CN107276934B - 一种大规模mimo系统多用户上行鲁棒检测方法 - Google Patents

Abstract

本发明公开了一种大规模MIMO系统多用户上行鲁棒检测方法，包括：第一步，在上行信道训练中，用户发送导频信号，基站依据接收的导频信号获取信道估计值和相应的信道估计误差第二步，建立信道矩阵G的统计模型；第三步，考虑用户等概率发送QAM符号x，获取x的初始估计均值和初始估计方差第四步，利用信道矩阵的统计模型及采用鲁棒的检测算法获取发送信号的均值和方差第五步，判断是否满足迭代终止条件：如果是，则跳转执行第六步；否则，则更新并跳转至第四步；第六步，对进行硬判决，得到用户发送信号检测值本发明能以较低实现复杂度实现，且在不增加计算复杂度的同时，显著提高大规模MIMO系统上行链路中的信号检测的鲁棒性。

Description

一种大规模MIMO系统多用户上行鲁棒检测方法

技术领域

本发明涉及一种大规模MIMO系统多用户上行鲁棒检测方法。

背景技术

相比于单天线系统，多天线系统(MIMO)在提高功率效率和频谱效率、抑制干扰以及鲁棒传输等方面都具有优势。随着未来移动通信需求的不断增长，系统需要的天线规模也越来越大，进而导致了大规模MIMO的诞生。基于大规模MIMO的无线传输技术使得频谱效率和功率效率在4G的基础上再提升一个量级，成为未来移动通信关键技术之一。

在实际无线通信中，为了实现信号检测，常采用线性检测方法如ML，其计算过程中涉及到矩阵求逆运算。而对于多用户大规模MIMO无线通信系统来说，这样的检测方法运算复杂度极高。如何降低信号检测的复杂度是大规模MIMO系统亟需解决的核心问题之一。近似消息传递的检测算法，是基于因子图推导出的消息传递算法之一，其可以在较低计算复杂度的情况下实现与线性检测方法相同的信号检测性能。

现有的近似消息传递算法在进行信号检测时，需要假设信道状态信息完全已知。而在大规模MIMO系统中，在给定带宽内用于信道估计的正交导频数目有限，所以存在各用户导频复用的现象。由于非正交导频的使用和系统中不可避免的噪声，信道状态信息获取存在误差。为此，本发明提出了一种基于近似消息传递的大规模MIMO系统多用户上行鲁棒检测方法。该方法能在不增加计算复杂度的同时，显著提高检测方法的鲁棒性。

发明内容

发明目的：本发明的目的是提供一种能够解决现有技术中存在的缺陷的大规模MIMO系统多用户上行鲁棒检测方法。

技术方案：为达到此目的，本发明采用以下技术方案：

本发明所述的规模MIMO系统多用户上行鲁棒检测方法，包括：

第一步，在上行信道训练中，用户发送导频信号，基站依据接收的导频信号获取信道估计值和相应的信道估计误差

第二步，建立信道矩阵G的统计模型；

第三步，考虑用户等概率发送QAM符号x，获取x的初始估计均值和初始估计方差

第四步，利用信道矩阵的统计模型及采用鲁棒的检测算法获取发送信号的均值和方差

第五步，判断是否满足迭代终止条件：如果是，则跳转执行第六步；否则，则更新并跳转至第四步；

第六步，对进行硬判决，得到用户发送信号检测值

进一步，所述第一步中各用户发送的导频存在复用，基站采用均方误差最小准则进行信道估计。

进一步，所述第二步中信道矩阵G的统计模型的建立，考虑信道矩阵G中任意两行g_m,g_n之间相互独立，即p(G)为信道矩阵G的先验概率密度函数，p(g_n)为信道矩阵G中第n行矢量的先验概率密度函数，N为基站天线数目，g_m为信道矩阵G的第m行，1≤m≤N，g_n为信道矩阵G的第n行，1≤n≤N，m≠n。

进一步，将g_n建模成高斯分布，高斯分布的均值为方差为信道估计误差协方差矩阵的对角线元素，为的第n行，为的第n行。

进一步，所述第四步中，鲁棒的检测算法为鲁棒近似消息传递算法。

进一步，所述步骤四中，鲁棒近似消息传递算法中先对附加变量z＝Gx的概率密度函数b_z(z)进行更新，再对发送信号x的概率密度函数b_x(x)进行更新；所述步骤五中，判断是否满足式(1)所示的迭代终止条件：

其中， 为第ii用户发送信号的估计值，1≤ii≤M，M为用户总数，b_x为b_x(x)的简化表示，E[x|b_x]为b_x已知的情况下对应的x的均值，||·||_F为Frobenius范数，tol为迭代终止值。

进一步，所述概率密度函数b_z(z)按照下列步骤更新：

S7.1：依据用户侧发送信号的先验概率密度函数p(x)以及信道矩阵中所有行矢量的先验概率密度函数p(g_n)(n＝1,…,N)，初始化概率密度函数，即：b_x(x)＝p(x)，b_g,_n(g_n)＝p(g_n)，b_g,n(g_n)为g_n的概率密度函数；初始化标量方差参数τ_x,m＝∞(m＝1,…,M)；初始化矢量z中每一元素对应的均值约束系数，即γ_e1,n＝0(n＝1,…,N)；

S7.2：分别计算每个用户发送信号的估计值，即：

其中，为第m个用户发送信号的估计值，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值；

S7.3：分别计算每个用户发送信号对应的方差约束系数，即：

其中，λ_b2,m为第m个用户发送信号对应的方差约束系数，Var[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的方差；

S7.4：分别计算信道矩阵G中的每一元素对应的方差约束系数，即：

其中，λ_d2,n,m为信道矩阵G中第n行第m列元素对应的方差约束系数，Var[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的方差，b_g,n为b_g,n(g_n)的简化表示，g_nm为信道矩阵G的第n行第m列元素；

S7.5：分别计算附加矢量z中每一元素对应的先验方差以及先验均值，即：

μ_z,n＝E[g_n|b_g,n]E[x|b_x]-γ_e1,nτ_z,n (6)

其中，τ_z,n为附加矢量z中第n个元素对应的先验方差，μ_z,n为附加矢量z中第n个元素对应的先验均值，E[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的均值，为概率密度函数b_g,n已知的情况下对应的的均值，为g_nm的共轭，E[g_n|b_g,n]为b_g,n已知的情况下的矢量g_n的均值，E[x|b_x]为b_x已知的情况下矢量x的均值，为b_x已知的情况下对应的的均值，为x_m的共轭；

S7.6：更新附加矢量z的概率密度函数b_z(z)，即：

其中，y为基站接收信号矢量，σ_z为噪声方差矢量，z_n为矢量z的第n个元素。

进一步，所述概率密度函数b_x(x)按照下列步骤更新：

S8.1：分别计算附加矢量z中的每一元素对应的均值约束系数以及方差约束系数，即：

γ_e1,n＝(E[z_n|b_z]-μ_z,n)/τ_z,n (8)

其中，γ_e1,n为附加矢量z中的第n个元素对应的均值约束系数，λ_f1,n为附加矢量z中的第n个元素对应的方差约束系数，E[z_n|b_z]为b_z已知的情况下的z_n的均值，b_z为b_z(z)的简化表示，b_z(z)为附加矢量z的概率密度函数，Var[z_n|b_z]为b_z已知情况下的z_n的方差，z_n为矢量z的第n个元素，τ_z,n为附加矢量z中第n个元素对应的先验方差，μ_z,n为附加矢量z中第n个元素对应的先验均值；

S8.2：分别计算附加矢量z中的每一元素对应的迭代系数，即：

式(10)中，β_n为附加矢量z中的第n个元素对应的迭代系数，为概率密度函数b_g,n的已知情况下对应的的均值，b_g,n为b_g,n(g_n)的简化表示，b_g,n(g_n)为g_n的概率密度函数，为g_nm的共轭，E[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的均值，λ_b2,m为用户发送信号对应的方差约束系数；

S8.3：分别计算每个用户对应的标量方差参数以及标量均值参数，即：

其中，τ_x,m为第m个用户对应的标量方差参数，μ_x,m为第m个用户对应的标量均值参数，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值，b_x为b_x(x)的简化表示，；

S8.4：更新b_x(x)，即：

式(13)中，p(x)为用户侧发送信号的先验概率密度函数。

有益效果：本发明提出了一种大规模MIMO系统多用户上行鲁棒检测方法，能以较低实现复杂度实现，且在不增加计算复杂度的同时，显著提高大规模MIMO系统上行链路中的信号检测的鲁棒性。

附图说明

图1为本发明具体实施方式的方法流程图。

具体实施方式

下面结合具体实施方式和附图对本发明的技术方案作进一步的介绍。

本具体实施方式公开了一种大规模MIMO系统多用户上行鲁棒检测方法，如图1所示，包括：

第一步，在上行信道训练中，用户发送导频信号，基站依据接收的导频信号获取信道估计值和相应的信道估计误差

第二步，建立信道矩阵G的统计模型；

第三步，考虑用户等概率发送QAM符号x，获取x的初始估计均值和初始估计方差

第四步，利用信道矩阵的统计模型及采用鲁棒的检测算法获取发送信号的均值和方差

第五步，判断是否满足迭代终止条件：如果是，则跳转执行第六步；否则，则更新并跳转至第四步；

第六步，对进行硬判决，得到用户发送信号检测值

本发明方法主要适用于基站侧配备大规模天线阵列以同时服务多个用户的大规模MIMO系统。下面结合具体的通信系统实例对本发明涉及的上行信道信息获取方法和信号检测方法的具体实现过程作详细说明，需要说明的是本发明方法不仅适用于下面示例所举的具体系统模型，也同样适用于其它配置的系统模型。

一、系统配置

在此实施例中，考虑大规模MIMO系统，基站侧配置各天线单元间距为1/2波长的均匀天线阵列。假设基站配备的天线单元数目为N，用户为单天线，且用户数目为M。

二、上行信道估计及信号检测

1、上行信号模型

下面以用户终端天线作为发送端口的上行信号模型。以单小区场景为例，令表示第m个用户与基站M根天线之间的上行链路信道，则行链路信道矩阵可表示为：

G＝{g₁,…,g_M} (1)

其中，假设R_m为信道协方差矩阵。

基站接收到的信号可以表示为：

y＝Gx+n (2)

其中，表示基站的接收信号，表示发送信号，表示加性白高斯噪声矢量，其各个元素均值为零，方差为σ_z。

2、上行信道估计

将M个用户标记为κ＝{1,2,…,M}，其中m∈κ是用户m对应的索引值。假设上行链路导频训练序列长度为τ(＜M)，并且所有的用户同时传输这τ个导频序列。假设可获得的正交导频序列数目为τ，将这τ个正交导频序列记为T＝{1,2,…,τ}，并且第π个导频序列记为其中π∈T是正交导频的索引号。假设不同的导频序列满足其中是导频信号的传输功率。将任意的导频复用模式表示为P(κ,T)＝{(m,π_m):m∈κ,π_m∈T}，其中(m,π_m)∈P(κ,T)表示第π_m个导频序列分配给了第m个用户，用κ_π＝{m:π_m＝π}来表示使用第π个导频序列用户集合。

在导频复用模式为P(κ,T)的情况下，在每个相干块内的上行链路训练阶段，基站接收到的导频信号可以表示为：

其中，是导频信号矩阵；N是独立加性高斯白噪声矩阵，其元素独立同分布，均值为零，在训练阶段的方差为

对于第m个用户发送的信号，在基站处接收到相应信号进行去相关和功率归一化后，可得：

利用酉变换的性质，不难发现中的元素仍然是高斯独立同分布的，且分布满足定义为上行链路信道训练信噪比，可得：

其中，

根据MMSE准则，基于观测信号的信道g_m估计为：

其中，

依据MMSE估计的正交性原则(估计误差与估计值正交)可以得到信道估计误差的协方差矩阵为：

假设信道矩阵各元素之间不相关，将信道矩阵建模成高斯分布，即信道矩阵的第m(m＝1,…,M)列矢量的概率密度函数可表示如下：

其中，diag{·}为取矩阵的对角线元素组成的列矢量。

信道矩阵的第n(n＝1,…,N)行矢量的概率密度函数可表示为：

其中，

3、上行信号检测

假设用户等概发送模值恒为1的QAM信号，则可将用户发送信号x的概率密度函数p(x)建模为离散型均匀分布。

令z＝Gx，则基站接收信号可表示为：

y＝z+n (10)

将基站接收信号y、用户发送信号x的概率密度函数p(x)以及信道矩阵的概率密度函数p(g_n)(n＝1,…,N)作为基于近似消息传递算法的鲁棒检测算法的输入，对用户发送信号进行检测。

基于鲁棒近似消息传递算法的鲁棒检测算法的具体步骤表示如下：

步骤1：输入用户侧发送信号的概率密度函数p(x)，信道矩阵中所有行矢量的概率密度函数p(g_n)(n＝1,…,N)，基站接收信号y；

步骤2：初始化：b(x)＝p(x)，b_g,n(g_n)＝p(g_n)(n＝1,…,N)，τ_x,m＝∞(m＝1,…,M)；

步骤3：按照下列步骤更新附加矢量z的概率密度函数b_z(z)：

S3.1：依据用户侧发送信号的先验概率密度函数p(x)以及信道矩阵中所有行矢量的先验概率密度函数p(g_n)(n＝1,…,N)，初始化概率密度函数，即：b_x(x)＝p(x)，b_g,n(g_n)＝p(g_n)，b_g,n(g_n)为g_n的概率密度函数；初始化标量方差参数τ_x,m＝∞(m＝1,…,M)；初始化矢量z中每一元素对应的均值约束系数，即γ_e1,n＝0(n＝1,…,N)；

S3.2：分别计算每个用户发送信号的估计值，即：

其中，为第m个用户发送信号的估计值，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值；

S3.3：分别计算每个用户发送信号对应的方差约束系数，即：

其中，λ_b2,m为第m个用户发送信号对应的方差约束系数，Var[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的方差；

S3.4：分别计算信道矩阵G中的每一元素对应的方差约束系数，即：

其中，λ_d2,n,m为信道矩阵G中第n行第m列元素对应的方差约束系数，Var[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的方差，b_g,n为b_g,n(g_n)的简化表示，g_nm为信道矩阵G的第n行第m列元素；

S3.5：分别计算附加矢量z中每一元素对应的先验方差以及先验均值，即：

μ_z,n＝E[g_n|b_g,n]E[x|b_x]-γ_e1,nτ_z,n (15)

其中，τ_z,n为附加矢量z中第n个元素对应的先验方差，μ_z,n为附加矢量z中第n个元素对应的先验均值，E[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的均值，为概率密度函数b_g,n已知的情况下对应的的均值，为g_nm的共轭，E[g_n|b_g,n]为b_g,n已知的情况下的矢量g_n的均值，E[x|b_x]为b_x已知的情况下矢量x的均值，为b_x已知的情况下对应的的均值，为x_m的共轭；

S3.6：更新附加矢量z的概率密度函数b_z(z)，即：

其中，y为基站接收信号矢量，σ_z为噪声方差矢量，z_n为矢量z的第n个元素。

步骤4：按照下列步骤更新用户发送信号x的概率密度函数b_x(x)：

S4.1：分别计算附加矢量z中的每一元素对应的均值约束系数以及方差约束系数，即：

γ_e1,n＝(E[z_n|b_z]-μ_z,n)/τ_z,n (17)

其中，γ_e1,n为附加矢量z中的第n个元素对应的均值约束系数，λ_f1,n为附加矢量z中的第n个元素对应的方差约束系数，E[z_n|b_z]为b_z已知的情况下的z_n的均值，b_z为b_z(z)的简化表示，Var[z_n|b_z]为b_z已知情况下的z_n的方差，z_n为矢量z的第n个元素，τ_z,n为附加矢量z中第n个元素对应的先验方差，μ_z,n为附加矢量z中第n个元素对应的先验均值；

S4.2：分别计算附加矢量z中的每一元素对应的迭代系数，即：

式(19)中，β_n为附加矢量z中的第n个元素对应的迭代系数，为概率密度函数b_g,n的已知情况下对应的的均值，为g_nm的共轭，E[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的均值，λ_b2,m为用户发送信号对应的方差约束系数；

S4.3：分别计算每个用户对应的标量方差参数以及标量均值参数，即：

其中，τ_x,m为第m个用户对应的标量方差参数，μ_x,m为第m个用户对应的标量均值参数，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值，γ_e1,n为附加矢量z中第n个元素对应的均值约束系数；

S4.4：更新b_x(x)，即：

式(22)中，p(x)为用户侧发送信号的先验概率密度函数。

步骤五中，判断是否满足式(23)所示的迭代终止条件：

其中， 为第ii用户发送信号的估计值，1≤ii≤M，M为用户总数，b_x为b_x(x)的简化表示，E[x|b_x]为b_x已知的情况下对应的x的均值，||·||_F为Frobenius范数，tol为迭代终止值。

Claims (6)

1.一种大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：包括：

第一步，在上行信道训练中，用户发送导频信号，基站依据接收的导频信号获取信道估计值和相应的信道估计误差

第二步，建立信道矩阵G的统计模型；

第三步，考虑用户等概率发送QAM符号x，获取x的初始估计均值和初始估计方差

第四步，利用信道矩阵的统计模型及采用鲁棒的检测算法获取发送信号的均值和方差

第五步，判断是否满足迭代终止条件：如果是，则跳转执行第六步；否则，则更新并跳转至第四步；

第六步，对进行硬判决，得到用户发送信号检测值

所述第四步中，鲁棒的检测算法为鲁棒近似消息传递算法；

所述第四步中，鲁棒近似消息传递算法中先对附加变量z＝Gx的概率密度函数b_z(z)进行更新，再对发送信号x的概率密度函数b_x(x)进行更新；所述第五步中，判断是否满足式(1)所示的迭代终止条件：

其中， 为第ii用户发送信号的估计值，1≤ii≤M，M为用户总数，b_x为b_x(x)的简化表示，E[x|b_x]为b_x已知的情况下对应的x的均值，||·||_F为Frobenius范数，tol为迭代终止值。

2.根据权利要求1所述的大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：所述第一步中各用户发送的导频存在复用，基站采用均方误差最小准则进行信道估计。

3.根据权利要求1所述的大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：所述第二步中信道矩阵G的统计模型的建立，考虑信道矩阵G中任意两行g_m,g_n之间相互独立，即p(G)为信道矩阵G的先验概率密度函数，p(g_n)为信道矩阵G中第n行矢量的先验概率密度函数，N为基站天线数目，g_m为信道矩阵G的第m行，1≤m≤N，g_n为信道矩阵G的第n行，1≤n≤N，m≠n。

4.根据权利要求3所述的大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：将g_n建模成高斯分布，高斯分布的均值为方差为信道估计误差协方差矩阵的对角线元素，为的第n行，为的第n行。

5.根据权利要求1所述的大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：所述概率密度函数b_z(z)按照下列步骤更新：

S7.1：依据用户侧发送信号的先验概率密度函数p(x)以及信道矩阵中所有行矢量的先验概率密度函数p(g_n)(n＝1，…，N)，初始化概率密度函数，即：b_x(x)＝p(x)，b_g，n(g_n)＝p(g_n)，b_g,n(g_n)为g_n的概率密度函数；初始化标量方差参数τ_x,m＝∞(m＝1，…,M)；初始化矢量z中每一元素对应的均值约束系数，即γ_e1，n＝0(n＝1,…，N)；

S7.2：分别计算每个用户发送信号的估计值，即：

其中，为第m个用户发送信号的估计值，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值；

S7.3：分别计算每个用户发送信号对应的方差约束系数，即：

其中，λ_b2，m为第m个用户发送信号对应的方差约束系数，Var[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的方差；

S7.4：分别计算信道矩阵G中的每一元素对应的方差约束系数，即：

其中，λ_d2，n,m为信道矩阵G中第n行第m列元素对应的方差约束系数，Var[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的方差，b_g,n为b_g,n(g_n)的简化表示，g_nm为信道矩阵G的第n行第m列元素；

S7.5：分别计算附加矢量z中每一元素对应的先验方差以及先验均值，即：

μ_z，n＝E[g_n|b_g，n]E[x|b_x]-γ_e1，nτ_z，n (6)

其中，τ_z，n为附加矢量z中第n个元素对应的先验方差，μ_z，n为附加矢量z中第n个元素对应的先验均值，E[g_nm|b_g，n]为概率密度函数b_g，n已知的情况下对应的g_nm的均值，为概率密度函数b_g，n已知的情况下对应的的均值，为g_nm的共轭，E[g_n|b_g，n]为b_g，n已知的情况下的矢量g_n的均值，E[x|b_x]为b_x已知的情况下矢量x的均值，为b_x已知的情况下对应的的均值，为x_m的共轭；

S7.6：更新附加矢量z的概率密度函数b_z(z)，即：

其中，y为基站接收信号矢量，σ_z为噪声方差矢量，z_n为矢量z的第n个元素。

6.根据权利要求1所述的大规模MIMO系统多用户上行鲁棒检测方法，其特征在于：所述概率密度函数b_x(x)按照下列步骤更新：

S8.1：分别计算附加矢量z中的每一元素对应的均值约束系数以及方差约束系数，即：

γ_e1，n＝(E[z_n|b_z]-μ_z，n)/τ_z,n (8)

其中，γ_e1,n为附加矢量z中的第n个元素对应的均值约束系数，λ_f1,n为附加矢量z中的第n个元素对应的方差约束系数，E[z_n|b_z]为b_z已知的情况下的z_n的均值，b_z为b_z(z)的简化表示，b_z(z)为附加矢量z的概率密度函数，Var[z_n|b_z]为b_z已知情况下的z_n的方差，z_n为矢量z的第n个元素，τ_z,n为附加矢量z中第n个元素对应的先验方差，μ_z,n为附加矢量z中第n个元素对应的先验均值；

S8.2：分别计算附加矢量z中的每一元素对应的迭代系数，即：

式(10)中，β_n为附加矢量z中的第n个元素对应的迭代系数，为概率密度函数b_g,n的已知情况下对应的的均值，b_g，n为b_g，n(g_n)的简化表示，b_g，n(g_n)为g_n的概率密度函数，为g_nm的共轭，E[g_nm|b_g,n]为概率密度函数b_g,n已知的情况下对应的g_nm的均值，λ_b2,m为用户发送信号对应的方差约束系数；

S8.3：分别计算每个用户对应的标量方差参数以及标量均值参数，即：

其中，τ_x，m为第m个用户对应的标量方差参数，μ_x，m为第m个用户对应的标量均值参数，E[x_m|b_x]为概率密度函数b_x已知的情况下对应的x_m的均值，b_x为b_x(x)的简化表示；

S8.4：更新b_x(x)，即：

式(13)中，p(x)为用户侧发送信号的先验概率密度函数。