CN106549885A - 信道估计方法和系统 - Google Patents

信道估计方法和系统 Download PDF

Info

Publication number
CN106549885A
CN106549885A CN201511031720.5A CN201511031720A CN106549885A CN 106549885 A CN106549885 A CN 106549885A CN 201511031720 A CN201511031720 A CN 201511031720A CN 106549885 A CN106549885 A CN 106549885A
Authority
CN
China
Prior art keywords
channel
target
cell
base station
module
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
CN201511031720.5A
Other languages
English (en)
Other versions
CN106549885B (zh
Inventor
王海
王锐
王伟
陈万里
朱晓丹
李风从
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.)
Southern University of Science and Technology
Original Assignee
Southern University of Science and 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 Southern University of Science and Technology filed Critical Southern University of Science and Technology
Priority to CN201511031720.5A priority Critical patent/CN106549885B/zh
Publication of CN106549885A publication Critical patent/CN106549885A/zh
Application granted granted Critical
Publication of CN106549885B publication Critical patent/CN106549885B/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
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种信道估计方法及系统。应用于包括基站和多小区的大规模MIMO系统，以获得目标基站与目标小区之间的信道，方法包括：步骤S110：目标基站缓存目标小区的用户发送的第1至第n个数据块；步骤S120：目标基站根据缓存的第1至第n个数据块更新目标基站与目标小区之间信道的估计；步骤S130：目标基站将更新后的目标基站与目标小区之间的信道与一阶自回归模块相结合，以获得更优的信道估计值。即在没有增加导频信号长度的基础上获得更优的信道估计值，解决了导频污染。

Description

信道估计方法和系统
技术领域
本发明涉及大规模MIMO通信领域，特别是涉及一种信道估计方法和系统。
背景技术
所谓大规模MIMO，称之为Massive MIMO或者叫Large-Scale MIMO。顾名思义，就是在基站端安装几百根天线(128根，256根或者更多)。与传统的MIMO相比，Massive MIMO不同之处主要在于，在基站的天线数逐渐增加，直到无穷大时，通常严重影响通信系统性能的热噪声和小区间的干扰将可以被忽略不计，而且最简单的波束成型，比如最大比合并接收机(MRC receiver)将会变成最优。和LTE相比，同样占用20MHz带宽，Massive MIMO的小区吞吐率可以达到1200兆比特/秒，频谱利用率达到了史无前例的60比特/秒/赫兹/小区。
Massive MIMO时分双工(Time Division Duplex，TDD)系统作为一种新颖的蜂窝网络结构，由于其可以利用信道的互易性，使得信道训练的开销仅与每个小区的用户数相关，而与基站的天线数无关。因此，当基站天线数趋向无穷时，并不会增加系统的反馈开销，额外增加的天线会提高蜂窝网络的性能。且蜂窝网络中的基站之间都是通过光纤或网线相互通讯连接，基站之间可以很方便的进行互传用户之间的信息，有效地消除周围小区的干扰，提升本小区所有用户的信道估计情况。
从信息论的角度看，在Massive MIMO时分双工(Time Division Duplex，TDD)系统中当基站的天线数趋近于无穷时，信道容量应该是无限大。但是在实际应用的场景中，这并不成立。唯一的限制因素就是导频污染(Pilot Contamination)。
这是由于通常同一小区内各用户的导频信号是正交的，而相邻小区间的导频信号则是复用的。导频污染主要是由各小区用户向各自的基站发送不正交导频训练序列所致。而多小区系统中对特定的基站而言，其对各个信道的估计都是该基站接收信号与导频乘积的一个缩放，而基站在接收信号中无法区分本小区用户和其他小区用户，从而使基站对本小区的信道估计存在误差。
目前，消除导频污染有效的方法是使导频信号的长度与用户总的数目成正比，从而使各小区的导频信号完全正交，当各小区的导频信号完全正交时,可以利用信道的互易性消除小区之间的干扰。但是这种消除导频污染的方法虽然使得基站对各小区的信道估计更准确，但是由于导频信号长度的增加使得信道容量的大部分资源用来传输导频信号，而实际用于传输有用数据的信道容量变得有限。
发明内容
基于此，有必要针对目前的导频污染问题，提供一种信道估计方法和系统。
一种信道估计方法，应用于包括基站和多小区的大规模MIMO系统，以获得目标基站与目标小区之间的信道，其特征在于，所述方法包括：
步骤S110：所述目标基站缓存所述目标小区的用户发送的第1至第n个数据块；
步骤S120：所述目标基站根据缓存的所述第1至第n个数据块更新所述目标基站与所述目标小区之间信道的估计；
步骤S130：所述目标基站将更新后的所述目标基站与所述目标小区之间的信道与一阶自回归模块相结合，以获得更优的信道估计值。
在其中一个实施例中，所述方法还包括：所述目标基站将更新后的所述目标基站与所述目标小区之间的信道进行线性组合，以获得更优的信道估计值。
在其中一个实施例中，所述方法还包括：所述目标基站根据所述获得更优的信道估计值及一阶自回归模型恢复出所述目标小区的用户发送的数据块；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
在其中一个实施例中，所述方法还包括：所述目标基站基于一阶自回归模型及更新后的所述目标基站与所述目标小区之间的信道预测当前时刻的信道；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
在其中一个实施例中，所述方法还包括：所述目标基站判断是否有数据块 需要继续接收。
一种信道估计系统，包括基站和多小区的大规模MIMO系统，用来获得目标基站与目标小区之间的信道，其特征在于，所述目标基站包括：数据缓存模块、信道更新模块及更优信道获得模块；
所述数据缓存模块，用于缓存所述目标小区的用户发送的第1至第n个数据块；
所述信道更新模块与所述数据缓存模块连接，用于根据缓存的所述第1至第n个数据块更新所述目标基站与所述目标小区之间信道的估计；
所述更优信道获得模块与所述信道更新模块连接，用于将更新后的所述目标基站与所述目标小区之间的信道与一阶自回归模型相组合，以获得更优的信道估计值。
在其中一个实施例中，所述目标基站还包括当前时刻信道预测模块，所述当前时刻信道预测模块所述信道更新模块连接，用于基于一阶自回归模型 及更新后的所述目标基站与所述目标小区之间的信道预测当前时刻的信道；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
在其中一个实施例中，所述目标基站还包括判断模块；所述判断模块与所述数据缓存模块连接，用于判断是否有数据需要继续接收。
上述信道估计方法，通过目标基站缓存目标小区的用户发送的第1至第n个数据块，并根据缓存的数据块更新目标基站与目标小区之间的信道，进一步地，目标基站将更新后的信道与一阶自回归模型相结合，以获得更优的信道估计。即上述信道估计方法，在没有增加导频信号长度的基础上，通过缓存的数据块与一阶自回归模型相结合的方法获得更优的信道估计，解决了导频污染问题。
附图说明
图1为多小区的大规模MIMO中的蜂窝网络的局部示意图；
图2为一实施例的信道估计方法流程图；
图3为一实施例蜂窝网络中一基站的模块图。
具体实施方式
本发明的目的在于提供一种信道估计方法，该信道估计方法适用于大规模MIMO系统中，通过实施本发明提供的信道估计方法能有效地降低大规模MIMO系统中的导频污染，从而使基站对信道的估计更准确，进一步地使基站更准确地恢复出用户发送的数据。
如图1所示，为一个蜂窝网络的局部示意图。在实际中，一个蜂窝网络里有多个小区，每个小区都设置有一个基站。在图1中只示出了一个蜂窝网络中的三个小区示意图。为了方便描述，现假定图1中的蜂窝网络有L个小区，每个小区的覆盖半径均为R米，每个小区设置有一个基站且每个小区的基站均带有N根天线。每个小区有K个用户，每个用户携带的设备只有1根天线。在本实施例中，选取小区11进行分析，则其余L-1个小区均为干扰小区，基站110的接收模型为：其中，为基站11缓存的小区11的用户发送的第1个至第n+1个数据块，为导频信号，H1为小区11与基站110之间的信道，为基站110与其余L-1个小区的干扰数据。
且在本实施例中，为了节省带宽，各个小区复用相同的导频信号且基站110与小区11之间信道的变化采用一阶自回归模型：其中h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
在实际中，经验证，一阶自回归模型可以很好地扑捉蜂窝网络中信道的变化情况，并且由于用户移动速度有限，信道变化比较缓慢，上述的0.98≤αl,k≤1。具体地，本实施例以基站110接收到小区11的用户发送的第n+1个数据块开始分析，其具体的信道估计方法流程如图2所示。
图2为本发明一实施例的信道估计方法，由图2可知，该方法包括：基站110根据其缓存的小区11的用户发送的第1至第n个数据块更新对基站110与小区11之间信道的估计。
具体地包括如下步骤S110至S130。
步骤S110：基站110缓存小区11的用户发送的第1至第n个数据块。
具体地，在开始时刻0，假设基站110内的各小区内用户的导频信号均相互正交，即基站110接收的其它小区的干扰数据由于为已知的导频信号，则基站110可估计出小区11的用户与基站110之间的信道H1。
由信号的传输理论及信道变化模型可知，在之后的较短时间段内，信道近似为
小区11的用户发送第2个数据块至基站110时，基站110的接收模型为此时基站110根据信道的近似值解出数据块并存储数据块
小区11的用户发送第3个数据块至基站110时，基站110分别根据存储的数据块和更新对小区11和基站110之间信道的估计，假设更新后的信道为和此时基站110将更新后的信道和进行线性组合得到信道并依据假设的信道的一阶自回归变化模型进一步得到信道的估计值 接下来基站110根据接收到的数据解出小区11的用户发送的第3个数据块并储存。
依此类推，在数据传输过程中均以数据作为导频信号，基站110接收到小区11的用户发送的第n个数据之后，分别根据其缓存的第1至第n-1个数据块更新小区11与基站110之间的信道，根据更新后的信道解出第n个数据块并缓存。
步骤S120：基站110根据缓存的第1至第n个数据块更新对基站110与小区11之间信道的估计。
具体地，假设更新后的信道为其中，T是信道估计系数矩阵，表示基站110根据接收到数据块更新后的小区11与基站110之间的信道，表示基站110根据接收到的数据块更新后的小区11与基站110之间的信道，表示的是基站110根据接收到的数据块更新后的小区11与基站110之间的信道。
步骤S130：基站110将更新后的基站110与小区11之间的信道与一阶自回 归模块相结合，以获得更优的信道估计值。
具体地，基站110将更新后的基站110与小区11之间的信道进行线性组合，以获得更优的信道估计值。
在本实施例中，假设线性组合的系数为θ＝{θ0，θ,1，...，θn}，则获得的更优的信道估计值为
进一步地，基站110根据获得更优的信道估计值及一阶自回归模型，恢复出小区11的用户发送的第n+2个数据块。
具体地，在本实施例中，基站110接收小区11的用户发送的第n+2个数据个数据块为
可以理解地，恢复的数据可能存在误差，但该误差在用户发送数据时对数据进行了编码保护范围内，基站110可以解码获得小区11的用户发送的实际数据。
进一步地，由于小区11的用户可能连续不断地发送数据块至基站110，基站110需要判断是否有数据块继续接收，如果需要继续接收，则重复上述缓存接收的数据块并根据缓存的数据块更新对当前信道的估计的步骤，若不需要继续接收，则结束。
由本实施例可知，本发明的信道估计方法，通过基站110缓存小区11的用户发送的第1至第n个数据块，并根据换的数据块更新对信道的估计，并进一步地，基站110将更新后的基站110与小区11之间的信道进行线性组合，以获得更优的信道估计值。在没有增加导频信号长度的基础上，获得更优的信道估计值。
如图3所示，为一实施例的蜂窝网络中一基站的模块图。在本实施例中具体以目标基站为例说明，由图3可知，本实施例的蜂窝网络中的目标基站包括：数据缓存模块410、信道更新模块411及更优信道获得模块412。
数据缓存模块410，用于缓存目标小区的用户发送的第1至第n个数据块。
信道更新模块411与数据缓存模块410连接，用于根据缓存的第1至第n 个数据块更新目标基站与目标小区之间信道的估计。
更优信道获得模块412与信道更新模块411连接，用于将更新后的目标基站与目标小区之间的信道与一阶自回归模型相组合，以获得更优的信道估计值。
在进一步的优选实施例中，目标基站还包括当前时刻信道预测模块413，当前时刻信道预测模块413与信道更新模块411连接，用于基于一阶自回归模型 及更新后的目标基站与目标小区之间的信道预测当前时刻的信道；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
由图3还可知，目标基站还包括判断模块414,判断模块414与数据缓存模块410连接，用于判断是否有数据需要继续接收。
由上述实施例可知，本发明的信道估计系统，通过目标基站缓存目标小区的用户发送的第1至第n个数据块，并根据缓存的第1至第n个数据块更新对信道的估计，并在一些优选的方案中，将更新后的信道估计值与一阶自回归模型相结合，获得更优的信道估计或预测出当前时刻的信道。在没有增加导频信号长度的基础上，获得准确的信道估计值，解决了导频污染的问题。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种信道估计方法，应用于包括基站和多小区的大规模MIMO系统，以获得目标基站与目标小区之间的信道，其特征在于，所述方法包括：
步骤S110：所述目标基站缓存所述目标小区的用户发送的第1至第n个数据块；
步骤S120：所述目标基站根据缓存的所述第1至第n个数据块更新所述目标基站与所述目标小区之间信道的估计；
步骤S130：所述目标基站将更新后的所述目标基站与所述目标小区之间的信道与一阶自回归模块相结合，以获得更优的信道估计值。
2.根据权利要求1所述的信道估计方法，其特征在于，所述方法还包括：所述目标基站将更新后的所述目标基站与所述目标小区之间的信道进行线性组合，以获得更优的信道估计值。
3.根据权利要求2所述的信道估计方法，其特征在于，所述方法还包括：所述目标基站根据所述获得更优的信道估计值及一阶自回归模型恢复出所述目标小区的用户发送的数据块；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
4.根据权利要求1所述的信道估计方法，其特征在于，所述方法还包括：所述目标基站基于一阶自回归模型及更新后的所述目标基站与所述目标小区之间的信道预测当前时刻的信道；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
5.根据权利要求1至4任一所述的信道估计方法，其特征在于，所述方法还包括：所述目标基站判断是否有数据块需要继续接收。
6.一种信道估计系统，包括基站和多小区的大规模MIMO系统，用来获得目标基站与目标小区之间的信道，其特征在于，所述目标基站包括：数据缓存模块、信道更新模块及更优信道获得模块；
所述数据缓存模块，用于缓存所述目标小区的用户发送的第1至第n个数据块；
所述信道更新模块与所述数据缓存模块连接，用于根据缓存的所述第1至第n个数据块更新所述目标基站与所述目标小区之间信道的估计；
所述更优信道获得模块与所述信道更新模块连接，用于将更新后的所述目标基站与所述目标小区之间的信道与一阶自回归模型相组合，以获得更优的信道估计值。
7.根据权利要求6所述的信道估计系统，其特征在于，所述目标基站还包括当前时刻信道预测模块，所述当前时刻信道预测模块所述信道更新模块连接，用于基于一阶自回归模型及更新后的所述目标基站与所述目标小区之间的信道预测当前时刻的信道；其中，h、w均是N×1的向量，α是一个标量，且大于0小于1，n代表的是当前时刻，l，k分别代表第l个小区中的k个用户。
8.根据权利要求6至7任一所述的信道估计系统，其特征在于，所述目标基站还包括判断模块；所述判断模块与所述数据缓存模块连接，用于判断是否有数据需要继续接收。
CN201511031720.5A 2015-12-31 2015-12-31 信道估计方法和系统 Active CN106549885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511031720.5A CN106549885B (zh) 2015-12-31 2015-12-31 信道估计方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511031720.5A CN106549885B (zh) 2015-12-31 2015-12-31 信道估计方法和系统

Publications (2)

Publication Number Publication Date
CN106549885A true CN106549885A (zh) 2017-03-29
CN106549885B CN106549885B (zh) 2019-09-17

Family

ID=58365720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511031720.5A Active CN106549885B (zh) 2015-12-31 2015-12-31 信道估计方法和系统

Country Status (1)

Country Link
CN (1) CN106549885B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080240304A1 (en) * 2007-04-02 2008-10-02 Samsung Electronics Co. Ltd. Apparatus and method for interference cancellation in a broadband wireless communication system
CN101610234A (zh) * 2003-01-07 2009-12-23 高通股份有限公司 无线多载波通信系统的导频传输方案
WO2015009080A1 (ko) * 2013-07-17 2015-01-22 삼성전자 주식회사 무선 통신 시스템에서 채널 추정 방법 및 장치
CN104429129A (zh) * 2012-06-26 2015-03-18 高通股份有限公司 用于干扰消去的非主导频信道发现
CN104539401A (zh) * 2014-12-16 2015-04-22 北京邮电大学 一种自适应预编码方法、基站及系统
WO2015193446A1 (en) * 2014-06-18 2015-12-23 Sony Corporation Standardized inter-base station reporting of pilot contamination for improved pilot resource re-use

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101610234A (zh) * 2003-01-07 2009-12-23 高通股份有限公司 无线多载波通信系统的导频传输方案
US20080240304A1 (en) * 2007-04-02 2008-10-02 Samsung Electronics Co. Ltd. Apparatus and method for interference cancellation in a broadband wireless communication system
CN104429129A (zh) * 2012-06-26 2015-03-18 高通股份有限公司 用于干扰消去的非主导频信道发现
WO2015009080A1 (ko) * 2013-07-17 2015-01-22 삼성전자 주식회사 무선 통신 시스템에서 채널 추정 방법 및 장치
WO2015193446A1 (en) * 2014-06-18 2015-12-23 Sony Corporation Standardized inter-base station reporting of pilot contamination for improved pilot resource re-use
CN104539401A (zh) * 2014-12-16 2015-04-22 北京邮电大学 一种自适应预编码方法、基站及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUNJIE MA ET AL.: "Data-Aided Channel Estimation in Large Antenna Systems", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 *
RUI WANG ET AL.: "A Stochastic Geometry Based Performance Analysis Framework for Massive MIMO systems with Data-Assisted Uplink Detection Scheme", 《2015 IEEE INTERNATIONAL CONFERENCE ON DIGITAL SIGNAL PROCESSING (DSP)》 *

Also Published As

Publication number Publication date
CN106549885B (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
Zhou et al. A deep-learning-based radio resource assignment technique for 5G ultra dense networks
CN109639377B (zh) 基于深度强化学习的频谱资源管理方法
JP5216023B2 (ja) ワイヤレス通信システムにおける同一チャネル干渉の特徴付け
CN102884745B (zh) 利用信道时间相关性来降低信道状态信息反馈比特率
RU2619201C2 (ru) Способ, устройство и система адаптации ранга восходящей линии связи
US20210226834A1 (en) Efficient Peak-to-Average-Power Reduction for OFDM and MIMO-OFDM
CN103249157B (zh) 不完美csi条件下的基于跨层调度机制的资源分配方法
Liu et al. Two-timescale hybrid compression and forward for massive MIMO aided C-RAN
CN113038616B (zh) 一种基于联邦学习的频谱资源管理分配方法
CN104661296B (zh) 决定用户设备的发送功率的装置和方法
CN112153744B (zh) 一种icv网络中物理层安全资源分配方法
Zhu et al. Cluster-based dynamic DL/UL reconfiguration method in centralized RAN TDD with trellis exploration algorithm
CN106027214A (zh) 一种多小区大规模mimo系统导频分配方法
CN102300326A (zh) 多用户多输入多输出mimo通信系统的调度方法和基站
Ganjalizadeh et al. Interplay between distributed AI workflow and URLLC
CN102342053A (zh) 无线通信系统、接收装置、发送装置、无线通信系统的通信方法、控制程序和自主分散网络
CN102547997B (zh) 在无线通信系统中基于干扰进行自适应调度的方法与设备
CN104901732A (zh) 一种密集节点配置系统中的导频复用方法
CN115037608A (zh) 量化的方法、装置、设备及可读存储介质
CN106549885B (zh) 信道估计方法和系统
Ganjalizadeh et al. Device selection for the coexistence of URLLC and distributed learning services
JP2022537245A (ja) チャネル状態情報を送信するための方法、機器及びコンピュータ可読媒体
CN109041009A (zh) 一种车联网上行功率分配方法及装置
KR20100074803A (ko) 다중 셀 협력 방법
CN102752071A (zh) 用于多点协作系统的下行链路预编码方法和中心处理节点

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant