CN106911367B - 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 - Google Patents
基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 Download PDFInfo
- Publication number
- CN106911367B CN106911367B CN201710142607.7A CN201710142607A CN106911367B CN 106911367 B CN106911367 B CN 106911367B CN 201710142607 A CN201710142607 A CN 201710142607A CN 106911367 B CN106911367 B CN 106911367B
- Authority
- CN
- China
- Prior art keywords
- target cell
- interference
- cell
- ith
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000008030 elimination Effects 0.000 title claims abstract description 18
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 18
- 238000005562 fading Methods 0.000 claims abstract description 119
- 239000011159 matrix material Substances 0.000 claims description 75
- 230000002452 interceptive effect Effects 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000013461 design Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于迭代干扰消除的多小区大规模MIMO信道估计方法和装置,该方法通过对目标小区做初步线性估计,得到目标小区的初始信道响应,根据干扰小区的数量进行迭代,每次估计出一个相邻小区的干扰,就消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,并返回更新一次目标小区的信道估计,再用更新后的信道估计进一步估计下一个相邻小区的干扰。如此循环迭代完成了所有邻区干扰的消除,使得目标小区的最终大尺度衰落和小尺度衰落信道估计精度得到了显著提高。
Description
技术领域
本发明涉及无线通信的技术领域,特别是涉及一种基于迭代干扰消除的多小区大规模MIMO信道估计方法和装置。
背景技术
大规模MIMO(Multiple Input Multiple Output)技术是第五代移动通信的重要技术之一,具有高频谱利用率、低功率损耗、信号处理方法简单、系统的可靠性好和传输速率高等优点。大规模MIMO系统也称多天线阵列,通过在基站侧配置大规模天线阵列获得丰富的空间自由度,利用相同的时频资源为多用户提供通信服务,每个用户可选择接入多根天线单元,既能增大用户连接数密度,又能提升能量效率和系统容量。
然而大规模MIMO的诸多优势都是基于基站具备理想的信道状态信息的前提之下的,而实际场景中,基站需要依靠信道估计技术来获取信道状态信息。
常用的信道估计技术是基于导频训练序列的方法来获取信道状态信息,在一般的蜂窝多小区系统中,由于频谱资源和信道相干时间有限,小区间的导频序列无法保证完全正交。所以对目标小区的基站的信道估计会受到相邻小区上行导频的干扰,这就引入了导频污染现象。
现阶段为了减小导频污染对通信系统性能的影响,研究者们主要从以下三个方面:信道估计方法、预编码方案和导频设计策略入手寻求解决方法。信道估计方面,为估计出目标终端到目标基站之间的信道衰落特征,主要采用的还是传统的线性估计准则:最小二乘(LS,Least Square)和最小均方误差准则(MMSE,Minimum Mean Square Error)。在此基础上,研究者们提出了一些针对导频污染的多小区信道估计方法。但这些方法的估计精度不够高。
发明内容
基于此,有必要提供一种估计精度高的基于迭代干扰消除的多小区大规模MIMO信道估计方法和装置。
一种基于迭代干扰消除的多小区大规模MIMO信道估计方法,包括:
基于线性估计的准则,根据目标小区的基站接收到的信息和目标小区内用户发出的导频,估计目标小区的信道响应;所述MIMO系统包括L+1个小区,所述目标小区为所述MIMO系统的中心小区;
初始化i=1;所述目标小区周围的L个相邻小区为干扰小区;i为所述MIMO系统中的干扰小区的序号;
根据所述目标小区的信道响应和目标小区导频,从目标小区的基站接收到的信息中提取干扰信息;
基于线性估计的准则,根据所述干扰信息和第i个干扰小区的导频估计第i个干扰小区的信道响应;
对所述第i个干扰小区的信道响应求期望,得到第i个干扰小区的大尺度衰落系数矩阵;
根据所述第i个干扰小区的大尺度衰落系数矩阵和所述第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰;
消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应;
当i<L时,令i=i+1,并返回所述根据所述目标小区的信道响应和目标小区导频从目标小区的基站接收到的信息中提取干扰信息的步骤,直至i=L;
当i=L时,根据最新的目标小区的信道响应求期望,得到目标小区的大尺度衰落矩阵的最终估计结果;
基于目标小区大尺度衰落矩阵的最终估计结果,估计目标小区的小尺度衰落。
在一个实施例中,所述根据第i个干扰小区的大尺度衰落系数矩阵和第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰的步骤包括:
对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵,其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量;
根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵,估计第i个干扰小区对目标小区的基站的干扰。
在一个实施例中,若基于线性估计的准则采用匹配滤波准则,则所述基于目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落的步骤包括:
基于最小均方误差准则,根据最新的目标小区的基站接收到的信息、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落;
或
若基于线性估计的准则采用最小均方误差准则,则所述基于目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落的步骤包括:
根据最新的目标小区的信道响应和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。
在一个实施例中,所述MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
在一个实施例中,所述消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应的步骤包括:
消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息;
基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的导频,估计第i次迭代后更新的目标小区的信道响应。
一种基于迭代干扰消除的多小区大规模MIMO信道估计装置,包括:
初步估计模块,用于基于线性估计的准则,根据目标小区的基站接收到的信息和目标小区内用户发出的导频,估计目标小区的信道响应;所述MIMO系统包括L+1个小区,所述目标小区为所述MIMO系统的中心小区;
初始化模块,用于初始化i=1;所述目标小区周围的L个相邻小区为干扰小区;i为所述MIMO系统中的干扰小区的序号;
干扰提取模块,用于根据所述目标小区的信道响应和目标小区导频,从目标小区的基站接收到的信息中提取干扰信息;
干扰小区信道估计模块,用于基于线性估计的准则,根据所述干扰信息和第i个干扰小区的导频估计第i个干扰小区的信道响应;
第一大尺度衰落计算模块,用于对所述第i个干扰小区的信道响应求期望,得到第i个干扰小区的大尺度衰落系数矩阵;
干扰估计模块,用于根据所述第i个干扰小区的大尺度衰落系数矩阵和所述第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰;
干扰消除模块,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应;
累加模块,用于当i<L时,令i=i+1;
第二大尺度衰落计算模块,用于当i=L时,根据最新的目标小区的信道响应求期望,得到目标小区的大尺度衰落矩阵的最终估计结果;
小尺度衰落计算模块,用于基于目标小区大尺度衰落矩阵的最终估计结果,估计目标小区的小尺度衰落。
在一个实施例中,所述干扰估计模块包括导频矩阵计算模块和干扰计算模块;
所述导频矩阵计算模块,用于对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵,其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量;
所述干扰计算模块,用于根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵,估计第i个干扰小区对目标小区的基站的干扰。
在一个实施例中,若基于线性估计的准则采用匹配滤波准则,则所述小尺度衰落计算模块,用于基于最小均方误差准则,根据最新的目标小区的基站接收到的信息、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落;
或
若基于线性估计的准则采用最小均方误差准则,则所述小尺度衰落计算模块,用于根据最新的目标小区的信道响应和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。
在一个实施例中,所述MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
在一个实施例中,所述干扰消除模块包括信息更新模块和信道响应更新模块;
所述信息更新模块,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息;
所述信道响应更新模块,用于基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的导频,估计第i次迭代后更新的目标小区的信道响应。
上述的基于迭代干扰消除的多小区大规模MIMO信道估计方法,通过对目标小区做初步线性估计,得到目标小区的初始信道响应,根据干扰小区的数量进行迭代,每次估计出一个相邻小区的干扰,就消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,并返回更新一次目标小区的信道估计,再用更新后的信道估计进一步估计下一个相邻小区的干扰。如此循环迭代完成了所有邻区干扰的消除,使得目标小区的最终大尺度衰落和小尺度衰落信道估计精度得到了显著提高。
附图说明
图1为一个实施例的基于迭代干扰消除的多小区大规模MIMO信道估计方法;
图2为为一个实施例的MIMO系统的模型示意图;
图3为一个实施例的基于迭代干扰消除的多小区大规模MIMO信道估计装置。
具体实施方式
图1为一个实施例的基于迭代干扰消除的多小区大规模MIMO信道估计方法,该方法运行在目标小区的基站端,目标小区为MIMO系统的中心小区。
如图1所示,该方法包括以下步骤:
MIMO系统包括L+1个小区,目标小区为MIMO系统的中心小区,目标小区周围的L个相邻小区为干扰小区。
在具体的实施方式中,MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
PN(Pseudo-noise Sequence)序列,是一种伪噪声序列。ZC(Zadoff-chu)序列是一种恒包括零自相关序列。采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。具体地,目标小区内用户发出的导频矩阵Ψll和干扰小区内用户的导频矩阵Ψi,在各小区内不同用户的导频序列之间是相互正交的,而在小区之间(包括目标小区与干扰小区之间,不同干扰小区之间)准正交。
在具体的实施方式中,线性估计的准则,可采用匹配滤波准则(MF),此时目标小区的信道响应的估计公式为:
其中,Ψll为目标小区内用户发出的导频,Yl为目标小区的基站接收到的信息,Ψll为共轭转置,Pr是发送功率,τ是导频长度。
在其它的实施方式中,线性估计的准则,还可以采用最小均方误差准则(MMSE),此时目标小区的信道响应的估计公式为:
其中,Yl为目标小区的基站接收到的信息,Ψll为目标小区内用户发出的导频,Ψll为共轭转置,Pr是发送功率,τ是导频长度;I为单位阵。
S104:初始化i=1。
本实施例中的i为MIMO系统中的干扰小区的序号。
其中,Q为快衰落的归一化因子,Q=1.2535,K为第i个干扰小区的用户数量。
S112:根据第i个干扰小区的大尺度衰落系数矩阵和第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰。
具体地,首先,对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵Ψil;其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量。最后,根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵Ψil,估计第i个干扰小区对目标小区的基站的干扰。
S114:消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应。
初始的目标小区的基站接收到的信息Yl中除了本小区的有效信息外还包含了其它干扰小区的干扰信息,在计算得到第i个干扰小区对目标小区的基站的干扰,在初始的目标小区的基站接收到的信息Yl减去第i个干扰小区对目标小区的基站的干扰,以消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息。即
基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的导频,估计第i次迭代后更新的目标小区的信道响应。更新目标小区的信道响应方法与步骤S102相同,在此不再赘述。
S116:判断i<L是否成立,若是,则执行步骤S118,若否,即若i=L,则执行步骤S120。
S108:令i=i+1,并返回步骤S106,根据更新的目标小区的信道响应和更新目标小区导频,从目标小区的基站接收到的信息中提取干扰信息。
在i=L时,跳出循环,根据最新的目标小区的信道响应求期望,得到目标小区大尺度衰落矩阵的最终估计结果。具体的计算方法与步骤S110相同,在此不再赘述。
具体地,在上述的步骤中,若基于线性估计的准则采用匹配滤波准则,则基于最小均方误差准则,根据最新的目标小区的基站接收到的信息Yl、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落
具体地,计算公式为:
应当注意的是,为了确认数据的准确度,在一种实施方式中,采用的线性估计的准则应当相同。
上述的基于迭代干扰消除的多小区大规模MIMO信道估计方法,通过对目标小区做初步线性估计,得到目标小区的初始信道响应,根据干扰小区的数量进行迭代,每次估计出一个相邻小区的干扰,就消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,并返回更新一次目标小区的信道估计,再用更新后的信道估计进一步估计下一个相邻小区的干扰。如此循环迭代完成了所有邻区干扰的消除,使得目标小区的最终大尺度衰落和小尺度衰落信道估计精度得到了显著提高,并且,在对目标小区接收到的消息进行干扰消除时,先从干扰小区选出若干最强干扰用户再对相邻小区做干扰消除,从而以较低的运算复杂度有效抑制了相邻小区用户导频对目标小区用户导频的干扰,提高了信道估计精度。
下面结合具体的案例对本发明的基于迭代干扰消除的多小区大规模MIMO信道估计方法进行说明。
本实施例所采用的多小区大模型MIMO系统的模型如图2所示,l号小区为目标小区,1-6号小区为干扰小区。每个小区基站有100个基站天线,每个小区内有24个用户。系统的信道估计处理能力Ka=48,每个干扰小区的最强用户数为4个。
对于目标小区基站天线,其接收到的信息包含了从24个本小区用户发送过来的导频信号和从各相邻小区发送过来的6*24个导频信号以及背景噪声。从第i个相邻小区的第k个用户发送到目标小区l的第m个基站天线所经历的信道可表示为
其中为大尺度衰落因子由传播路径损耗和阴影衰落构成,一般对于同一基站天线阵列上的不同天线阵元的大尺度衰落是相同的;hilkm为小尺度衰落因子,通常服从独立同分布(i.i.d)且具有循环对称复高斯特性的随机变量(CN(0,1))。
从第i个干扰小区的用户终端传到目标小区l的信道矩阵可以表示为:
Gil=DilHil∈C24*100,其中Hil∈C24*100为小尺度衰落系数矩阵,[Hil]k,m=hilkm;
设Yl=[yl1,yl2,...,yl100]∈Cτ*100,Wl=[wl1,wl2,...,wl100]∈Cτ*100,i=1,2,…6,Ψi=[ψi1,ψi2,...,ψi24]∈Cτ*24,则目标小区l收到的信号:
为了尽可能减小不同用户导频序列之间的互相关性,本实施例中选用带有移相因子q的ZC序列。ZC序列的循环自相关值为零的特性,可以保证小区内用户之间导频完全正交。不同的移相因子q用在不同小区,可以保证小区间导频有良好的准正交性。第i个小区k用户导频的第n个元素表示如下[ψik]n=anexpj2πqin/τ,n=1,2,...τ(目标小区和6个干扰小区的移相因子qi,(i=0,1,...,6)分别从以下序列中选取{0,1,2,9,10,11,12}),an=expjπn/τ(n+(τmod2)),n=0,1,...τ-1。
具体的实施步骤如下:
一种基于迭代干扰消除的多小区大规模MIMO信道估计装置,如图3所示,包括:初步估计模块301、初始化模块302、干扰提取模块303、干扰小区信道估计模块304、第一大尺度衰落计算模块305、干扰估计模块306、干扰消除模块307、累加模块308、第二大尺度衰落计算模块309和小尺度衰落计算模块310。
初步估计模块301,用于基于线性估计的准则,根据目标小区的基站接收到的信息和目标小区内用户发出的导频,估计目标小区的信道响应;MIMO系统包括L+1个小区,目标小区为MIMO系统的中心小区。
初始化模块302,用于初始化i=1;目标小区周围的L个相邻小区为干扰小区;i为MIMO系统中的干扰小区的序号。
干扰提取模块303,用于根据目标小区的信道响应和目标小区导频,从目标小区的基站接收到的信息中提取干扰信息。
干扰小区信道估计模块304,用于基于线性估计的准则,根据干扰信息和第i个干扰小区的导频估计第i个干扰小区的信道响应。
第一大尺度衰落计算模块305,用于对第i个干扰小区的信道响应求期望,得到第i个干扰小区的大尺度衰落系数矩阵。
干扰估计模块306,用于根据第i个干扰小区的大尺度衰落系数矩阵和第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰。
干扰消除模块307,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应。
累加模块308,用于当i<L时,令i=i+1。
第二大尺度衰落计算模块309,用于当i=L时,根据最新的目标小区的信道响应求期望,得到目标小区的大尺度衰落矩阵的最终估计结果。
小尺度衰落计算模块310,用于基于目标小区大尺度衰落矩阵的最终估计结果,估计目标小区的小尺度衰落。
在一个实施例中,干扰估计模块包括导频矩阵计算模块和干扰计算模块。
导频矩阵计算模块,用于对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵,其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量;
干扰计算模块,用于根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵,估计第i个干扰小区对目标小区的基站的干扰。
在另一个实施例中,若基于线性估计的准则采用匹配滤波准则,则小尺度衰落计算模块312,用于基于最小均方误差准则,根据最新的目标小区的基站接收到的信息、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。或,若基于线性估计的准则采用最小均方误差准则,则小尺度衰落计算模块312,用于根据最新的目标小区的信道响应和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。
在再一个实施例中,MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
在一个实施例中,干扰消除模块308包括信息更新模块和信道响应更新模块。
信息更新模块,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息;
信道响应更新模块,用于基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的导频,估计第i次迭代后更新的目标小区的信道响应。
上述的基于迭代干扰消除的多小区大规模MIMO信道估计装置,通过对目标小区做初步线性估计,得到目标小区的初始信道响应,根据干扰小区的数量进行迭代,每次估计出一个相邻小区的干扰,就消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,并返回更新一次目标小区的信道估计,再用更新后的信道估计进一步估计下一个相邻小区的干扰。如此循环迭代完成了所有邻区干扰的消除,使得目标小区的最终大尺度衰落和小尺度衰落信道估计精度得到了显著提高,并且,在对目标小区接收到的消息进行干扰消除时,先从干扰小区选出若干最强干扰用户再对相邻小区做干扰消除,从而以较低的运算复杂度有效抑制了相邻小区用户导频对目标小区用户导频的干扰,提高了信道估计精度。
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 (10)
1.一种基于迭代干扰消除的多小区大规模MIMO信道估计方法,其特征在于,包括:
基于线性估计的准则,根据目标小区的基站接收到的信息和目标小区内用户发出的目标小区导频,估计目标小区的信道响应;所述MIMO系统包括L+1个小区,所述目标小区为所述MIMO系统的中心小区;
初始化i=1;所述目标小区周围的L个相邻小区为干扰小区;i为所述MIMO系统中的干扰小区的序号;
根据所述目标小区的信道响应和目标小区导频,从目标小区的基站接收到的信息中提取干扰信息;
基于线性估计的准则,根据所述干扰信息和第i个干扰小区的导频估计第i个干扰小区的信道响应;
对所述第i个干扰小区的信道响应求期望,得到第i个干扰小区的大尺度衰落系数矩阵;
根据所述第i个干扰小区的大尺度衰落系数矩阵和所述第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰;
消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应;
当i<L时,令i=i+1,并返回所述根据所述目标小区的信道响应和目标小区导频从目标小区的基站接收到的信息中提取干扰信息的步骤,直至i=L;
当i=L时,根据最新的目标小区的信道响应求期望,得到目标小区的大尺度衰落系数矩阵的最终估计结果;
基于目标小区大尺度衰落系数矩阵的最终估计结果,估计目标小区的小尺度衰落。
2.根据权利要求1所述的方法,其特征在于,所述根据第i个干扰小区的大尺度衰落系数矩阵和第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰的步骤包括:
对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵,其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量;
根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵,估计第i个干扰小区对目标小区的基站的干扰。
3.根据权利要求1所述的方法,其特征在于,若基于线性估计的准则采用匹配滤波准则,则所述基于目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落的步骤包括:
基于最小均方误差准则,根据最新的目标小区的基站接收到的信息、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落;
或
若基于线性估计的准则采用最小均方误差准则,则所述基于目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落的步骤包括:
根据最新的目标小区的信道响应和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。
4.根据权利要求1所述的方法,其特征在于,所述MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
5.根据权利要求1所述的方法,其特征在于,所述消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应的步骤包括:
消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息;
基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的目标小区导频,估计第i次迭代后更新的目标小区的信道响应。
6.一种基于迭代干扰消除的多小区大规模MIMO信道估计装置,其特征在于,包括:
初步估计模块,用于基于线性估计的准则,根据目标小区的基站接收到的信息和目标小区内用户发出的目标小区导频,估计目标小区的信道响应;所述MIMO系统包括L+1个小区,所述目标小区为所述MIMO系统的中心小区;
初始化模块,用于初始化i=1;所述目标小区周围的L个相邻小区为干扰小区;i为所述MIMO系统中的干扰小区的序号;
干扰提取模块,用于根据所述目标小区的信道响应和目标小区导频,从目标小区的基站接收到的信息中提取干扰信息;
干扰小区信道估计模块,用于基于线性估计的准则,根据所述干扰信息和第i个干扰小区的导频估计第i个干扰小区的信道响应;
第一大尺度衰落计算模块,用于对所述第i个干扰小区的信道响应求期望,得到第i个干扰小区的大尺度衰落系数矩阵;
干扰估计模块,用于根据所述第i个干扰小区的大尺度衰落系数矩阵和所述第i个干扰小区的信道响应,估计第i个干扰小区对目标小区的基站的干扰;
干扰消除模块,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息和更新的目标小区的信道响应;
累加模块,用于当i<L时,令i=i+1;
第二大尺度衰落计算模块,用于当i=L时,根据最新的目标小区的信道响应求期望,得到目标小区的大尺度衰落系数矩阵的最终估计结果;
小尺度衰落计算模块,用于基于目标小区大尺度衰落系数矩阵的最终估计结果,估计目标小区的小尺度衰落。
7.根据权利要求6所述的装置,其特征在于,所述干扰估计模块包括导频矩阵计算模块和干扰计算模块;
所述导频矩阵计算模块,用于对第i个干扰小区的大尺度衰落系数矩阵中的大尺度衰落系数排序,选出N个最强干扰用户,得到第i个干扰小区最强干扰用户的导频矩阵,其中N=(Ka-Ko)/L,Ka为MIMO系统的信道估计处理能力,Ko为目标小区内用户数,L为干扰小区的数量;
所述干扰计算模块,用于根据第i个干扰小区的信道响应和第i个干扰小区最强干扰用户的导频矩阵,估计第i个干扰小区对目标小区的基站的干扰。
8.根据权利要求6所述的装置,其特征在于,若基于线性估计的准则采用匹配滤波准则,则所述小尺度衰落计算模块,用于基于最小均方误差准则,根据最新的目标小区的基站接收到的信息、目标小区的导频和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落;
或
若基于线性估计的准则采用最小均方误差准则,则所述小尺度衰落计算模块,用于根据最新的目标小区的信道响应和目标小区大尺度衰落矩阵的最终估计结果估计目标小区的小尺度衰落。
9.根据权利要求6所述的装置,其特征在于,所述MIMO系统采用PN序列或ZC序列进行导频设计以实现小区内导频正交,小区间导频准正交。
10.根据权利要求6所述的装置,其特征在于,所述干扰消除模块包括信息更新模块和信道响应更新模块;
所述信息更新模块,用于消除目标小区的基站接收到的信息中第i个干扰小区对目标小区的基站的干扰,得到更新的目标小区的基站接收到的信息;
所述信道响应更新模块,用于基于线性估计准则,用更新的目标小区的基站接收到的信息和目标小区内用户发出的目标小区导频,估计第i次迭代后更新的目标小区的信道响应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710142607.7A CN106911367B (zh) | 2017-03-10 | 2017-03-10 | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710142607.7A CN106911367B (zh) | 2017-03-10 | 2017-03-10 | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106911367A CN106911367A (zh) | 2017-06-30 |
CN106911367B true CN106911367B (zh) | 2020-04-24 |
Family
ID=59186981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710142607.7A Active CN106911367B (zh) | 2017-03-10 | 2017-03-10 | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106911367B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110912590A (zh) * | 2019-11-28 | 2020-03-24 | 武汉工程大学 | 基于信道反转技术的大规模衰落mimo系统的干扰抑制预编码方法 |
CN113890575B (zh) * | 2020-07-02 | 2023-04-28 | 华为技术有限公司 | 一种检测方法、装置和通信设备 |
CN114448539B (zh) * | 2022-01-04 | 2023-10-27 | 成都坤恒顺维科技股份有限公司 | 基于几何和概率统计复合应用的卫星移动信道建模方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056285A (zh) * | 2006-04-14 | 2007-10-17 | 鼎桥通信技术有限公司 | 无线移动通信系统中的并行干扰消除信道估计方法与装置 |
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 |
CN106230754A (zh) * | 2016-07-22 | 2016-12-14 | 河海大学 | 一种大规模mimo系统的干扰消除‑匹配滤波信道估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101429713B1 (ko) * | 2008-05-14 | 2014-09-25 | 삼성전자주식회사 | 다중 사용자 다중 안테나 통신 시스템에서 백터퍼터베이션에 기반한 저 복잡도 프리코딩 장치 및 방법 |
-
2017
- 2017-03-10 CN CN201710142607.7A patent/CN106911367B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101056285A (zh) * | 2006-04-14 | 2007-10-17 | 鼎桥通信技术有限公司 | 无线移动通信系统中的并行干扰消除信道估计方法与装置 |
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 |
CN106230754A (zh) * | 2016-07-22 | 2016-12-14 | 河海大学 | 一种大规模mimo系统的干扰消除‑匹配滤波信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106911367A (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Figueiredo et al. | Channel estimation for massive MIMO TDD systems assuming pilot contamination and frequency selective fading | |
CN103004106B (zh) | 一种发送分集方法、相关设备及系统 | |
WO2017219389A1 (zh) | 大规模mimo系统中实现完美全向预编码的同步信号和信号的发送与接收方法 | |
EP3369187B1 (en) | Lattice reduction-aided symbol detection | |
CN106911367B (zh) | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 | |
CN101312359B (zh) | 多小区联合信道估计、多小区联合检测装置及方法 | |
CN105812032B (zh) | 基于波束块结构压缩感知的信道估计方法 | |
EP2569874A1 (en) | Multiple antenna method for reducing inter-cell interference in multi-user wireless systems | |
CN106972877A (zh) | 基于波束发现信号BDS的多小区mmWave大规模MIMO波束选择方法 | |
CN108600125B (zh) | 一种基于迭代的信道估计方法 | |
CN103379048A (zh) | 信道估计和检测的方法及基站 | |
CN102983933A (zh) | 信号发送方法、信号解码方法、装置和系统 | |
CN105429925B (zh) | 基于快速独立分量分析的多天线ofdma信号解码方法 | |
CN101729158B (zh) | 同频多小区联合信道估计的方法和系统 | |
CN104918260A (zh) | 小区间的干扰中和方法及装置 | |
JP2009278238A (ja) | マルチユーザmimoシステムにおけるユーザ選択方法及び通信装置 | |
Hsiao et al. | Case study and performance evaluation of MDMA–A non-orthogonal multiple access scheme for 5G cellular systems | |
CN104734756A (zh) | 一种mimo系统检测方法和装置 | |
CN111314250A (zh) | 大规模多输入多输出系统的量化设计与信道估计方法 | |
CN104270118B (zh) | 一种滤波前传中继网络中滤波器系数的设计方法 | |
CN104113496A (zh) | 一种利用序贯导频序列进行信道估计的方法 | |
US20210036796A1 (en) | Method and device for pilot sequence transmission | |
Chen et al. | Iterative interference cancellation based channel estimation for multi-cell massive MIMO systems | |
Sklivanitis et al. | Small-sample-support channel estimation for massive MIMO systems | |
Itagaki et al. | Frequency-domain QRM-MLD block signal detection for single-carrier multi-user MIMO uplink |
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 |