CN107770104A - 一种基于压缩感知的信道估计导频优化方法与装置 - Google Patents
一种基于压缩感知的信道估计导频优化方法与装置 Download PDFInfo
- Publication number
- CN107770104A CN107770104A CN201711004059.8A CN201711004059A CN107770104A CN 107770104 A CN107770104 A CN 107770104A CN 201711004059 A CN201711004059 A CN 201711004059A CN 107770104 A CN107770104 A CN 107770104A
- Authority
- CN
- China
- Prior art keywords
- frequency locations
- pilot frequency
- pilot
- group
- locations set
- 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
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
- H04L25/0212—Channel estimation of impulse response
- H04L25/0216—Channel estimation of impulse response with estimation of channel length
-
- 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
- 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
-
- 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
- H04L25/0226—Channel estimation using sounding signals sounding signals per se
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于压缩感知的信道估计导频优化方法与装置,涉及宽带无线通信领域,将不同天线之间的信道建模为联合稀疏信号,将大规模MIMO信道的参数估计构建为结构化压缩感知中的稀疏信号重建问题,基于最小化块相关值的导频优化准则,对导频位置集合进行更新,提高了大规模MIMO信道估计的准确度。
Description
技术领域
本发明属于宽带无线通信领域,具体涉及一种基于压缩感知的信道估计导频优化方法与装置。
背景技术
大规模MIMO(Multiple Input Multiple Output,多输入多输出)系统通过在基站配备大量天线,大大提高了通信系统的频谱效率和能量效率,其作为5G通信的关键技术,受到了国内外学者的广泛关注。但是在实践中大规模MIMO也面临很多挑战。例如,获取准确的信道状态信息(CSI,Channel Condition Information)对大规模MIMO系统是至关重要的,而目前大多数信道估计方法都是利用导频来获取CSI,随着基站天线数的增加,需要估计的信道数量增多,造成了大量的导频开销。
为了减少所需导频数量,利用大规模MIMO信道稀疏特性的压缩感知信道估计方法被视为一种有效的信道估计方法。近期研究表明,基站的不同天线到同一用户的信道冲激响应(CIR)具有相同的稀疏支撑集,即联合稀疏特性。因此,利用大规模MIMO联合稀疏特性的基于结构化压缩感知的信道估计方法得到了广泛的研究,其相比传统基于压缩感知信道估计方法使用的导频数更少,信道估计性能也越好。目前多数信道估计方法仅仅随机放置导频,而导频位置的选择对信道估计的性能也会产生影响。因此,研究具体的导频优化方法可以提高信道估计性能,减少导频开销,对大规模MIMO技术的工程实现具有十分重要的现实意义。
公布号为103685088的中国专利公开了一种稀疏信道的导频优化方法、装置和信道估计方法,该方法随机从子载波集合中生成初始导频排布,并在候选集中选取初始导频排布中各元素位置上的最佳元素生成优选导频排布,经过多次重复、比较,最终确定优化导频排布,该方法的不足之处在于,初始导频集合选择具有随机性,确定每个位置上的最优导频时效率不高。
发明内容
本发明的目的是提供一种基于压缩感知的信道估计导频优化方法与装置,用于解决现有技术导频需求量大和优化性能较差的问题,提高导频优化性能,使信道估计更加准确。
为解决上述技术问题,本发明提出一种基于压缩感知的信道估计导频优化方法,包括以下步骤:
1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
2)从待选的N个导频位置中,选取S1组导频位置集合,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
3)根据块相关值最小原则,对每组导频位置集合进行更新;每组导频位置集合的方式包括:依次更新导频位置集合中的每个元素,并重复此更新的方式直至达到设定次数S2,或者更新后的导频位置集合不再变化;
4)对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
进一步,步骤3)中所述每组导频位置集合更新的方式具体包括以下步骤:
A.将步骤3)中需要更新的每组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S2,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新的导频位置集合。
为解决上述技术问题,本发明还提出一种基于压缩感知的信道估计导频优化方法,包括以下步骤:
(1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
(2)从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
(3)根据块相关值最小原则对该组导频位置集合进行更新,更新的方式包括依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合;
(4)从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合;
(5)再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
进一步,每组选取的导频位置集合进行更新的方式具体包括以下步骤:
A.将步骤(2)中选取的一组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S3,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新后的导频位置集合。
为解决上述技术问题,本发明还提出一种基于压缩感知的信道估计导频优化装置,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
2)从待选的N个导频位置中,选取S1组导频位置集合,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
3)根据块相关值最小原则,对每组导频位置集合进行更新;每组导频位置集合的方式包括:依次更新导频位置集合中的每个元素,并重复此更新的方式直至达到设定次数S2,或者更新后的导频位置集合不再变化;
4)对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
进一步,所述处理器还用于执行以下指令:
步骤3)中所述每组导频位置集合更新的方式具体包括以下步骤:
A.将步骤3)中需要更新的每组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S2,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新的导频位置集合。
为解决上述技术问题,本发明还提出一种基于压缩感知的信道估计导频优化装置,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
(1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
(2)从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
(3)根据块相关值最小原则对该组导频位置集合进行更新,更新的方式包括依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合;
(4)从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合;
(5)再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
进一步,所述处理器还用于执行以下指令:
每组选取的导频位置集合进行更新的方式具体包括以下步骤:
A.将步骤(2)中选取的一组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S3,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新后的导频位置集合。
本发明的有益效果是:
本发明根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,建立以块相关值最小为目标的导频优化目标函数。目标函数确定后,采用两种方法确定最优导频位置集合。
第一种方法是,先选取S1组导频位置集合,每组导频位置集合中,随机选取少于导频数目的初始导频位置,剩下的初始导频位置根据块相关值最小原则,从剩余并未被选为初始导频位置的导频位置中选取,形成一组导频位置集合,然后以块相关值最小原则,对每组导频位置集合进行更新,对比更新后的S1组导频位置集合,得到最优导频位置集合。
第二种方法是,先选取一组导频位置集合,作为初始的导频位置集合,采用与上述方法相同的步骤形成一组导频位置集合,然后根据块相关值最小原则,依次更新集合中的每个元素,重复此更新方式直至达到设定次数,或者更新后的导频位置集合不再变化,得到第一最优导频位置集合;然后再选取一组导频位置集合,按照同样的更新方式更新这一组导频位置集合,将更新后的导频位置集合与第一最优导频位置集合分别代入块相关值的目标函数,将目标函数较小的一组作为第二最优导频位置集合,再选出下一个最优导频位置集合,直到达到设定次数,得到最终的最优导频位置集合。
本发明将不同天线之间的信道建模为联合稀疏信号,利用结构化压缩感知大大减少了导频需求量,并且通过块相关值最小原则选择初始导频集合,不仅加快了确定最优导频集合时的收敛速度,而且减小了最优导频的块相关值,使信道状态信息估计的更加准确。
附图说明
图1是导频优化与随机导频的仿真对比图;
图2是本发明导频优化方法的流程图;
图3是本发明与现有技术的收敛性对比图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
实施例一:
利用大规模MIMO信道稀疏特性的压缩感知信道估计方法估计信道状态信息时,需要对导频位置进行优化,采用以下方法:
1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并建立以块相关值最小为导频优化目标函数。
化简过程包括以下步骤:
步骤一,考虑一个大规模MIMO系统,基站有M根天线为多个单天线用户服务。则基站第m个天线到某一用户的信道冲激响应为hm=[hm(0),hm(1),…,hm(L-1)]T,其中L是信道长度,因为信道是稀疏的,所以hm中只有K个非零抽头,且K<<L。该系统使用OFDM传输信号,假设总的OFDM子载波数为N,使用其中Np个子载波传输导频信号,0<Np<N。为了减少导频开销,认为所以发送天线发送的导频占用相同的子载波p=[p1,p2,…,pNp],为了区分不同信道,不同发送天线发送的导频序列应该是不同的。
步骤二,经过移除循环前缀(CP)和DFT变换后,接收到的导频信号可以表示为:
其中,y是用户接收到的导频序列;xm是基站第m个天线发送的导频序列;Xm=diag(xm)表示以向量xm为对角线的对角矩阵;FP表示N×N的DFT矩阵的前L列和导频位置对应行所组成的NP×L子矩阵;n是加性高斯白噪声。
步骤三,式(1)可以进一步简化为:
y=Ah+n(2)
其中,A=[X1FP,X2FP,…,XMFP]是一个NP×LM矩阵;
步骤四,利用大规模MIMO信道联合稀疏的特性,我们提取不同信道冲激响应中相同位置的抽头,使h重新定义为其中cl=[h1(l),…,hM(l)]T,则式(2)可以表示为:
其中,Φl=[Al,…,A(M-1)L+l]是一个NP×M矩阵,Al是矩阵A的第l列;Φ=[Φ0,…,Φl,…,ΦL-1]。
步骤五,由于向量c是分块稀疏的,所以上述信道估计问题就可以转化为结构化压缩感知中的信号重构问题,则Φ的块相关值可以表示为:
其中,表示矩阵R的谱范数,λmax(RHR)表示矩阵RHR的最大特征值。
步骤六,因为目标是导频位置优化,所以假设所有天线发送的导频信号具有相同功率,则Φl=[Al,…,A(M-1)L+l]里面的列向量都相同,即Φl=[Al,…,Al]。由此可以计算:
其中,1M×M表示M×M的全一矩阵。所以可以求谱范数:
步骤七,根据式(6)和DFT矩阵的单位性质,式(4)可以简化为
其中,V是相同的导频功率,fl是矩阵FP的第l列。因此,导频位置的优化目标函数可以表示为:
其中,r=l-k。
以基站有M=2根天线,信道长度L=5,其中有K=2个非零抽头为例,第一根天线到用户的信道冲击响应设为h1=[0,1,0,3,0],第二根天线到用户的信道冲击响应为h2=[0,5,0,2,0],OFDM(Orthogonal Frequency Division Multiplexing,正交分频复用)子载波数N=6,即6个可选的导频位置,基站端的所有天线使用其中相同的3个子载波传输导频信号,分别为p1=1,p2=2,p3=5,6个位置中选择3个位置进行导频传输,第一根天线发送的导频信号为x1=[x1(p1),x1(p2),x1(p3)],第二根天线发送的导频信号为x2=[x2(p1),x2(p2),x2(p3)]。
6×6维DFT(Discrete Fourier Transform,离散傅里叶变换)矩阵F为:
Fp即为从矩阵F中选出导频位置所在的(1、2、5)行和前L=5列:
根据公式(2),用户接收到的信号:
根据公式(3),重新排列上式顺序:
假设所有天线发送的导频信号具有相同功率,即x1=x2,且|x1(p1)|2=|x1(p2)|2=|x1(p3)|2=V,则上述公式变为:
从上式可以看出,Φ中每个Φl中的列相同,所以,
比如,因此,其谱范数可以表示为
其中,
由于块相关值利用DFT矩阵的单位性质以及上述谱范数的简化过程,块相关值可以简化为:
因为DFT矩阵具有周期性,|fl Hfk|仅仅与r=k-l有关,所以,最终导频位置的优化目标函数表示为:
2)从待选的N个导频位置中,选取S1组导频位置集合,S1≥2,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合。
3)根据块相关值最小原则,对每组导频位置集合进行更新。每组导频位置集合的方式为:
设置初始的第一组导频位置集合为p1={p1(1),p1(2),...,p1(Np)},依次更新导频位置集合p1中的每个元素p(k)(k=1,…,Np),每个元素表示一个导频位置,例如,更新p1中第k个元素,则将剩余未被选取的导频位置集合和p1中第k个元素的并集{Γ\p1}∪p1(k)(\表示集排除)中的元素依次作为集合p1中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,将其中具有最小块相关值的导频位置集合更新为新的导频位置集合p1,在全部Np个元素更新完成后,导频位置集合p1更新完毕。将更新完的导频位置集合p1作为新的初始导频位置集合,重复上述过程,直至达到设定次数S2,或者相邻两次更新的导频位置集合相同时停止,此时得到的集合是第一组导频位置集合更新后的最终导频位置集合。
然后,将选取初始的第二组导频位置集合,按照上述方案进行更新,得到更新后的第二组导频位置集合,直到S1组导频位置集合全部更新完毕,对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
本发明通过将不同天线之间的信道建模为联合稀疏信号,将大规模MIMO信道的参数估计构建为结构化压缩感知中的稀疏信号重建问题,基于最小化块相关值的导频优化准则,对导频位置集合进行更新,提高了大规模MIMO信道估计的准确度。
上述导频优化方法采用的是S1组导频位置集合并行计算更新导频位置集合的方法,计算速度快,得到最优导频位置集合的结果效率高,但是对硬件的要求也比较高,为了节省硬件成本,可以采用串行计算更新导频位置集合的方法,该方法包括以下步骤:
从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合。
根据块相关值最小原则,对该组导频位置集合进行更新;更新的方式包括:依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合。
从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合。再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
本发明还提出了基于压缩感知的信道估计导频优化装置,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
从待选的N个导频位置中,选取S1组导频位置集合,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合。
根据块相关值最小原则,对每组导频位置集合进行更新;每组导频位置集合的方式包括:依次更新导频位置集合中的每个元素,并重复此更新的方式直至达到设定次数S2,或者更新后的导频位置集合不再变化。对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
本发明通过块相关值最小原则选择初始导频集合,不仅提高了确定最优导频集合时的收敛速度,而且使导频优化产生的块相关值更小,使信道状态信息估计的更加准确。
本发明还提出了基于压缩感知的信道估计导频优化装置,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合。
根据块相关值最小原则对该组导频位置集合进行更新,更新的方式包括依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合。
从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合。再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
本发明的提出的两种导频优化装置的处理器,执行的指令分别对应为上述导频优化方法,由于对上述导频优化方法的介绍已经足够清楚完整,故不再对处理器执行的指令进行详细描述。
实施例二:
导频位置的优化问题可以用块相关值最小的目标函数,来表示:
其中,r=l-k,关于上述目标函数的形成过程属于现有技术,具体期刊名称为《Pilot Allocation for MIMO-OFDM Systems:A Structured Compressive SensingPerspective》。
利用迭代方式进行导频优化:
首先,设置外循环次数M1和内循环次数M2。
在每次外循环中,随机生成T(1≤T≤NP)个导频位置,然后根据块相关值最小原则在每次迭代中添加一个导频位置,直至确定NP个导频位置停止迭代,将得到的导频位置集合作为内循环的初始值。
在每次内循环中,假设最新一次迭代产生的导频位置集合为p,对于k=1,…,NP,从集合N\{p(i)|i=1,…,Q,i≠k}中选择具有最小块相关值的元素替换掉集合p中的第k个元素,新产生的导频集合记作
其中,\表示集排除。
在获得之后,更新集合继续进行下一次内循环,直至集合p不再变化或达到规定循环次数M2。
对于每个外循环给出的导频位置集合p,通过内循环都可以获得一个对应的最优集合。然后,在M1个最优集合中选择具有最小块相关值的导频位置集合作为最终的结果输出。
下面利用分块子空间追踪(BSP)信道估计算法对比使用发明的导频优化方法和未使用导频优化方法的均方误差(MSE)性能,仿真在matlab软件环境下进行。仿真中设置OFDM子载波个数为1024,导频个数为128,信道长度为100,其中非零抽头的个数为6,T为2。
图1给出了仿真结果对比图,从图中可以看出相比较未使用导频优化的方法,本发明提出的导频优化方法明显提高了大规模MIMO信道估计的均方误差性能。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种基于压缩感知的信道估计导频优化方法,其特征在于,包括以下步骤:
1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并建立以块相关值最小为导频优化目标函数;
2)从待选的N个导频位置中,选取S1组导频位置集合,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
3)根据块相关值最小原则,对每组导频位置集合进行更新;每组导频位置集合的方式包括:依次更新导频位置集合中的每个元素,并重复此更新的方式直至达到设定次数S2,或者更新后的导频位置集合不再变化;
4)对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
2.根据权利要求1所述的基于压缩感知的信道估计导频优化方法,其特征在于,步骤3)中所述每组导频位置集合更新的方式具体包括以下步骤:
A.将步骤3)中需要更新的每组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S2,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新的导频位置集合。
3.一种基于压缩感知的信道估计导频优化方法,其特征在于,包括以下步骤:
(1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
(2)从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
(3)根据块相关值最小原则,对该组导频位置集合进行更新;更新的方式包括:依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合;
(4)从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合;
(5)再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
4.根据权利要求3所述的基于压缩感知的信道估计导频优化方法,其特征在于,每组选取的导频位置集合进行更新的方式具体包括以下步骤:
A.将步骤(2)中选取的一组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S3,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新后的导频位置集合。
5.一种基于压缩感知的信道估计导频优化装置,其特征在于,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
2)从待选的N个导频位置中,选取S1组导频位置集合,每组导频位置集合的选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
3)根据块相关值最小原则,对每组导频位置集合进行更新;每组导频位置集合的方式包括:依次更新导频位置集合中的每个元素,并重复此更新的方式直至达到设定次数S2,或者更新后的导频位置集合不再变化;
4)对更新后的S1组导频位置集合进行对比,将块相关值最小的一组导频位置集合作为最优导频位置集合。
6.根据权利要求5所述的基于压缩感知的信道估计导频优化装置,其特征在于,所述处理器还用于执行以下指令:
步骤3)中所述每组导频位置集合更新的方式具体包括以下步骤:
A.将步骤3)中需要更新的每组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S2,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新的导频位置集合。
7.一种基于压缩感知的信道估计导频优化装置,其特征在于,包括用于选择导频位置集合的处理器,所述处理器用于执行以下指令:
(1)根据所有天线发送的导频信号具有相同的导频位置和导频功率,化简已知测量矩阵的块相关值,并以块相关值最小为导频优化目标函数;
(2)从所有待选的N个导频位置中,选取一组导频位置集合,选取步骤为:随机选取T个导频位置,T<Np<N,Np为设定的导频数目;根据块相关值最小原则,从剩余未被选取的导频位置中,选取Np-T个导频位置;所述T个导频位置和Np-T个导频位置形成一组导频位置集合;
(3)根据块相关值最小原则对该组导频位置集合进行更新,更新的方式包括依次更新所述一组导频位置集合中的每个元素,并重复此更新方式直至达到设定次数S3或者更新后的导频位置集合不再变化,将更新后的导频位置集合作为第一最优导频位置集合;
(4)从所有发送天线中再选取一组导频位置集合,按照所述更新的方式对重新选取的导频位置集合进行更新,将更新后的导频位置集合与所述第一最优导频位置集合进行对比,将块相关值最小的一组导频位置集合作为第二最优导频位置集合;
(5)再选出下一个最优导频位置集合,直到选取导频位置集合的次数达到设定次数S4时,将当前的最优导频位置集合作为最终的最优导频位置集合。
8.根据权利要求7所述的基于压缩感知的信道估计导频优化装置,其特征在于,所述处理器还用于执行以下指令:
每组选取的导频位置集合进行更新的方式具体包括以下步骤:
A.将步骤(2)中选取的一组导频位置集合作为初始集合p={p(1),p(2),...,p(Q)},初始集合p中设有Q个元素,Q=Np,每个元素表示一个导频位置;
B.依次更新初始集合p中的每个元素p(k),其中k=1,…,Q;将剩余未被选取的导频位置和第k个元素的并集中的每个元素依次代替初始集合p中的第k个元素,并求出新组成的每个导频位置集合所对应的块相关值,用其中具有最小块相关值的导频位置集合更新集合p,然后更新下一个元素,当全部Q个元素更新完成后,得到最新的导频位置集合;
C.将所述最新的导频位置集合作为初始集合,重复步骤B,直至达到设定次数S3,或者更新后的导频位置集合不再变化,此时获得的导频位置集合为最终更新后的导频位置集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004059.8A CN107770104B (zh) | 2017-10-24 | 2017-10-24 | 一种基于压缩感知的信道估计导频优化方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711004059.8A CN107770104B (zh) | 2017-10-24 | 2017-10-24 | 一种基于压缩感知的信道估计导频优化方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107770104A true CN107770104A (zh) | 2018-03-06 |
CN107770104B CN107770104B (zh) | 2020-12-22 |
Family
ID=61271219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711004059.8A Active CN107770104B (zh) | 2017-10-24 | 2017-10-24 | 一种基于压缩感知的信道估计导频优化方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107770104B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108566347A (zh) * | 2018-04-04 | 2018-09-21 | 南京邮电大学 | 一种多用户ofdm系统双选择稀疏信道的导频设计方法 |
CN108599820A (zh) * | 2018-05-07 | 2018-09-28 | 东北大学 | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo系统信道估计方法 |
CN114338300A (zh) * | 2021-12-02 | 2022-04-12 | 重庆两江卫星移动通信有限公司 | 一种基于压缩感知的导频优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984571A (zh) * | 2010-11-09 | 2011-03-09 | 北京邮电大学 | 多用户mimo系统的预编码方法 |
CN106059731A (zh) * | 2016-05-19 | 2016-10-26 | 重庆大学 | 一种适用于快时变稀疏估计的最优导频图样的设计方法 |
CN106452534A (zh) * | 2016-11-23 | 2017-02-22 | 南京邮电大学 | 基于结构化压缩感知的大规模mimo信道估计的导频优化方法 |
-
2017
- 2017-10-24 CN CN201711004059.8A patent/CN107770104B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984571A (zh) * | 2010-11-09 | 2011-03-09 | 北京邮电大学 | 多用户mimo系统的预编码方法 |
CN106059731A (zh) * | 2016-05-19 | 2016-10-26 | 重庆大学 | 一种适用于快时变稀疏估计的最优导频图样的设计方法 |
CN106452534A (zh) * | 2016-11-23 | 2017-02-22 | 南京邮电大学 | 基于结构化压缩感知的大规模mimo信道估计的导频优化方法 |
Non-Patent Citations (1)
Title |
---|
BU RENFEI,WANG SHILIAN,YU XIAOYOU: "Blind Channal Estimation and Phase Ambiguity Elimination in MIMO-OFDM UWA Communications", 《ICSPCC》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108566347A (zh) * | 2018-04-04 | 2018-09-21 | 南京邮电大学 | 一种多用户ofdm系统双选择稀疏信道的导频设计方法 |
CN108566347B (zh) * | 2018-04-04 | 2021-10-29 | 南京邮电大学 | 一种多用户ofdm系统双选择稀疏信道的导频设计方法 |
CN108599820A (zh) * | 2018-05-07 | 2018-09-28 | 东北大学 | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo系统信道估计方法 |
CN108599820B (zh) * | 2018-05-07 | 2021-10-15 | 东北大学 | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo系统信道估计方法 |
CN114338300A (zh) * | 2021-12-02 | 2022-04-12 | 重庆两江卫星移动通信有限公司 | 一种基于压缩感知的导频优化方法及系统 |
CN114338300B (zh) * | 2021-12-02 | 2024-03-12 | 重庆两江卫星移动通信有限公司 | 一种基于压缩感知的导频优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107770104B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Pilot allocation for distributed-compressed-sensing-based sparse channel estimation in MIMO-OFDM systems | |
CN108964726A (zh) | 一种低复杂度的大规模mimo上行链路传输信道估计方法 | |
TWI463823B (zh) | 相關性衰落通道的模型基礎通道估計器和通道估計方法 | |
CN104702390B (zh) | 分布式压缩感知信道估计中的导频分配方法 | |
CN106506415B (zh) | 一种多用户mimo-ofdm系统信道估计的方法 | |
CN108990167B (zh) | 一种机器学习辅助的大规模mimo下行用户调度方法 | |
CN110198281A (zh) | 基于压缩感知的稀疏度自适应匹配追踪的信道估计方法 | |
CN106453162B (zh) | 针对多输入多输出正交频分复用系统的信道估计方法 | |
CN107770104A (zh) | 一种基于压缩感知的信道估计导频优化方法与装置 | |
CN109150278A (zh) | 基于改进牛顿迭代的massive MIMO信号检测方法 | |
CN109474388A (zh) | 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法 | |
CN106506133A (zh) | 宽带大规模mimo系统导频池及信道信息获取方法和装置 | |
CN107276934B (zh) | 一种大规模mimo系统多用户上行鲁棒检测方法 | |
CN107359904A (zh) | 基于压缩感知、高速移动的ufmc系统无线信道估计方法 | |
CN106233685B (zh) | 用于大规模mimo系统的混合模拟数字预编码的方法 | |
CN104869086A (zh) | 基于二维压缩感知的mimo-ofdm通信系统下行信道估计方法、装置 | |
CN112291168A (zh) | 大规模mimo正交时频空间调制下行链路导频设计和信道信息获取方法 | |
CN111988069B (zh) | 大规模mimo广义特征向量结构预编码求解方法、装置 | |
CN106972878A (zh) | 一种数据处理方法和装置 | |
EP3763052A1 (en) | Channel covariance matrix conversion | |
CN104901732A (zh) | 一种密集节点配置系统中的导频复用方法 | |
CN103475603A (zh) | 基于序参量非正交变换的通信系统盲信道估计方法 | |
CN105530209A (zh) | 多天线时域训练序列填充方法及装置 | |
CN106230755B (zh) | 一种mimo系统信道估计方法和装置 | |
CN102244636B (zh) | 一种部分传输序列方法 |
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 |