CN106453166A - 一种大规模mimo信道估计方法和系统 - Google Patents

一种大规模mimo信道估计方法和系统 Download PDF

Info

Publication number
CN106453166A
CN106453166A CN201611122651.3A CN201611122651A CN106453166A CN 106453166 A CN106453166 A CN 106453166A CN 201611122651 A CN201611122651 A CN 201611122651A CN 106453166 A CN106453166 A CN 106453166A
Authority
CN
China
Prior art keywords
base station
channel
obtains
pilot
value
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.)
Granted
Application number
CN201611122651.3A
Other languages
English (en)
Other versions
CN106453166B (zh
Inventor
肖海林
莫秋椿
黄国庆
王茹
张玉冰
马得森
沈正源
金晓晴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201611122651.3A priority Critical patent/CN106453166B/zh
Publication of CN106453166A publication Critical patent/CN106453166A/zh
Application granted granted Critical
Publication of CN106453166B publication Critical patent/CN106453166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0204—Channel estimation of multiple channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明提供了一种大规模MIMO信道估计方法和系统，由基站和至少1个用户组成，其利用线性信号处理技术不改变信道和相关噪声统计特性的性质，将复杂的数据、噪声和信道的相关性分析转化为普通的计算问题，在不增加导频资源消耗的同时显著提升了信道估计精度。

Description

一种大规模MIMO信道估计方法和系统
技术领域
本发明涉及通信技术领域，具体涉及一种大规模MIMO信道估计方法和系统。
背景技术
随着大容量、高速无线通信需求的飞速增长，未来无线通信系统必须具有大容量、高速率、以及高可靠性的特性。为了实现这一目标，研究人员己经进行了大量研究，从不同角度提高信道传输的自由度，利用时间、频率、空间、以及编码等物理层资源，挖掘提升信道传输容量的增长点。大规模MIMO系统由于能提供更多的信道传输自由度，可以提供更大的信道传输容量，成为当今重要的研究热点。
然而，由于大规模MIMO系统提供的等效子信道数目远远多于传统通信系统，需要估计的信道参数也随之猛增，导致信道估计难度急剧增大。单一导频估计技术应用在大规模MIMO系统中，出现导频符号占用信道资源过多而没有足够的信道资源传输数据符号的技术难题。盲估计方法不发送导频符号，仅依据接收到的数据符号进行的信道估计。利用数据符号本身固有的一些特征，进行信道估计。可以留出足够的信道资源传输数据符号。然而，盲估计在MIMO系统中会出现估计模糊造成估计精度不高，无法满足实际中的移动通信系统需求。
为了消除导频估计和盲估计的不足，利用导频符号高度相关性和数据符号统计特性的半盲信道估计方法已经被提出。EVD-ILSP(特征值分解-循环迭代)方法中，首先，通过EVD方法利用各用户间近似正交的信道、噪声、数据符号以及各个用户不同的大尺度路径衰落值，利用求矩阵特征值方法，获得EVD估计值。然后，再通过ILSP(循环迭代)方法对EVD方法引入的色噪声以及系统本身固有的色噪声进行白化处理，进一步提升估计精度。然而，在该方法中，用于消除用户位置模糊的导频矩阵只是一维的，每个用户只能获得一个导频符号，其效果很有限。另外，该导频矩阵的用途也没有被进一步的挖掘。最后，ILSP方法在进一步提升估计精度上的潜力也没有被进一步发现和利用。
发明内容
本发明所要解决的技术问题是大规模MIMO系统中估计参数众多，单一的采用EVD-ILSP方法无法进一步提升信道估计精度的问题，提供一种大规模MIMO信道估计方法和系统。
为解决上述问题，本发明是通过以下技术方案实现的：
一种大规模MIMO信道估计方法，具体包括如下步骤：
步骤1.用户向基站发送包括数据和导频的帧信号；
步骤2.基站对接收到的数据即接收数据进行特征值分解，得到各用户的初始信道估计值；
步骤3.基站根据接收到的导频即接收导频和预先存储在基站中的真实导频计算各用户的模糊因子；
步骤4.基站将步骤2得到的初始信道估计值与步骤3得到的模糊因子相乘，得到各用户的信道估计值；
步骤5.基站将信道估计值作为已知量，并采用最小二乘法对接收数据进行检测，得到发送数据估计值；
步骤6.基站将发送数据估计值作为已知量，并采用最小二乘法对接收数据进行检测，得到信道的估计值；
步骤7.基站重复步骤5-6，得到循环迭代K_step次后的信道估计值；K_step为设定值；
步骤8.基站将步骤7得到的信道估计值作为已知量，并采用最小二乘法对接收导频进行检测，得到导频直接估计值；
步骤9.基站将步骤8得到的导频直接估计值与预先存储在基站中的真实导频相减，得到导频直接偏移绝对值；
步骤10.基站将步骤7得到的信道估计值减去步骤4得到的信道估计值，得到信道偏移向量；
步骤11.基站将步骤10得到的信道偏移向量与权值系数k相乘，得到初始加权向量；其中k为设定值；
步骤12.基站将步骤11得到的初始加权向量中的元素按元素序号进行随机不重复排列，得到加权向量；
步骤13.基站将步骤12得到的加权向量作为权值与步骤7得到的信道估计值相加，得到加权信道；
步骤14.基站将步骤12得到的加权信道作为已知量，采用最小二乘法对接收导频进行检测，得到导频加权估计值；
步骤15.基站将步骤14得到的导频加权估计值与预先存储在基站中的真实导频相减，得到导频加权偏移绝对值；
步骤16.基站判断步骤15得到的导频加权偏移绝对值减去步骤9得到的导频直接偏移绝对值的差值是否大于性能提升门限a；如果大于，则当前加权信道即为最终信道估计值；否则，返回步骤12；其中a为设定值。
步骤S11中，数据在时间上先于导频发送。
步骤7中，K_step的取值范围介于3～20之间。
步骤11中，权值系数k的取值范围介于2.5～3.5之间。
步骤16中，性能提升门限a根据步骤9所求导频直接偏移绝对值进行自适应调整。
步骤16中，性能提升门限a为步骤9所求导频直接偏移绝对值的1/10～3/10。
实现上述方法的一种大规模MIMO信道估计系统，由基站和至少1个用户组成。基站包括MIMO天线阵列、双工模块、上行射频接收模块、上行模数转换模块、上行基带信号处理模块、下行射频接收模块、下行模数转换模块、下行基带信号处理模块、以及基站控制中心；MIMO天线阵列通过无线信道与用户连接；MIMO天线阵列与双工模块相连；基站控制中心与双工模块的控制端连接；上行射频接收模块的输入端连接双工模块，上行射频接收模块的输出端经由上行模数转换模块连接上行基带信号处理模块的输入端，基站控制中心与上行射频接收模块和上行模数转换模块的控制端连接；上行基带信号处理模块与基站控制中心相连；下行基带信号处理模块与基站控制中心相连；下行基带信号处理模块的输出端经由下行模数转换模块连接下行射频接收模块的输入端，基站控制中心与下行射频接收模块和下行模数转换模块的控制端连接；下行射频接收模块的输出端连接双工模块。
与现有技术相比，本发明利用线性信号处理技术在不改变信道和相关噪声统计特性的性质的前提下，将复杂的数据、噪声和信道的相关性分析转化为普通的计算问题，从而在不增加导频资源消耗的同时显著提升了信道估计精度。
附图说明
图1为本发明的信道估计方法流程图。
图2为本发明的信道估计方法带状导频数据帧结构图。
图3为本发明的信道估计系统框图。
图4为上行基带信号处理模块具体框图。
图5为加权信道生成单元具体框图。
图6为本发明实施例中小区系统模型图。
图7为本发明实施例中现有方法和本发明所提方法的均方误差(MSE)性能仿真比较示意图。
具体实施方式
下面将结合附图1至附图7和具体的实施例对本发明方法和系统的实现做进一步的阐述。需要说明的是，实例中的参数不影响本发明的一般性。
一种大规模MIMO信道估计方法，其估计流程如图1所示，具体实施过程如下：
S1.求出采用EVD方法估计的信道估计值CHLevd；包括S11-S14步骤
S11.用户向基站发送包括导频符号和数据符号的帧信号。帧信号的帧结构如图2所示，其中数据符号在时间上先于导频符号发送，n表示每个用户的导频数量。作为导频矩阵，同时存储在用户和基站中。
S12.基站先接收从用户发送过来的数据符号矩阵Yd_noised，并对Yd_noised进行EVD分解，得到EVD初始信道估计值Ud。其中，Hli是信道小尺度衰落系数，Dli是信道大尺度衰落系数，Xi是各用户发射数据符号，Nld是复高斯噪声矩阵；
S13.基站在接收完用户数据符号矩阵Yd_noised后，继续接收用户导频矩阵并通过Yp_noised和基站存储的真实导频求出各用户模糊因子
S14.将步骤S12中求得的各用户初始信道估计值Ud与步骤S13中求得的模糊因子相乘，求出EVD信道估计值CHLevd，
S2.在步骤S1的基础上，继续求出EVD-ILSP方法的信道估计值CHLevd-ilsp以及在CHLevd-ilsp作为已知信道时的EVD-ILSP导频偏移绝对值；具体包括S21-S25步骤
S21.将步骤S14中得到的EVD估计信道CHLevd作为已知信道，通过LS(leastsquare，最小二乘法)算法，去检测接收到的Yd_noised，检测结果为
S22.将步骤S21中求得的检测数据作为已知数据，再通过LS算法，重新估计信道，得到CHLilsp(n)，其中n表示ILSP循环迭代计算中的第n次计算结果；
S23.将步骤S22中求得的CHLilsp(n)替换步骤S21中的CHLevd，再重复步骤S21，S22共K_step次，得到步骤S22的第K_step次计算结果CHLilsp(K-step)，并将该结果作为EVD-ILSP信道估计值CHLevd-ilsp，CHLevd-ilsp＝CHLilsp(K_step)；
S24.将在步骤S23控制下，由步骤S22求得的CHLevd-ilsp作为已知，通过LS算法去检测步骤S13中的接收导频Yp_noised，得到EVD-ILSP导频估计值
S25.将步骤S24求得的EVD-ILSP导频估计值与真实导频相减，得到EVD-ILSP导频偏移绝对值Eevd-ilsp，
S3.在步骤S1，步骤S2的基础上，求出最后信道估计值CHLoptimal；包括步骤S31-S37
S31.将在步骤S23控制下，由步骤S22求得的EVD-ILSP信道估计值CHLevd-ilsp与步骤S14得到的EVD信道估计值CHLevd相减，得到这两次估计的信道偏移向量Dval，Dval＝CHLevd-ilsp-CHLevd；
S32.将步骤S31中得到的信道偏移向量Dval与系数k相乘，得到初始加权向量Wval，Wval＝kDval，其中k是给定的；
S33.将步骤S32中所得初始加权向量Wval内各个元素按元素序号进行随机不重复排列，得到加权向量Wval(c)，其中c表示初始加权向量Wval随机不重复排列的次数。
S34.将步骤S33中得到的加权向量Wval(c)作为权值与在步骤S23控制下，由步骤S22求得的EVD-ILSP信道估计值CHLevd-ilsp相加，得到加权信道CHLwd(c)，CHLwd(c)＝CHLevd-ilsp+Wval(c)；
S35.将步骤S34中得到的CHLwd(c)作为已知信道，去检测步骤S13中接收到的导频矩阵Yp_noised，得到导频矩阵估计值
S36.将基站中存储的与步骤S34中得到的相减，得到第c次加权信道下所检测到的导频偏移绝对值E(c)，
S37.判断步骤S36中得到的E(c)是否小于步骤S24中得到的Eevd-ilsp减去a的差值，即是否满足条件E(c)<Eevd-ilsp-a，如果是，结束算法，信道估计值CHLoptimal即为当前导频偏移绝对值所对应的加权信道CHLwd(c)。如果不是，重复执行步骤S33，S34，S35，S36，S37直到满足条件E(c)<Eevd-ilsp-a，其中a是性能提升门限值。
实现上述方法的一种大规模MIMO信道估计系统，由基站和至少1个用户组成。基站包括MIMO天线阵列、双工模块、上行射频接收模块、上行模数转换模块、上行基带信号处理模块、下行射频接收模块、下行模数转换模块、下行基带信号处理模块、以及基站控制中心；MIMO天线阵列通过无线信道与用户连接；MIMO天线阵列与双工模块相连；基站控制中心与双工模块的控制端连接；上行射频接收模块的输入端连接双工模块，上行射频接收模块的输出端经由上行模数转换模块连接上行基带信号处理模块的输入端，基站控制中心与上行射频接收模块和上行模数转换模块的控制端连接；上行基带信号处理模块与基站控制中心相连；下行基带信号处理模块与基站控制中心相连；下行基带信号处理模块的输出端经由下行模数转换模块连接下行射频接收模块的输入端，基站控制中心与下行射频接收模块和下行模数转换模块的控制端连接；下行射频接收模块的输出端连接双工模块。参见图3。
下面通过一个具体实例，对本发明进行进一步说明：本实例中用户所在的小区分布如图6所示，信道估计系统框图如图3所示，相关的参数如表1所示：
表1
步骤(1)各小区用户同时向大规模MIMO阵列天线发送如图2所示的数据和导频符号，其中数据符号先于导频符号发送，以便系统可以在接收导频符号时，也可以同时对数据进行EVD分解，提高系统效率。
本步骤中的导频采用块状导频：
式中本发明采用的导频符号数量Np＝11，参数分别对应图6中的每个小区。
作为本发明对比方法的纯导频估计方法采用的块状导频是其中导频符号数量Npp＝33，参数分别对应图6中的每个小区。
接收数据
式中Yd_noised是接收数据符号矩阵，Hli是第i小区用户对0小区基站天线小尺度衰落系数，Dli是第i小区用户对第0小区基站天线大尺度衰落系数，Xi是各用户发射数据符号，Nld是复高斯噪声矩阵。
式中Yp_noised是接收导频符号矩阵，Nln是复高斯噪声。
步骤(2)将通过大规模MIMO阵列天线的信号经过双工模块，将用户到基站的上行信号提取出来。
步骤(3)基站控制中心控制射频接收模块以及模数转换模块将上行高频信号降为低频信号，之后再通过模数转换模块转换，得到待处理的上行基带信号。
步骤(4)将步骤(3)中待处理的上行基带信号送入图4上行基带信号处理模块的FPGA进行导频和数据的降速和分离处理。
步骤(4.1)将模/数模块输出的高速数字信号通过数字下变频降速后，再通过带通滤波，得到高信噪比低速数字信号。
步骤(4.2)将步骤(4.1)中的数字信号通过导频数据检测分离模块对接收导频符号和接收数据符号进行分离。
步骤(4.3)将步骤(4.2)中分离后的接收导频符号和接收数据符号各自通过寄存模块并经过数字下变频后得到适合下一步DSP处理的信号。
步骤(5)图4中DSP模块对来自FPGA的信号进行处理，得到信道估计参数。
步骤(5.1)将步骤(4.3)中的接收数据符号送入EVD分解计算单元，对接收数据符号进行特征值分解(EVD分解)得到信道初始估计值Ud。
同时将接收导频符号分别送入第一接收导频存储单元、第二接收导频存储单元以及模糊因子计算单元。其中第一接收导频存储单元和第二接收导频存储单元存储接收导频符号，用于后续的导频检测。
模糊因子计算单元利用接收导频符号计算各用户位置的模糊因子计算过程如下Ud
式中D是所有用户的大尺度衰落矩阵。
步骤(5.2)将步骤(5.1)中得到的信道初始估计值Ud和模糊因子通过乘法单元相乘，计算出EVD信道估计值CHLevd
步骤(5.3)将步骤(5.2)中得到的CHLevd和数据符号Yd_noised送入第一LS算法单元，通过LS算法得到估计数据。并将该数据存入估计数据寄存单元。
步骤(5.4)将步骤(5.3)中估计数据寄存单元寄存的估计数据作为已知量送入第二LS算法单元，再次对信道参数进行LS估计，得到更新后的信道参数并将参数存入信道估计参数寄存单元。
步骤(5.5)调用信道估计参数寄存单元中的信道参数作为已知量，对接收数据进行再次估计，并将估计值更新到估计数据寄存单元。
步骤(5.6)重复步骤(5.4)-(5.5)共K_step次。
步骤(5.7)将步骤(5.6)中经过K_step次循环计算得到EVD-ILSP信道估计值CHLevd-ilsp分为三路，分别送到第一导频检测单元、信道偏移值计算单元和加权信道生成单元。
步骤(5.8)第一导频检测单元利用步骤(5.7)送入的CHLevd-ilsp对接收导频存储单元1送过来的接收导频进行检测，将检测结果送入第一导频偏移绝对值计算单元。
步骤(5.9)信道偏移值计算单元利用步骤(5.7)送入的CHLevd-ilsp和步骤(5.2)送入的CHLevd进行信道偏移值计算，得到计算结果Dval。其中Dval由下式计算所得
Dval＝CHLevd-ilsp-CHLevd (6)
步骤(5.10)第一导频偏移绝对值计算单元将步骤(5.8)送入的与真实导频存储单元送入的真实导频进行相减，得到第一导频偏移绝对值Eevd-ilsp。
步骤(5.11)初始加权向量生成单元将Dval乘以权值系数w得到初始加权向量Wval，并将Wval送入加权向量生成单元。
Wval＝wDval (8)
步骤(5.12)加权向量生成单元对Wval中的权值进行随机不重复排序，得到加权向量Wval(c)。具体实施步骤如附图5。
步骤(5.12.1)随机序列生成单元生成等待使用的权值排列方式。
步骤(5.12.2)随机序列判决单元对权值排列方式进行判决，如果当前权值排列方式与前面所有权值排列方式都不重复，则加权向量生成器按当前权值排列方式对初始加权向量进行排列，并做为加权向量输出。
步骤(5.12.3)如果当前权值排列方式与前面所有权值排列方式出现重复，随机序列判决单元控制随机序列生成单元重新生成权值排列方式。
步骤(5.12.4)重复步骤(5.12.2)-(5.12.3)。
步骤(5.13)将步骤(5.6)中生成的EVD-ILSP信道估计值CHLevd-ilsp和步骤(5.12)生成的加权向量Wval(c)在加权信道生成单元中相加，得到加权信道CHLwd(c)
CHLwd(c)＝CHLevd-ilsp+Wval(c) (9)
步骤(5.14)第二导频检测单元将步骤(5.1)中存储在接收导频存储单元2中的接收导频信号取出，通过步骤(5.13)的加权信道的LS检测，并将检测结果送入第二导频偏移绝对值计算单元。
步骤(5.15)第二导频偏移绝对值计算单元调用真实导频存储单元中的真实导频，并将其与相减，得到第二导频偏移绝对值(也是第c次加权信道所检测导频偏移绝对值E(c))
步骤(5.16)将步骤(5.10)中第一导频偏移绝对值Eevd-ilsp与第二导频偏移绝对值E(c)在导频偏移值判决控制单元中判决，判决公式如下：
E(c)<Eevd-ilsp-a (11)
步骤(5.17)如果满足判决条件，输出信道最佳估计值。
步骤(5.18)如果不满足判决条件，导频偏移值判决控制单元控制加权向量生成单元重新生成与之前排列不重复的加权向量Wval(c+1)，重复执行步骤(5.13)-(5.18)。得到如图7所示MATLAB仿真结果
步骤(6)在基站控制中心的控制下，上行基带信号处理模块将得到的信道最佳估计值作为已知对接收数据进行检测，将检测结果再通过基站控制中心发往上一层网络(ISDN、PSTN、PLMN等)。信道估计参数则继续保留在基站控制中心，用于控制下行数据信息的发送。
步骤(7)下行基带信号处理模块在基站控制中心信道估计参数的控制下对下行基带信号进行处理。
步骤(8)经过估计参数控制后的下行基带信号再经过数模转换模块转换为模拟信号，在射频发射模块中进行上变频。最后，通过双工模块将信号馈送到大规模MIMO天线阵列。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为发明的保护范围并不局限于这样的特别陈述和实施例。凡是根据上述表述做出各种可能的等同替换或改变，均被认为属于本发明的权利要求的保护范围。

Claims (7)

1.一种大规模MIMO信道估计方法，其特征是，具体包括如下步骤：
步骤1.用户向基站发送包括数据和导频的帧信号；
步骤2.基站对接收到的数据即接收数据进行特征值分解，得到各用户的初始信道估计值；
步骤3.基站根据接收到的导频即接收导频和预先存储在基站中的真实导频计算各用户的模糊因子；
步骤4.基站将步骤2得到的初始信道估计值与步骤3得到的模糊因子相乘，得到各用户的信道估计值；
步骤5.基站将信道估计值作为已知量，并采用最小二乘法对接收数据进行检测，得到发送数据估计值；
步骤6.基站将发送数据估计值作为已知量，并采用最小二乘法对接收数据进行检测，得到信道的估计值；
步骤7.基站重复步骤5-6，得到循环迭代K_step次后的信道估计值；K_step为设定值；
步骤8.基站将步骤7得到的信道估计值作为已知量，并采用最小二乘法对接收导频进行检测，得到导频直接估计值；
步骤9.基站将步骤8得到的导频直接估计值与预先存储在基站中的真实导频相减，得到导频直接偏移绝对值；
步骤10.基站将步骤7得到的信道估计值减去步骤4得到的信道估计值，得到信道偏移向量；
步骤11.基站将步骤10得到的信道偏移向量与权值系数k相乘，得到初始加权向量；其中k为设定值；
步骤12.基站将步骤11得到的初始加权向量中的元素按元素序号进行随机不重复排列，得到加权向量；
步骤13.基站将步骤12得到的加权向量作为权值与步骤7得到的信道估计值相加，得到加权信道；
步骤14.基站将步骤12得到的加权信道作为已知量，采用最小二乘法对接收导频进行检测，得到导频加权估计值；
步骤15.基站将步骤14得到的导频加权估计值与预先存储在基站中的真实导频相减，得到导频加权偏移绝对值；
步骤16.基站判断步骤15得到的导频加权偏移绝对值减去步骤9得到的导频直接偏移绝对值的差值是否大于性能提升门限a；如果大于，则当前加权信道即为最终信道估计值；否则，返回步骤12；其中a为设定值。
2.根据权利要求1所述的一种大规模MIMO信道估计方法，其特征是，步骤S11中，数据在时间上先于导频发送。
3.根据权利要求1所述的一种大规模MIMO信道估计方法，其特征是，步骤7中，K_step的取值范围介于3～20之间。
4.根据权利要求1所述的一种大规模MIMO信道估计方法，其特征是，步骤11中，权值系数k的取值范围介于2.5～3.5之间。
5.根据权利要求1所述的一种大规模MIMO信道估计方法，其特征是，步骤16中，性能提升门限a根据步骤9所求导频直接偏移绝对值进行自适应调整。
6.根据权利要求5所述的一种大规模MIMO信道估计方法，其特征是，步骤16中，性能提升门限a为步骤9所求导频直接偏移绝对值的1/10～3/10。
7.基于权利要求1所述方法的一种大规模MIMO信道估计系统，由基站和至少1个用户组成，其特征是，
基站包括MIMO天线阵列、双工模块、上行射频接收模块、上行模数转换模块、上行基带信号处理模块、下行射频接收模块、下行模数转换模块、下行基带信号处理模块、以及基站控制中心；
MIMO天线阵列通过无线信道与用户连接；MIMO天线阵列与双工模块相连；基站控制中心与双工模块的控制端连接；
上行射频接收模块的输入端连接双工模块，上行射频接收模块的输出端经由上行模数转换模块连接上行基带信号处理模块的输入端，基站控制中心与上行射频接收模块和上行模数转换模块的控制端连接；上行基带信号处理模块与基站控制中心相连；
下行基带信号处理模块与基站控制中心相连；下行基带信号处理模块的输出端经由下行模数转换模块连接下行射频接收模块的输入端，基站控制中心与下行射频接收模块和下行模数转换模块的控制端连接；下行射频接收模块的输出端连接双工模块。
CN201611122651.3A 2016-12-08 2016-12-08 一种大规模mimo信道估计方法和系统 Active CN106453166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611122651.3A CN106453166B (zh) 2016-12-08 2016-12-08 一种大规模mimo信道估计方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611122651.3A CN106453166B (zh) 2016-12-08 2016-12-08 一种大规模mimo信道估计方法和系统

Publications (2)

Publication Number Publication Date
CN106453166A true CN106453166A (zh) 2017-02-22
CN106453166B CN106453166B (zh) 2023-03-21

Family

ID=58217145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611122651.3A Active CN106453166B (zh) 2016-12-08 2016-12-08 一种大规模mimo信道估计方法和系统

Country Status (1)

Country Link
CN (1) CN106453166B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426119A (zh) * 2017-05-31 2017-12-01 东南大学 毫米波通信的十字形信道估计方法、装置及系统
CN109818887A (zh) * 2019-03-07 2019-05-28 西安电子科技大学 基于evd-ilsp的半盲信道估计方法
WO2019127930A1 (zh) * 2017-12-29 2019-07-04 深圳超级数据链技术有限公司 一种半盲信道估计方法和装置
CN109995684A (zh) * 2017-12-29 2019-07-09 深圳超级数据链技术有限公司 一种半盲信道估计方法和装置
CN111650563A (zh) * 2020-06-15 2020-09-11 桂林电子科技大学 外辐射源雷达同频干扰时延和能量快速估计系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100076756A1 (en) * 2008-03-28 2010-03-25 Southern Methodist University Spatio-temporal speech enhancement technique based on generalized eigenvalue decomposition
CN103929382A (zh) * 2014-04-10 2014-07-16 北京联合大学 一种大规模mimo系统的大尺度衰落估计方法与装置
WO2016039786A1 (en) * 2014-09-08 2016-03-17 Commscope Technologies Llc Multi-user mimo with degenerate mimo channel and pilot design
CN105610479A (zh) * 2016-02-29 2016-05-25 华中科技大学 一种大规模mu-mimo系统信道估计方法
CN105827273A (zh) * 2016-03-08 2016-08-03 上海交通大学 多小区大规模mimo系统用户双天线导频干扰消除方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100076756A1 (en) * 2008-03-28 2010-03-25 Southern Methodist University Spatio-temporal speech enhancement technique based on generalized eigenvalue decomposition
CN103929382A (zh) * 2014-04-10 2014-07-16 北京联合大学 一种大规模mimo系统的大尺度衰落估计方法与装置
WO2016039786A1 (en) * 2014-09-08 2016-03-17 Commscope Technologies Llc Multi-user mimo with degenerate mimo channel and pilot design
CN105610479A (zh) * 2016-02-29 2016-05-25 华中科技大学 一种大规模mu-mimo系统信道估计方法
CN105827273A (zh) * 2016-03-08 2016-08-03 上海交通大学 多小区大规模mimo系统用户双天线导频干扰消除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BIEN QUOE NGO等: ""EVD-based channel estimation in multicell multiuser MIMO systems with very large antenna arrays"", 《2012 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》 *
NEHA SHANNA等: ""EVD-LRL based joint channel estimation and detection for very large MIMO systems"", 《IEEE WISPNET 2016 CONFERENCE》 *
徐凤阳等: ""大规模MIMO系统中基于子空间跟踪的半盲信道估计"", 《应用科学学报》 *
胡丞等: "大规模MIMO系统中基于EVD半盲信道估计的导频污染研究", 《南京邮电大学学报(自然科学版)》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426119A (zh) * 2017-05-31 2017-12-01 东南大学 毫米波通信的十字形信道估计方法、装置及系统
CN107426119B (zh) * 2017-05-31 2020-02-07 东南大学 毫米波通信的十字形信道估计方法、装置及系统
WO2019127930A1 (zh) * 2017-12-29 2019-07-04 深圳超级数据链技术有限公司 一种半盲信道估计方法和装置
CN109995684A (zh) * 2017-12-29 2019-07-09 深圳超级数据链技术有限公司 一种半盲信道估计方法和装置
CN109995683A (zh) * 2017-12-29 2019-07-09 深圳超级数据链技术有限公司 一种半盲信道估计方法和装置
CN109995684B (zh) * 2017-12-29 2021-11-16 深圳市天凯利信息科技有限公司 一种半盲信道估计方法和装置
CN109818887A (zh) * 2019-03-07 2019-05-28 西安电子科技大学 基于evd-ilsp的半盲信道估计方法
CN109818887B (zh) * 2019-03-07 2021-09-28 西安电子科技大学 基于evd-ilsp的半盲信道估计方法
CN111650563A (zh) * 2020-06-15 2020-09-11 桂林电子科技大学 外辐射源雷达同频干扰时延和能量快速估计系统及方法
CN111650563B (zh) * 2020-06-15 2022-05-31 桂林电子科技大学 一种外辐射源雷达同频干扰时延和能量快速估计系统及方法

Also Published As

Publication number Publication date
CN106453166B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN106453166A (zh) 一种大规模mimo信道估计方法和系统
CN103546264B (zh) 基于导频复用的大规模mimo无线通信方法
CN109195214B (zh) 一种基于遗传算法的noma功率分配方法
CN102638802B (zh) 一种分层协作联合频谱感知算法
CN1863184B (zh) 信号分解装置和信号分解方法
CN107483088A (zh) 大规模mimo鲁棒预编码传输方法
CN103763706B (zh) 基于分簇的协作频谱感知模糊融合方法
CN104936219B (zh) 用于干扰源调度检测及噪声和干扰源参数估计的方法和设备
CN106936742A (zh) 基于神经网络的多档码速率自适应解调系统及方法
CN105636105B (zh) 测量导频发送、检测方法、装置、基站及终端
CN112533251B (zh) 一种小区干扰评估方法及装置
CN103947139B (zh) 用于估计服务小区内的干扰的方法、用户设备和装置
RU2426255C2 (ru) Усовершенствованный способ декодирования в системе многоантенной приемопередачи и устройство для реализации способа
CN105122671A (zh) 移动通信终端
CN106899993A (zh) 面向大规模mimo网络的网络优化方法及其基站
CN103929382B (zh) 一种大规模mimo系统的大尺度衰落估计方法与装置
CN107318169A (zh) 一种swipt‑idma系统中基于不完全信道状态信息的功率与时分因子联合分配方法
CN105897321B (zh) 一种基于时隙分配的无线携能通信信号接收方法及接收机
CN107276696A (zh) 一种低信噪比条件下信号检测算法
Chuan et al. Uplink NOMA signal transmission with convolutional neural networks approach
CN110519029A (zh) 蜂窝与v2v混合大规模mimo导频复用信道获取方法
CN103209472B (zh) 一种进行协作调度小区间上行干扰协调的方法及系统
CN106254050B (zh) 基于大尺度信息的大规模mimo系统动态导频分配方法
CN103685093B (zh) 一种显式反馈方法及设备
CN105491572A (zh) 基于判决门限优化的联合频谱感知方法

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