CN108199987B - 一种fdd大规模mimo系统中的下行链路信道估计方法 - Google Patents

Abstract

本发明公开了一种FDD大规模MIMO系统中的下行链路信道估计方法，包括：构建FDD大规模MIMO系统的上行链路导频信号接收模型；对上行链路空域信道进行压缩感知信道估计；通过上行链路空域信道的估计值得到上行链路空域信道的支持集，根据上行链路空域信道的支持集估计下行链路空域信道的支持集；构建FDD大规模MIMO系统的下行链路导频信号接收模型；基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计。本发明方法利用上下行链路信道的空域相关性，通过上行链路空域信道估计结果来对下行链路空域信道的稀疏支持集进行估计，从而改善下行链路信道估计的性能。

Description

一种FDD大规模MIMO系统中的下行链路信道估计方法

技术领域

本发明属于无线通信技术领域，更具体地，涉及一种FDD大规模MIMO系统中的下行链路信道估计方法。

背景技术

大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)技术是5G无线通信系统的重要核心技术。获得精确的信道状态信息是提升大规模MIMO系统性能的关键。在频分双工(Frequency Division Duplexing，FDD)模式大规模MIMO系统中，采用原有的在长期演进(Long Term Evolution，LTE)系统中的下行链路信道估计方法面临很大挑战，随着天线数目的增加，反馈开销和导频开销也将急剧增加。因此，FDD条件下的大规模MIMO系统的信道估计问题非常重要。

在大规模MIMO系统中，一般基站端安装有几十甚至上百根天线，而在实际无线传播环境中占据主要能量的多径数目是有限的，比如在2017年3GPP TR25.996的报告《Spatial channel model for Multiple Input Multiple Output(MIMO)simulations》中推荐的多径数目是6，因此，相比与天线数目大规模MIMO的信道在空域具有稀疏性。基于大规模MIMO的空域信道稀疏性，已有大量的研究采用压缩感知的处理方法进行信道估计和反馈。目前大部分研究都是针对大规模MIMO的上行链路信道和下行链路信道分别单独进行压缩感知信道估计，取得了一定的效果，但是却很少考虑到上下行链路之间的联系。

在FDD系统中，由于上下行链路传输使用的频率不同，信道互易性不满足；但是当频率差距不是太大时，传输环境和其中的反射体对上下行链路传输的影响近似是相同的。在2002年COST 273工作组的《Spatial reciprocity of uplink and downlink radiochannels inFDD systems》文档和2003年European Transactions onTelecommunications的《Geometry-based directional model for mobile radiochannels principles and implementation》文献中分析了FDD条件下的上下行链路的空域互易性，表明上下行链路的主要路径波达方向的角度差异差异很小，上下行链路的角度功率谱强相关。因此，通过利用这种联系可以进一步提升信道估计效果。

在2015年的GlobalSIP国际会议中《Channel Estimation Using JointDictionary Learning in FDD Massive MIMO Systems》提出了利用这种上下行链路空域信道的关系，通过压缩感知的处理框架来进行联合信道字典的学习和信道估计；但是假设上下行链路的稀疏模式(也称稀疏支持集，也就是非零元素的位置集合)是完全相同的，该理想假设与实际的情况不符。

发明内容

本发明的目的在于提出一种FDD大规模MIMO系统中的下行信道估计方法，即大规模MIMO系统在FDD条件下的压缩感知信道估计方法，该方法利用上下行链路信道的空域相关性，通过上行链路空域信道估计结果来对下行链路空域信道的稀疏支持集进行估计，从而改善下行链路信道估计的性能。

为了达到上述目的，本发明提供了一种FDD大规模MIMO系统中的下行链路信道估计方法，包括以下步骤：

步骤1：构建FDD大规模MIMO系统的上行链路导频信号接收模型。

FDD大规模MIMO系统中的基站配备有N根均匀线形放置的天线，用户配备有单根天线。在上行传输中，用户向基站发射导频信号

其中T^u为导频长度，

为用户到基站的信道矩阵，

为接收端高斯白噪声，ρ^u为上行链路信道信噪比，基站端接收到导频信号y^u，得到上行链路导频信号接收模型为：

步骤2：对上行链路空域信道进行压缩感知信道估计。

利用压缩感知恢复算法来进行上行链路空域信道估计，该上行链路空域信道估计问题可以表示为

其中

为上行链路信道的空域表示，且满足

其中

为上行链路信道的基矩阵，由阵列的导向矢量构成；ε为误差控制参数；

为空域信道的估计矢量；||·||₀是表示0范数，||·||₂是表示2范数。大规模MIMO的空域信道满足稀疏性，估计值

为稀疏矢量。

步骤3：下行链路空域信道的支持集估计。

通过上行链路空域信道的估计值

可以得到上行链路空域信道的支持集

其中supp(·)表示矢量中非零元素索引值构成集合。考虑到上下行链路传输的路径角度不完全相同，需要根据上行链路空域信道的支持集Ω^u来估计下行链路空域信道的支持集Ω^d。具体而言，包括以下步骤：

步骤3a：通过密度聚类方法估计上行链路空域信道的多径数目。

通过密度聚类算法，根据上行链路空域信道的支持集Ω^u进行密度聚类，聚类后的分类数n即为多径数目估计值。每一类构成的集合为

i∈[1,2,…,n]，称为类集合。经过聚类后的元素构成的集合为

∪表示集合的并集。

步骤3b：对上行链路空域信道的多径数目估计进行修正。

对上行链路空域信道的估计值

中的元素按照从大到小排序，取其最大的前n_max个值，n_max可以按照能量准则来进行选择，比如前n_max个元素的绝对值平方和与

中的所有元素的绝对值平方和的比值大于90％；并且判断前n_max个元素中的每一个是否在集合Ω^u′内，如果不在集合Ω^u′内，则将其单独构造成一个新的类

且认为其为一条新的传输路径。经过该步骤后，多径的数目为n′，每条传输路径对应的类集合为

具体地，每个元素都有其索引值，判断其是否在集合Ω^u′中；集合Ω^u′中保存的就是索引值的位置，比如[4,8,9,8]中第一个8被选出来，其在集合对应的位置是2。

步骤3c：对上行链路空域信道每条路径对应的类集合的中心进行估计。

计算每条传输路径对应类集合的元素在上行链路空域信道的估计值

中的位置序号的平均值，并取整，得到第i条传输路径对应的支持集的中心位置

步骤3d：根据上行链路空域信道的支持集信息估计下行链路空域信道的支持集。

由于上下行链路的角度会发生偏移，若某条路径的上下行角度偏移量为Δ，则引起的支持集中心位置的变化量为

其中L＝NΔ_r，Δ_r为天线阵元间隔。

由于每条路径的角度与下行链路信道基矩阵D^d中的矢量表示的方向未必能恰好匹配，因此存在泄露效应。考虑保留绝大部分能量，则与每一传输路径相对应类集合的中心位置相邻距离为m以内的支持集都有可能有能量泄露，当在大规模MIMO系统中，天线数目达到几十甚至上百，若考虑90％以上的能量泄露，m可取4或5。

对于第i条路径，其上行链路的类集合中心为

考虑下行链路的角度偏移，则其下行链路的类集合中心可能为

若考虑到泄露效应，则其可能的类集合为

下行链路空域信道的支持集可以表示为

i∈[1,…,n’]。

步骤4：构建FDD大规模MIMO系统的下行链路导频信号接收模型。

基站向用户发送导频信号

下行链路信道为

ρ^d为下行链路信噪比，T^d为导频长度，

为接收端高斯白噪声，则接收到的信号为

步骤5：基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计。

步骤5a：构建下行链路空域信道的估计支持集信息矩阵。

下行链路估计支持集信息矩阵为W＝diag(w₁,…,w_N)，其中

0<σ<1为控制参数，一般可取0.05～0.2，取决于对估计支持集的可信度，可信度越高，该取值可取越小。

步骤5b：结合下行链路空域信道的估计支持集信息矩阵进行下行链路信道估计。

利用压缩感知恢复算法来进行下行链路信道估计。该下行链路信道估计问题可以表示为

其中

为下行链路基矩阵，由阵列导向矢量构成；

为其空域信道稀疏表示，且满足

为下行链路空域信道的估计矢量。||·||₀表示0范数，||·||₂表示2范数。通过求解出的下行链路空域信道估计矢量，得到下行链路信道估计为

本发明所述的大规模MIMO在FDD条件下的下行链路信道估计方法中，首先利用压缩感知方法进行上行链路信道估计，并得到上行链路空域信道的支持集信息；考虑到上下行链路的角度偏移和非理想信道基矩阵带来的泄露效应，通过上行链路空域信道的支持集来对下行链路空域信道的支持集进行估计；最后根据估计的支持集构造支持集信息矩阵，将其结合到下行链路信道估计中，通过压缩感知恢复算法进行信道估计。由于考虑到角度偏移和泄露效应带来的上下行链路支持集的差异性，本方法相较与其它假设上下行链路支持集完全相同的情形，更加贴近实际传输环境。

附图说明

图1为本发明实施例提供的一种FDD大规模MIMO系统中的下行链路信道估计方法的流程示意图；

图2为本发明实施例中一种大规模MIMO在FDD条件下的传输示意图；

图3为本发明实施例中一种大规模MIMO空域信道稀疏示意图；

图4为本发明实施例中一种大规模MIMO在FDD条件下的上下行链路稀疏示意图；

图5本发明方法的信道估计最小均方误差仿真结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

为了解决现有技术存在的问题，可以考虑利用FDD系统中上下行链路空域信道的相关性，考虑更加实际的情形，也就是上下行链路的波达方向的角度偏移和差异，通过上行链路信道估计结果来对下行链路信道的稀疏支持集进行估计，从而改善压缩感知下行链路信道估计的性能。

如图1所示，本发明提供了一种FDD大规模MIMO系统中的下行链路信道估计方法，包括：

S1、构建FDD大规模MIMO系统的上行链路导频信号接收模型；

S2、对上行链路空域信道进行压缩感知信道估计；

S3、通过上行链路空域信道的估计值得到上行链路空域信道的支持集，根据上行链路空域信道的支持集估计下行链路空域信道的支持集；

S4、构建FDD大规模MIMO系统的下行链路导频信号接收模型；

S5、基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计。

如图2所示，FDD大规模MIMO系统中的基站配备有N根均匀线形放置的天线，用户配备有单根天线。在上行传输中，用户向基站发射导频信号

为接收端噪声，基站端接收到导频信号y^u，

为用户到基站的信道矩阵，得到上行链路信道信号接收信号为：

利用压缩感知恢复算法，比如子空间追踪(subspacepursuit)、正交匹配追踪算法(orthogonalmatchingpursuit)等，来进行上行链路信道估计。该上行链路信道估计问题可以表示为：

其中

为信道的空域表示，且满足

为上行链路信道的基矩阵，由阵列的导向矢量构成；Δ_r为天线阵元归一化间隔；L＝NΔ_r；ε为误差控制参数；

为空域信道的估计矢量。大规模MIMO空域信道满足稀疏性时，

和其估计值

都为稀疏矢量。如图3所示，图中表示的是基站端配置有100根天线时的上行链路空域信道估计

可以看出其空域信道元素中具有较大幅值的位置较少，存在稀疏性。

通过上行链路空域信道的估计值

可以得到上行链路空域信道的支持集

其中supp(·)表示矢量中非零元素索引值构成集合。在图3中是具有相对较大值空域信道序号构成，其由椭圆标出。

考虑到上下行链路传输的路径角度不完全相同，如图2所示，需要根据上行链路空域信道的支持集Ω^u来估计下行链路空域信道的支持集Ω^d。首先通过密度聚类算法估计上行链路空域信道的多径数目；然后对上行链路空域信道多径数目估计修正并估计每条路径对应的支持集的中心位置；最后考虑到上下行链路的角度偏移和泄露效应，估计出下行链路空域信道的支持集。

通过采用Ester Martin 1996年的论文《A density-based algorithm fordiscovering clusters in large spatial databases with noise》中的密度聚类算法，根据上行链路空域信道的支持集Ω^u进行密度聚类，多径数目估计值即为聚类后的分类数为n。每一类构成的集合为

i∈[1,2,…,n]，称为类集合。经过聚类后的元素构成的集合为

如图3所示，对于椭圆标出的支持集的序号，如果按照密度聚类算法，将可以将路径1和路径3的支持集进行聚类，得到分类数为2，并得到相应的聚类集

合,

路径2由于只有一个索引值41，在密度聚类算法中由于密度过低，将会被丢失。

为了避免密度聚类方法带来的丢失多径情形的产生。对上行链路空域信道的估计值

按照从大到小排序，取其最大的前n_max个值；并且判断其是否在聚类后的元素构成的集合Ω^u′内，如果不在集合Ω^u′内，则将其单独构造成一个新的类集合

且认为其为一条新的传播路径。经过该步骤后，多径的数目为n′，每条传输路径对应的类集合为

i∈[1,…,n′]。在图3中，由于路径2的空域信道序号41位置处具有较大的幅值，按照该方法被重新加入，认为是一条传输路径，

由此，总的路径数目为3。

然后，计算每条传输路径对应集合的元素的平均值，并取整，得到第i条传输路径对应的类集合的中心位置

比如在图3中，路径1的支持集中心为15，路径2的支持集中心为41，路径3的支持集中心为49。

由于上下行链路的角度会发生偏移，若某条路径的上下行角度偏移量为Δ，则引起的支持集中心位置的变化量为

如图4所示，上下行链路的由于角度存在偏移，其空域信道的稀疏支持集也会发生变化，支持集不是完全相同。

另外，由于每条路径的角度与下行链路信道基矩阵D^d中的矢量表示的方向未必能恰好匹配，因此存在泄露效应，也就是在空域信道表示中与该条路径所对应的支持集中心位置相邻的位置上也存在着能量分布。考虑保留绝大部分能量，则与每一多径对应支持集的中心位置相邻距离为m以内的支持集都有可能有能量泄露。当在大规模MIMO系统中，天线数目达到几十甚至上百，若考虑90％以上的能量泄露，m可取4或5。如图3所示，路径2存在很少的能量泄露，主要能量都集中在位置41处，而路径3存在较大能量泄露，从位置45到52都由较大能量泄露。

对于第i条多径，其上行链路的支持集中心为

考虑下行链路的角度偏移，则其下行链路的支持集中心可能为

同时考虑到泄露效应，则其可能的支持集为

则下行链路支持集可以表示为

i∈[1,…,n′]。

基站向用户发送导频信号

下行链路信道为

ρ^d为下行链路信噪比，

为高斯白噪声，则接收到的信号为

下行链路估计支持集信息矩阵为W＝diag(w₁,…,w_N)，其中

0<σ<1为控制参数。结合下行链路估计支持集信息矩阵的下行链路信道估计，利用压缩感知恢复算法来进行上行链路信道估计。该上行链路信道估计问题可以表示为

其中

为下行链路基矩阵，由阵列导向矢量构成；

为其空域信道稀疏表示，且满足

为下行链路空域信道的估计矢量。通过求解出的空域信道估计矢量，得到下行链路信道估计为

若假设基站端配备有100根天线，用户配备为单天线，上行导频数量为1，下行导频数量为50，采用子空间追踪压缩感知恢复算法来进行上下行链路信道估计。如图5所示的信道估计均方误差中，在高信噪比区域，本发明中考虑了角度偏移和泄露效应的信道估计方法相比与不利用上行链路信道信息的方法和假设上下行链路具有相同支持集的方法具有更好的性能；在低信噪比区域，三种方法具有近似的性能。仿真结果验证了本方法在较高信噪比区域的优越性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，包括：

构建FDD大规模MIMO系统的上行链路导频信号接收模型；

对上行链路空域信道进行压缩感知信道估计；

通过上行链路空域信道的估计值得到上行链路空域信道的支持集，根据上行链路空域信道的支持集估计下行链路空域信道的支持集；其中根据上行链路空域信道的支持集估计下行链路空域信道的支持集，具体为：通过密度聚类方法估计上行链路空域信道的多径数目；对上行链路空域信道的多径数目估计进行修正；对上行链路空域信道每条路径对应的类集合的中心进行估计；根据上行链路空域信道的支持集信息估计下行链路空域信道的支持集；

构建FDD大规模MIMO系统的下行链路导频信号接收模型；

基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计。

2.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计包括：

构建下行链路空域信道的估计支持集信息矩阵；

结合下行链路空域信道的估计支持集信息矩阵进行下行链路信道估计。

3.如权利要求2所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述构建下行链路空域信道的估计支持集信息矩阵，具体为：

下行链路估计支持集信息矩阵为W＝diag(w₁，…，w_N)，其中

0＜σ＜1为控制参数，其中Ω^d为下行链路空域信道的支持集。

4.如权利要求3所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述结合下行链路估计支持集信息矩阵的下行链路信道估计，具体为：

利用压缩感知恢复算法来进行下行链路信道估计，该下行链路信道估计问题表示为：

其中

为下行链路基矩阵，由阵列导向矢量构成；

为其空域信道稀疏表示，且满足

为下行链路空域信道的估计矢量；||·||₀表示0范数，||·||₂表示2范数，

ρ^d为下行链路信噪比，A为基站向用户发送的导频信号，h^d为下行链路信道，n^d为发射端高斯白噪声，ε为误差控制参数；

通过求解出的下行链路空域信道估计矢量，得到下行链路信道估计为

5.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述对上行链路空域信道进行压缩感知信道估计，包括：

利用压缩感知恢复算法来进行上行链路空域信道估计，该上行链路空域信道估计问题表示为：

其中

为上行链路信道的空域表示，且满足

其中

为上行链路信道的基矩阵，由阵列的导向矢量构成；ε为误差控制参数；

为空域信道的估计矢量；||·||₀表示0范数，||·||₂表示2范数，y^u为基站端接收到的导频信号，

ρ^u为上行链路信道信噪比，a为用户向基站发射的导频信号，n^u为接收端高斯白噪声，

为用户到基站的信道矩阵。

6.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述通过密度聚类方法估计上行链路空域信道的多径数目包括：

通过密度聚类算法，根据上行链路空域信道的支持集Ω^u进行密度聚类，聚类后的分类数n即为多径数目估计值；其中，每一类构成的集合为

i∈[1，2，…，n]，称为类集合，经过聚类后的元素构成的集合为

U表示集合的并集。

7.如权利要求6所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述对上行链路空域信道的多径数目估计进行修正包括：

对上行链路空域信道的估计值

中的元素按照从大到小排序，取其最大的前n_max个值，判断前n_max个元素中的每一个是否在集合Ω^u′内，如果不在集合Ω^u′内，则将其单独构造成一个新的类

且认为其为一条新的传输路径；此时多径的数目为n′，每条传输路径对应的类集合为

i∈[1，…，n’]；n_max为预设值。

8.如权利要求7所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述对上行链路空域信道每条路径对应的类集合的中心进行估计包括：

计算每条传输路径对应类集合的元素在上行链路空域信道的估计值

中的位置序号的平均值并取整，得到第i条传输路径对应的支持集的中心位置

9.如权利要求8所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述根据上行链路空域信道的支持集信息估计下行链路空域信道的支持集包括：

对于第i条路径，其上行链路的类集合中心为

考虑下行链路的角度偏移，则其下行链路的类集合中心为

考虑到泄露效应，则其类集合为

下行链路空域信道的支持集表示为

i∈[1，…，n’]；

其中Δ为该路径的上下行角度偏移量，L＝NΔ_r，Δ_r为天线阵元间隔，m为可能有能量泄露的支持集与每一传输路径相对应类集合的中心位置的相邻距离。

Images