CN106209193B - 基于压缩感知大规模mimo系统的csi反馈方法 - Google Patents

Abstract

本发明公开了一种基于压缩感知大规模MIMO系统的CSI反馈方法，属于大规模无线通信系统中的信道状态信息压缩反馈技术领域，包括：移动台MS，根据系统预先设定的能量因子，计算出保留稀疏度；根据保留稀疏度MS计算所需测量数，并根据所需测量数调用测量矩阵压缩所需反馈的下行CSI；MS将需要反馈的信息，包括测量信号，部分支撑集合和稀疏度转化为比特流，并反馈回基站BS。BS根据接收到的比特流，解调出含噪声的稀疏度，部分支撑集合和测量信号，并调用改善的重构算法重构出下行CSI。本发明方案，可有效降低基于压缩感知的CSI反馈的反馈开销，降低BS侧的CSI重构算法的计算复杂度。

Description

基于压缩感知大规模MIMO系统的CSI反馈方法

技术领域

本发明涉及大规模MIMO(Multiple-Input Multiple-Output)无线通信系统中的信道状态信息(CSI,chanel state information)压缩反馈技术，具体给出了一种基于压缩感知的大规模MIMO系统的CSI反馈方法。

背景技术

作为第五代无线与移动通信(5G)的关键研究技术，大规模MIMO(Massive MIMO)因其高系统容量和高链路可靠性等优点而备受关注。在大规模MIMO系统中，基站(BS，basestation)端通常配置了大量的BS天线(成百上千根基站天线)，以获得更好的空间复用与分集增益。

为获得因采用大规模MIMO系统带来的好处，基站需要较为精确的下行CSI。通常情况下，移动台(MS,mobile station)通过信道估计技术估计下行CSI，并将估计到的下行CSI通过反馈链路反馈给BS(通常的研究文献中所述的CSI反馈，大多指MS将估计到的下行CSI反馈给BS)。然而，在大规模系统中的数量巨大的BS天线使得下行CSI的维度非常巨大。常规的基于码书的下行CSI反馈方法因计算复杂度高和存储开销大而不再适用。

近年来提出的压缩感知理论指出，只要信号是可压缩的或在某个变换域是稀疏的，便可以利用稀疏基将高维度信号投影到低纬度空间上。目前，利用压缩感知技术进行下行CSI反馈的研究主要集中在开发多天线间的空间相关性，开发下行CSI的时间相关性，寻求稀疏基等方式减小下行CSI的稀疏度。继而在进行压缩测量时，减小测量数量，达到减小CSI反馈开销的目的。MS将压缩测量通过反馈链路反馈回BS，BS根据接收到的压缩测量利用重构算法，重构出下行CSI。

事实上，在信道估计和稀疏化处理后的下行CSI是显著稀疏的(只有少数的元素幅度较大，而其他元素幅度较小甚至接近于零)，且MS完全知晓下行CSI的“支撑集合”(非零元素的索引)。同时，BS准确的重构“支持集合”所需要的测量数目主要取决于小幅度元素；也就是说，BS重构小幅度元素的索引浪费着大量的测量开销。然而，现有的基于压缩感知的CSI反馈却没有利用这些特性。为进一步减小CSI反馈开销，本发明基于这些特性，提出一种基于压缩感知技术的大规模MIMO系统的CSI反馈方法。

本发明提出方法将幅度较小的元素的索引直接反馈回BS，使得BS无需重构这些小幅度元素的索引，从而可在MS端显著的减小所需的测量开销。BS因无需重构出这些小幅度元素的索引，其重构算法的复杂度也得以降低。

发明内容

(一)发明目的

本发明的主要目的在于提供一种基于压缩感知技术的大规模MIMO系统CSI反馈方法。在现有的基于压缩感知的高精度CSI反馈的基础上，进一步减小CSI反馈开销，降低BS重构CSI的复杂度。

(二)技术方案

一种基于压缩感知技术的大规模MIMO系统CSI反馈方法，其特征在于，包括：

a)MS根据设定的能量因子，计算参数保留稀疏度λ；

b)MS计算所需测量数M,基于压缩感知方式压缩需要反馈的下行CSI；

c)MS将需要反馈的信息转化为比特流并反馈回BS；

d)BS解调接收到的比特流，并调用改进的重构算法重构出下行CSI。

作为优选，该方法步骤a)进一步包括：

a1)MS读取能量因子γ，读取需要反馈的下行CSI及其支撑集合，其中CSI表示为H,支撑集合表示为w；

所述能量因子γ在通信建立前设定，取0.9≤γ＜1；

所述H为N×1的矢量，其中，N为BS天线的根数；

所述H为稀疏度为S的稀疏信号，即H中仅仅有S个非零元素，且满足S＜＜N；

a2)MS取H中的非零元素并按照幅度从大到小的顺序进行排序，得到排序后的矢量及支撑集合，表示为

所述为S×1矢量，表示为上标T表示取转置操作，且满足

所述集合与a1)所述支撑集合w有相同中元素，元素个数均为S个，仅顺序不一样；

a3)MS根据能量因子γ利用下式搜索保留稀疏度λ，使得以下不

等式成立:

其中，符号||x||₂表示对矢量x作算子2范数运算；

所述保留稀疏度λ满足λ≤S。

作为优选，该方法步骤b)进一步包括：

b1)MS根据下式计算所需测量数M；

其中，C为较小的常数(可在区间[1,2]上取值)，μ根据下式求得

其中，v²为噪声方差，所述噪声包括热噪声和量化噪声，可在通信系统建立时通过试验测试得到；

b2)MS读取M×N的测量矩阵Φ，把下行CSI，即H，投影到低维度空间，得到测量数为M的测量信号y为

y＝ΦH

其中，y为M×1的矢量，测量矩阵Φ从BS和MS均预先已知的N×N的方阵中取其前M行得到。

作为优选，该方法步骤c)进一步包括：

c1)MS将需要反馈的信息转化为比特流；

所述比特流转化包括：c11)将测量信号y通过均匀量化或非均匀量化量化为压缩测量比特流Z；c12)取部分的支撑集合为并用比特编码为部分支撑集合比特流表示为G；c13)将稀疏度S量化为稀疏度比特流表示为S；

c2)MS将比特流Z、G和S经反馈链路反馈回BS。

作为优选，该方法步骤d)进一步包括：

d1)BS解调出含噪声的测量信号，表示为M×1的矢量部分支

撑集合以及稀疏度

d2)BS调用重构算法重构出下行CSI，表示为

作为优选，该方法步骤d2)进一步包括：

d21)重构初始化：残差矢量r⁰赋值为索引集合w⁰赋值为迭代计数t赋值为t＝0；

d22)迭代计数增1，即t＝t+1；

d23)利用下式识别残差矢量r^t-1中最大幅度元素的索引，识别到的索引表示为Λ^t；

其中，符号<a,b>表示对矢量a和矢量b求内积运算；Φ_j表示测量矩阵Φ的第j列；

d24)更新索引集合w^t，即w^t←w^t-1∪Λ^t；

d25)根据索引集合w^t，通过下式估计当前索引集合下的下行CSI(表示为x^t)

其中，表示根据索引集合w^t的索引，依次从测量矩阵Φ中抽取相应的列构成的子矩阵；supp x表示求x的支撑集合运算；

d26)根据下式进行残差矢量更新：

其中表示根据索引集合w^t的索引，依次从x^t中抽取相应的行构成的子矢量；

d27)若迭代计数t小于保留稀疏度λ，即t＜λ，返回步骤d22)；，否则，进入下一步；

d28)如果w^t中的元素个数不等于且迭代计数t小于即返回步骤d22)；否则，BS端获得支撑集合为：

d29)BS求解下式，估计得到下行CSI，表示为

从上面所述可以看出，本发明提出的基于压缩感知技术的大规模MIMO系统的CSI反馈方法，具有以下特点和优点：

(1)相比于现有的基于压缩感知的CSI反馈，本发明方法可在获得相同的CSI精度情况下减小反馈开销；

(2)相对于现有的基于压缩感知的CSI反馈，BS侧的CSI重构算法复杂度更低。

附图说明

图1是本发明的CSI反馈方法的流程示意图；

图2CSI重构的重构算法流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

下面具体描述本发明提出的基于压缩感知技术的大规模MIMO系统的CSI反馈方法，如图1所示。

a)MS根据设定的能量因子γ，计算参数“保留稀疏度”λ；

其中，所述能量因子γ通常根据工程经验设定，一般取0.9≤γ＜1。

计算过程如下：

a1)MS根据设定的能量因子γ，读取需要反馈的下行CSI(表示为H)及其支撑集合(表示为w)；

所述H为N×1的矢量，其中，N为BS天线的根数。

所述H为稀疏度为S的稀疏信号，即H中仅仅有S个非零元素，且满足S＜＜N。

a2)MS取H中的非零元素并按照幅度从大到小的顺序进行排序，得到排序后的矢量及支撑集合(表示为)；

所述为S×1矢量，可表示为上标“T”表示取转置操作，且满足(因根据幅度从大到小排序)；

所述集合与a1)所述支撑集合w有相同中元素，元素个数均为S个，仅顺序不一样。

示例1：所述的“排序”示例如下：

假设N＝16，S＝4，则H可表示为H＝h₁,h₂,…,h₁₆ ^T。特别说明，实际的大规模MIMO系统中BS天线数N为成百上千，这里的为书写方便仅仅考虑了N＝16。H的元素中，除h₃,h₆,h₁₀,h₁₄4个元素外，其余元素均为0，也即是，支持集合w＝3,6,10,14。假设h₃,h₆,h₁₀,h₁₄的取值为

其中于是，排序后的矢量为排序后的支撑集合为(而排序前的支持集合w＝3,6,10,14)。

a3)MS根据能量因子_γ利用下式搜索“保留稀疏度”λ，使得以

下不等式成立。

其中，符号||x||₂表示对矢量x作算子2范数运算；

所述“保留稀疏度”λ满足λ≤S。原因在于共S个元素，λ个元素索引被保留，S-λ个索引被反馈回BS。

示例2：所述的搜索“保留稀疏度”λ的示例如下：

在示例1的基础上，假设γ＝0.9，于是有

从而，可知“保留稀疏度”λ＝3。

b)MS计算“所需测量数”M，然后根据压缩感知方式压缩需要反馈的下行CSI(即H)；具体流程如下：

b1)所述的“所需测量数”M根据下式计算。

其中，“保留稀疏度”λ根据步骤a3)求得，N为BS天线的根数，C为较小的常数(可在区间[1,2]上取值)，μ根据下式求得

其中，v²为噪声方差。所述噪声包括热噪声和量化噪声，可在通信系统建立时通过试验测试得到。

特别地，在BS能获得相同的CSI精度的情况下，常规的基于压缩感知的CSI反馈的“所需测量数”为

其中

由于γ＜1,λ≤S,可知M⁰＞M，本发明方案将减小测量开销(即本发明“所需测量数”小于常规的基于压缩感知的CSI反馈的“所需测量数”)。

b2)MS读取M×N的测量矩阵Φ，把下行CSI(即H)投影到低维度空间，得到测量数为M的测量信号y为

y＝ΦH

其中，y为M×1的矢量，测量矩阵Φ从BS和MS均预先已知的N×N的方阵中取其前M行得到。

c)MS将需要反馈的信息转化为比特流并反馈回BS；

具体流程如下：

c1)MS将需要反馈的信息转化为比特流；

所述“需要反馈的信息”包括测量信号y，部分的支撑集合为和稀疏度S。其转化为比特流的过程为：

c11)将测量信号y通过均匀量化或非均匀量化量化为“压缩测量比特流”(表示为Z)；

c12)取部分的支撑集合为并用个比特编码为“部分支撑集合比特流”(表示为G)；

示例3：所述“部分支撑集合比特流”G生成示例如下：

假设N＝8，S＝3，λ＝1，从而

因此，可将用5个比特b₅b₄b₃b₂b₁按照从小到大映射方式(即1，2映射为00000，1，3映射为00001，……，2，3映射为00111,……，7，8映射为11011)编码“部分支撑集合比特流”为G＝10000(即b₅b₄b₃b₂b₁＝10000)。

c13)将稀疏度S量化为“稀疏度比特流”(表示为S)。

示例4：所述“稀疏度比特流”S生成示例如下：

假设S＝4，N＝8，于是可用log₂N＝3个比特量化S＝4为

S＝b₃×2^3-1+b₂×2^2-1+b₁×2^1-1+1

编码为“部分支撑集合比特流”S＝011。即b₃b₂b₁＝011。

c2)MS将比特流Z、G和S经反馈链路反馈回BS。

d)BS解调接收到的比特流，并调用改进的重构算法重构出下行CSI。

具体流程如下：

d1)BS解调出含噪声的测量信号(表示为M×1的矢量)，“部分

支撑集合”以及稀疏度

d2)BS调用重构算法重构出下行CSI(表示为)。

重构算法重构下行CSI的具体流程如图2所示。

d2-1)重构初始化：残差矢量r⁰赋值为索引集合w⁰赋值为迭代计数t赋值为t＝0。

d2-2)迭代计数增1，即t＝t+1。

d2-3)利用下式识别残差矢量r^t-1中最大幅度元素的索引，识别到的索引表示为Λ^t。

其中，符号<a,b>表示对矢量a和矢量b求内积运算；Φ_j表示测量矩阵Φ的第j列。

d2-4)更新索引集合w^t，即w^t←w^t-1∪Λ^t。

d2-5)根据索引集合w^t，通过下式估计当前索引集合下的下行CSI(表示为x^t)

其中，表示根据索引集合w^t的索引，依次从测量矩阵Φ中抽取相应的列构成的子矩阵；supp x表示求x的支撑集合运算。

d2-6)根据下式进行残差矢量更新：

其中表示根据索引集合wt的索引，依次从x^t中抽取相应的行构成的子矢量；

d2-7)若迭代计数t小于“保留稀疏度”λ(即t＜λ)，返回步骤d22)；，否则，进入下一步；

d2-8)如果w^t中的元素个数不等于且迭代计数t小于(即，返回步骤d22)；，否则，进入下一步；

d2-9)BS端获得支撑集合为：

d2-10)BS求解下式，估计得到下行CSI(表示为)。

特别地，基于压缩感知的CSI重构通常需要次迭代，而本发明方案的重构算法通常需要λ次迭代，由于通常因此本发明方案的重构算法的复杂度更低。以OMP重构算法为例，其计算复杂度通常为而本发明的重构算法复杂度通常为O(NMλ)；因M＜M^o，本发明的重构算法获得了更低的复杂度。

以上所述仅为本发明的较佳实施实例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改，等同替换等，均应包含着本发明的保护范围之内。

Claims (2)

1.一种基于压缩感知大规模MIMO系统的反馈方法，其特征在于，包括：a)MS根据设定的能量因子γ，计算参数保留稀疏度λ；b)MS计算所需测量数M，基于压缩感知方式压缩需要反馈的下行CSI；c)MS将需要反馈的信息转化为比特流并反馈回BS；d)BS解调接收到的比特流，并调用改进的重构算法重构出下行CSI；“将需要反馈的信息”具体是指压缩CSI得到的测量信号y，部分的支撑集合和稀疏度S；

该方法步骤a)进一步包括：

a1)MS读取能量因子γ，读取需要反馈的下行CSI及其支撑集合，其中CSI表示为H，支撑集合表示为w；

所述能量因子γ在通信建立前设定，取0.9＜γ＜1；

所述H为N×1的矢量，其中，N为BS天线的根数；

所述H为稀疏度为S的稀疏信号，即H中仅仅有S个非零元素，且满足S＜＜N：

a2)MS取H中的非零元素并按照幅度从大到小的顺序进行排序，得到排序后的矢量及支撑集合，表示为

所述为S×1矢量，表示为上标T表示取转置操作，且满足

所述集合与a1)所述支撑集合w有相同元素，元素个数均为S个，仅顺序不一样；

a3)MS根据能量因子γ利用下式搜索保留稀疏度λ，使得以下不等式成立：

其中，符号||x||₂表示对矢量x作算子2范数运算；

所述保留稀疏度λ满足λ≤S；该方法步骤b)进一步包括：

b1)MS根据下式计算所需测量数M；

其中，C为较小的常数(可在区间[1，2]上取值)，μ根据下式求得

其中，v²为噪声方差，所述噪声包括热噪声和量化噪声，可在通信系统建立时通过试验测试得到；

b2)MS读取M×N的测量矩阵Φ，把下行CSI，即H，投影到低维度空间，得到测量数为M的测量信号y为

y＝ΦH

其中，y为M×1的矢量，测量矩阵Φ从BS和MS均预先已知的N×N的方阵中取其前M行得到；

该方法步骤d)进一步包括：

d1)BS解调出含噪声的测量信号，表示为M×1的矢量部分支撑集合以及稀疏度

d2)BS调用重构算法重构出下行CSI，表示为

该方法步骤d2)进一步包括：

d21)重构初始化：残差矢量r⁰赋值为索引集合w⁰赋值为迭代计数t赋值为t＝0；

d22)迭代计数增1，即t＝t+1；

d23)利用下式识别残差矢量r^t-1中最大幅度元素的索引，识别到的索引表示为Λ^t；

其中，符号<a，b>表示对矢量a和矢量b求内积运算；Φ_j表示测量矩阵Φ的第j列；

d24)更新索引集合w^t，即w^t←w^t-1∪Λ^t；

d25)根据索引集合w^t，通过下式估计当前索引集合下的下行CSI(表示为x^t)

其中，表示根据索引集合w^t的索引，依次从测量矩阵Φ中抽取相应的列构成的子矩阵；supp x表示求x的支撑集合运算；

d26)根据下式进行残差矢量更新：

其中表示根据索引集合w^t的索引，依次从x^t中抽取相应的行构成的子矢量；

d27)若迭代计数t小于保留稀疏度λ，即t＜λ，返回步骤d22)；否则，进入下一步；

d28)如果w^t中的元素个数不等于且迭代计数t小于即返回步骤d22)；否则，BS端获得支撑集合为：

d29)BS求解下式，估计得到下行CSI，表示为

2.根据权利要求1所述的方法，其特征在于，该方法步骤c)进一步包括：

c1)MS将需要反馈的信息转化为比特流；

所述比特流转化包括：c11)将测量信号y通过均匀量化或非均匀量化量化为压缩测量比特流Z；c12)取部分的支撑集合为并用比特编码为部分支撑集合比特流表示为G；c13)将稀疏度S量化为稀疏度比特流表示为S；

c2)MS将比特流Z、G和S经反馈链路反馈回BS。