CN106559361B - 大规模多输入多输出天线系统的信道估计方法及装置 - Google Patents
大规模多输入多输出天线系统的信道估计方法及装置 Download PDFInfo
- Publication number
- CN106559361B CN106559361B CN201510592045.7A CN201510592045A CN106559361B CN 106559361 B CN106559361 B CN 106559361B CN 201510592045 A CN201510592045 A CN 201510592045A CN 106559361 B CN106559361 B CN 106559361B
- Authority
- CN
- China
- Prior art keywords
- user equipment
- channel estimation
- uplink channel
- beam collection
- effective beam
- 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
Landscapes
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种大规模多输入多输出天线系统的信道估计方法及装置,属于无线通信领域。所述方法包括:对用户设备进行初始上行信道估计,并对初始上行信道估计向量进行快速傅里叶变换,确定各用户设备的有效波束集;根据有效波束集对所述用户设备进行上行分组;接收经过上行分组后的各用户设备发送的第二训练信号,进行上行信道估计,得到所述用户设备的上行信道估计值。根据所述有效波束集对所述用户设备进行下行分组;向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号;恢复所述反馈信号,以获得所述用户设备的下行信道估计值。上述方法能够有效地减小开销,避免导频污染,提高估计精度。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种大规模多输入多输出天线系统的信道估计方法及装置。
背景技术
随着第五代移动通信系统(5G)的研究快速发展,大规模多输入多输出天线系统(Massive Multiple-InputMultiple-Output,简称MIMO) 引起了学术界和工业界的广泛关注。MIMO技术已经被广泛应用于现有的通信标准之中,如LTE和WiFi,而大规模MIMO系统也因为其具有的众多优势而成为下一代蜂窝网络架构的物理层关键技术。理论上,大规模MIMO系统能够显著提升系统的能量效率和频谱效率、消除用户设备间干扰、简化信号处理复杂度以及增加链路的可靠性和鲁棒性。然而,大规模MIMO系统潜在优势的发挥依赖于信道状态信息(Channel State Information,简称CSI)的精确获取。
在实际应用场景中,用户设备和基站需要在训练周期内发送导频信号来获取上下行CSI。为了进行下行信道估计,基站可以在TDD模式下根据信道互易性利用上行信道估计值得到下行信道状态信息,或者在FDD模式下根据用户设备的反馈数据进行信道估计。
根据传统正交训练机制,最佳训练序列的数量正比于发送天线的个数,这意味着大规模MIMO系统所需的正交导频将急剧增加。然而受限于较短的信道相干时间,非正交导频的应用变得不可避免,由此引入了大规模MIMO系统的主要问题——导频污染。在实际的大规模 MIMO TDD系统中,信道估计都基于信道的互易性,并且充分利用了信道的统计特性。随着信道维数的增长,统计信息的获取难度和精度都不足以证明此类方法的合理性。此外,TDD系统的性能还受到其他不利因素的严重影响,例如上下行链路射频电路之间的校准误差会导致下行信道估计精度的下降;信道的互易性也被证实只在单小区内是鲁棒的。此外,随着终端天线数的增加,上行训练的开销也将变得十分庞大。而在FDD系统中,为了减小下行训练和反馈开销,现有的信道估计方式或者利用了信道的统计特性或者采取了闭环的训练结构。然而,信道估计的开销依然很大,有待进一步优化。
发明内容
针对现有技术中的缺陷,本发明提供一种大规模多输入多输出天线系统的信道估计方法及装置,能够有效地减小开销,避免导频污染,提高估计精度。
第一方面,本发明提供一种大规模多输入多输出天线系统的信道估计方法,所述方法包括:
接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量;
对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应;
根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值;
接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上信道估计值,所述同组内用户设备发送的第二训练信号相同。
可选地,所述方法还包括:
根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户设备的有效波束集相同;
根据有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值。
向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号,所述反馈信号为第三训练信号经过下行信道估计后的估计值;
恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
可选地,所述恢复所述反馈信号,得到所述用户设备的下行信道估计值,具体包括:
对所述反馈信号进行反快速傅里叶变换;
对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
可选地,在所述对所述初始上行信道估计向量进行快速傅里叶变换之前,所述方法还包括:
对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,所述对所述初始上行信道估计向量进行快速傅里叶变换,具体包括:
对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
可选地,在所述根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集之后,所述方法还包括:
根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数;
相应地,所述根据所述有效波束集对所述用户设备进行上行分组,具体包括:
根据所述有效波束集对参数化后的用户设备进行上行分组。
第二方面,本发明提供一种大规模多输入多输出天线系统的信道估计装置,所述装置包括:
上行信道估计向量获取单元,接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量;
有效波束集确定单元,用于对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应;
上行分组单元,用于根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值;
上行信道估计值获取单元,用于接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上信道估计值,所述同组内用户设备发送的第二训练信号相同。
可选地,所述装置还包括:
下行分组单元,用于根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户设备的有效波束集相同;根据有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值;
反馈信号接收单元,用于向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号,所述反馈信号为第三训练信号经过下行信道估计后的估计值;
下行信道估计值获取单元,用于恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
可选地,所述下行信道估计值获取单元,具体用于对所述反馈信号进行反快速傅里叶变换;对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
可选地,所述装置还包括:
相位旋转单元,用于对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,所述有效波束集确定单元,具体用于对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
可选地,所述装置还包括:
参数化处理单元,用于根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数;
相应地,所述上行分组单元,具体用于根据所述有效波束集对参数化后的用户设备进行上行分组。
由上述技术方案可知,本发明的大规模多输入多输出天线系统的信道估计方法及装置,通过根据用户设备的有效波束集对所述用户设备进行上行分组,以使同组内的用户设备复用同一第二训练信号,并对各第二训练信号进行上行信道估计,以获得用户设备的上行信道估计值;再对所述用户设备进行下行分组,减少分组个数,通过恢复各用户设备的反馈信号,获得用户设备的下行信道估计值。由此,能够有效地减小开销,避免导频污染,提高估计精度。
附图说明
图1为本发明一实施例提供的大规模多输入多输出天线系统的信道估计方法的流程示意图;
图2为本发明另一实施例提供的大规模多输入多输出天线系统的信道估计方法的流程示意图;
图3a为本发明一实施例提供的大规模多输入多输出天线系统的信道估计装置的结构示意图;
图3b为本发明另一实施例提供的大规模多输入多输出天线系统的信道估计装置的结构示意图;
图4为本发明一实施例提供的大规模MIMO系统的模型示意图;
图5为本发明实施例提供的用户设备多径信道波束域稀疏特性图;
图6为本发明实施例提供的用户设备多径信道经过相位旋转后的波束域稀疏特性图;
图7为本发明实施例提供的上行信道估计均方误差曲线对比图;
图8为本发明实施例提供的下行信道估计均方误差曲线对比图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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的实施例,都属于本发明保护的范围。
大规模MIMO系统具备很多重要属性,本发明结合这些属性,提出一种大规模多输入多输出天线系统的信道估计方法及装置,为方便本发明实施例的详细说明,对大规模MIMO系统进行如下描述:
如图4示出了大规模MIMO系统典型应用场景,其中,基站部署了阵元数为M的大规模等距线阵,K个单天线用户设备随机分布于小区内。以经典的“one-ring”模型为例,即有效散射体在终端周围形成半径为Rk的圆环,而用户设备与基站之间的距离Dk远大于Rk,于是基站处看到的用户设备信号多径分量都限制在一个角度扩展很小的窄角范围内,其单边角度扩展为Δθk≈arctan(Rk/Dk)。当多径分量数量较多时,可以认为信道多径的到达角DOA均匀分布于其中心角θk周围的一个窄角区间内,即[θk-Δθk,θk+Δθk]。因此,信道多径传播模型可以表示为:
其中,hk表示用户设备k到基站的信道向量,P表示独立同分布的散射多径数量,θkp和分别表示第p径的DOA和信道复增益;表示ULA的转向矢量,其定义为:
其中d表示阵列元素间的空间间隔,λ表示信号载波波长。
图1示出了本发明一实施例提供的大规模多输入多输出天线系统的信道估计方法的流程示意图,如图1所示,本实施例的大规模多输入多输出天线系统的信道估计方法如下所述。
101、接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量。
举例来说,鉴于大规模MIMO系统的传播特征,我们考虑用户设备信道的多径窄角入射模型。同时由于正交训练序列数量受限于短暂的相干周期,假设单小区内只有τ个长为L(τ≤L)正交训练序列。
具体地,在数据传输之前,可分配出个长为L的训练时隙,将小区内所有用户设备分成组,每组内包含τ个用户设备,可能出现最后一组小于τ个用户设备的情况。分组后同组内的用户设备可复用同一训练序列,但组与组的之间训练序列需要正交。各组用户设备通过调度,在个时隙中的某一时隙各自发送正交的第一训练信号至基站,基站通过最小二乘法对用户设备进行初始上行信道估计。
举例来说,基站接收到的第一训练信号可表示为:
经过初始上行信道估计获得的第i个用户设备的信道估计向量为:
其中,表示基站与第一组用户设备之间的信道矩阵;Sg=[s1,…,sτ]表示正交训练矩阵,表示分配给第 i个用户设备的正交训练序列;N表示噪声矩阵,其分量独立同服从于
102、对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应。
应该说明的是,在用户设备入射信号DOAs分布于窄角区间 [θk-Δθk,θk+Δθk]内时,将其信道估计向量进行FFT之后,用户设备的DOA与信道FFT变换后的波束域相对应,且其能量集中在少数的 FFT点上,即进行FFT之后的信道是渐进稀疏的。此外,由于用户设备多径分量集中在一个窄角区间内,各径的FFT都集中在用户设备的中心角附近,故叠加后的信道依然是渐进稀疏的。因此,对所述上行信道估计向量进行FFT后,可用少数FFT的点表示各信道。
在经过FFT后上述的每个用户设备的初始上行信道估计向量中只有少数的FFT点为非零项,且每一个非零项都对应一个有效波束,由多个有效波束可组成一个用户设备信道对应的有效波束集,由此,确定上述的用户设备的有效波束集。
值得注意的是,在上述的步骤102之后,本实施例的大规模多输入多输出天线系统的信道估计方法还包括图中未示出的步骤102B。
102B、根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数。
可理解的是,参数化后的用户设备的信道的有效维数与所述有效波束集中的有效波束个数相同,与之前的用户设备的信道相比,对参数化后的用户设备的信道进行信道估计,可有效地减小训练和反馈开销。
举例来说,只考虑单径情形,即P=1时,将用户设备的信道向量进行FFT变换,得到的结果为:
其中,称为用户设备k的波束域信道向量,即经过快速傅里叶变换的初始信道向
量,是酉FFT矩阵,其第(p,q)个元素定义为
采用空间正交基展开模型参数化上式可得:
其中,矩阵包含了FH中下标位于集合中的各列向量;而包含了中下标位于中的分量,且是中的第q个元素,fg是FH的第q列。
在另一种可实施的方式中,在上述的步骤102之前,还包括图中未示出的步骤102A。
102A、对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,步骤102为对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
举例来说,可定义相位旋转矩阵为:
Φ(φ)=diag{1,ejφ,...,ej(M-1)φ}
其优化准则为:
其中,包含了信道向量中τ个连续分量。由上式可知,用户设备k的信道功率更多的集中在表示的有效波束集中,从而可以显著提高近似精度。由此,对用户设备的信道进行空间相位旋转,可以加强波束域信道的稀疏性,从而提高后续计算精度。如图5及图6所示为相位旋转前后信道的稀疏性特征图。
应该说明的是,在实际应用中,用户设备移动所需的传输时间相比于信道相干周期总是很长的,也就是说用户设备相对基站的位置在几个或几十个信道相干周期内都可以认为是不变的。如果在信道使用初期,如上述的步骤101和步骤102,获得用户设备的DOA信息以及相应的有效波束集可以认为在后续的信道相干周期内都是不变的。同时根据实际无线电波的传播特性,若上下行用户设备信道的角度信息一致,即同一用户设备上行与下行信道的有效波束相同,则上行有效波束集也可用于下行信道稀疏表示和信道估计。因此,在可步骤 102之后的几个或几十个信道相干周期内的任意时刻执行下述的步骤 103和步骤104。
103、根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值。
可理解的是,如上所述,小区内的正交训练序列为τ个,而与用户设备的数量相比,训练序列的个数τ小于用户设备的数量K,因此,不可避免地造成导频复用,即训练序列的复用。而根据用户设备信道的稀疏特性,可将上述的用户设备进行上行分组,并且经过上行分组后,同组内的用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值,可使同组内的用户设备复用同一训练序列,而避免导频污染。其中,同组内的用户设备的有效波束集满足下式:
其中,有效波束集之间距离定义为:
Ω为上述的预设值,其的取值范围可为(0,M/2),当然,可根据系统其他参数和性能要求进行选取预设值,本实施例不对预设值的取值进行限定。
104、接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上行信道估计值。
应该说明的是,所述同组用户设备发送的第二训练信号相同。即上述的同组用户设备复用同一训练序列。
具体地,在未知信道统计信息时,采用最小二乘法进行信道估计;
在已知信道统计信息时,采用最小均方误差估计子方式进行信道估计。
举例来说,设上述的用户设备经过上行分组后被分为Gul组,且第g 组用户设备集合可用表示,g=1,...,Gul。假设第i个正交训练序列分配个第i个用户设备组,同组内用户设备复用同一训练序列,也就是说,上述的同组内用户设备发送的第二训练信号相同。此时,基站接收到的信号可表示为:
从上式中分离出接收到的对应于第g组用户设备的信号为:
其中为信噪比。
a)、在未知信道统计信息时,采用最小二乘法进行信道估计。
以第g组内的用户设备k为例,上式中的第二项包含了同组中其余用户设备的信号,为了消除导频污染,将yg旋转相位φk,并进行FFT 变换,可得:
用户设备k的波束域有效波束集中在有效波束集上,由于考虑到用户设备之间的有效波束不重叠,即且存在预设值的距离,因而用户设备之间的干扰很小。于是我们可以直接得到用户设备k的信道估计值为:
其中,Φ(φk)H=Φ(-φk)表示逆相位旋转矩阵,Jk为用户设备k信道的估计子。
b)、在已知信道统计信息时,采用最小均方误差估计子方式进行信道估计。
假设用户设备k的上行信道协方差矩阵表示为Rk,则第g组内的用户设备k的上行信道可直接通过最小均方误差估计子估计得到:
其中,表示的是第g组接收信号的协方差矩阵。
对所有分组重复使用上式就可以得到所有用户设备的上行信道估计值。
本实施例的一种大规模多输入多输出天线系统的信道估计方法,通过根据用户设备的有效波束集对所述用户设备进行上行分组,以使同组内的用户设备复用同一第二训练信号,并对各第二训练信号进行上行信道估计。由此,能够有效地减小开销,避免导频污染,提高估计精度。
在另一种可实施的方式中,上述的大规模多天线系统的信道估计方法除步骤201至步骤204之外,还可包括图2所示的步骤205至步骤208。
201、接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量。
202、对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应。
203、根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值。
204、接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上行信道估计值。
205、根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户的有效波束集相同。
由上述可知,用户设备的有效波束集可表示用户设备的信道,那么,当两个用户设备的有效波束集同,或只存在很小的差异时,比如当用户设备的有效波束集之间的不同点小于Ξ个时,可将两个用户设备看作同一个用户设备,其中,Ξ为一控制参数,可根据实际情况进行设定。因此,在进行后续的信道估计时,可对上述有效波束集相同的用设备进行相同的信道估计,减小运算开销。将有效波束集相同的用设备分为一个小组,则上述的用户设备被分为多个小组,且每个小组的有效波束集相同。
206、根据有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值。
按照前述的分组规则将步骤205中的多个小组进行下行分组,经过下行分组后的各小组仍需要满足各小组的有效波束集不重叠,且同组内各小组的有效波束集之间的距离大于或等于预设值。
应该说明的是,经过下行分组后每组中用户设备的个数大于上行分组后每组中用户设备的个数,而下行分组个数小于上行分组个数。例如,经过下行分组后,上述的用户设备被分为Gdl组,第g组的用户设备集合可用表示,相应地,g=1,...,Gdl。
207、向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号。
应该说明的是,所述反馈信号为第三训练信号经过下行信道估计后的估计值。例如,上述的反馈信号可为用户设备的信道波束域的估计值。
举例来说,对于某一组用户设备,所述第三训练信号可为基站在波束域发送的一个导频矩阵,该导频矩阵为该组内各用户设备的正交导频矩阵的叠加,且每个用户设备的导频矩阵指向该用户设备的有效波束。用户设备在接收到上述的第三训练信号之后,采用最小二乘法估计出各个用户设备的下行信道值,应该注意的是,上述的下行信道值为波束域的信道值,用户设备将上述的波束域的信道作为反馈信号按顺序反馈到基站。
具体地,若用户设备k的正交序列为其中,标量用于满足各用户设备发送功率限制Pk表示用户设备k的最大训练功率,则此外选择相应的波束成型矩阵为则下行用户设备k处接收到的训练信号为:
其中,
用户设备k的信道通过最小二乘法估计获得信道波束域有效波束增益为:
将上述的有效波束增益作为反馈信号发送到基站。
208、恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
在具体应用中,步骤208中还包括图中未示出的子步骤2081及子步骤2082。
2081、对所述反馈信号进行反快速傅里叶变换;
上述的反快速傅里叶变换与前述的快速傅里叶变换对应。
2082、对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
上述的逆相位旋转是指与前述的相位旋转进行反向的相位旋转。
举例来说,在信道统计信息未知时,基站接收到用户设备的反馈信号为:
将上式进行反快速傅里叶变换和逆相位旋转后,可得到用户设备的下行信道估计值为:
图7和图8为实际应用中,采用本实施例的大规模多输入多输出天线系统的信道估计方法进行信道估计与传统估计的性能曲线对比图,其中M=128,τ=16,K=32。
在实际应用中,若已知用户设备信道协方差矩阵Rk时,根据用户设备反馈的τ个波束域分量结合用户设备信道协方差矩阵Rk,可以对波束域信道进行修正。考虑到用户设备估计的τ个有效波束的估计误差中存在自干扰,利用Rk进行修正就包括两部分:其一是估计分量中落在外的分量其二是利用将中的自干扰消除。
举例来说,根据信道统计信息可得:
假设瞬时信道的相关特性与信道长期统计特征近似一致,即假设而后可利用如下方式对分量中落在外的分量,也就是进行估计:
定义第g组内所有用户设备的训练矩阵构成的总的波束域训练矩阵为且for其中表示Sg中下标位于中的行向量构成的子矩阵,可得到如下过程:
其中V,W,w是中间变量;diag{w}表示矩阵W的对角元素构成的列向量,而diag{w}表示以向量w的元素为对角元素的对角矩阵;⊙表示矩阵对应元素相乘,是全1的列向量,而最终的即是用户设备k修正后的波束域信道向量,因此,可得到最终的用户设备下行信道估计值为:
本实施例的大规模多输入多输出天线系统的信道估计方法,通过根据用户设备的有效波束集对所述用户设备进行上行分组,以使同组内的用户设备复用同一第二训练信号,并对各第二训练信号进行上行信道估计,以获得用户设备的上行信道估计值;再对所述用户设备进行下行分组,减少分组个数,通过恢复各用户设备的反馈信号,获得用户设备的下行信道估计值。由此,能够有效地减小开销,避免导频污染,提高估计精度。
图3a示出了本发明一实施例提供的大规模多输入多输出天线系统的信道估计装置,如图3a所述,本实施例的大规模多输入多输出天线系统的信道估计装置,包括:上行信道估计向量获取单元31、有效波束集确定单元32、上行分组单元33和上行信道估计值获取单元34。
其中,所述上行信道估计向量获取单元31,用于接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量;
有效波束集确定单元32,用于对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应;
上行分组单元33,用于根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值;
上行信道估计值获取单元34,用于接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上信道估计值,所述同组内用户设备发送的第二训练信号相同。
可选地,所述装置还包括图3b所示的下行分组单元35、反馈信号接收单元36和下行信道估计值获取单元37。
其中,所述下行分组单元35,用于根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户设备的有效波束集相同;根据有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值;
反馈信号接收单元36,用于向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号,所述反馈信号为第三训练信号经过下行信道估计后的估计值;
下行信道估计值获取单元37,用于恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
可选地,所述下行信道估计值获取单元37,具体用于对所述反馈信号进行反快速傅里叶变换;对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
可选地,所述装置还包括图中未示出的相位旋转单元,所述相位旋转单元,用于对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,所述有效波束集确定单元32,具体用于对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
可选地,所述装置还包括图中未示出的参数化处理单元,所述参数化处理单元,用于根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数;
相应地,所述上行分组单元33,具体用于根据所述有效波束集对参数化后的用户设备进行上行分组。
本实施例的大规模多输入多输出天线系统的信道估计装置,可以用于执行上述图1或图2所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
在实际应用时,小区基站可包括上述的大规模多输入多输出天线系统的信道估计装置,用于上行或下行的信道估计。
本实施例的大规模多输入多输出天线系统的信道估计装置,通过根据用户设备的有效波束集对所述用户设备进行上行分组,以使同组内的用户设备复用同一第二训练信号,并对各第二训练信号进行上行信道估计,以获得用户设备的上行信道估计值;再对所述用户设备进行下行分组,减少分组个数,通过恢复各用户设备的反馈信号,获得用户设备的下行信道估计值。由此,能够有效地减小开销,避免导频污染,提高估计精度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种大规模多输入多输出天线系统的信道估计方法,其特征在于,所述方法包括:
接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量;
对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应;其中,所述有效波束集由多个所述有效波束构成;
根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值;
接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上行信道估计值,所述同组内用户设备发送的第二训练信号相同。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户设备的有效波束集相同;
根据所述有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值;
向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号,所述反馈信号为第三训练信号经过下行信道估计后的估计值;
恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
3.根据权利要求2所述的方法,其特征在于,所述恢复所述反馈信号,得到所述用户设备的下行信道估计值,具体包括:
对所述反馈信号进行反快速傅里叶变换;
对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
4.根据权利要求1所述的方法,其特征在于,在所述对所述初始上行信道估计向量进行快速傅里叶变换之前,所述方法还包括:
对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,所述对所述初始上行信道估计向量进行快速傅里叶变换,具体包括:
对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
5.根据权利要求1所述的方法,其特征在于,在所述根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集之后,所述方法还包括:
根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数;
相应地,所述根据所述有效波束集对所述用户设备进行上行分组,具体包括:
根据所述有效波束集对参数化后的用户设备进行上行分组。
6.一种大规模多输入多输出天线系统的信道估计装置,其特征在于,所述装置包括:
上行信道估计向量获取单元,接收用户设备发送的第一训练信号,并对所述第一训练信号进行初始上行信道估计,以获得各用户设备的初始上行信道估计向量;
有效波束集确定单元,用于对所述初始上行信道估计向量进行快速傅里叶变换,并根据经过快速傅里叶变换的初始上行信道估计向量,确定各用户设备的有效波束集,以使所述经过快速傅里叶变换的初始上行信道估计向量中的非零项与有效波束一一对应;其中,所述有效波束集由多个所述有效波束构成;
上行分组单元,用于根据所述有效波束集对所述用户设备进行上行分组,以使同组内用户设备的有效波束集不重叠且同组内用户设备的有效波束集之间的距离大于或等于预设值;
上行信道估计值获取单元,用于接收经过上行分组后的各用户设备发送的第二训练信号,并对所述第二训练信号进行上行信道估计,以获得所述用户设备的上信道估计值,所述同组内用户设备发送的第二训练信号相同。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
下行分组单元,用于根据所述有效波束集将所述用户设备分为多个小组,以使各小组内用户设备的有效波束集相同;根据有效波束集对所述各小组进行下行分组,以使下行分组个数小于上行分组个数,并且经过下行分组后的同组内各小组的有效波束集不重叠,同组内各小组的有效波束集之间的距离大于或等于所述预设值;
反馈信号接收单元,用于向经过下行分组后的各组用户设备发送第三训练信号,并接收所述用户设备发送的反馈信号,所述反馈信号为第三训练信号经过下行信道估计后的估计值;
下行信道估计值获取单元,用于恢复所述反馈信号,以获得所述用户设备的下行信道估计值。
8.根据权利要求7所述的装置,其特征在于,所述下行信道估计值获取单元,具体用于对所述反馈信号进行反快速傅里叶变换;对经过反快速傅里叶变换的反馈信号进行逆相位旋转,以获得所述用户设备的下行信道估计值。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
相位旋转单元,用于对所述用户设备的初始上行信道估计向量进行相位旋转,得到经过相位旋转后的初始上行信道估计向量;
相应地,所述有效波束集确定单元,具体用于对所述经过相位旋转后的初始上行信道估计向量进行快速傅里叶变换。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
参数化处理单元,用于根据所述有效波束集,采用空间正交基展开模型参数化所述用户设备的信道,以降低所述用户设备信道的有效维数;
相应地,所述上行分组单元,具体用于根据所述有效波束集对参数化后的用户设备进行上行分组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510592045.7A CN106559361B (zh) | 2015-09-17 | 2015-09-17 | 大规模多输入多输出天线系统的信道估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510592045.7A CN106559361B (zh) | 2015-09-17 | 2015-09-17 | 大规模多输入多输出天线系统的信道估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106559361A CN106559361A (zh) | 2017-04-05 |
CN106559361B true CN106559361B (zh) | 2019-08-09 |
Family
ID=58414269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510592045.7A Active CN106559361B (zh) | 2015-09-17 | 2015-09-17 | 大规模多输入多输出天线系统的信道估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106559361B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3620029A1 (en) * | 2017-05-03 | 2020-03-11 | IDAC Holdings, Inc. | Beam recovery mechanism |
US10630357B2 (en) * | 2017-06-30 | 2020-04-21 | Qualcomm Incorporated | Wireless personal area network transmit beamforming |
CN107453795B (zh) * | 2017-08-21 | 2020-06-30 | 东南大学 | 多用户毫米波通信系统的波束分配方法及其装置和系统 |
CN107995134B (zh) * | 2017-11-28 | 2020-10-02 | 南京大学 | 一种adma场景下mimo系统信道估计的实现方法 |
CN109039403B (zh) * | 2018-09-14 | 2020-08-18 | 中国人民解放军空军预警学院 | 大规模mimo系统中基于冗余字典的下行链路信道估计方法 |
CN110391820B (zh) * | 2019-06-11 | 2021-06-11 | 东南大学 | 一种基于dft的规避同频干扰的通信接收方法 |
CN114726412B (zh) * | 2021-01-04 | 2024-05-14 | 中国移动通信有限公司研究院 | 信道信息获取方法、装置及相关设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941663A (zh) * | 2005-09-30 | 2007-04-04 | 上海原动力通信科技有限公司 | 多天线信道复用的方法及波束赋形的方法 |
CN101729112A (zh) * | 2008-10-24 | 2010-06-09 | 中兴通讯股份有限公司 | 一种多输入多输出系统的多用户波束成形方法及装置 |
CN101908921A (zh) * | 2009-06-02 | 2010-12-08 | 华为技术有限公司 | 一种空分多址接入的优化方法、装置及系统 |
CN102025463A (zh) * | 2010-12-20 | 2011-04-20 | 东南大学 | 一种应用于下行链路的mimo无线通信系统的反馈方法 |
CN102571301A (zh) * | 2011-12-27 | 2012-07-11 | 东南大学 | 一种基于双码本的多用户自适应反馈方法 |
CN102892123A (zh) * | 2012-09-26 | 2013-01-23 | 清华大学 | 多天线多用户中继认知无线电网络中鲁棒波束成形方法 |
CN102916735A (zh) * | 2012-10-17 | 2013-02-06 | 东南大学 | 利用大规模天线阵列的无线通信方法 |
CN103607262A (zh) * | 2013-10-25 | 2014-02-26 | 河海大学 | 空时分组编码mimo系统中的两阶段预编码方法 |
CN104052535A (zh) * | 2014-06-23 | 2014-09-17 | 东南大学 | 基于空分多址与干扰抑制的毫米波大规模mimo系统多用户传输方法 |
-
2015
- 2015-09-17 CN CN201510592045.7A patent/CN106559361B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1941663A (zh) * | 2005-09-30 | 2007-04-04 | 上海原动力通信科技有限公司 | 多天线信道复用的方法及波束赋形的方法 |
CN101729112A (zh) * | 2008-10-24 | 2010-06-09 | 中兴通讯股份有限公司 | 一种多输入多输出系统的多用户波束成形方法及装置 |
CN101908921A (zh) * | 2009-06-02 | 2010-12-08 | 华为技术有限公司 | 一种空分多址接入的优化方法、装置及系统 |
CN102025463A (zh) * | 2010-12-20 | 2011-04-20 | 东南大学 | 一种应用于下行链路的mimo无线通信系统的反馈方法 |
CN102571301A (zh) * | 2011-12-27 | 2012-07-11 | 东南大学 | 一种基于双码本的多用户自适应反馈方法 |
CN102892123A (zh) * | 2012-09-26 | 2013-01-23 | 清华大学 | 多天线多用户中继认知无线电网络中鲁棒波束成形方法 |
CN102916735A (zh) * | 2012-10-17 | 2013-02-06 | 东南大学 | 利用大规模天线阵列的无线通信方法 |
CN103607262A (zh) * | 2013-10-25 | 2014-02-26 | 河海大学 | 空时分组编码mimo系统中的两阶段预编码方法 |
CN104052535A (zh) * | 2014-06-23 | 2014-09-17 | 东南大学 | 基于空分多址与干扰抑制的毫米波大规模mimo系统多用户传输方法 |
Non-Patent Citations (3)
Title |
---|
《A Coordinated Approach to Channel Estimation in Large-Scale Multiple-Antenna Systems》;yin haifan,et.al;《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》;20130228;全文 * |
《Joint Spatial Division and Multiplexing—The Large-Scale Array Regime》;Ansuman Adhikary,et.al;《IEEE TRANSACTIONS ON INFORMATION THEORY》;20131031;第59卷(第10期);全文 * |
《大规模MIMO系统传输关键技术研究进展》;阳析等;《电信科学》;20150520(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106559361A (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106559361B (zh) | 大规模多输入多输出天线系统的信道估计方法及装置 | |
Ma et al. | Data-driven deep learning to design pilot and channel estimator for massive MIMO | |
Zhou et al. | Joint transmit precoding and reconfigurable intelligent surface phase adjustment: A decomposition-aided channel estimation approach | |
Wang et al. | Beam squint and channel estimation for wideband mmWave massive MIMO-OFDM systems | |
CN103475401B (zh) | 一种下行波束赋形方法与装置 | |
Zhao et al. | A tone-based AoA estimation and multiuser precoding for millimeter wave massive MIMO | |
EP2466761B1 (en) | Multiple input multiple output and beam-forming data transmission method and device | |
CN101425832A (zh) | 一种基于零陷展宽的自适应多用户波束成形方法 | |
CN103298124A (zh) | 基于空间正交性的大规模mimo系统导频分配方法 | |
CN105577587A (zh) | 一种60GHz室内场景下MIMO系统信道估计方法及装置 | |
CN103763223B (zh) | 基于信道空时相关性的稀疏mimo-ofdm信道估计方法 | |
CN101340648A (zh) | 一种多用户波束赋形发射权值的生成方法 | |
Wan et al. | Deep learning-aided off-grid channel estimation for millimeter wave cellular systems | |
CN114095318B (zh) | 智能超表面辅助的混合构型毫米波通信系统信道估计方法 | |
CN103117970A (zh) | Mimo系统中全双工天线的选择方法 | |
CN104023340A (zh) | 一种基于联合极化适配和波束赋形处理的极化-空域频谱共享方法 | |
Attiah et al. | Deep learning for channel sensing and hybrid precoding in TDD massive MIMO OFDM systems | |
CN102113171A (zh) | 天线评价装置及天线评价方法 | |
CN102710393A (zh) | 一种基于施蒂费尔流形的干扰对齐预编码方法 | |
CN109039403A (zh) | 大规模mimo系统中基于冗余字典的下行链路信道估计方法 | |
CN114172549B (zh) | 天波大规模mimo通信下行传输方法 | |
Yin et al. | A partial channel reciprocity-based codebook for wideband FDD massive MIMO | |
Yashvanth et al. | Performance analysis of intelligent reflecting surface assisted opportunistic communications | |
Shi et al. | Channel acquisition for HF skywave massive MIMO-OFDM communications | |
CN117614781A (zh) | 基于ris的两阶段超分辨率参数信道估计方法及装置 |
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 |