CN108736938B - 用于大规模mimo上行链路信道估计和数据解调方法 - Google Patents

用于大规模mimo上行链路信道估计和数据解调方法 Download PDF

Info

Publication number
CN108736938B
CN108736938B CN201811044894.9A CN201811044894A CN108736938B CN 108736938 B CN108736938 B CN 108736938B CN 201811044894 A CN201811044894 A CN 201811044894A CN 108736938 B CN108736938 B CN 108736938B
Authority
CN
China
Prior art keywords
matrix
vector
phase noise
channel
variance
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
CN201811044894.9A
Other languages
English (en)
Other versions
CN108736938A (zh
Inventor
许可
成先涛
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology 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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811044894.9A priority Critical patent/CN108736938B/zh
Publication of CN108736938A publication Critical patent/CN108736938A/zh
Application granted granted Critical
Publication of CN108736938B publication Critical patent/CN108736938B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

Landscapes

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

Abstract

本发明属于无线通信技术领域，涉及用于大规模MIMO上行链路信道估计和数据解调方法。本发明主要包括：首先对信道矢量的估计：假定相位噪声为0，作为迭代的初始值，计算信道矢量的后验分布的均值和方差，计算等效发射端相位噪声展开矢量的后验分布的均值和方差，对信道矢量的先验协方差矩阵D进行更新；实现对数据符号的估计，计算等效发射端相位噪声展开矢量的后验分布的均值和方差，计算数据符号的后验分布的均值和方差；在已知接收信号的条件下，信道矢量和数据符号矢量将收敛于一个稳定的值。本发明与传统变分贝叶斯推断算法相比，将信道估计的协方差矩阵的求逆运算转化为对角矩阵的求逆，从而该算法拥有较低的复杂度。

Description

用于大规模MIMO上行链路信道估计和数据解调方法
技术领域
本发明属于无线通信技术领域，涉及带有双端相位噪声的用于大规模MIMO上行链路信道估计和数据解调方法。
背景技术
在现代无线通信系统中，大规模MIMO系统由于其较高的频谱效率和能量效率而被广泛认为是下一代移动通信的核心技术，通常情况下，基站拥有几百根天线，可以在同时同频的条件下为数十个用户服务，从而显著提高频谱效率。随着基站天线数的增加，大规模MIMO的天线增益可以使每个用户的发送信号的功率显著降低，从而提高能量效率。
为了充分发挥大规模MIMO系统的优势，信道状态信息需要提前获得，然后在获得信道信息的情况下进行数据的判决和解调，然而，在大规模MIMO系统中进行信道和数据的估计往往是困难的，目前已经存在的一些算法都具有较高的复杂度，尤其是在相位噪声存在的情况下。大规模MIMO通信系统的信号在传输过程中，除了经历信道的衰落以外，还要受到射频器件非线性因素的影响，这两个因素使在接收端系统的性能降低。通信系统中射频前端的非理想部分主要包括相位噪声，IQ幅度相位不平衡，功率放大器非线性失真等，相位噪声，实际上是对频率源频率稳定度的一种表征。通常情况下，频率稳定度分为长期频率稳定度和短期频率稳定度。所谓短期频率稳定度，是指由随机噪声引起的相位起伏或频率起伏。至于因为温度、老化等引起的频率慢漂移，则称之为长期频率稳定度。通常主要考虑的是短期稳定度问题，可以认为相位噪声就是短期频率稳定度，只不过是一个物理现象的两种不同表示方式。对于振荡器，频率稳定度是它在整个规定的时间范围内产生相同频率的一种量度。如果信号频率存在瞬时的变化，不能保持不变，那么信号源就存在着不稳定性，起因就是相位噪声。在大规模MIMO通信系统中，发送端与接收端都需要产生相应的载波以完成相应的射频与基带间的频谱转换。然而产生载波的晶体振荡器与锁相环存在一定的差异性，造成了载波频率与目标频率存在短时的随机差异，进而造成所产生的正弦波信号发生随机相位跳变，表现为相位噪声。对于正交频分的调制方式，相位噪声会产生公共相位误差和载波间干扰，这将严重影响系统的性能。
发明内容
本发明的目的在于在基站和用户都有相位噪声存在的情况下，提供一种针对大规模MIMO-OFDM系统上行链路的信道估计和数据解调的快速算法，具有较低的复杂度，便于在硬件上实现。
本发明采用了变分贝叶斯推断算法，变分贝叶斯推断算法是一种求解未知随机变量的后验分布的算法，通过不断地迭代，得到样本已知的条件下的隐藏变量的均值与方差。
为了便于本领域内技术人员对本发明技术方案的理解，首先对本发明采用的系统模型进行说明。
考虑带有相位噪声的MIMO OFDM系统上行链路的模型，发射端有K个用户，每个用户有1根天线，接收端基站有M根天线，发射端第k个用户和接收端第m根天线之间的时域信道矢量记为
Figure GDA0002684653740000021
其中L为信道矢量的长度。对于每个OFDM符号，接收端第m根天线的时域信号表达式为
Figure GDA0002684653740000022
其中，
Figure GDA0002684653740000023
是第m根天线上的时域接收信号，N是OFDM子载波的个数，
Figure GDA0002684653740000024
是接收端第m根天线的相位噪声矩阵，
Figure GDA0002684653740000025
是发射端第k个用户的相位噪声矩阵，
Figure GDA0002684653740000026
是第k个用户到接收端第m根天线之间的circulant信道矩阵，它的第1列为
Figure GDA0002684653740000027
其中01×(N-L)表示元素全为0、长度为N-L的行矢量。F∈CN×N是归一化的FFT矩阵，它的第i行第j个元素为
Figure GDA0002684653740000028
dk＝[dk,1,dk,2,…,dk,N]T是第k个用户发送的数据或者导频序列。
Figure GDA0002684653740000029
是时域的复高斯白噪声序列，
Figure GDA00026846537400000210
Figure GDA00026846537400000211
可以分解为以下的形式：
Figure GDA00026846537400000212
其中Hm,k＝diag{[Hm,k,1,Hm,k,2,…,Hm,k,N]T}，
且
Figure GDA00026846537400000213
把(2)代入(1)得
Figure GDA00026846537400000214
将(3)改写为
Figure GDA0002684653740000031
Figure GDA0002684653740000032
表示非归一化FFT矩阵，它的第i行第j列元素为
Figure GDA0002684653740000033
表示由
Figure GDA0002684653740000034
的前L列组成的矩阵。记
Figure GDA0002684653740000035
Figure GDA0002684653740000036
将(4)改写为
Figure GDA0002684653740000037
下面统一把接收端的相位噪声矢量θr,m＝[θr,m,1,θr,m,2,…,θr,m,N]T和发射端的相位噪声矢量θt,k＝[θt,k,1,θt,k,2,…,θt,k,N]T统一记为θ＝[θ1,θ2,…,θN]T，把
Figure GDA0002684653740000038
和
Figure GDA0002684653740000039
统一记为
Figure GDA00026846537400000310
由于θn的值很小，可以利用近似关系
Figure GDA00026846537400000311
则有p≈1+jθ，其中1表示元素全为1的N维列向量。
θ＝[θ1,θ2,…,θN]T为实高斯分布的相位噪声矢量，即θ＝N(0,Φ)。由于θ的协方差矩阵Φ为实对称矩阵，其特征值是实数，并且可以用正交矩阵进行相似对角化：
Φ＝UΛUT (6)
其中Λ＝diag{[λ1,λ2,…,λN]T}是对角矩阵，对角元素为Φ的降序排列的特征值，U是正交矩阵，它的每一列是Λ对应列的特征值的特征向量。通过计算可以发现，Λ中的对角元只有前若干项的值较大，其它的元素和前若干项相比很小，因此可以只取前I项来近似，即
Φ≈VΓVT (7)
Γ＝diag{[λ1,λ2,…,λI]T}是以Λ中前I个特征值为对角元素的对角矩阵，V∈CN×I是由前U的前I列组成的矩阵。对相位噪声矢量θ作线性变换
θ＝Ux'≈Vx (8)
由高斯分布的性质可知，x＝N(0,Γ)，由于Γ为对角阵，所以x的各个分量之间是相互独立的。由此，发射端相位噪声矩阵可以近似为Pt,k＝diag{1+jVxt,k}，接收端相位噪声矩阵可以近似为Pr,m＝diag{1+jVxr,m}，代入(5)可得
Figure GDA0002684653740000041
其中，
Figure GDA0002684653740000042
是经过近似的矩阵。
现把接收端天线分成G组，则每组有M/G＝S根天线，每组的S根天线使用同一振荡器，则组内各天线上的相位噪声的值相同，即对于第g(g＝1,2,…,G)组内的天线，有
Figure GDA0002684653740000043
Figure GDA0002684653740000044
的先验概率密度函数为
Figure GDA0002684653740000045
hm服从复高斯的先验分布
Figure GDA0002684653740000046
其中协方差矩阵
Figure GDA0002684653740000047
另一方面，假定符号序列dk服从如下的先验复高斯分布，且不同用户之间的数据统计意义上是相互独立的
p(dk)＝CN(0,I)＝π-Nexp{-||dk||2},k＝1,2,…,K (12)
如果利用传统的变分贝叶斯推断，计算信道矢量和数据符号的协方差矩阵时都要涉及大维度矩阵的求逆运算，这将大大增加算法复杂度，不利于在硬件上实现，如果进一步假定各个待估计矢量的各个元素的后验概率是相互独立的，再利用Kullback-Leibler散度求得新后验分布与原后验概率分布的最佳近似，可以获得简化形式的协方差矩阵。此外，接收端相位噪声也可等效到发射端，因此可以只求用户一端的相位噪声，实现与两端相位噪声的估计相近的效果。本发明通过上述一系列的近似手段来进行化简，从而使算法的复杂度显著降低。
本发明通过如下步骤实现：
S1、通过以下步骤的迭代来实现对信道矢量的估计：
S11、假定相位噪声为0，作为迭代的初始值；
S12、计算信道矢量的后验分布的均值和方差：
Figure GDA0002684653740000051
Figure GDA0002684653740000052
S13、计算等效发射端相位噪声展开矢量的后验分布的均值和方差：
Figure GDA0002684653740000053
Figure GDA0002684653740000054
S14、对信道矢量的先验协方差矩阵D进行更新；
Figure GDA0002684653740000055
S15、循环步骤S11—S15，在已知接收信号的条件下，信道矢量将收敛于一个稳定的值；
S2、通过以下步骤的迭代来实现对数据符号的估计：
S21、计算等效发射端相位噪声展开矢量的后验分布的均值和方差
Figure GDA0002684653740000056
Figure GDA0002684653740000057
S22、计算数据符号的后验分布的均值和方差
Figure GDA0002684653740000061
Figure GDA0002684653740000062
S23、循环步骤S21—S22，在已知接收信号的条件下，数据符号矢量将收敛于一个稳定的值。
本发明的有益效果为能够在相位噪声存在的条件下实现对大规模MIMO系统上行链路实现准确的信道和数据的估计，与传统变分贝叶斯推断算法相比，将信道估计的协方差矩阵的求逆运算转化为对角矩阵的求逆，从而该算法拥有较低的复杂度。
附图说明
图1是本发明使用的相位噪声影响下的大规模MIMO系统上行链路示意图；
图2是本发明使用的信道模型图；
图3是本发明实现信道估计算法的流程图；
图4是本发明的方法下的BER性能曲线图。
具体实施方式
下面结合附图说明本发明的实际效果。
本发明主要包括：
S1、通过以下步骤的迭代来实现对信道矢量的估计：
S11、假定相位噪声为0，作为迭代的初始值；
S12、计算信道矢量的后验分布的均值和方差：
Figure GDA0002684653740000063
Figure GDA0002684653740000064
其中，
Figure GDA0002684653740000065
S13、计算等效发射端相位噪声展开矢量的后验分布的均值和方差：
Figure GDA0002684653740000071
Figure GDA0002684653740000072
其中，
Figure GDA0002684653740000073
是circulant矩阵，它的第1列为
Figure GDA0002684653740000074
其中
Figure GDA0002684653740000075
是
Figure GDA0002684653740000076
的后验概率的均值，
Figure GDA0002684653740000077
表示把
Figure GDA0002684653740000078
分成K×K的分块矩阵后，第j行第k列个块对应的子矩阵，⊙表示矩阵的对应元素相乘。
S14、对信道矢量的先验协方差矩阵D进行更新；
Figure GDA0002684653740000079
S15、循环步骤S11—S15，在已知接收信号的条件下，信道矢量将收敛于一个稳定的值；
S2、通过以下步骤的迭代来实现对数据符号的估计：
S21、计算等效发射端相位噪声展开矢量的后验分布的均值和方差
Figure GDA00026846537400000710
Figure GDA00026846537400000711
S22、计算数据符号的后验分布的均值和方差
Figure GDA0002684653740000081
Figure GDA0002684653740000082
S23、循环步骤S21—S22，在已知接收信号的条件下，数据符号矢量将收敛于一个稳定的值。
图4是利用本发明的算法进行信道和数据符号估计后的系统BER曲线图，调制方式采用64QAM，相位噪声水平为-95dBc/Hz@1MHz，天线分组数为8，信道长度为64，用于估计信道的导频采用相位均匀分布的复指数符号，基站天线数为64，用户数为5，OFDM子载波个数为512，算法迭代次数为2。从图中可以看出，在没有利用本发明的算法进行相位噪声补偿的情况下，系统性能很差，本发明的算法可以有效抑制相位噪声带来的不利影响。同时，图中也画出了传统变分贝叶斯推断算法的性能曲线，由于本发明的算法属于该算法的近似，该算法的理论性能应优于本发明的算法，但是图中可以看出两条曲线基本重合，本发明的算法的复杂度远低于传统贝叶斯推断算法，因此本发明的算法更具实用价值。

Claims (1)

1.用于大规模MIMO上行链路信道估计和数据解调方法，设定系统发射端有K个用户，每个用户有1根天线，接收端基站有M根天线，发射端第k个用户和接收端第m根天线之间的时域信道矢量记为
Figure FDA0002684653730000011
其中L为信道矢量的长度，对于每个OFDM符号，接收端第m根天线的时域信号表达式为
Figure FDA0002684653730000012
其中，
Figure FDA0002684653730000013
是第m根天线上的时域接收信号，N是OFDM子载波的个数，
Figure FDA0002684653730000014
是接收端第m根天线的相位噪声矩阵，
Figure FDA0002684653730000015
是发射端第k个用户的相位噪声矩阵，
Figure FDA0002684653730000016
是第k个用户到接收端第m根天线之间的circulant信道矩阵，它的第1列为
Figure FDA0002684653730000017
其中01×(N-L)表示元素全为0、长度为N-L的行矢量，F∈CN×N是归一化的FFT矩阵，它的第i行第j个元素为
Figure FDA0002684653730000018
dk＝[dk,1,dk,2,…,dk,N]T是第k个用户发送的数据或者导频序列，
Figure FDA0002684653730000019
是时域的复高斯白噪声序列，
Figure FDA00026846537300000110
Figure FDA00026846537300000111
分解为以下的形式：
Figure FDA00026846537300000112
其中Hm,k＝diag{[Hm,k,1,Hm,k,2,…,Hm,k,N]T}，
且
Figure FDA00026846537300000113
把(2)代入(1)得
Figure FDA00026846537300000114
将(3)改写为
Figure FDA00026846537300000115
Figure FDA00026846537300000116
表示非归一化FFT矩阵，它的第i行第j列元素为
Figure FDA00026846537300000117
表示由
Figure FDA00026846537300000118
的前L列组成的矩阵，记
Figure FDA0002684653730000021
Figure FDA0002684653730000022
将(4)改写为
Figure FDA0002684653730000023
统一把接收端的相位噪声矢量θr,m＝[θr,m,1,θr,m,2,…,θr,m,N]T和发射端的相位噪声矢量θt,k＝[θt,k,1,θt,k,2,…,θt,k,N]T统一记为θ＝[θ1,θ2,…,θN]T，把
Figure FDA0002684653730000024
和
Figure FDA0002684653730000025
统一记为
Figure FDA0002684653730000026
由于θn的值很小，利用近似关系
Figure FDA0002684653730000027
则有p≈1+jθ，其中1表示元素全为1的N维列向量；
θ＝[θ1,θ2,…,θN]T为实高斯分布的相位噪声矢量，即θ＝N(0,Φ)，由于θ的协方差矩阵Φ为实对称矩阵，其特征值是实数，并且可以用正交矩阵进行相似对角化：
Φ＝UΛUT (6)
其中Λ＝diag{[λ1,λ2,…,λN]T}是对角矩阵，对角元素为Φ的降序排列的特征值，U是正交矩阵，它的每一列是Λ对应列的特征值的特征向量；Λ中的对角元只有前若干项的值较大，其它的元素和前若干项相比很小，因此只取前I项来近似，即
Φ≈VΓVT (7)
Γ＝diag{[λ1,λ2,…,λI]T}是以Λ中前I个特征值为对角元素的对角矩阵，V∈CN×I是由前U的前I列组成的矩阵，对相位噪声矢量θ作线性变换
θ＝Ux'≈Vx (8)
由高斯分布的性质可知，x＝N(0,Γ)，由于Γ为对角阵，所以x的各个分量之间是相互独立的；由此，将发射端相位噪声矩阵近似为Pt,k＝diag{1+jVxt,k}，接收端相位噪声矩阵近似为Pr,m＝diag{1+jVxr,m}，代入(5)可得
Figure FDA0002684653730000028
其中，
Figure FDA0002684653730000029
是经过近似的矩阵；
把接收端天线分成G组，则每组有M/G＝S根天线，每组的S根天线使用同一振荡器，则组内各天线上的相位噪声的值相同，即对于第g(g＝1,2,…,G)组内的天线，有
Figure FDA0002684653730000031
Figure FDA0002684653730000032
的先验概率密度函数为
Figure FDA0002684653730000033
hm服从复高斯的先验分布
Figure FDA0002684653730000034
其中协方差矩阵
Figure FDA0002684653730000035
同时，设定符号序列dk服从如下的先验复高斯分布，且不同用户之间的数据统计意义上是相互独立的
p(dk)＝CN(0,I)＝π-Nexp{-||dk||2},k＝1,2,…,K (12)
其特征在于，包括以下步骤：
S1、通过以下步骤的迭代来实现对信道矢量的估计：
S11、假定相位噪声为0，作为迭代的初始值；
S12、计算信道矢量的后验分布的均值和方差：
Figure FDA0002684653730000036
Figure FDA0002684653730000037
其中，
Figure FDA0002684653730000038
S13、计算等效发射端相位噪声展开矢量的后验分布的均值和方差：
Figure FDA0002684653730000039
Figure FDA00026846537300000310
其中，
Figure FDA0002684653730000041
是circulant矩阵，它的第1列为
Figure FDA0002684653730000042
其中
Figure FDA0002684653730000043
是
Figure FDA0002684653730000044
的后验概率的均值，
Figure FDA0002684653730000045
表示把
Figure FDA0002684653730000046
分成K×K的分块矩阵后，第j行第k列个块对应的子矩阵；
S14、对信道矢量的先验协方差矩阵D进行更新；
Figure FDA0002684653730000047
S15、循环步骤S11—S15，在已知接收信号的条件下，信道矢量将收敛于一个稳定的值；
S2、通过以下步骤的迭代来实现对数据符号的估计：
S21、计算等效发射端相位噪声展开矢量的后验分布的均值和方差
Figure FDA0002684653730000048
Figure FDA0002684653730000049
S22、计算数据符号的后验分布的均值和方差
Figure FDA00026846537300000410
Figure FDA00026846537300000411
S23、循环步骤S21—S22，在已知接收信号的条件下，数据符号矢量将收敛于一个稳定的值。
CN201811044894.9A 2018-09-07 2018-09-07 用于大规模mimo上行链路信道估计和数据解调方法 Expired - Fee Related CN108736938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811044894.9A CN108736938B (zh) 2018-09-07 2018-09-07 用于大规模mimo上行链路信道估计和数据解调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811044894.9A CN108736938B (zh) 2018-09-07 2018-09-07 用于大规模mimo上行链路信道估计和数据解调方法

Publications (2)

Publication Number Publication Date
CN108736938A CN108736938A (zh) 2018-11-02
CN108736938B true CN108736938B (zh) 2021-01-22

Family

ID=63941867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811044894.9A Expired - Fee Related CN108736938B (zh) 2018-09-07 2018-09-07 用于大规模mimo上行链路信道估计和数据解调方法

Country Status (1)

Country Link
CN (1) CN108736938B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112490688B (zh) * 2020-12-04 2023-06-23 Oppo广东移动通信有限公司 一种确定方法、设备及计算机存储介质
CN112565121B (zh) * 2020-12-07 2022-05-13 电子科技大学 用于智能反射面辅助的大规模mimo系统的半盲信道估计方法
CN114520756B (zh) * 2022-02-17 2023-03-21 电子科技大学 基于mimo的低复杂度单载波频域均衡方法及接收机
CN114629533B (zh) * 2022-02-17 2023-04-18 东南大学 大规模mimo信道估计的信息几何方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106664278A (zh) * 2014-06-30 2017-05-10 瑞典爱立信有限公司 相位噪声估计和补偿
CN107248901A (zh) * 2017-07-04 2017-10-13 电子科技大学 基于分块和gamp算法融合的相位噪声补偿抑制方法
CN108496310A (zh) * 2016-07-20 2018-09-04 华为技术有限公司 一种信号解码方法、装置及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10236948B2 (en) * 2016-10-27 2019-03-19 Korea University Research And Business Foundation MIMO systems with independent oscillators and phase noise mitigation method thereof
US10411914B2 (en) * 2016-12-14 2019-09-10 Intel IP Corporation Data detection in MIMO systems with demodulation and tracking reference signals

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106664278A (zh) * 2014-06-30 2017-05-10 瑞典爱立信有限公司 相位噪声估计和补偿
CN108496310A (zh) * 2016-07-20 2018-09-04 华为技术有限公司 一种信号解码方法、装置及设备
CN107248901A (zh) * 2017-07-04 2017-10-13 电子科技大学 基于分块和gamp算法融合的相位噪声补偿抑制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Channel Estimation for FDD Multi-User Massive MIMO: A Variational Bayesian Inference-Based Approach;Xiantao Cheng;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20171130;第16卷(第11期);全文 *

Also Published As

Publication number Publication date
CN108736938A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN107947839B (zh) 用于大规模mimo系统的相位噪声补偿抑制方法
CN108736938B (zh) 用于大规模mimo上行链路信道估计和数据解调方法
CN108965174B (zh) 大规模mimo系统上行链路的联合信道估计和数据解调方法
Wang et al. Bayesian optimal data detector for mmWave OFDM system with low-resolution ADC
US9819526B2 (en) Apparatus and methods for low PAPR transmission in MIMO systems
US11128507B2 (en) Method and arrangement for signal distortion mitigation
Chen et al. Low-complexity precoding design for massive multiuser MIMO systems using approximate message passing
EP2453587B1 (en) Method, apparatus and system for transmitting channel state information
Zhao et al. Block sparse Bayesian learning-based channel estimation for MIMO-OTFS systems
CN109150260B (zh) 带有双端相位噪声的大规模mimo系统上行链路数据估计方法
CN110166401B (zh) 大规模mimo正交频分复用系统的相位噪声抑制方法
CN108924075B (zh) 基于最大后验准则的毫米波系统双端相位噪声抑制方法
CN108881078B (zh) 基于变分贝叶斯推断的毫米波系统双端相位噪声抑制方法
CN109257080B (zh) 大规模mimo系统下行链路中的多用户相位噪声补偿抑制方法
Domouchtsidis et al. Constant envelope MIMO-OFDM precoding for low complexity large-scale antenna array systems
CN108965172B (zh) 带有相位噪声的大规模mimo系统上行链路信道估计方法
Teng et al. Joint estimation of channel and I/Q imbalance in massive MIMO: A two-timescale optimization approach
US9979449B2 (en) Systems and methods for detecting data in a received multiple-input-multiple-output (MIMO) signal
Taner et al. Alternating projections method for joint precoding and peak-to-average-power ratio reduction
CN108540187B (zh) 基于mmse准则提高非线性mu mimo系统性能的方法及装置
Wan et al. A novel PAPR reduction method for hybrid beamforming transmitter
CN108965195B (zh) 大规模mimo系统下行链路中的单用户相位噪声补偿抑制方法
CN108696465A (zh) 带有双端相位噪声的大规模mimo系统上行链路信道估计方法
CN108768480B (zh) 带有相位噪声的大规模mimo系统上行链路数据估计方法
Khan et al. On PAPR reduction and transmit distortion compensation in massive MIMO OFDM systems

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

Granted publication date: 20210122