CN108111439B - 双向mimo中继系统中一种非迭代的信道估计方法 - Google Patents

双向mimo中继系统中一种非迭代的信道估计方法 Download PDF

Info

Publication number
CN108111439B
CN108111439B CN201711068382.1A CN201711068382A CN108111439B CN 108111439 B CN108111439 B CN 108111439B CN 201711068382 A CN201711068382 A CN 201711068382A CN 108111439 B CN108111439 B CN 108111439B
Authority
CN
China
Prior art keywords
relay
matrix
user
channel
channel estimation
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.)
Expired - Fee Related
Application number
CN201711068382.1A
Other languages
English (en)
Other versions
CN108111439A (zh
Inventor
杜建和
花妍
张鹏
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 CN201711068382.1A priority Critical patent/CN108111439B/zh
Publication of CN108111439A publication Critical patent/CN108111439A/zh
Application granted granted Critical
Publication of CN108111439B publication Critical patent/CN108111439B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202Channel estimation
    • H04L25/0204Channel estimation of multiple channels
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00Baseband systems
    • H04L25/02Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202Channel estimation
    • H04L25/024Channel estimation channel estimation algorithms

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明涉及双向多输入多输出(MIMO)中继系统中一种非迭代的信道估计方法。针对双向MIMO中继系统,主要解决现有信道估计方法中,中继节点负担过大以及信道估计精度较低的问题。其实现步骤为:1)建立矩阵形式的双向MIMO中继信道模型;2)两个用户同时发送正交信道训练序列至中继;3)中继采用所设计的放大因子放大接收的信号,并将放大后的信号转发至用户;4)每个用户对接收的信号进行重排,构造两个具有Khatri‑Rao乘积结构的矩阵。5)根据所构造矩阵的特殊结构,设计低复杂的算法估计出系统所有的信道状态信息。本发明对信道估计具有速度快和精度高的优点,而且对于时分系统和频分系统都能适用。

Description

双向MIMO中继系统中一种非迭代的信道估计方法
技术领域
本发明涉及无线通信技术领域,特别涉及双向MIMO中继系统中一种非迭代的信道估计方法
背景技术
复杂的无线通信环境,如阴影效应、多径衰落和干扰等,对远程接收端的正确解码造成了影响。该问题已经成为现代无线通信发展的一大障碍。多输入多输出(MIMO)和中继技术相结合,能客服阴影效应,扩大网络覆盖范围,提供更高的频谱效率,进一步提高无线通信系统的性能。MIMO中继通信系统已成为当前的研究热点,引起了学术界和工业界的极大关注。
为了正确地解码和优化中继通信系统,需要已知系统的信道状态信息(CSI)。当前很多关于中继系统的研究工作都基于CSI已知的情况下进行,如MIMO中继系统容量的分析、最优中继编码矩阵的设计和传送功率的分配等。然而,在实际通信系统中,CSI是未知的,需要被估计。目前,已有大量针对MIMO中继系统信道估计方面的研究工作,这些工作主要针对单向MIMO中继系统。与单向MIMO中继系统相比,双向MIMO中继系统具有更高的频谱效率,然而,双向MIMO中继系统的信道估计问题也相对复杂。
目前,关于双向MIMO中继系统信道估计的研究相对较少。针对双向MIMO中继系统,传统的信道估计方法有点对点信道估计方法和两阶段信道估计方法。传统的点对点信道估计方法虽然有较高的信道估计精度,但是该方法需要在中继处进行信道估计,而对于放大转发中继来说,中继节点是不具备这种信道估计的能力。两阶段信道估计方法不需要在中继处估计信道,仅仅在基站(用户端)就能估计出每一跳的信道矩阵,然而,该方法存在差错传播现象,因此估计出的用户至中继信道的精度较低。目前,已有研究表明,利用一些优化方法能进一步提高上述两种方法的信道估计精度。然而,这些优化方法的计算复杂度往往较高,降低了信道估计的速度。有学者针对双向MIMO中继系统,提出一种级联信道估计方法,该方法能估计出用户1至中继至用户2的组合信道矩阵,而对于系统优化来说,仅仅已知组合信道矩阵是不够的。
现阶段,基于张量的信道估计方法得到了相关学者的关注。针对双向MIMO中继系统,有学者通过对用户接收的信号构建张量模型,利用所构张量模型的分解唯一性,能精确地估计出系统所有的CSI。然而,这种信道估计方法需要采用迭代的交替最小二乘算法(ALS)来拟合张量模型,因此,该方法的计算复杂度较高,特别是当ALS算法陷入局部循环时,该方法具有很高的复杂度。
发明内容
发明目的:本发明针对现有技术的不足,提出双向MIMO中继系统中一种非迭代的信道估计方法,以快速地估计出系统中所有的CSI。
技术方案:本发明所述的双向MIMO中继系统中一种非迭代的信道估计方法包括:
建立矩阵形式的双向MIMO中继信道模型;
两个用户同时发送所设计的正交信道训练序列至中继;
中继采用所设计的放大因子放大接收的信号,并将放大后的信号转发至用户;
每个用户对接收的信号进行重排,构造两个具有Khatri-Rao乘积结构的矩阵;
根据所构造矩阵的特殊结构,设计低复杂的算法估计出系统所有的信道状态信息。
进一步的,所述建立矩阵形式的双向MIMO中继信道模型,具体包括:
信道矩阵建模为高斯Kronecker模型:
Figure BSA0000153080140000021
即有
Figure BSA0000153080140000022
i=1,2,系统中的所有节点都工作在半双工模式下。
进一步的,两个用户同时发送所设计的正交信道训练序列至中继,包括:
两个用户分别向中继连续发送k(k=1,…,K)个正交信道训练序列
Figure BSA0000153080140000023
Figure BSA0000153080140000024
中继接收的信号为:
Figure BSA0000153080140000025
进一步的,中继采用所设计的放大因子放大接收的信号并将放大后的信号转发至用户,包括:
中继采用对角放大矩阵对接收的信号进行放大,并转发至用户1和用户2。用户1和用户2接收的信号分别表示为:
Figure BSA0000153080140000026
Figure BSA0000153080140000027
进一步的,每个用户对接收的信号进行重排,构造两个具有Khatri-Rao乘积结构的矩阵,包括:
对用户接收信号的两边分别同时乘以(S(2))H和(S(1))H,并令
Figure BSA0000153080140000031
Figure BSA0000153080140000032
即有:
Figure BSA0000153080140000033
Figure BSA0000153080140000034
Figure BSA0000153080140000035
Figure BSA0000153080140000036
并对
Figure BSA0000153080140000037
Figure BSA0000153080140000038
分别进行向量化处理。
Figure BSA0000153080140000039
可得
W(1)=((H(2R))T⊙H(R1))FT
W(2)=((H(1R))T⊙H(R2))FT
进一步的,设计低复杂的算法估计出系统所有的信道状态信息,包括:
设计矩阵F,使得F满足设计准则
Figure BSA00001530801400000316
并令
Figure BSA00001530801400000310
其中,
Figure BSA00001530801400000311
Figure BSA00001530801400000312
分别为W(1)和W(2)含有噪声的矩阵形式。
利用基于秩-1的SVD分解算法,根据
Figure BSA00001530801400000313
和F*,在用户1端估计H(2R)和H(R1);根据
Figure BSA00001530801400000314
Figure BSA00001530801400000315
在用户2端能估计出H(1R)和H(R2)
有益效果:与现有技术相比,其主要优点在于:本发明能在用户端估计出系统所有的CSI,减轻了中继的负担;而且通过设计矩阵F,避免了矩阵求逆的计算,只需通过低复杂的非迭代算法就能精确估计出系统所有的CSI。
附图说明
图1为本发明的信道估计方法流程图;
图2为本发明的双向MIMO中继系统结构示意图;
图3为本发明在不同信道训练序列长度L下的信道估计性能图;
图4为本发明在不同信道训练序列数目K下的信道估计性能图;
图5为本发明在ρ=0.3时,与已有方法的信道估计性能比较图;
图6为本发明在ρ=0.6时,与已有方法的信道估计性能比较图;
图7为本发明所设计的中继放大矩阵与随机放大矩阵的NMSE性能比较图;
图8为本发明所设计的中继放大矩阵与随机放大矩阵的BER性能比较图。
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为本发明的双向MIMO中继系统结构示意图,如图2所示的双向两跳MIMO通信系统,其中用户1和用户2通过中继进行信息交换,用户1、用户2和中继分别配置M1、M2和MR根天线。所用节点都工作在半双工模式下,即每一个节点不能同时发送和接收信息。
实施实例一
请参见图3,图3为本发明在不同信道训练序列长度L下的信道估计性能图。系统参数为:M1=M2=3,MR=3,信道相关系数ρ=0。图3表明,随着导频训练信号长度的增加,信道的NMSE相应减小。这是由于用于估计信道的信息增多,所提算法的信道估计精度得到提高。
实施实例二
请参见图4,图4为本发明在不同信道训练序列数目K下的信道估计性能图。系统参数为:M1=M2=3,MR=3,ρ=0。图4表明,随着导频训练信号数目的增加,信道的NMSE相应减小。同理,由于导频训练信号数目的增加,用于估计信道的信息增多,所提算法的估计精度也得到了提高。
实施实例三
请参见图5,图5为本发明在ρ=0.3时,与已有方法的信道估计性能比较图。
系统参数为:M1=M2=3,MR=3,K=4,L=10,ρ=0.3。图5表明,对于H(R2)的估计,已有的信道估计方法要优于所提方法,这是因为已有方法采用了在中继向用户2发送导频信号,并在用户2端直接估计H(R2),因此性能优于所提方法。然而,该方法需要在用户2端单独估计一次信道H(R2),而所提方法一次就能同时估计出H(1R)和H(R2)。而对于H(1R),所提方法明显优于已有的信道估计方法。因为对于估计H(1R)。已有方法存在差错传播现象,而所提方法是联合估计,不存在这种现象。
实施实例四
请参见图6,图6为本发明在ρ=0.6时,与已有方法的信道估计性能比较图。
系统参数为:M1=M2=3,MR=3,K=4,L=10,ρ=0.6。与图6一致,对于H(R2)的估计,已有的信道估计方法要优于所提方法,而对于H(1R),所提方法要优于已有信道估计方法,而且所提方法一次就能同时估计出H(1R)和H(R2)
实施实例五
请参见图7,图7为本发明所设计的中继放大矩阵与随机放大矩阵的NMSE性能比较图。系统参数为:M1=M2=2,MR=4,K=8,L=16,LD=20。图7表明,对于H(1R)和H(R2)的估计,所构造的正交放大矩阵的性能都优于随机中继放大矩阵。
实施实例六
请参见图8,图8为本发明所设计的中继放大矩阵与随机放大矩阵的BER性能比较图。与图7相对应,图8给出了所设计的中继放大矩阵与随机放大矩阵的BER性能曲线,即利用各自所估计的信道信息,对实际传输的信息进行检测。为了进一步分析所提方法的性能,图8同时也给出了理想信道下迫零接收机的BER性能,该接收机假设已知所有的信道状态信息。图8表明,所设计的中继放大矩阵的BER性能优于随机放大矩阵,接近于理想信道下迫零接收机的BER性能。
综上,本发明对于双向MIMO中继系统的信道估计,通过用户发送正交信道训练序列,中继采用所设计的放大因子,同时采用非迭代的基于秩-1的SVD分解算法,使得估计的信道具有较高的精度,而且算法的复杂度低。
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 (1)

1.双向MIMO中继系统中一种非迭代的信道估计方法,其特征在于该方法包括:
建立矩阵形式的双向MIMO中继信道模型,具体包括:信道矩阵建模为高斯Kronecker模型:
Figure FDA0003414038840000011
其中,
Figure FDA0003414038840000012
表示中继到用户i的信道矩阵,
Figure FDA0003414038840000013
Figure FDA0003414038840000014
分别为H(iR)和H(Ri)发射端的协方差矩阵,
Figure FDA0003414038840000015
Figure FDA0003414038840000016
分别为H(iR)和H(Ri)接收端的协方差矩阵,即有:
Figure FDA0003414038840000017
其中,
Figure FDA0003414038840000018
Figure FDA0003414038840000019
都为复高斯随机矩阵,系统中的所有节点都工作在半双工模式下;
两个用户同时发送所设计的正交信道训练序列至中继,具体包括:两个用户分别向中继连续发送k(k=1,…,K)个正交信道训练序列
Figure FDA00034140388400000110
Figure FDA00034140388400000111
其中正交信道训练序列S(1)和S(2)满足:
Figure FDA00034140388400000112
中继接收的信号为:
Figure FDA00034140388400000113
其中,
Figure FDA00034140388400000114
表示中继的噪声矩阵;
中继采用所设计的放大因子放大接收的信号,并将放大后的信号转发至用户,具体包括:中继采用对角放大矩阵对接收的信号进行放大,并转发至用户1和用户2,用户1和用户2接收的信号分别表示为:
Figure FDA00034140388400000115
Figure FDA00034140388400000116
其中,
Figure FDA00034140388400000117
表示第k个训练过程中的中继放大矩阵,
Figure FDA00034140388400000118
为中继放大因子构成的矩阵;
每个用户对接收的信号进行重排,构造两个具有Khatri-Rao乘积结构的矩阵,具体包括:
对用户接收信号的两边分别同时乘以(S(2))H和(S(1))H,可得
Figure FDA0003414038840000021
Figure FDA0003414038840000022
Figure FDA0003414038840000023
即有
Figure FDA0003414038840000024
Figure FDA0003414038840000025
其中,
Figure FDA0003414038840000026
Figure FDA0003414038840000027
分别表示用户1和用户2处的组合噪声矩阵,为了便于分析,先忽略这两项噪声矩阵,令
Figure FDA0003414038840000028
Figure FDA0003414038840000029
并对
Figure FDA00034140388400000210
Figure FDA00034140388400000211
分别进行向量化处理,即有
Figure FDA00034140388400000212
Figure FDA00034140388400000213
Figure FDA00034140388400000214
可得
W(1)=((H(2R))T⊙H(R1))FT
W(2)=((H(1R))T⊙H(R2))FT
根据所构造矩阵的特殊结构,设计低复杂的算法估计出系统所有的信道状态信息,具体包括:基于秩-1的SVD分解算法具有较低的复杂度,利用基于秩-1的SVD分解算法可以从W(1)中分解得到H(2R)和H(R1),从W(2)中分解得到H(1R)和H(R2),基于秩-1的SVD分解算法的思想为:将两个向量的Khatri-Rao乘积重构为一个秩1矩阵,这意味着该Khatri-Rao乘积的因子可以通过对秩1矩阵的SVD分解计算获得,F满足设计准则
Figure FDA00034140388400000215
Figure FDA00034140388400000216
Figure FDA00034140388400000217
其中
Figure FDA00034140388400000218
Figure FDA00034140388400000219
分别为W(1)和W(2)含有噪声的矩阵形式,在实际通信系统中,由于F*可自行设定,而且用户端已知矩阵F*,因此,利用基于秩-1的SVD分解算法,根据
Figure FDA00034140388400000220
和F*,在用户1端估计H(2R)和H(R1),根据
Figure FDA00034140388400000221
和F*,在用户2端能估计出H(1R)和H(R2),基于秩-1的SVD分解算法估计H(1R)和H(R2)的实施过程为:步骤1)计算
Figure FDA0003414038840000031
与F*的乘积Q(2),并选取
Figure FDA0003414038840000032
步骤2)将向量
Figure FDA0003414038840000033
排列为秩1矩阵
Figure FDA0003414038840000034
步骤3)对
Figure FDA0003414038840000035
进行SVD分解并消除尺度模糊,可得
Figure FDA0003414038840000036
其中,mR=1,…,MR,σmax表示最大奇异值,u和v分别为相应的左右奇异向量。
CN201711068382.1A 2017-11-02 2017-11-02 双向mimo中继系统中一种非迭代的信道估计方法 Expired - Fee Related CN108111439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711068382.1A CN108111439B (zh) 2017-11-02 2017-11-02 双向mimo中继系统中一种非迭代的信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711068382.1A CN108111439B (zh) 2017-11-02 2017-11-02 双向mimo中继系统中一种非迭代的信道估计方法

Publications (2)

Publication Number Publication Date
CN108111439A CN108111439A (zh) 2018-06-01
CN108111439B true CN108111439B (zh) 2022-03-08

Family

ID=62206452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711068382.1A Expired - Fee Related CN108111439B (zh) 2017-11-02 2017-11-02 双向mimo中继系统中一种非迭代的信道估计方法

Country Status (1)

Country Link
CN (1) CN108111439B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109347769B (zh) * 2018-09-29 2022-01-07 中国传媒大学 双向多输入多输出中继系统的信道联合估计方法
CN110460549B (zh) * 2019-08-02 2022-01-28 南京邮电大学 一种新颖的多用户3d mimo系统的信道估计方法
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710899A (zh) * 2005-05-27 2005-12-21 西安电子科技大学 多输入多输出系统的迭代参数估计方法
WO2017044420A1 (en) * 2015-09-10 2017-03-16 Interdigital Patent Holdings, Inc. Methods, apparatus and systems for channel estimation and simultaneous beamforming training for multi-input multi-output (mimo) communications
CN107171985A (zh) * 2017-06-07 2017-09-15 深圳先进技术研究院 一种信道估计方法及系统
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710899A (zh) * 2005-05-27 2005-12-21 西安电子科技大学 多输入多输出系统的迭代参数估计方法
WO2017044420A1 (en) * 2015-09-10 2017-03-16 Interdigital Patent Holdings, Inc. Methods, apparatus and systems for channel estimation and simultaneous beamforming training for multi-input multi-output (mimo) communications
CN107171985A (zh) * 2017-06-07 2017-09-15 深圳先进技术研究院 一种信道估计方法及系统
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A Novel Tensor_Based Receiver for Joint Symbol and Channel Estimation in Two-Hop Cooperative MIMO Relay Systems";Jianhe Du.etc;《IEEE COMMUNICATIONS LETTERS》;20160825;全文 *
"MIMO系统中一种基于Tucker-2模型的联合信号检测与信道估计方法";杜建和 等;《北京邮电大学学报》;20161031;全文 *

Also Published As

Publication number Publication date
CN108111439A (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
US8937899B2 (en) Amplify-and-forward relaying in communication systems
CN107124245B (zh) 基于联合收发波束成形的全双工单向中继自干扰抑制方法
CN108111439B (zh) 双向mimo中继系统中一种非迭代的信道估计方法
CN110808764B (zh) 一种大规模mimo中继系统联合信息估计方法
Sun et al. Channel training design in amplify-and-forward MIMO relay networks
CN108768473B (zh) 一种存在天线相关与信道估计误差的mimo多中继系统的预编码方法
CN105187115A (zh) 正交频分复用ofdm同时同频全双工中继方法
CN104702390A (zh) 分布式压缩感知信道估计中的导频分配方法
CN107294885A (zh) 一种mimo中继系统中联合信号检测与信道的估计方法
CN105897319A (zh) 一种mimo全双工中继系统信源中继联合预编码方法
CN102571279A (zh) 双向中继系统中源端和中继端的联合信号处理方法
CN102769486B (zh) 双向多跳中继系统中的中继端信号处理方法
CN105246158A (zh) 基于高信噪比的能效最大化多天线中继系统功率分配方法
WO2012010017A1 (zh) 在mimo中继系统中实现天线选择的方法和系统
CN103580737B (zh) 基于最小均方误差的双向中继系统天线对选择方法
CN104780025A (zh) 针对全双工协作通信系统的空时交织卷积码编码方法
CN102647220B (zh) 一种基于格基约减的多入多出预编码的控制方法
CN106535278A (zh) 基于完全信道状态信息的全双工中继选择方法
CN109347769B (zh) 双向多输入多输出中继系统的信道联合估计方法
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
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
TW202145005A (zh) 多輸入輸出系統之參數估測方法
US8422538B2 (en) Channel estimation method for OFDM relaying system
CN106027215B (zh) 全双工双向大规模天线中继网络导频方案自适应选择方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220308