CN107911154A - 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法 - Google Patents

解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法 Download PDF

Info

Publication number
CN107911154A
CN107911154A CN201711067330.2A CN201711067330A CN107911154A CN 107911154 A CN107911154 A CN 107911154A CN 201711067330 A CN201711067330 A CN 201711067330A CN 107911154 A CN107911154 A CN 107911154A
Authority
CN
China
Prior art keywords
mrow
mtd
msup
msub
mtr
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.)
Pending
Application number
CN201711067330.2A
Other languages
English (en)
Inventor
杜建和
韩梦
武奕君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Communication University of China
Original Assignee
Communication University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Communication University of China filed Critical Communication University of China
Priority to CN201711067330.2A priority Critical patent/CN107911154A/zh
Publication of CN107911154A publication Critical patent/CN107911154A/zh
Pending legal-status Critical Current

Links

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
    • H04B7/0452—Multi-user MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/40—Monitoring; Testing of relay 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
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法。针对解码转发MIMO中继系统，主要解决信号与信道估计精度较低的问题。其实现步骤为：1)建立单向两跳MIMO中继信道模型；2)通信过程分信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段；3)在中继和信宿端，用平行因子模型重构接收信号矩阵并分析其分解唯一性；4)利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵。本发明能明显提高对信道与信号矩阵估计的准确度，并很好地利用增加的接收分集进一步提高信号与信道估计的精度。

Description

解码转发MIMO中继系统中一种基于平行因子模型的信号与信 道估计方法
技术领域
本发明涉及无线通信技术领域，特别涉及解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法。
背景技术
中继通信系统具有良好的可靠性与高效性，近年来，吸引了众多学者的研究。中继能补偿长距离传输造成的信号损失，并且能够在保证稳定性的前提下提高信息传输速率。多输入多输出(MIMO)和中继技术的结合更是进一步提高了无线通信系统的性能，大幅度提高信息传输速率。MIMO中继通信系统已成为当前的研究热点，在无线通信领域引起了广泛关注。
典型的中继协议有放大转发中继(AF)和解码转发中继(DF)。二者的区别在于放大转发中继(AF)对接收的信号进行放大转发，而解码转发中继(DF)对接收的信号进行解码转发，因此通常情况下，解码转发中继(DF)性能更优。
张量分解被广泛应用于信号处理和信道估计领域，已有研究将张量分解应用于AFMIMO中继系统，进行复合信道的估计。通过应用张量分解，针对于单向或双向MIMO中继系统，可以利用交替最小二乘算法(ALS)估计信道信息。这些方法都利用了平行因子模型的分解唯一性。
发明内容
发明目的：本发明结合现有技术，提出解码转发中继系统中一种基于平行因子模型的信号与信道估计方法，能更精确地联合估计出信号与信道信息。
技术方案：本发明所述的解码转发中继系统中一种基于平行因子模型的信号与信道估计方法包括：
建立单向两跳MIMO中继信道模型；
通信过程分信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段；
在中继和信宿端，用平行因子模型重构接收信号矩阵并分析其分解唯一性；
利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵。
进一步的，所述建立矩阵形式的单向两跳MIMO中继信道模型，具体包括：
信道矩阵建模为复高斯随机矩阵：
信道矩阵中元素均为均值为0，方差为1的复高斯随机变量。
进一步的，通信过程分信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段，包括：
信源传输信号矩阵到中继，发送信号矩阵为：
第n个时隙，中继端接收信号为：
中继解码得到信号矩阵估测值对预编码后，中继端的发送信号矩阵为：
第n个时隙，信宿端接收信号为：
进一步的，在中继端和信宿端，用平行因子模型重构接收信号矩阵并分析其分解唯一性，包括：
中继端、信宿端的接收信号矩阵分别为：
建模为平行因子模型有：
Y(R)″＝(HSR e CT)ST+VR
上述在满足唯一性条件的情况下，能检测信号和估计信道，即，如果
成立，则S，HSR，C，和HRD在不考虑列置换和尺度模糊的情况下是唯一的。
进一步的，利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵，包括：
由中继端接收信号矩阵的平行因子模型，可以得到：
随机初始化根据以上两式，利用ALS算法进行更新迭代直至收敛，估计出和
由信宿端接收信号矩阵的平行因子模型，可以得到：
随机初始化根据以上两式，利用ALS算法进行更新迭代直至收敛，估计出和
由于编码矩阵已知，估计值与真实值之间只存在尺度模糊，通过固定信息矩阵的某一行或某一列可以消除尺度模糊。
有益效果：与现有技术相比，其主要优点在于：本发明能明显提高对信道与信号矩阵估计的准确度，同时，也能很好地利用增加的接收分集进一步提高信号与信道估计的精度。
附图说明
图1为本发明的信号与信道估计方法流程图；
图2为本发明的单向两跳MIMO中继系统结构示意图；
图3为本发明在不同扩展码长度L下的信号检测性能图；
图4为本发明在不同扩展码长度L下的信道估计性能图；
图5为本发明在信源端不同天线数MD下的信号检测性能图。
具体实施方式
为使本发明的特点和优势更加明显易懂，下面结合附图对本发明进行详细说明。
图2为本发明的单向两跳MIMO中继系统结构示意图，如图2所示的单向两跳MIMO通信系统，信源端、中继端和信宿端分别配置MS、MR和MD个天线。由于长距离传输及其造成的功率损耗，假设信源与信宿之间没有直通链路，整个通信过程分为信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段。
实施实例一
请参见图3，图3为本发明在不同扩展码长度L下的信号检测性能图。系统参数为：MS＝MR＝MD＝4，N＝4。图3表明，1)随着SNR的增加，所提方法的BER减小，即本发明能有效的进行信号检测。2)随着扩展码长度L增加，该方法的BER减小，其具有优良的信号检测能力。3)即使扩展码长度相对较短(如取L＝3)，仍能保持良好的信号检测性能。
实施实例二
请参见图4，图4为本发明在不同扩展码长度L下的信道估计性能图。系统参数为：MS＝MR＝MD＝4，N＝4。图4表明，1)随着SNR的增加，NMSE(HSR)和NMSE(HRD)的值减小，即本发明能够得到较为精确的信道估计值。2)随着扩展码长度L的增加，该方法的NMSE减小，表明该发明具有优良的信道估计能力。
实施实例三
请参见图5，图5为本发明在信源端不同天线数MD下的信号检测性能图。系统参数为：MS＝MR＝K＝4，N＝4。图5表明，1)在信源端天线数不变的情况下，随着SNR的增加，BER逐渐降低，即所提方法具有较好的信号检测能力。2)SNR一定时，信宿端的天线越多，BER越低，相应的，信号检测能力越好。3)即使天线数量增加缓慢，所提方法的性能提升也是非常明显的，它能够充分利用额外接收分集来增强系统的信号检测能力。
综上，本发明对于解码转发MIMO中继系统的信号与信道估计，用平行因子模型重构接收信号矩阵并分析其分解唯一性，利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵，很好地利用了增加的接收分集进一步提高信号与信道估计精度，明显提高了对信号与信道矩阵估计的准确度。
以上实施例的说明仅为帮助理解本发明的方法和其主要思想。本说明书的内容不能以此来限定本发明的权利范围，因此，本发明的保护范围应以所附权利要求为准。

Claims (5)

1.解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法，其特征在于该方法包括：
建立单向两跳MIMO中继信道模型；
通信过程分信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段；
在中继和信宿端，用平行因子模型重构接收信号矩阵并分析其分解唯一性；
利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵。
2.根据权利1要求所述的解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法，其特征在于，所述建立单向两跳MIMO中继信道模型，具体包括：
信道矩阵建模为复高斯随机矩阵：
表示信源与中继间的信道矩阵，表示中继与信宿间的信道矩阵，矩阵中元素均为均值为0，方差为1的复高斯随机变量。
3.根据权利2要求所述的解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法，其特征在于，通信过程分信源传输信号矩阵到中继、中继处理信号并转发至信宿两个阶段，包括：
信源传输信号矩阵到中继，定义为N个信号构成的信号矩阵，其中每个信号向量表达式为编码矩阵为后乘扩展码可得到发送信号矩阵：
第n个时隙，中继端接收信号表达如下：
<mrow> <msubsup> <mi>Y</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msub> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mrow> <mo>(</mo> <msup> <mi>&amp;Xi;</mi> <mrow> <mo>(</mo> <mi>s</mi> <mo>)</mo> </mrow> </msup> <msub> <mi>s</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mi>C</mi> <mo>+</mo> <msup> <mi>V</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>)</mo> </mrow> </msup> </mrow>
中继处理信号并转发至信宿，假设信源端与中继端配置的天线数相等，即Ms＝MR，信源不发送信号，中继解码得到信号矩阵估测值对预编码后，中继端的发送信号矩阵表达式为：
第n个时隙，信宿端接收信号表达如下：
<mrow> <msubsup> <mi>Y</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> <mi>d</mi> <mi>i</mi> <mi>a</mi> <mi>g</mi> <mrow> <mo>(</mo> <msup> <mi>&amp;Xi;</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>)</mo> </mrow> </msup> <msub> <mover> <mi>s</mi> <mo>^</mo> </mover> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mi>C</mi> <mo>+</mo> <msup> <mi>V</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> </msup> </mrow>
其中分别代表中继端、信宿端的噪声矩阵。
4.根据权利3要求所述的解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法，其特征在于，在中继和信宿端，用平行因子模型重构接收信号矩阵并分析其分解唯一性，包括：
定义中继端的接收信号矩阵为其表达式为：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msup> <mi>Y</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msub> <msub> <mi>D</mi> <mn>1</mn> </msub> <mo>(</mo> <mi>S</mi> <mo>)</mo> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> </mtr> <mtr> <mtd> <mi>M</mi> </mtd> </mtr> <mtr> <mtd> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msub> <msub> <mi>D</mi> <mi>N</mi> </msub> <mo>(</mo> <mi>S</mi> <mo>)</mo> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> </mtr> </mtable> </mfenced> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msubsup> <mi>V</mi> <mn>1</mn> <mi>R</mi> </msubsup> </mtd> </mtr> <mtr> <mtd> <mi>M</mi> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>V</mi> <mi>N</mi> <mi>R</mi> </msubsup> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <mi>S</mi> <mi>e</mi> </mrow> </mtd> <mtd> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> <msup> <mi>C</mi> <mi>T</mi> </msup> <mo>+</mo> <msup> <mi>V</mi> <mi>R</mi> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced>
将其建模为平行因子模型的如下两种形式：
<mrow> <msup> <mi>Y</mi> <msup> <mrow> <mo>(</mo> <mi>R</mi> <mo>)</mo> </mrow> <mo>&amp;prime;</mo> </msup> </msup> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> <mtd> <mi>e</mi> </mtd> <mtd> <mi>S</mi> </mtd> </mtr> </mtable> </mfenced> <msubsup> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> <mi>T</mi> </msubsup> <mo>+</mo> <msup> <mi>V</mi> <mi>R</mi> </msup> </mrow>
Y(R)″＝(HSRe CT)ST+VR
定义信宿端的接收信号矩阵为其表达式为：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msup> <mi>Y</mi> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> </msup> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> <msub> <mi>D</mi> <mn>1</mn> </msub> <mo>(</mo> <mover> <mi>S</mi> <mo>^</mo> </mover> <mo>)</mo> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> </mtr> <mtr> <mtd> <mi>M</mi> </mtd> </mtr> <mtr> <mtd> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> <msub> <mi>D</mi> <mi>N</mi> </msub> <mo>(</mo> <mover> <mi>S</mi> <mo>^</mo> </mover> <mo>)</mo> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> </mtr> </mtable> </mfenced> <mo>+</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msubsup> <mi>V</mi> <mn>1</mn> <mi>D</mi> </msubsup> </mtd> </mtr> <mtr> <mtd> <mi>M</mi> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>V</mi> <mi>N</mi> <mi>D</mi> </msubsup> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <mover> <mi>S</mi> <mo>^</mo> </mover> <mi>e</mi> </mrow> </mtd> <mtd> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> </mtd> </mtr> </mtable> </mfenced> <msup> <mi>C</mi> <mi>T</mi> </msup> <mo>+</mo> <msup> <mi>V</mi> <mi>D</mi> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced>
同样将其建模为平行因子模型的如下两种形式：
<mrow> <msup> <mi>Y</mi> <msup> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> <mo>&amp;prime;</mo> </msup> </msup> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> <mtd> <mi>e</mi> </mtd> <mtd> <mi>S</mi> </mtd> </mtr> </mtable> </mfenced> <msubsup> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> <mi>T</mi> </msubsup> <mo>+</mo> <msup> <mi>V</mi> <mi>D</mi> </msup> </mrow>
<mrow> <msup> <mi>Y</mi> <msup> <mrow> <mo>(</mo> <mi>D</mi> <mo>)</mo> </mrow> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> </msup> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> </mtd> <mtd> <mi>e</mi> </mtd> <mtd> <msup> <mi>C</mi> <mi>T</mi> </msup> </mtd> </mtr> </mtable> </mfenced> <msup> <mover> <mi>S</mi> <mo>^</mo> </mover> <mi>T</mi> </msup> <mo>+</mo> <msup> <mi>V</mi> <mi>D</mi> </msup> </mrow>
上述在满足唯一性条件的情况下，能检测信号和估计信道，即，如果
<mrow> <msub> <mi>k</mi> <mi>S</mi> </msub> <mo>+</mo> <msub> <mi>k</mi> <msub> <mi>H</mi> <mrow> <mi>S</mi> <mi>R</mi> </mrow> </msub> </msub> <mo>+</mo> <msub> <mi>k</mi> <mi>C</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>2</mn> <mi>F</mi> <mo>+</mo> <mn>2</mn> </mrow>
<mrow> <msub> <mi>k</mi> <mover> <mi>s</mi> <mo>^</mo> </mover> </msub> <mo>+</mo> <msub> <mi>k</mi> <msub> <mi>H</mi> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msub> </msub> <mo>+</mo> <msub> <mi>k</mi> <mi>C</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>2</mn> <mi>F</mi> <mo>+</mo> <mn>2</mn> </mrow>
成立，则S，HSR，C，和HRD在不考虑列置换和尺度模糊的情况下是唯一的。
5.根据权利4要求所述的解码转发MIMO中继系统中一种基于平行因子模型的信号与信道估计方法，其特征在于，利用ALS算法拟合平行因子模型，联合估计出信号与信道矩阵，包括：
交替最小二乘(ALS)算法具有简便性和精确性，本文利用该算法来拟合平行因子模型，ALS算法的步骤是每步更新一个未知矩阵，利用估计值作为初始值估计其他未知矩阵，交替更新直到算法收敛，
由中继端接收信号矩阵的平行因子模型Y(R)′、Y(R)″，得到和
由信宿端接收信号的平行因子模型Y(D)′、Y(D)″，得到和
其中和分别表示S、HSR和HRD的估计值，具体实施步骤如下：
求和
步骤1：设δ(0)＝∞，i＝1，随机初始化
步骤2：由利用更新矩阵
步骤3：由利用更新矩阵
步骤4：计算
步骤5：如果满足不等式|δ(i-1)-δ(i)|/δ(i)≤10-6，则迭代结束；否则，设i＝i+1，重复步骤2到5直至收敛(i表示迭代次数)；
求和
步骤6：设δ(0)＝∞，m＝1，随机初始化
步骤7：由利用更新矩阵
步骤8：由利用更新矩阵
步骤9：计算
步骤10：如果满足不等式|δ(m-1)-δ(m)|/δ(m)≤10-6，则迭代结束；否则，设m＝m+1，重复步骤7到10直至收敛(m表示迭代次数)；
由于编码矩阵已知，估计值与真实值之间只存在尺度模糊，通过固定信息矩阵的某一行或某一列可以消除尺度模糊。
CN201711067330.2A 2017-11-02 2017-11-02 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法 Pending CN107911154A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711067330.2A CN107911154A (zh) 2017-11-02 2017-11-02 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711067330.2A CN107911154A (zh) 2017-11-02 2017-11-02 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法

Publications (1)

Publication Number Publication Date
CN107911154A true CN107911154A (zh) 2018-04-13

Family

ID=61843325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711067330.2A Pending CN107911154A (zh) 2017-11-02 2017-11-02 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法

Country Status (1)

Country Link
CN (1) CN107911154A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782242A (zh) * 2018-10-29 2019-05-21 中国传媒大学 单基地雷达系统中一种基于平行因子模型的目标定位方法
CN110048750A (zh) * 2018-09-29 2019-07-23 中国传媒大学 一种基于优化lm算法的半盲接收机
CN112491752A (zh) * 2020-10-16 2021-03-12 中国传媒大学 多用户大规模mimo中继网络联合信道估计技术
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103346986A (zh) * 2013-07-22 2013-10-09 北京邮电大学 一种无线中继网络中的信道估计方法
US20140369255A1 (en) * 2013-06-13 2014-12-18 Samsung Electronics Co., Ltd. Two-way relay apparatus and method thereof
CN104601498A (zh) * 2014-08-22 2015-05-06 北京邮电大学 一种基于张量模型的信道估计方法和装置
CN105897319A (zh) * 2016-05-27 2016-08-24 浙江理工大学 一种mimo全双工中继系统信源中继联合预编码方法
CN107294885A (zh) * 2017-07-27 2017-10-24 玉溪师范学院 一种mimo中继系统中联合信号检测与信道的估计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140369255A1 (en) * 2013-06-13 2014-12-18 Samsung Electronics Co., Ltd. Two-way relay apparatus and method thereof
CN103346986A (zh) * 2013-07-22 2013-10-09 北京邮电大学 一种无线中继网络中的信道估计方法
CN104601498A (zh) * 2014-08-22 2015-05-06 北京邮电大学 一种基于张量模型的信道估计方法和装置
CN105897319A (zh) * 2016-05-27 2016-08-24 浙江理工大学 一种mimo全双工中继系统信源中继联合预编码方法
CN107294885A (zh) * 2017-07-27 2017-10-24 玉溪师范学院 一种mimo中继系统中联合信号检测与信道的估计方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110048750A (zh) * 2018-09-29 2019-07-23 中国传媒大学 一种基于优化lm算法的半盲接收机
CN110048750B (zh) * 2018-09-29 2021-07-20 中国传媒大学 一种基于优化lm算法的半盲接收机
CN109782242A (zh) * 2018-10-29 2019-05-21 中国传媒大学 单基地雷达系统中一种基于平行因子模型的目标定位方法
CN112491752A (zh) * 2020-10-16 2021-03-12 中国传媒大学 多用户大规模mimo中继网络联合信道估计技术
CN112491752B (zh) * 2020-10-16 2023-09-05 中国传媒大学 多用户大规模mimo中继网络联合信道估计方法
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法

Similar Documents

Publication Publication Date Title
US7660363B2 (en) Minimum error rate lattice space time codes for wireless communication
CN107911154A (zh) 解码转发mimo中继系统中一种基于平行因子模型的信号与信道估计方法
Sun et al. Channel training design in amplify-and-forward MIMO relay networks
CN109951214B (zh) 一种适用于大规模mimo系统的信号检测方法
CN110808764B (zh) 一种大规模mimo中继系统联合信息估计方法
CN102006148B (zh) 基于宽度优先树形搜索的mimo信号检测方法
CN101505171A (zh) 基于双向中继网络编码系统的通信方法
CN107786474A (zh) MIMO中继系统中一种基于Tucker‑2模型的信道估计方法
CN107086971A (zh) 一种适用于多种天线配置的大规模mimo软检测方法
CN108111439B (zh) 双向mimo中继系统中一种非迭代的信道估计方法
CN111049767A (zh) 一种稀疏正交频分复用放大转发（ofdm-af）系统数据检测方法
CN107863998A (zh) 一种基于多用户mimo中继系统的联合信号检测与信道估计方法
CN102594524B (zh) 基于最优中继线性加权矩阵的正交空时块编码传输方法
CN109617577A (zh) 一种基于压缩感知信号检测的无线光空间调制方法
CN103401657A (zh) 一种协作通信部分相干非差分分布式空时编码方法
Jain et al. Parameter estimation and tracking in physical layer network coding
CN109347769B (zh) 双向多输入多输出中继系统的信道联合估计方法
CN103516484A (zh) 双向中继信道模型的正交差分空时网络编码方法
CN106856462B (zh) 空间调制多径衰落信道下的检测方法
CN107017930B (zh) 一种存在信道反馈延迟与估计误差的mimo双向中继系统的预编码方法
CN103929283A (zh) 基于酉空时调制的互信息转发中继传输方法
Gao et al. On communication protocol and beamforming design for amplify-and-forward N-way relay networks
EP1879316B1 (en) A method for increasing uplink system capacity of multiple input multiple output system in wcdma and corresponding system
Wang et al. Multi-service oriented joint channel estimation and multi-user detection scheme for grant-free massive MTC networks
CN106972879A (zh) 基于最小均方的中继系统的大规模mimo预编码方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180413

WD01 Invention patent application deemed withdrawn after publication