CN108650003A - 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 - Google Patents
大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 Download PDFInfo
- Publication number
- CN108650003A CN108650003A CN201810343060.1A CN201810343060A CN108650003A CN 108650003 A CN108650003 A CN 108650003A CN 201810343060 A CN201810343060 A CN 201810343060A CN 108650003 A CN108650003 A CN 108650003A
- Authority
- CN
- China
- Prior art keywords
- channel
- angle
- uplink
- base station
- downlink
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000013461 design Methods 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 241000630665 Hada Species 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 23
- 108091006146 Channels Proteins 0.000 description 139
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000035508 accumulation Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 206010042135 Stomatitis necrotising Diseases 0.000 description 3
- 201000008585 noma Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000002020 sage Nutrition 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
-
- 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0014—Carrier regulation
- H04L2027/0024—Carrier regulation at the receiver end
- H04L2027/0026—Correction of carrier offset
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，具体解决大规模MIMO高速铁路通信中多普勒频移，计算复杂度高，吞吐量低等问题。包括以下步骤：获取初始信道状态信息；根据波束对准获取入射信号实际到达角、波束增益；估计多普勒频移，设计角度域波束成形矩阵，补偿上下行频偏；信道追踪；设计波束域波束成形矩阵，消除上下行用户间干扰；数据传输。本发明联合多普勒补偿的混合传输方法针对大规模MIMO高速移动场景具有补偿多普勒频移，减小导频开销，提高系统吞吐量等特点，能够很好的应用于无线通信场景中。
Description
技术领域
本发明属于无线通信技术领域，涉及无线通信中的传输技术，为一种大规模MIMO高速移动场景下的联合多普勒补偿的混合传输方法，尤其涉及大规模MIMO高铁通信中 的上下行传输问题。
背景技术
在大规模MIMO高铁通信中，列车时速高达300公里/小时。信道相干时间缩短，同时呈现快时变特性。传统的信道估计方法导频开销大，难以有效估计信道状态信息；同时，大规模MIMO信道高维特性使得训练与传输的计算复杂度高。在相干时间有限的条件下， 较低的数据传输速率难以满足用户需求。“X.Chen,J.Lu,T.Li,P.Fan and K.B.Letaief, ``Directivity-Beamwidth Tradeoff of Massive MIMO Uplink Beamforming for HighSpeed Train Communication,”in IEEE Access,vol.5,pp.5936-5946,2017.”，“T.Li,X.Wang,P.Fan and T.Riihonen,``Position-Aided Large-Scale MIMO ChannelEstimation for High-Speed Railway Communication Systems,”in IEEE Transactionson Vehicular Technology,vol.66,no. 10,pp.8964-8978,Oct.2017.”。此外，列车具有高速移动性，信号受多普勒影响产生较大 频偏，信号接收和预编码精度受到较大影响。“L.W.Yong,``A study on a delay-Doppler estimation method in fast fadingchannels of high-speed mobile vehicles,”2017 International Conference onInformation and Communication Technology Convergence(ICTC),Jeju Island, Korea(South),2017,pp.1178-1181.”，“T.Liu,X.Ma,R.Zhao,H.Dong and L.Jia,``DopplerShift Estimation for High-Speed Railway Scenario,”2016 IEEE 83rd VehicularTechnology Conference(VTC Spring),Nanjing,2016,pp.1-5”
文献“Y.Lu,K.Xiong,P.Fan and Z.Zhong,“Optimal Multicell CoordinatedBeamforming for Downlink High-Speed Railway Communications,”in IEEETransactions on Vehicular Technology,vol.66,no.10,pp.9603-9608,Oct.2017.”针对大规模MIMO高铁通 信提出一种多小区协作波束成形方案，该方案优化了高速移动列车的信息吞吐量，同时保 证了其他低移动性用户通信质量。文献``Directivity-BeamwidthTradeoff of Massive MIMO Uplink Beamforming for High Speed TrainCommunication,”in IEEE Access,vol.5,pp. 5936-5946,2017.”针对大规模MIMO高铁通信提出一种位置信息辅助的快速波束成形方 法，该方法能够有效降低波束成形复杂度，并对位置误差具有良好的自适应性。文献“Cui, Y.,Fang,X,``A massive MIMO-basedadaptive multi-stream beamforming scheme for high-speed railway”in EurasipJ.on Wireless Commun.and Netw.,PP.1-8,2015.”针对大规模 MIMO高铁通信提出一种优化吞吐量的波束成形方案，该方案通过选择列车上天线子集 接收信号，以最优化下行速率。文献“T.Levanen,J.Talvitie,R.Wichman,V.Syrjala,M. Renfors and M.Valkama,``Location-aware 5G communications and Doppler compensation for high-speedtrain networks,”2017European Conference on Networks and Communications(EuCNC),Oulu,2017,pp.1-6.”针对高速移动场景提出一种位置信息辅助的多普勒补偿方案。
通过利用大规模MIMO高铁通信中信道的空时相关性和位置信息，可优化传输方案， 补偿多普勒频移，提升信息吞吐量。现阶段已有的专利成果如下：
1.北京交通大学提出的一种用于轨道交通高速移动场景的多普勒频移校正方法，该 方法的步骤包括：获取列车当前位置S1、确定列车预测位置信道的基础冲激响应S2、基于列车预测位置信道的基础冲激响应和列车当前的速度，计算信道中每条路径的多普勒频移，并利用细频偏估计方法，对每条路径的多普勒频移进行载波频率的细节跟踪和补偿。该发明所述技术方案能够在高速移动状态下保证通信系统性能的同时，提高通信质量，满足高速移动用户对传输速率和质量的需求。
2.重庆大学提出的一种分布式大规模MIMO-NOMA高铁移动通信系统，具体为：针对高铁移动车厢终端MCT与铁路沿线的分布式远端天线单元RAU之间的大规模多入多 出MIMO通信系统，创新性提出将5G的候选关键技术——大规模MIMO和非正交多址 接入NOMA组成的大规模MIMO-NOMA系统应用于高铁环境，并分析了此类系统的具 体的信号处理分析流程。该发明可以大大地提升LTE-R系统的频谱效率，达到提高车厢 内固定座位终端用户的语音和数据通信性能的目标，并为面向5G的高铁移动通信系统原 型机和系统、链路级仿真提供参考。
3.电子科技大学提出一种涉及高速移动环境下分布式多输入多输出系统联合频偏和 信道估计算法。本发明的目的是为了解决分布式MIMO系统的频偏和信道联合估计由慢 时变信道向快时变信道推过时遇到的问题，提出了一种高速移动环境下的分布式MIMO系统频偏和信道联合估计的方法,包括：构建系统模型、初始化、计算隐藏数据空间的期望、最大化隐藏数据空间的期望、更新频偏值、更新信道值、重复迭代直到估计值满足要求。本发明从慢变条件下的分布式MIMO系统的联合频偏信道估计算法出发，分析高速 移动条件给系统带来的影响，然后采用采用基于SAGE迭代的方法克服高速移动带来的 影响，使系统在高速移动环境下获得较好的参数估计性能。
4.普天信息技术有限公司提出的一种高铁通信系统下行频偏预补偿的方法、控制器 及基站，所述方法包括：根据RRU接收到的用户设备UE发送的上行信号，基于预设的 频偏估计规则，估计所述上行信号的频偏；基于所述上行信号的频偏以及与所述RRU对 应的目标存储器中存储的用于下行信号预补偿的频偏，更新目标存储器存储的用于下行信 号预补偿的频偏；基于所述更新的用于下行信号预补偿的频偏，对所述RRU的下行信号 进行预补偿。相比现有技术，本发明通过估计的上行频偏对下行数据进行频偏预补偿，减 少UE接收的信号的频偏值，同时也减少了上行数据的频偏，提高了整个高铁通信系统的 接收性能。
现有的传输方案在优化系统吞吐量时未能同时解决多普勒频移、导频开销和计算复杂 度等共性问题。列车高速移动时，多普勒频移给信号带来较大频偏，对信号的解调，发送 预编码带来额外误差；由于相干时间缩短，频繁的信道训练压缩了数据传输时间，巨大的 导频开销恶化了系统性能，降低系统吞吐量；尽管大规模MIMO天线阵列具有良好的空间分辨率，其分集增益与复用增益可用于提升系统吞吐量，然而其高维特性给波束成形带来了巨大的计算复杂度。因此，在设计传输方案时，应该同时考虑多普勒补偿、导频开销 和计算复杂度等问题。
发明内容
本发明要解决的问题是针对上述现有技术的不足提供一种混合传输方法，该方案同时 进行角度波束成形与波束域波束成形。角度波束成形用于获取信道空间角度信息，通过波 束对准补偿由多普勒引起的频偏，波束域波束成形在角度波束成形的基础上，使用迫零方 法消除用户间干扰，提升系统吞吐量。
为解决上述技术问题，本发明的技术方案为：大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，该方案的特征在于以下处理步骤：
步骤(1)，初始化：
基站获取用户k和基站间的上行初始信道状态信息下行信道处理方法与上行 一致；
步骤(2)，到达角估计：
对初始信道状态信息进行快速傅里叶变换，获取正交波束最大波束增益及对应波束 在最大波束相邻波束区间[ik0-1,ik0+1]内，通过N倍FFT过采样和波束位移实 现相位旋转和波束对准，对准后最大波束增益为对应最大波束序号ik，最优 旋转角为由此算得直射路径信号实际到达角θ′k,1,n，根据角度互易性可直接获得下 行信号到达角；
步骤(3)，补偿多普勒频移：
根据空间窄带传输模型建立信号实际到达角和方位角之间的关系，根据实际到达角 θ′k,1,n来计算用户方位角θk,1,n，多普勒频移为受多普勒影响，θk,1,n≠θ′k,1,n，设计上行角度波束成形矩阵Bu，通过将基站波束对准上行入射信号实际到达角方向，对多普勒频移进行补偿；在设计下行角度波束成形矩阵Bd时，原则为：根 据用户方位角θk,1,n，设计角度波束成形矩阵，使下行信号到达角方向与用户方位角一致， 波束对准方法与上行相同；
步骤(4)，信道追踪：
根据角度相干时间内位置不变性，化简信道追踪复杂度，对最大波束增益进 行追踪；为检测相干时间内信道突变情况，设置追踪间隔小于相干时间；在追踪间隔内，利用现有追踪方法，如卡尔曼滤波，对进行预测或修正，下行信道处理方法与 上行一致；
步骤(5)，设计波束域波束成形矩阵：
根据步骤(3)，上行角度波束成形矩阵为Bu，设所有用户与基站间的上行信道为则上行波束域信道为：其中为包含各用户最大波 束的集合；利用迫零法则设计波束域波束成形矩阵，消除用户间干扰，同样的方法设计下 行波束域波束成形矩阵Pd；
步骤(6)，数据传输：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称：Wa＝BaPa；基站使 用混合波束成形实现数据传输。
在TDD系统中，先计算上行信道，再计算下行信号；在FDD系统中，上行信道的 计算与下行信道的计算同时进行。
在高速移动场景下，信道存在快时变特性。在一个相干时间内，列车移动距离不可忽 略。移动过程中障碍物的阻挡可能导致相干时间内信道状态信息发生突变。为避免信道突 变带来的影响，需对信道进行检测和实时修正。结合步骤(4)和步骤(6)，本发明给出 一种自适应帧结构设计。在信道无突变，且误差累积程度不超过门限的情况下，基站仅对 信道进行预测估计，根据预测值进行波束成形和数据传输；当信道突变，或误差过高时， 基站通过控制信道发送导频请求帧，用户收到后在业务信道暂停数据发送，转为发送导频。
作为本发明进一步改进的技术方案，设角度相干时间(DOAT)为用户位置信息变化不超过基站天线分辨率的时长，在角度相干时间内，除初始时刻外，省略步骤(2)和(3)。
作为本发明进一步改进的技术方案，步骤(2)中所述的到达角估计包括以下步骤：
根据步骤(1)，初始时刻(n时刻)用户k和基站上行信道为设归一化离 散傅里叶变换(discrete fourier transform,DFT)矩阵为
其中M为基站天线数，为基站天线分辨率。对估计信道进行DFT变换，可得波束域信道最大波束增益为在基站天线数有限的情况 下，F矩阵使用正交波束，其分辨率受限，因而波束难以对准用户实际来波方向。现通过 相位旋转矩阵实现波束对准：设相位旋转矩阵为φk,n为相位旋转角，旋转后波束域信道为
最强信道增益为波束对准的目标为寻找最优旋转角使其满足
设对准后最大波束增益其中r0表示经过最优相位旋转，下标ik表示向量第ik个元素，也即对准后最大波束序号。本发明给出波束对准的数字实现方法， 具体如下：
步骤(2.1)：对进行M点FFT。获取正交波束下最大波束增益及对应波束序号ik0；
步骤(2.2)：设为的NM点FFT，N为过采样倍数。正交波束域信道与过采样信号间关系为：
其中m表示正交波束域信道第m个元素。由上式可知，对准后最大波束增益位于过采样 信号[(ik0-2)N+1,ik0N+1]区间范围内。
现在仅计算[(ik0-2)N+1,ik0N+1]区间内共计2N个点的波束增益。以 ((ik0-2)N+1)、(ik0-1)N+1、(ik0N+1)点为起点，将三个采样点位置统一向左进 行位移，遍历N个步长，获取最大波束增益及最佳搜索步长m,1≤m≤N。 则最优旋转角为
根据及公式(2)，可计算对准后最大波束序号ik。
步骤(2.3)：设n时刻用户k的上行信号直射路径实际到达角为θ′k,1,n。根据FFT计算方法和信道模型(参考步骤3)，θ′k,1,n与的关系为：
通过上述两式可计算信号实际到达角。
作为本发明进一步改进的技术方案，步骤(3)中所述的补偿多普勒频移包括以下步 骤：
静止状态下信号直射路径到达角与用户方位角一致，即θ′k,1,n＝θk,1,n。通过对准用户 来波方向，可确定用户方位角θk,1,n；而在高速移动状态下，受多普勒影响，信号到达角产生偏移，θ′k,1,n≠θk,1,n。现确定直射路径到达角θ′k,1,n与用户方位角θk,1,n的关系：
根据窄带传输模型，静止状态下n时刻用户k与基站间上行信道模型为
其中L为散射信道数，αk,l,n第l条散射路径的阵列响应增益，a(θk,l,n)为第l条散射路径的阵列响应：
d,λ分别为天线阵元间隔、载波波长。θk,l,n为第l条散射路径的到达角。由于高铁通信中散射体较少，且存在强直射路径，设l＝1为直射路径，θk,1,n为中心到达角，也为 用户方位角。散射信道到达角分布在θk,1,n周围。
在列车高速移动状态下，信道受多普勒影响产生频偏，实际信道模型为：
其中⊙表示哈达吗积，fD,l为第l条散 射路径的多普勒频移：v为列车移动速度。将上式进行 变形，可化简为
其中sl,n为：
通过上式可以确定直射路径信号到达角θ′k,1,n与方位角θk,1,n的关系。由步骤(2)可获取 到达角θ′k,1,n，则通过式(12)可计算用户方位角θk,1,n，直射路径多普勒频移为现设计上行角度波束成形矩阵Bu，对多普勒频移进行补偿。通过波 束对准可将波束对向信号直射路径实际到达角方向，可以直接补偿上行频偏：根据步骤(2)，为最优相位旋转矩阵，其中K为用户数，M为基 站天线数，则
其中第k个用户对应最大波束可从归一化M点FFT矩阵的第ik列获取；在设计 下行角度波束成形矩阵Bd时，其原则与上行有所不同。若根据角度互易性对准上行信 号到达角方向θ′k,1,n，则会造成频偏的累积，无法补偿频偏。其影响为波束对准用户移动 的反方向。因而下行角度波束成形的原则为：根据用户方位角θk,1,n，设计角度波束成形 矩阵，使下行信号到达角方向与用户方位角一致。实现方式为：根据式(11)表达的信道 模型，对频偏预处理，消除直射路径多普勒频移，使得下行信道近似与式(8)表达的静 止信道模型一致；根据步骤(2)进行波束对准，获取下行最优旋转角及最大波束序列； 根据步骤(3)设计下行角度波束成形矩阵Bd。
在莱斯信道，且周围散射体较少的情况下，通过波束对准，可减少散射路径增益，因 而消除直射路径多普勒频移后，散射路径频偏可忽略不计。
作为本发明进一步改进的技术方案，步骤(6)中所述的数据传输包括以下步骤：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称。基站使用混合波束成形：Wa＝BaPa。上下行接收信号可分别表示为：
其中xu,xd分别表示发送信息，nu,nd分别表示基站和用户端接收噪声。上述两式可化 简为：
式(16)和(17)右边第一项表示有用接收信号，第二项为多用户干扰，第三项表示噪声。 由此可获得上下行信号的接收信噪比分别为：
根据香农公式，系统的数据吞吐量为
作为本发明进一步改进的技术方案，本发明针对步骤(4-6)给出实际的帧结构设计 方法：
在高速移动场景下，信道存在快时变特性。在一个相干时间内，列车移动距离不可忽 略。移动过程中障碍物的阻挡可能导致相干时间内信道状态信息发生突变。为避免信道突 变带来的影响，需对信道进行检测和实时修正。结合步骤(4)和步骤(6)，本发明给出 一种自适应帧结构设计。
以追踪间隔T0为时长，共设计三种复帧，每种复帧对应两种信道：业务信道和控制信道。在业务信道中，存在上行数据帧/导频、下行数据帧；在控制信道中，仅存在控制 帧。信道追踪间隔为T0，信道相干时间为T1，T0＜T1。
由步骤(4)可知，信道追踪的原理为根据上一时刻信道状态信息预测当前时刻信道。 情况1：在初始追踪间隔，基站同时对信道和累积误差做预测，若累计误差在容限范围内， 则根据预测的信道进行数据传输，此时业务信道无导频帧；情况2：若信道发生突变，或者累计误差超过门限，基站通过控制信道发送导频请求。用户收到请求后停止发送数据帧，转为发送导频帧。待修正信道状态信息后，恢复数据传输；情况1和2为除第一个T1外， 其余T1内T0复帧结构。情况3：当位于DOAT内第一个T1时，需先完成步骤(1-3)，此 时根据步骤(1)采用LS或MMSE方法估计信道。
此帧结构的设计对高速移动场景下信道特性有良好的自适应性，能够主动判别信道突 变情况，并及时修正。
本发明针对大规模MIMO高速移动场景下多普勒频移、计算复杂度高、吞吐量低等问题，提出了联合多普勒补偿的混合传输方法。本发明在估计用户方位角和信号到达角过程中，采用FFT过采样方式实现波束对准，其数字实现方式简单高效。通过用户方位角 估计，可计算直射路径多普勒频移，并设计角度波束成形矩阵实现频偏补偿；在数据传输 过程中，基站采用混合波束成形，包括角度波束成形与波束域波束成形，角度波束成形用 于获取信道空间角度信息，通过波束对准补偿由多普勒引起的频偏，此外，角度波束成形 利用信道空间稀疏性对信道维度进行压缩，降低计算复杂度，波束域波束成形采用迫零法则，消除用户间干扰，提升信噪比和吞吐量；为解决数据传输过程中信道突变等问题，本 发明给出自适应帧结构设计。通过主动判别信道突变情况，并及时修正，使数据传输速率 保持稳定。本发明高速移动场景下联合多普勒补偿的混合传输方法具有补偿多普勒频移， 计算复杂度低，鲁棒性高等特点，适用于大规模MIMO高速移动场景。
附图说明
图1是本发明的混合传输方法流程示意图。
图2是本发明的多普勒频移示意图。
图3是本发明的帧结构示意图。
图4是本发明的基站天线数为256时，系统和速率随平均接收信噪比变化图。
图5是本发明的基站天线数为512时，系统和速率随平均接收信噪比变化图。
下面结合附图及具体实施例对本发明的具体实施方式作进一步描述。
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。
实施例1
如图1所示，联合多普勒补偿的混合传输方法，其特征在于包括以下处理步骤：
步骤(1)，初始化：
基站采用最小二乘法(least square,LS)、最小均方误差(minimum mean squareerror, MMSE)等一般训练方法获取用户k和基站间的上行初始信道状态信息在后续 步骤中，下行信道处理方法与上行一致，因此不再赘述。本实施例中以TDD系统为例进行说明。上下行信道可认为具有互易性。
步骤(2)，到达角估计：
对估计信道进行快速傅里叶变换(fast fourier transform,FFT)，获取正交波束最大波 束增益及对应波束在最大波束相邻波束区间[ik0-1,ik0+1]内，通过N倍过采样和 波束位移实现相位旋转和波束对准，对准后最大波束增益为对应最大波束序 号ik。其中最优相位旋转角和位移步数m,1≤m≤N的关系为：
其中为基站天线分辨率。则上行信号实际到达角θ′k,1,n可通过以下两个公式计 算：
用户方位角θk,1,n与实际到达角θ′k,1,n的关系为：
步骤(3)，补偿多普勒频移：
根据步骤(2)，用户方位角为θk,1,n，多普勒频移为由步骤(2)可知，受多普勒影响，θk,1,n≠θ′k,1,n。现设计上行角度波束成形矩阵Bu，对多普勒频移 进行补偿：设为相位旋转矩阵，其中K为用户数， M为基站天线数，则
其中第k个用户对应最大波束可从归一化M点FFT矩阵的第ik列获取；通过将基站 波束对准上行入射信号实际到达角方向，可直接补偿多普勒频移。在设计下行角度波束成 形矩阵Bd时，其原则与上行有所不同。若根据角度互易性对准上行信号到达角方向θ′k,1,n， 则会造成频偏的累积，无法补偿频偏。其影响为波束对准用户移动的反方向。因而下行角 度波束成形的原则为：根据用户方位角θk,1,n，设计角度波束成形矩阵，使下行信号到达 角方向与用户方位角一致。具体过程与上行方法类似，稍后进行详细介绍。
步骤(4)，信道追踪：
利用角度波束成形矩阵，可将高维信道分解为不同波束和对应波束增益：根据步骤(2)， 对准后用户k的最大波束增益为根据步骤(3)，角度波束成形向量为则全维度信道可表示为
其中F为归一化M点FFT矩阵，
高铁移动过程中，在若干相干时间内，其位置信息近似不变。设角度相干时间(DOAT)为用户位置信息变化不超过基站天线分辨率的时长。在角度相干时间内，除 初始时刻外，步骤(2)可省略。信道追踪过程可简化为对最大波束增益的追踪。 可利用如卡尔曼滤波等方式实现追踪过程。
步骤(5)，设计波束域波束成形矩阵：
根据步骤(3)，上行角度波束成形矩阵为Bu。设所有用户与基站间的上行信道为则上行波束域信道为
其中为包含各用户最大波束的集合。利用迫零法则设计波束域波束成形矩阵，消 除用户间干扰，具体如下：
同理可设计下行波束域波束成形矩阵Pd。
步骤(6)，数据传输：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称。基站使用混合波束成形：Wa＝BaPa。上下行接收信号可分别表示为：
其中xu,xd分别表示发送信息，nu,nd分别表示基站和用户端接收噪声。根据以上两式 可计算信号信干噪比和数据吞吐量。
在高速移动场景下，信道存在快时变特性。在一个相干时间内，列车移动距离不可忽 略。移动过程中障碍物的阻挡可能导致相干时间内信道状态信息发生突变。为避免信道突 变带来的影响，需对信道进行检测和实时修正。结合步骤(4)和步骤(6)，本发明给出 一种自适应帧结构设计。如图3所示，在信道无突变，且误差累积程度不超过门限的情况 下，基站仅对信道进行预测估计，根据预测值进行波束成形和数据传输；当信道突变，或 误差过高时，基站通过控制信道发送导频请求帧，用户收到后在业务信道暂停数据发送， 转为发送导频。
现对步骤(2)，(3)，(6)进行详细说明。步骤(2)中到达角估计包括以下步骤：
根据步骤(1)，初始时刻(n时刻)用户k和基站上行信道为设归一化离 散傅里叶变换(discrete fourier transform,DFT)矩阵为
其中M为基站天线数，为基站天线分辨率。对估计信道进行DFT变换，可得波束域信道最大波束增益为在基站天线数有限的情况下，F矩阵使用正交波束，其分辨率受限，因而波束难以对准用户实际来波方向。现通过 相位旋转矩阵实现波束对准：设相位旋转矩阵为φk,n为相位旋转角，旋转后波束域信道为
最强信道增益为波束对准的目标为寻找最优旋转角使其满足
设对准后最大波束增益其中r0表示经过最优相位旋转，下标ik表示向量第ik个元素，也即对准后最大波束序号。本发明给出波束对准的数字实现方法， 具体如下：
步骤(2.1)：对进行M点FFT。获取正交波束下最大波束增益及对应波束序号ik0；
步骤(2.2)：设为的NM点FFT，N为过采样倍数。正交波束域信道与过采样信号间关系为：
其中m表示正交波束域信道第m个元素。由上式可知，对准后最大波束增益位于过采样 信号[(ik0-2)N+1,ik0N+1]区间范围内。
现在仅计算[(ik0-2)N+1,ik0N+1]区间内共计2N个点的波束增益。以 ((ik0-2)N+1)、(ik0-1)N+1、(ik0N+1)点为起点，将三个采样点位置统一向左进 行位移，遍历N个步长，获取最大波束增益及最佳搜索步长m,1≤m≤N。 则最优旋转角为
根据及公式(2)，可计算对准后最大波束序号ik。
步骤(2.3)：设n时刻用户k的上行信号直射路径实际到达角为θ′k,1,n。根据FFT计算方法和信道模型(参考步骤3)，θ′k，1，n与的关系为：
通过上述两式可计算信号实际到达角。
步骤(3)中补偿多普勒频移包括以下步骤：
由图2所示，静止状态下信号直射路径到达角与用户方位角一致，即θ′k,1,n＝θk,1,n。 通过对准用户来波方向，可确定用户方位角θk,1,n；而在高速移动状态下，受多普勒影响， 信号到达角产生偏移，θ′k,1,n≠θk,1,n。现确定直射路径到达角θ′k,1,n与用户方位角θk,1,n的关 系：
根据窄带传输模型，静止状态下n时刻用户k与基站间上行信道模型为
其中L为散射信道数，αk,l,n第l条散射路径的阵列响应增益，a(θk,l,n)为第l条散射路径的阵列响应：
d,λ分别为天线阵元间隔、载波波长。θk,l,n为第l条散射路径的到达角。由于高铁通信中散射体较少，且存在强直射路径，设l＝1为直射路径，θk,1,n为中心到达角，也为 用户方位角。散射信道到达角分布在θk,1,n周围。
在列车高速移动状态下，信道受多普勒影响产生频偏，实际信道模型为：
其中⊙表示哈达吗积，fD,l为第l条散 射路径的多普勒频移：v为列车移动速度。将上式进行 变形，可化简为
其中sl,n为：
通过上式可以确定直射路径信号到达角θ′k,1,n与方位角θk,1,n的关系。由步骤(2)可获取 到达角θ′k,1,n，则通过式(12)可计算用户方位角θk,1,n，直射路径多普勒频移为现设计上行角度波束成形矩阵Bu，对多普勒频移进行补偿。
由图2可知，通过波束对准可将波束对向信号直射路径实际到达角方向，因此可以直 接补偿上行频偏：根据步骤(2)，为最优相位旋转矩阵，其中K为用户数，M为基站天线数，则
其中第k个用户对应最大波束可从归一化M点FFT矩阵的第ik列获取；在设计 下行角度波束成形矩阵Bd时，其原则与上行有所不同。若根据角度互易性对准上行信 号到达角方向θ′k,1,n，则会造成频偏的累积，无法补偿频偏。其影响为波束对准用户移动 的反方向。因而下行角度波束成形的原则为：根据用户方位角θk,1,n，设计角度波束成形 矩阵，使下行信号到达角方向与用户方位角一致。实现方式为：根据式(11)表达的信道 模型，对频偏预处理，消除直射路径多普勒频移，使得下行信道近似与式(8)表达的静 止信道模型一致；根据步骤(2)进行波束对准，获取下行最优旋转角及最大波束序列； 根据步骤(3)设计下行角度波束成形矩阵Bd。
在莱斯信道，且周围散射体较少的情况下，通过波束对准，可减少散射路径增益，因 而消除直射路径多普勒频移后，散射路径频偏可忽略不计。
步骤(6)中数据传输包括以下步骤：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称。基站使用混合波束成形：Wa＝BaPa。上下行接收信号可分别表示为：
其中xu,xd分别表示发送信息，nu,nd分别表示基站和用户端接收噪声。上述两式可化 简为：
式(16)和(17)右边第一项表示有用接收信号，第二项为多用户干扰，第三项表示噪声。 由此可获得上下行信号的接收信噪比分别为：
根据香农公式，系统的数据吞吐量为
在高速移动场景下，信道存在快时变特性。在一个相干时间内，列车移动距离不可忽 略。移动过程中障碍物的阻挡可能导致相干时间内信道状态信息发生突变。为避免信道突 变带来的影响，需对信道进行检测和实时修正。结合步骤(4)和步骤(6)，本发明给出 一种自适应帧结构设计。
如图3所示，以追踪间隔T0为时长，共设计三种复帧，每种复帧对应两种信道：业务信道和控制信道。在业务信道中，蓝色和绿色块分别表示上行数据帧/导频、下行数据帧；在控制信道中，黄色块表示控制帧。信道追踪间隔为T0，信道相干时间为T1，T0＜T1。
由步骤(4)可知，信道追踪的原理为根据上一时刻信道状态信息预测当前时刻信道。 在初始追踪间隔，基站同时对信道和累积误差做预测，若累计误差在容限范围内，则根据 预测的信道进行数据传输，也即图中情况1。此时业务信道无导频帧；若信道发生突变，或者累计误差超过门限，基站通过控制信道发送导频请求。用户收到请求后停止发送数据帧，转为发送导频帧。待修正信道状态信息后，恢复数据传输，此类情况对应图中情况2； 情况1和2为除第一个T1外，其余T1内T0复帧结构。当位于DOAT内第一个T1时，需先 完成步骤(1-3)，此时根据步骤(1)采用LS或MMSE方法估计信道。此类情况对应图 中情况3。
此帧结构的设计对高速移动场景下信道特性有良好的自适应性，能够主动判别信道突 变情况，并及时修正。
仿真验证:
为了验证提出的联合多普勒补偿的混合传输方法性能，仿真了基站天线数为256时系 统和速率随平均接收信噪比变化图、基站天线数为512时系统和速率随平均接收信噪比变 化图。
图4分别给出了基站使用均匀线性天线阵列，天线数量为256时，线性匹配滤波、线性迫零、波束域匹配滤波、波束域迫零、补偿多普勒的匹配滤波混合波束成形、补偿多普 勒的迫零混合波束成形性能曲线。可以看出，随着接受信噪比的增大，系统由噪声受限变 为干扰受限。匹配滤波方法加重了对相邻用户的干扰，因而系统吞吐量存在性能上界；本 发明提出的采用迫零法则的混合波束成形方案系统吞吐量最大，原因为(1)：角度波束成 形矩阵补偿了多普勒频移。(2)：通过对准上行来波方向和下行用户方位角，提升了信干 噪比和频谱效率。(3)：角度波束成形压缩信道维度，使得信道追踪过程中只需估计最大 波束增益，因而有效减小导频开销，增加数据传输时间。(4)：波束对准提升了天线分辨 率，使得波束域迫零矩阵更有效地区分位置相邻的用户，并进行干扰消除。根据(4)，波 束域迫零方案因天线分辨率有限无法有效区分相邻用户，因而吞吐量低于本发明所提方案； 根据(3)，线性迫零方案导频开销大，因而抑制数据吞吐量。
相较于图4，图5给出了基站天线数为512时，不同方案的性能曲线。可以看出，当天线数增加时，不同方案吞吐量差距变大。基于(1-4)，本发明所提方案优于其他方案； 因信道维度增加，天线增加带来的性能增益被高额导频开销抑制，因而线性迫零方案吞吐 量提升极为有限；天线数增加带来的分辨率增益使得波束域迫零方案性能逼近线性迫零。
结合图4-5，可以得出以下结论：在实际天线数有限的情况下，本发明提出的联合多 普勒补偿的混合传输方法能够有效提升系统吞吐量。
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 (7)
1.一种大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，包括以下步骤：
步骤(1)，初始化：
基站获取用户k和基站间的上行初始信道状态信息下行信道处理方法与上行一致；
步骤(2)，到达角估计：
对初始信道状态信息进行快速傅里叶变换，获取正交波束最大波束增益及对应波束在最大波束相邻波束区间[ik0-1,ik0+1]内，通过N倍FFT过采样和波束位移实现相位旋转和波束对准，对准后最大波束增益为对应最大波束序号ik，最优旋转角为由此算得直射路径信号实际到达角θ′k,1,n，利用角度互易性可直接获取下行到达角；
步骤(3)，补偿多普勒频移：
根据空间窄带传输模型建立信号实际到达角和方位角之间的关系，根据实际到达角θ′k,1,n来计算用户方位角θk,1,n，多普勒频移为受多普勒影响，θk,1,n≠θ′k,1,n，设计上行角度波束成形矩阵Bu，通过将基站波束对准上行入射信号实际到达角方向，对多普勒频移进行补偿；在设计下行角度波束成形矩阵Bd时，原则为：根据用户方位角θk,1,n，设计角度波束成形矩阵，使下行信号到达角方向与用户方位角一致，波束对准方法与上行相同；
步骤(4)，信道追踪：
根据角度相干时间内位置不变性，化简信道追踪复杂度，对最大波束增益进行追踪；为检测相干时间内信道突变情况，设置追踪间隔小于相干时间；在追踪间隔内，利用现有追踪方法，对进行预测或修正，下行信道处理方法与上行一致；
步骤(5)，设计波束域波束成形矩阵：
根据步骤(3)，上行角度波束成形矩阵为Bu，设所有用户与基站间的上行信道为则上行波束域信道为：其中为包含各用户最大波束的集合；利用迫零法则设计波束域波束成形矩阵，消除用户间干扰，同样的方法设计下行波束域波束成形矩阵Pd；
步骤(6)，数据传输：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称：Wa＝BaPa；基站使用混合波束成形实现数据传输。
2.根据权利要求1所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是步骤(2)中所述的到达角估计包括以下步骤：
根据步骤(1)，初始时刻设为n时刻，在n时刻用户k和基站上行信道为设归一化离散傅里叶变换矩阵为
其中M为基站天线数，为基站天线分辨率；对估计信道进行DFT变换，可得波束域信道最大波束增益为通过相位旋转矩阵实现波束对准：设相位旋转矩阵为φk,n为相位旋转角，旋转后波束域信道为
最强信道增益为
波束对准的目标为寻找最优旋转角使其满足
设对准后最大波束增益其中r0表示经过最优相位旋转，下标ik表示向量第ik个元素，也即对准后最大波束序号；
波束对准的数字实现方法，具体如下：
步骤(2.1)：对进行M点FFT，获取正交波束下最大波束增益及对应波束序号ik0；
步骤(2.2)：设为的NM点FFT，N为过采样倍数；正交波束域信道与过采样信号间关系为：
其中m表示正交波束域信道第m个元素；由上式可知，对准后最大波束增益位于过采样信号[(ik0-2)N+1,ik0N+1]区间范围内；
仅计算[(ik0-2)N+1,ik0N+1]区间内共计2N个点的波束增益；以((ik0-2)N+1)、(ik0-1)N+1、(ik0N+1)点为起点，将三个采样点位置统一向左进行位移，遍历N个步长，获取最大波束增益及最佳搜索步长m,1≤m≤N，则最优旋转角为
根据及公式(2)，计算得到对准后最大波束序号ik；
步骤(2.3)：设n时刻用户k的上行信号直射路径实际到达角为θ′k,1,n，根据FFT计算方法和窄带信道模型，θ′k,1,n与的关系为：
通过(6)(7)两式计算得到信号实际到达角θ′k,1,n。
3.根据权利要求1所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是步骤(3)中所述的补偿多普勒频移包括以下步骤：
静止状态下信号直射路径到达角与用户方位角一致，即θ′k，1，n＝θk，1，n，通过对准用户来波方向，来确定用户方位角θk，1，n；在高速移动状态下，受多普勒影响，信号到达角产生偏移，θ′k，1，n≠θk，1，n；
确定直射路径到达角θ＇k，1，n与用户方位角θk，1，n的关系：
根据窄带传输模型，静止状态下n时刻用户k与基站间上行信道模型为
其中L为散射信道数，αk，l，n第l条散射路径的阵列响应增益，a(θk，l，n)为第l条散射路径的阵列响应：
d，λ分别为天线阵元间隔、载波波长，θk，l，n为第l条散射路径的到达角，由于高铁通信中散射体较少，且存在强直射路径，设l＝1为直射路径，θk，1，n为中心到达角，也为用户方位角，散射信道到达角分布在θk，1，n周围；
在列车高速移动状态下，信道受多普勒影响产生频偏，实际信道模型为：
其中⊙表示哈达吗积，fD，l为第l条散射路径的多普勒频移：v为列车移动速度；
将上式进行变形，最终信道模型表示为
其中sl，n为：
通过上式来确定直射路径信号到达角θ＇k，1，n与方位角θk，1，n的关系；由步骤(2)可获取到达角θ＇k，1，n，则通过式(12)计算得到用户方位角θk，1，n，直射路径多普勒频移为
设计上行角度波束成形矩阵Bu，对多普勒频移进行补偿：通过波束对准可将波束对向信号直射路径实际到达角方向，因此直接补偿上行频偏：根据步骤(2)，为最优相位旋转矩阵，其中K为用户数，M为基站天线数，则
其中第k个用户对应的最大波束从归一化M点FFT矩阵的第ik列获取；
在设计下行角度波束成形矩阵Bd时，其原则与上行有所不同，下行角度波束成形的原则为：根据用户方位角θk，1，n，设计角度波束成形矩阵，使下行信号到达角方向与用户方位角一致，实现方式为：根据式(11)表达的信道模型，对频偏预处理，消除直射路径多普勒频移，使得下行信道近似与式(8)表达的静止信道模型一致；根据步骤(2)进行波束对准，获取下行最优旋转角及最大波束序列；根据步骤(3)设计下行角度波束成形矩阵Bd。
4.根据权利要求1所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是步骤(6)中所述的数据传输包括以下步骤：
设Wa,a∈{u,d}为基站波束成形矩阵，a为上下行的统称，基站使用混合波束成形：Wa＝BaPa，上下行接收信号分别表示为：
其中xu,xd分别表示发送信息，nu,nd分别表示基站和用户端接收噪声。根据以上两式可计算信号信干噪比和数据吞吐量。
5.根据权利要求4所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是：根据式(14)和式(15)计算信号信干噪比和数据吞吐量的方法为：
将式(14)和式(15)化简为：
式(16)和(17)右边第一项表示有用接收信号，第二项为多用户干扰，第三项表示噪声。由此可获得上下行信号的接收信噪比分别为：
根据香农公式，系统的数据吞吐量为
6.根据权利要求1所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是：设角度相干时间为用户位置信息变化不超过基站天线分辨率的时长，在角度相干时间内，除初始时刻外，省略步骤(2)和(3)。
7.根据权利要求1所述的大规模MIMO高速移动场景下联合多普勒补偿的混合传输方法，其特征是：本发明针对步骤(4-6)给出实际的帧结构设计方法：
结合步骤(4)到步骤(6)，以追踪间隔T0为时长，共设计三种复帧，每种复帧对应两种信道：业务信道和控制信道，在业务信道中，分上行数据帧/导频、下行数据帧；在控制信道中，仅存在控制帧，信道追踪间隔为T0，信道相干时间为T1，T0＜T1；
由步骤(4)得知，信道追踪的原理为根据上一时刻信道状态信息预测当前时刻信道，分以下三种情况对数据进行处理：
情况1：在初始追踪间隔，基站同时对信道和累积误差做预测，若累计误差在容限范围内，则根据预测的信道进行数据传输，此时业务信道无导频帧；
情况2：若信道发生突变，或者累计误差超过门限，基站通过控制信道发送导频请求，用户收到请求后停止发送数据帧，转为发送导频帧；待修正信道状态信息后，恢复数据传输；情况1和2为除第一个T1外，其余T1内T0复帧结构；
情况3：当位于角度相干时间内第一个T1时，需先完成步骤(1)-(3)，此时根据步骤(1)采用LS或MMSE方法估计信道。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810343060.1A CN108650003B (zh) | 2018-04-17 | 2018-04-17 | 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810343060.1A CN108650003B (zh) | 2018-04-17 | 2018-04-17 | 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108650003A true CN108650003A (zh) | 2018-10-12 |
| CN108650003B CN108650003B (zh) | 2021-05-25 |
Family
ID=63746682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810343060.1A Active CN108650003B (zh) | 2018-04-17 | 2018-04-17 | 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108650003B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430147A (zh) * | 2019-07-15 | 2019-11-08 | 东南大学 | 一种面向fdd系统的信道跟踪方法 |
| CN110518941A (zh) * | 2019-09-12 | 2019-11-29 | 杭州电子科技大学 | 一种基于波束平扫的车联网分布式分集发送方法 |
| CN110601737A (zh) * | 2019-09-12 | 2019-12-20 | 杭州电子科技大学 | 一种基于多波束并行发送的车联网链路可靠性增强方法 |
| CN110635836A (zh) * | 2019-09-12 | 2019-12-31 | 重庆大学 | 一种基于波束选择的毫米波大规模mimo系统mmse-pca信道估计方法 |
| CN111586635A (zh) * | 2020-05-18 | 2020-08-25 | 西南交通大学 | 基于精准信道参数的高速铁路光载无线通信系统及方法 |
| CN112946599A (zh) * | 2021-02-04 | 2021-06-11 | 哈尔滨工业大学（威海） | 一种基于稀布阵列的雷达空间谱估计方法 |
| CN113765581A (zh) * | 2021-09-27 | 2021-12-07 | 北京理工大学 | 基于压缩感知与波束对齐的ris快时变信道估计方法 |
| CN113992253A (zh) * | 2021-10-28 | 2022-01-28 | 阳光学院 | 一种波束指向轨迹可控频控阵波束合成方法 |
| CN114070371A (zh) * | 2020-08-05 | 2022-02-18 | 大唐移动通信设备有限公司 | 一种波束赋形方法、装置及可读存储介质 |
| CN112162238B (zh) * | 2020-09-21 | 2022-07-19 | 南昌大学 | 一种基于大规模天线阵的多普勒频偏测量方法 |
| CN116094875A (zh) * | 2023-02-09 | 2023-05-09 | 重庆邮电大学 | 一种超大规模mimo系统中基于上行辅助的otfs下行信道估计方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080118004A1 (en) * | 2004-07-30 | 2008-05-22 | Antonio Forenza | System and method for distributed input-distributed output wireless communications |
| WO2014027835A1 (en) * | 2012-08-14 | 2014-02-20 | Samsung Electronics Co., Ltd. | Multi-user and single user mimo for communication systems using hybrid beam forming |
| US20140133435A1 (en) * | 2004-04-02 | 2014-05-15 | Antonio Forenza | System and method for distributed antenna wireless communications |
| CN105610523A (zh) * | 2016-02-25 | 2016-05-25 | 上海大学 | 基于散射特征的高铁无线信道多普勒功率谱的计算方法 |
| CN105933045A (zh) * | 2016-06-02 | 2016-09-07 | 重庆大学 | 一种高速场景下大规模mimo自适应多波束成形方法 |
-
2018
- 2018-04-17 CN CN201810343060.1A patent/CN108650003B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140133435A1 (en) * | 2004-04-02 | 2014-05-15 | Antonio Forenza | System and method for distributed antenna wireless communications |
| US20080118004A1 (en) * | 2004-07-30 | 2008-05-22 | Antonio Forenza | System and method for distributed input-distributed output wireless communications |
| WO2014027835A1 (en) * | 2012-08-14 | 2014-02-20 | Samsung Electronics Co., Ltd. | Multi-user and single user mimo for communication systems using hybrid beam forming |
| CN105610523A (zh) * | 2016-02-25 | 2016-05-25 | 上海大学 | 基于散射特征的高铁无线信道多普勒功率谱的计算方法 |
| CN105933045A (zh) * | 2016-06-02 | 2016-09-07 | 重庆大学 | 一种高速场景下大规模mimo自适应多波束成形方法 |
Non-Patent Citations (1)
| Title |
|---|
| YINGHAO GE ET AL.: "High-Mobility OFDM Downlink Transmission with Partly Calibrated Subarray-Based Massive Uniform Linear Array", 《IEEE》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110430147B (zh) * | 2019-07-15 | 2021-12-14 | 东南大学 | 一种面向fdd系统的信道跟踪方法 |
| CN110430147A (zh) * | 2019-07-15 | 2019-11-08 | 东南大学 | 一种面向fdd系统的信道跟踪方法 |
| CN110518941A (zh) * | 2019-09-12 | 2019-11-29 | 杭州电子科技大学 | 一种基于波束平扫的车联网分布式分集发送方法 |
| CN110601737A (zh) * | 2019-09-12 | 2019-12-20 | 杭州电子科技大学 | 一种基于多波束并行发送的车联网链路可靠性增强方法 |
| CN110635836A (zh) * | 2019-09-12 | 2019-12-31 | 重庆大学 | 一种基于波束选择的毫米波大规模mimo系统mmse-pca信道估计方法 |
| CN111586635A (zh) * | 2020-05-18 | 2020-08-25 | 西南交通大学 | 基于精准信道参数的高速铁路光载无线通信系统及方法 |
| CN111586635B (zh) * | 2020-05-18 | 2022-08-19 | 西南交通大学 | 基于精准信道参数的高速铁路光载无线通信系统及方法 |
| CN114070371A (zh) * | 2020-08-05 | 2022-02-18 | 大唐移动通信设备有限公司 | 一种波束赋形方法、装置及可读存储介质 |
| CN114070371B (zh) * | 2020-08-05 | 2023-08-11 | 大唐移动通信设备有限公司 | 一种波束赋形方法、装置及可读存储介质 |
| CN112162238B (zh) * | 2020-09-21 | 2022-07-19 | 南昌大学 | 一种基于大规模天线阵的多普勒频偏测量方法 |
| CN112946599A (zh) * | 2021-02-04 | 2021-06-11 | 哈尔滨工业大学（威海） | 一种基于稀布阵列的雷达空间谱估计方法 |
| CN113765581A (zh) * | 2021-09-27 | 2021-12-07 | 北京理工大学 | 基于压缩感知与波束对齐的ris快时变信道估计方法 |
| CN113992253A (zh) * | 2021-10-28 | 2022-01-28 | 阳光学院 | 一种波束指向轨迹可控频控阵波束合成方法 |
| CN113992253B (zh) * | 2021-10-28 | 2024-10-01 | 阳光学院 | 一种波束指向轨迹可控频控阵波束合成方法 |
| CN116094875A (zh) * | 2023-02-09 | 2023-05-09 | 重庆邮电大学 | 一种超大规模mimo系统中基于上行辅助的otfs下行信道估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108650003B (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108650003A (zh) | 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法 | |
| Decurninge et al. | CSI-based outdoor localization for massive MIMO: Experiments with a learning approach | |
| Wong et al. | A joint-channel diagonalization for multiuser MIMO antenna systems | |
| Li et al. | Position-aided large-scale MIMO channel estimation for high-speed railway communication systems | |
| CN110430150B (zh) | 一种基于神经网络的蜂窝移动通信系统接收机设计方法 | |
| CN104617996B (zh) | 大规模mimo系统中最大化最小信噪比的预编码设计方法 | |
| Aref et al. | Deep learning-aided successive interference cancellation for MIMO-NOMA | |
| CN113422745A (zh) | 一种基于深度学习的空海无线信道估计方法 | |
| CN109995403A (zh) | 大规模mimo系统中基于模拟退火思想改进的las检测算法 | |
| CN116600267A (zh) | 一种高铁无蜂窝系统中基于深度强化学习的抗多普勒方法 | |
| Choi et al. | Downlink extrapolation for FDD multiple antenna systems through neural network using extracted uplink path gains | |
| CN104378150A (zh) | 一种分布式mimo系统中最小化误符号率的功率分配方法 | |
| Liao et al. | Deep learning channel estimation based on edge intelligence for NR-V2I | |
| Khan | Modeling and characterization of multipath fading channels in cellular mobile communication systems | |
| Padmanabhan et al. | Training-based antenna selection for PER minimization: A POMDP approach | |
| CN104702540B (zh) | 一种用于小区边缘终端的信号接收优化方法 | |
| CN103607231B (zh) | 高速移动环境下利用多天线的快速波束切换方法 | |
| Zia et al. | Deep learning for Parametric Channel Estimation in massive MIMO systems | |
| Luo et al. | Deep learning-based channel estimation approach for 3d massive mimo millimeter-wave system in time-varying environments | |
| Yang et al. | A blind CSI prediction method based on deep learning for V2I millimeter-wave channel | |
| Dai et al. | Channel estimation with predictor antennas in high-speed railway | |
| Zeng et al. | Analysis of massive ultra-reliable and low-latency communications over the κ-μ shadowed fading channel | |
| Hikosaka et al. | Proposal of polarization state prediction using quaternion neural networks for fading channel prediction in mobile communications | |
| CN101989875B (zh) | 多小区干扰抑制方法及基站控制器 | |
| Tang et al. | Joint Sparsity and Low-Rank Minimization for Reconfigurable Intelligent Surface-Assisted Channel Estimation |
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 |