CN106487725A - 一种多用户mimo系统毫米波信道估计方法 - Google Patents

Abstract

本发明属于毫米波通信(millimeter wave communication)技术领域，特别涉及一种利用CANDECOMP/PARAFAC分解(CP分解)来联合估计多用户下行链路信道的方法。本发明通过新的分层导频传输方案，训练阶段包含一系列的帧，每个帧又被分为一些子帧，在每个子帧中，所有用户使用共同的波束赋形向量同时传输他们各自的导频信息。通过该方案，基站端接收的信号可以构造成一个三阶tensor，然后通过CP分解将其分解成一系列一阶tensor的线性组合，并通过分解后的参数矩阵估计信道。

Description

一种多用户MIMO系统毫米波信道估计方法

技术领域

本发明属于毫米波通信(millimeter wave communication)技术领域，特别涉及一种利用CANDECOMP/PARAFAC分解(CP分解)来联合估计多用户下行链路信道的方法。

背景技术

毫米波通信是未来5G网络中非常有前途的一项技术。通过利用毫米波频段中的大带宽，它甚至可以具有提供每秒千兆比特速率的潜力，因此引起了广泛的关注。但是，在如此高的频段中进行通信将会引起很高的信号衰减和吸收，为了补偿严重的路径损耗，基站端和用户端都需要使用大规模的天线阵列利用波束控制增加链路增益。但是准确的波束赋形预编码矩阵需要完整的信道状态信息(channel state information，CSI)，这对于具有大规模天线和低信噪比的毫米波信道是一个巨大挑战，在多用户MIMO下这种情况会变得更加严重。

由于毫米波频段频率很好，空间散射性很差，信号几乎都是直线传播，现有的毫米波信道估计方法都是利用毫米波信道的稀疏散射特性来降低信道估计训练开销。此外根据信道的稀疏散射特性，很多基于压缩感知的方法也被引入来估计毫米波信道。此外，一种新的分层多分辨率波束赋形码本和自适应压缩感知方法也被提出来进行毫米波信道估计。但是现有的方法仍旧训练开销过大，训练耗时较长，并且有些算法还需要在基站端和用户端建立反馈信道，需要消耗更多资，。因此迫切需要提出一种新的毫米波信道估计方法。

本发明中，对多用户上行毫米波信道进行估计，也可利用TDD信道的互易性，进而得到下行链路毫米波信道的信道状态信息。本发明提出了一种新的分层导频传输方案，使基站端的接收信道构成一个三阶tensor,然后通过CP分解将其分解成一系列一阶tensor的线性组合，并通过分解后的参数矩阵估计信道。

发明内容

本发明的目的在于提供一种多用户MIMO系统毫米波信道估计方法，并且能够提高估计精确度、降低计算复杂度。

本发明通过新的分层导频传输方案，训练阶段包含一系列的帧，每个帧又被分为一些子帧，在每个子帧中，所有用户使用共同的波束赋形向量同时传输他们各自的导频信息。通过该方案，基站端接收的信号可以构造成一个三阶tensor，然后通过CP分解将其分解成 一系列一阶tensor的线性组合，并通过分解后的参数矩阵估计信道。

为描述方便，下面对系统模型进行介绍：

一个单基站(Base Station,BS)服务U个移动用户(Mobile Station,MS)的毫米波系统，该系统使用混合模拟和数字波束赋形结构，如图1所示。其中，BS端配备N_BS个发射天线和M_BS个射频(Radio Freqency,RF)链路,MS端配备N_MS个发射天线和M_MS个RF链路。这里假设M_BS＜N_BS，M_MS＜N_MS。假设毫米波信道中第u个用户与基站间共有L_u个散射簇，则第u个用户与基站间的信道可以表示为其中，α_u,l为第u个用户的第l条路径的复增益。θ_u,l∈[0,2π]，φ_u,l∈[0,2π]分别为到达方位角(azimuth angle of arrival，AoA)和离开方位角(azimuth angle of departure，AoD)。a_BS(θ_u,l)和a_MS(φ_u,l)分别为BS和MS的天线阵列响应向量。本发明假设为均匀线性阵列，则

其中，λ为信号波长，d为相邻天线间的距离。

考虑单层导频传输规划。假设训练阶段总共包括T个相邻帧，每个帧又被分为T'个子帧。在每个子帧t'＝1,...,T'中，所有用户使用一个共同的波束赋形向量p_t'同时传输他们各自的导频符号s_u,t。因此每个帧中，每个用户共使用T'波束赋形向量来发送导频。在BS端，发送信号同时被MS端的M_MS个RF链的接收向量接收到。因此，第m个RF链在第t个帧的第t'个子帧接收到的信号为其中，w_m,t,t'第m个RF链在第t个帧的第t'个子帧时的加性高斯白噪声。将信道带入后，可得 其中，α_l＝α_u,l，θ_l＝θ_u,l，φ_l＝φ_u,l，

定义

P＝[p₁ … p_T']，令为固定tensory中t之后的矩阵，因此可得其中，根据以上分析，tensory可以表示为以下一阶tensor的和：其中，“ο”表示矢量积。

定义

S＝[s₁ … s_L]，其中，s_u＝[s_u,1 … s_u,T]^T。则S_L＝SO，且其中，1_l表示l维全1列向量。

将接收信号进行CP分解后分解成3阶tensor，通过对各阶进行估计，利用估计后的一阶tensor得到毫米波信道的估计值。

一种多用户MIMO系统毫米波信道估计方法，具体步骤如下：

S1、设置初始参数μ，计算初始发射导频S；

S2、估计A_Q、A_P、S_L，具体为：

S21、L已知时：

使用迭代最小二乘算法即可得到三个参数矩阵，其中，为固定tensory中t之后的矩阵，⊙表示Khatri-Rao积；

S22、L未知时：

通过使用迭代最小二乘算法即可对三个参数矩阵进行估计；

S3、对估计矩阵进行分解，即，令为估计得到的值，其与实际的A_Q、A_P、S_L之间满足：

其中，Λ₁、Λ₂分别为与A_Q、A_P块结构相对应的非奇异对角矩阵，Λ₃为非奇异对角阵，且Π为一置换矩阵，E₁、E₂、E₂为别为三个参数矩阵的估计误差，由S_L＝SO，得 S均已知，且O为块对角阵，块中全为1，Λ₃为对角阵，Π为置换矩阵，不考虑估计误差，得观察SS的结构，SS应为一个对块对角阵进行置换的矩阵，即可估计出O，Λ₃，Π，从而得到L_u；

S4、利用估计毫米波信道：

由其中，E为由E₁、E₂引起的估计误差，令则其中， 表示Kronecker积，通过离散化连续参数空间到一个N₁×N₂的二位网格中，每个格点为设存在于网格上，则可得到其中，是一个过完备字典，共有N₁×N₂列，其第((i-1)N₁+j)列为为α_u补零得到的向量，通过使用压缩感知的方法，从而得到毫米波信道的准确估计。

本发明的有益效果在于：

通过CP分解，将接收信号分解成一系列一阶tensor的线性组合，并通过分解后的参数矩阵估计信道，大大降低了计算复杂度，相比于传统的毫米波估计方法，本发明具有更强的实际操作性。

附图说明

图1为BS和MS的混合预编码结构图。

图2为两种信道的AoA与AoD集合显示图。

图3为NMSE与SNR的关系图。

图4中a为NMSE与T的关系图，b为NMSE与M_BS的关系图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

仿真中，设该毫米波系统基站使用N_BS＝64的均匀线性阵列天线，服务U＝8个移动用 户，每个移动端使用N_MS＝32的均匀线性阵列天线,M_MS＝1个RF链，且相邻天线的距离为信号的半波长。毫米波信道各AoA与AoD分布在[0,2π]中，复增益α_u,l为一随机变量，服从循环对称高斯分布α_u,l～CN(0,N_BSN_MS/ρ)，ρ＝(4πDf_c/c)²，D表示MS与BS间的距离，f_c表示载频，c表示光速。假设D＝50m，f_c＝28GHz。MS和BS间共有L＝13个散射簇，L_u为1或者2。导频个数T分别为2,3,6,8。正则系数为μ＝3×10^-3。

一种多用户MIMO系统毫米波信道估计方法，具体步骤如下：

S1、设置初始参数μ，计算初始发射导频S；

S2、估计A_Q、A_P、S_L，具体为：

S21、L已知时：

使用迭代最小二乘算法即可得到三个参数矩阵，其中，为固定tensory中t之后的矩阵，⊙表示Khatri-Rao积；

S22、L未知时：

通过使用迭代最小二乘算法即可对三个参数矩阵进行估计；

S3、对估计矩阵进行分解，即，令为估计得到的值，其与实际的A_Q、A_P、S_L之间满足：

其中，Λ₁、Λ₂分别为与A_Q、A_P块结构相对应的非奇异对角矩阵，Λ₃为非奇异对角阵，且Π为一置换矩阵，E₁、E₂、E₂为别为三个参数矩阵的估计误差，由S_L＝SO，得 S均已知，且O为块对角阵，块中全为1，Λ₃为对角阵，Π为置换矩阵，不考虑估计误差，得观察SS的结构，SS应为一个对块对角阵进行置换的矩阵，例如SS第一行的系数即为Λ₃中对角线上的第一个元素，观察第一行中各元素的位置可得置换矩阵的第一行中1的位置，依次类推，即可估计出O，Λ₃，Π，从而得到L_u；

S4、利用估计毫米波信道：

由其中，E为由E₁、E₂引起的估计误差，令则其中， 表示Kronecker积，通过离散化连续参数空间到一个N₁×N₂的二位网格中，每个格点为设存在于网格上，则可得到其中，是一个过完备字典，共有N₁×N₂列，其第((i-1)N₁+j)列为为α_u补零得到的向量，通过使用压缩感知的方法，例如OMP算法即可估计出和α_u，从而得到毫米波信道的准确估计。

下面将利用了降低PAPR的相关算法同本发明方法的算法性能对比分析，以进一步验 证本发明的性能。

采用两种衡量指标来度量算法的性能。一个是用来衡量毫米波信道的恢复准确性，叫做归一化均方误差(Normalized Mean Squared Error，简称NMSE)；一个是用来衡量接收端信号强度，叫做信噪比(Signal-to-Noise Ratio，SNR)。NMSE的定义为

SNR的定义为

y与w分别表示接收信号与加性噪声。

仿真中采用两种随机毫米波信道，其AoA与AoD的关系如图2所示。图3分别为两种毫米波信道下采用CP分解的方法与普通的CS方法的NMSE随着SNR的变化情况。第一种CS算法将AoA-AoD空间离散化到64×32的格点上，第二种CS算法将AoA-AoD空间离散化到128×64的格点上。由于我们将毫米波信道分解成各个用户的信道分别进行估计，因此可以采用更多的格点。新算法采用将AoA-AoD空间离散化到256×128的格点上。从图3可以看出，新算法相比两种CS网格算法具有明显的优势，这主要是由于新算法使用的CP分解具有唯一性保证，并且具有更强的鲁棒性。图4分别为两种毫米波信道下采用CP分解的方法与普通的CS方法的NMSE随着T的变化情况。此时T'＝16，M_BS＝16。从图4可以看出，当T＞2时，新算法具有更好的信道估计性能。此外，当AoA/AoD充分分离开来时，A_Q，A_P各自的自相关变得更低，CP分解也可以以更高的精确度完成。总的来说，本发明相对其他算法可以大幅提高毫米波信道的估计精度，相比其他算法具有明显的性能优势。

综上所诉，本发明是基于CP分解的对多用户MIMO上行毫米波信道进行联合估计的算法，其将接收信号通过CP分解得到三个参数矩阵，通过迭代最小二乘算法对三个参数矩阵的估计后，将信道使用三个参数矩阵表示后，转化为CS格点法对信道进行估计。由于本发明将信道分解，对每个用户的信道进行分别估计，大幅提高了估计精度，相比其他算法具有更好的性能，同时由于CP分解的唯一性，使算法的鲁棒性更好。

Claims (1)

1.一种多用户MIMO系统毫米波信道估计方法，其特征在于，具体步骤如下：

S1、设置初始参数μ，计算初始发射导频S；

S2、估计A_Q、A_P、S_L，具体为：

S21、L已知时：

使用迭代最小二乘算法即可得到三个参数矩阵，其中，为固定tensory中t之后的矩阵，⊙表示Khatri-Rao积；

S22、L未知时：

通过使用迭代最小二乘算法即可对三个参数矩阵进行估计；

S3、对估计矩阵进行分解，即，令为估计得到的值，其与实际的A_Q、A_P、S_L之间满足：

${\hat{A}}_Q=A_Q{\mathrm{\Λ}}_1\Π+E_1$

${\hat{A}}_P=A_P{\mathrm{\Λ}}_2\Π+E_2$

其中，Λ₁、Λ₂分别为与A_Q、A_P块结构相对应的非奇异对角矩阵，Λ₃为非奇异对角阵，且Π为一置换矩阵，E₁、E₂、E₂为别为三个参数矩阵的估计误差，由S_L＝SO，得 S均已知，且O为块对角阵，块中全为1，Λ₃为对角阵，Π为置换矩阵，不考虑估计误差，得观察SS的结构，SS应为一个对块对角阵进行置换的矩阵，即可估计出O，Λ₃，Π，从而得到L_u；

S4、利用估计毫米波信道：

由其中，E为由E₁、E₂引起的估计误差，令则其中， 表示Kronecker积，通过离散化连续参数空间到一个N₁×N₂的二位网格中，每个格点为设存在于网格上，则可得到其中，是一个过完备字典，共有N₁×N₂列，其第((i-1)N₁+j)列为为α_u补零得到的向量，通过使用压缩感知的方法，从而得到毫米波信道的准确估计。