CN107276933B - 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 - Google Patents
用于上行多用户mimo系统中基于二阶统计量的信道估计方法 Download PDFInfo
- Publication number
- CN107276933B CN107276933B CN201710447261.1A CN201710447261A CN107276933B CN 107276933 B CN107276933 B CN 107276933B CN 201710447261 A CN201710447261 A CN 201710447261A CN 107276933 B CN107276933 B CN 107276933B
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- channel
- training sequence
- 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
Images
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
- H04B7/0452—Multi-user MIMO systems
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
-
- 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
- H04L25/0228—Channel estimation using sounding signals with direct estimation from 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
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03891—Spatial equalizers
- H04L25/03898—Spatial equalizers codebook-based design
- H04L25/0391—Spatial equalizers codebook-based design construction details of matrices
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)
- Radio Transmission System (AREA)
Abstract
Description
技术领域
本发明属于无线通信技术领域,特别涉及无线通信多天线技术领域,具体是利用接收信号的二阶统计量对信道状态信息进一步准确估计方法。
背景技术
在无线通信中,由于用户与基站之间的相对运动和无线信号传播过程中的散射、衍射、反射,信道呈现出时变衰落特性。接收端通常需要获得信道状态信息CSI(ChannelState Information)才能进行相干解调,信道估计成为无线通信的必要任务之一。对信道状态信息进行准确的估计已经成为主要的研究方向之一。
在上行多用户MIMO系统中,接收端通过接收发送端进行处理过的数据信息(即将已知的训练序列叠加到数据信息上)进行估计信道并解出发送的数据信息的方法,无需专门为训练序列分配时隙,可以在没有带宽损失的情况下有较高的估计精度和较低的计算复杂度。然而,基于叠加训练序列的信道估计,在信道估计和检测中会存在严重的训练和信息序列互扰,使得信道估计和检测性能下降。本发明利用叠加训练序列估计出的信道,通过接收信号的二阶统计量进一步估计出信道状态信息,接收器解码时具有更低的误码率。
发明内容
本发明针对现有基于叠加训练序列的一阶信道估计方法的不足,利用其方法估计出的信道参数矩阵和接收信号的二阶统计量对信道进一步估计的方法。
为了解决上述技术问题,本发明采用如下技术方案:用于上行多用户MIMO系统中基于二阶统计量的信道估计方法,包括以下步骤:第一步:训练序列矩阵P叠加到数据矩阵S上作为发送信号X一起发送;第二步:接收方接收信号,然后利用已知的训练序列P估计出信道参数矩阵第三步:将接收信号减去训练序列产生输出的部分后,求出其样本协方差∑;第四步:对信道参数矩阵进行奇异值分解,通过主成分分析法进一步估计信道参数矩阵G。
第一步:假定系统中含有L个小区,每个小区含有K个单天线用户,每一个基站配备有M根天线。再假定每个用户发送长为T的信息序列,则发送信号X为KL×T的发送信号矩阵,其中X是训练序列P和数据信号S的叠加,即X=S+P,其中P是T维哈达玛矩阵的一部分,满足PPH=TIKL,在数据矩阵S=(sjt)KL×T中,假设sjt(j=1,2,…,KL,t=1,2,…,T)均匀独立地取自于某一星座图QAM。
第二步:基站接收到信号矩阵Y,假设发送端给数据信号和训练序列均匀分配功率,设第1个基站中X对应的接收信号为其中H表示用户到基站天线的信道增益,显然H为M×KL的矩阵,ρ为平均信噪比,B=diag(β1,β2,…,βKL),βl表示第l(1≤l≤KL)个用户到基站的大尺度衰落因子,W表示高斯白噪声,令信道参数矩阵G=HB,上式简化为:
第三步:将基站的接收信号减去训练序列P经过信道输出的部分得到计算接收信号的二阶统计量即样本协方差,然后进行特征值分解,假设在信道相干时间内发送的信号为x1,x2,…,xT,则相应的接收信号为y1,y2,…,yT,令Y=[y1 y2… yT],计算样本协方差∑,即其中为样本均值,即
估计出信道后,用MMSE解码,则滤波矩阵为依次取出QAM中的信号点代入上式,使上式最小的点设为发送的信号,然后与真正的发送信号比较,依次解得第T时刻内的各个信号,然后将它们分别与发送序列比较,计算误码率。
本发明的有益效果如下:
接收方不知道信道信息的状况下,发送方不需要利用多余的时隙发送训练序列,利用叠加训练序列估计信道,再基于二阶统计量进一步估计出信道,接收方处理数据具有更低的错误概率。
附图说明
图1是实施例1的系统误码率的仿真图。
具体实施方式
用于上行多用户MIMO系统中基于二阶统计量的信道估计方法,
第一步:设计发送信号
假定系统中含有L个小区,每个小区含有K个单天线用户,每一个基站配备有M根天线。再假定每个用户发送长为T的信息序列,则发送信号X为KL×T的发送信号矩阵,其中X是训练序列P和数据信号S的叠加,即
X=S+P
其中P是T维哈达玛(Hadamard)矩阵的一部分,满足PPH=TIKL。在数据信号S=(sjt)KL×T中,假设sjt(j=1,2,…,KL,t=1,2,…,T)均匀独立地取自于某一星座图QAM。
第二步:基站接收到信号矩阵Y
假设发送端给数据信号和训练序列均匀分配功率,设第1个基站中X对应的接收信号为
其中H表示用户到基站天线的信道增益,显然H为M×KL的矩阵。ρ为平均信噪比,B=diag(β1,β2,…,βKL),βl表示第l(1≤l≤KL)个用户到基站的大尺度衰落因子,W表示高斯白噪声。令信道参数矩阵G=HB。上式简化为:
估计过程如下:
其中上标H是指对矩阵取共轭转置(下同)。然后严格利用MMSE信道估计器:
得到矩阵Α
第五步:计算接收信号的二阶统计量即样本协方差,然后进行特征值分解。
假设在信道相干时间内发送的信号为x1,x2,…,xT,则相应的接收信号为y1,y2,…,yT,令Y=[y1 y2 … yT]。计算样本协方差∑,即
上式中的V仍然是未知的。
第七步:估计V
但是直接用V1代替上式中的V不够准确,可根据矩阵分析中定理直接得到:
第八步:基于二阶统计量进一步估计出的信道参数矩阵可以表示为
第九步:对信号矩阵S进行解码
估计出信道后,用MMSE解码,则滤波矩阵为
当星座为4-QAM,γs可以取为2tr(B2(IKL+A)2)。为第一步叠加训练序列信道解码时的滤波矩阵。依次取出QAM中的信号点代入上式,使上式最小的点设为发送的信号,然后与真正的发送信号比较。这样依次可以解得第T时刻内的各个信号,然后将它们分别与发送序列比较,计算误码率。
下面介绍该设计方法的理论依据:
1.信道模型
记真实的信道为H,对信号矩阵S和训练序列P叠加后得到的输入信号矩阵为X,则基站接收到的信号记为:
2.当样本数足够大,即T足够大时,样本协方差∑近似等于在此信道参数下接收到的信号y的协方差,
首先对等式右边式子求解
各用户发送的数据信号均匀地取自于某一QAM星座图,因为X和W都是均值为0、方差是1的复高斯随机变量,得到:E(SSH)=TIKL和E(WWH)=IM。因此,上式可以化简:
对矩阵G进行奇异值分解,设G=UDVH,其中D是一个M×KL的对角矩阵,它的对角元素是矩阵G的奇异值且按降序排列。U是一个M×M维酉矩阵,VH是一个KL×KL维酉矩阵。因为在大规模天线系统中,基站天线数要大于用户数M>KL,所以把D的前KL行记作DS=diag(d1,d2,…,dKL),其中d1≥d2≥…≥dKL是G的奇异值,可得D=[DS H 0]H,0表示零矩阵。现在将U分解为[US UN],其中US为U的前KL列,UN为U剩下的M-KL列。因此,上式可以写为:
再对等式左边计算所得样本协方差矩阵进行特征值分解,如下
3.矩阵V的估计理论依据定理1
在参考文献[Horn R A,Johnson C R.Topics in Matrix Analysis[M].北京市:人民邮电出版社,2005:134-152]中指出定理1:假设一个矩阵A∈Mm,n,令q=min{m,n},其奇异值分解为:A=VDWH,其中V,W分别是m×m维和n×n维的酉矩阵,D为它的奇异值矩阵,其对角线元素表示A的奇异值。假定A的非零奇异值是s1>…>sk>0,相应的复用因子为μ1,…,μk≥1,令μ1+…+μk=r。则A的奇异值矩阵可写为令分别为m×m维和n×n维的酉矩阵。然后可以得到:当且仅当这些酉矩阵j=1,…,k,和满足下面两个等式,即:
接着根据上述定理,对V进行估计。保持估计后的奇异值矩阵不变,将左右奇异向量进行变化。根据定理1,因为G有互不相同的KL个奇异值,所以可得:
即可得:
实施例1
假设系统中有3个小区,每个小区含有3个用户,且基站的天线数为128根,这里大尺度衰落因子B取随机对角矩阵(对角线上第一个元素为1,对角线上其余元素为均匀地取自于0至1之间的随机数)。相干时间T=128。
发送信息中的每个元素均匀取自于标准4-QAM,根据本发明的估计方法,按以下步骤具体实施:
步骤一:取训练序列为哈达码(Hadamard)矩阵的一部分P叠加到数据信息S上作为发送信号一起发送。
步骤二:用户发送的信息矩阵为X,其中用户的有用数据信息为S。设该系统总共有9个用户,第n(1≤n≤9)个用户的发送序列为:xn T=[xn1 xn2 … xn128],其中xni∈4-QAM,1≤i≤128,设128时刻内接收到的信息序列为:Y=[y1 y2 … y128]。先计算再利用信道参数矩阵估计公式求得
步骤五:所以对信道参数矩阵进一步估计为:
第128时刻内的接收信号为:Y=[y1,y2…y128]
根据MMSE解码准则
其中 为步骤一估计出的信道参数矩阵。然后,依次取出4-QAM中的信号点代入上式,取使上式最小的点设为发送的信号,然后与真正的发送信号比较。这样依次可以解得第128时刻内的各个信号,然后将它们分别与发送序列比较。
图1为本发明在上述实例条件下,关于系统误码率的仿真图。
Claims (2)
1.用于上行多用户MIMO系统中基于二阶统计量的信道估计方法,其特征在于:包括以下步骤:第一步:训练序列矩阵P叠加到数据信号矩阵S上作为发送信号X一起发送;第二步:接收方接收信号,然后利用已知的训练序列矩阵P估计出信道参数矩阵 第三步:将接收信号减去训练序列产生输出的部分后,求出其样本协方差∑;第四步:对信道参数矩阵进行奇异值分解,通过主成分分析法进一步估计信道参数矩阵G;
第一步:假定系统中含有L个小区,每个小区含有K个单天线用户,每一个基站配备有M根天线;再假定每个用户发送长为T的信息序列,则发送信号X为KL×T的发送信号矩阵,其中X是训练序列矩阵P和数据信号矩阵S的叠加,即X=S+P,其中P是T维哈达玛矩阵的一部分,满足PPH=TIKL,在数据矩阵S=(sjt) KL×T中,假设sjt(j=1,2,…,KL,t=1, 2,…,T)均匀独立地取自于某一星座图QAM;
第二步:基站接收到信号矩阵Y,假设发送端给数据信号和训练序列均匀分配功率,设第1个基站中X对应的接收信号为,其中H表示用户到基站天线的信道增益,显然H为M×KL的矩阵,ρ为平均信噪比,B=diag(β1,β2,…,βKL),βl表示第l(1≤l≤KL)个用户到基站的大尺度衰落因子,W表示高斯白噪声,令信道参数矩阵G=HB,上式简化为:;
第二步:某小区基站接收到信号Y后,通过其一阶统计量获得估计的信道系数矩阵:
其中,上标H表示对矩阵取共轭转置,在利用MMSE信道估计器,得到:
得到矩阵A:
通过叠加训练序列方法估计得到信道矩阵:
第三步:将基站的接收信号减去训练序列P经过信道输出的部分得到, 计算接收信号的二阶统计量即样本协方差,然后进行特征值分解,假设在信道相干时间内发送的信号为x1,x2,…,xT,则相应的接收信号为y1,y2,…,yT,令Y=[y1 y2 … yT],计算样本协方差∑,即,其中为样本均值,即;
基于二阶统计量进一步估计出的信道参数矩阵表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447261.1A CN107276933B (zh) | 2017-06-14 | 2017-06-14 | 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447261.1A CN107276933B (zh) | 2017-06-14 | 2017-06-14 | 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107276933A CN107276933A (zh) | 2017-10-20 |
CN107276933B true CN107276933B (zh) | 2020-04-24 |
Family
ID=60067682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710447261.1A Active CN107276933B (zh) | 2017-06-14 | 2017-06-14 | 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107276933B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109362083B (zh) * | 2018-10-31 | 2021-09-07 | 北京交通大学 | 高速铁路无线信道数据库构建及数据预处理方法 |
CN109495147B (zh) * | 2018-12-29 | 2020-06-30 | 杭州电子科技大学 | 大规模mimo系统中基于空间复用的叠加导频方法 |
CN110177063B (zh) * | 2019-05-27 | 2021-09-24 | 东南大学 | 一种非正交滤波器组上行多址接入无线通信发送方法 |
CN111541632B (zh) * | 2020-04-20 | 2020-11-03 | 四川农业大学 | 一种基于主成分分析和残差网络的物理层认证方法 |
CN114338294B (zh) * | 2020-12-21 | 2023-06-09 | 重庆邮电大学 | 一种超大规模多天线系统中低复杂度的信道估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104333406A (zh) * | 2014-11-04 | 2015-02-04 | 杭州电子科技大学 | 用于在多小区多用户多天线系统中的解码方法 |
CN105207701A (zh) * | 2015-08-04 | 2015-12-30 | 杭州电子科技大学 | 用于在多小区多用户多天线系统中基于ica的解码方法 |
-
2017
- 2017-06-14 CN CN201710447261.1A patent/CN107276933B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104333406A (zh) * | 2014-11-04 | 2015-02-04 | 杭州电子科技大学 | 用于在多小区多用户多天线系统中的解码方法 |
CN105207701A (zh) * | 2015-08-04 | 2015-12-30 | 杭州电子科技大学 | 用于在多小区多用户多天线系统中基于ica的解码方法 |
Non-Patent Citations (1)
Title |
---|
Channel estimations based on superimposed pilots for massive MIMO uplink systems;李飞等;《 2016 8th International Conference on Wireless Communications & Signal Processing (WCSP) IEEE》;20161124;第2-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107276933A (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107276933B (zh) | 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 | |
Chopra et al. | Performance analysis of FDD massive MIMO systems under channel aging | |
EP2187533B1 (en) | Multi-user precoding and scheduling method and base station for implementing the method | |
Grant | Performance analysis of transmit beamforming | |
CN103929281B (zh) | Mimo系统中基于向量自回归的贝叶斯压缩感知反馈方法 | |
CN115022137B (zh) | 基于次成分分析的人工噪声消除方法 | |
CN109617579B (zh) | 增强型诺依曼大规模mimo预编码方法 | |
CN109818887B (zh) | 基于evd-ilsp的半盲信道估计方法 | |
EP2293482B1 (en) | Signal detecting method and device for multi-code multi-transmitting multi-receiving system | |
CN114124168A (zh) | 一种基于深度学习的mimo-noma系统信号检测方法及系统 | |
Turan et al. | A versatile low-complexity feedback scheme for FDD systems via generative modeling | |
CN110912588B (zh) | 一种基于改进Prony方法的下行时变信道预测方法 | |
CN109495147B (zh) | 大规模mimo系统中基于空间复用的叠加导频方法 | |
Li et al. | Channel estimations based on superimposed pilots for massive MIMO uplink systems | |
Piotrowski et al. | Stochastic MV-PURE estimator—robust reduced-rank estimator for stochastic linear model | |
US20210218478A1 (en) | Subspace-based blind identification algorithm of ocean underwater acoustic channel for multi-channel fir filter | |
CN109792271A (zh) | 执行数据传输的方法和装置 | |
Fesl et al. | Channel Estimation for Quantized Systems based on Conditionally Gaussian Latent Models | |
CN110492956B (zh) | 一种用于musa系统的误差补偿多用户检测方法及装置 | |
Li et al. | A multistage linear receiver approach for MMSE detection in massive MIMO | |
CN110190908B (zh) | 一种最小化isi信道中非相干大规模simo系统误码率的星座图设计方法 | |
US9184946B2 (en) | Equaliser for wireless receivers with normalised coefficients | |
Turan et al. | Enhanced Low-Complexity FDD System Feedback with Variable Bit Lengths via Generative Modeling | |
CN111970216A (zh) | 一种基于vamp算法的mimo-ofdm系统稀疏信道估计的设计方法 | |
CN106712820B (zh) | 自干扰抑制的多流分集bd预编码方法及装置 |
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 |