 | 2015-09-23 | 电子科技大学 | 一种基于信道空间稀疏特性的快速迭代波束成形方法 |
| CN105049097A (zh) * | 2015-05-27 | 2015-11-11 | 东南大学 | 非理想信道下大规模mimo线性检测硬件构架及检测方法 |
| CN105071843A (zh) * | 2015-07-29 | 2015-11-18 | 东南大学 | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 |
Non-Patent Citations (1)
| Title |
|---|
| "宽带MIMO系统信道仿真仪设计";熊艳伟;《应用科学学报》;20140503;第32卷(第3期);229-236 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105656578A (zh) | 2016-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vlachos et al. | Wideband MIMO channel estimation for hybrid beamforming millimeter wave systems via random spatial sampling | |
| CN109617623B (zh) | 多探头电波暗室(mpac)空中(ota)测试系统和方法 | |
| Eliasi et al. | Low-rank spatial channel estimation for millimeter wave cellular systems | |
| US20110270567A1 (en) | Tools for design and analysis of over-the-air test systems with channel model emulation capabilities | |
| US20090233556A1 (en) | Method and system for beamforming communication in high throughput wireless communication systems | |
| US8451924B2 (en) | Simulation of multi-antenna radio channel | |
| CN112565122B (zh) | 基于牛顿-正交匹配追踪的超大规模mimo信道估计方法 | |
| US20130072124A1 (en) | Method and system for analog beamforming in wireless communication systems | |
| González-Prelcic et al. | Wideband channel tracking and hybrid precoding for mmWave MIMO systems | |
| CN108390836A (zh) | 一种大规模mimo系统上行信道估计方法 | |
| CN112782652A (zh) | 一种ris辅助的雷达通信一体化系统波形设计方法 | |
| Lu et al. | Robust linear precoder design for 3D massive MIMO downlink with a posteriori channel model | |
| CN109347529B (zh) | 一种对抗相移器不理想性的信道估计和混合波束成形方法 | |
| CN105246086A (zh) | 一种确定天线角度的方法和设备 | |
| CN108933619B (zh) | 一种大规模mimo混合预编码码本设计方法 | |
| Rajashekar et al. | User selection algorithms for block diagonalization aided multiuser downlink mm-wave communication | |
| CN105656578B (zh) | 信道仿真仪的输入数据矢量计算方法、装置及信道仿真仪 | |
| US10841026B2 (en) | System, method and computer-accessible medium for simulation and emulation of wireless cluster and/or tapped delay line models | |
| Meng et al. | BeamRaster: a practical fast massive MU-MIMO system with pre-computed precoders | |
| CN109787672B (zh) | 基于参数学习的大规模mimo格点偏移信道估计方法 | |
| KR100965100B1 (ko) | 적응적 빔포밍 장치 및 그 방법 | |
| Mutlu et al. | Deep Learning Aided Channel Estimation in Intelligent Reflecting Surfaces | |
| Huang et al. | Beam tracking particle filter for hybrid beamforming and precoding systems | |
| WO2016150096A1 (zh) | 流间干扰计算方法、装置、通信系统及计算机存储介质 | |
| Kolu et al. | A real-time simulator for MIMO radio channels |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |