CN108965172A - 带有相位噪声的大规模mimo系统上行链路信道估计方法 - Google Patents

Abstract

本发明属无线通信技术领域，涉及一种带有相位噪声的大规模MIMO系统上行链路信道估计方法。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。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系统上行链路的信道估计，获得准确的信道信息，显著提高系统性能。

Description

带有相位噪声的大规模MIMO系统上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，涉及在相位噪声存在的情况下，利用基于变分贝叶斯推断算法对大规模MIMO系统上行链路进行信道估计。

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，然而准确获得信道状态信息往往是困难的，尤其是当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方法，在恶劣的硬件条件下准确估计信道，从而充分发挥大规模MIMO系统的优势。

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

其中，是第m根天线上的时域接收信号，N是OFDM子载波的个数，是接收端第m根天线的相位噪声矩阵，是第k个用户到接收端第m根天线之间的Toeplitz信道矩阵，它的第1列为其中0_1×(N-L)表示元素全为0、长度为N-L的行矢量。F∈C^N×N是归一化的FFT矩阵，它的第i行第j个元素为d_k＝[d_k,1,d_k,2,…,d_k,N]^T是第k个用户发送的数据或者导频序列。是时域的复高斯白噪声序列，

可以分解为以下的形式：

其中H_m,k＝diag{[H_m,k,1,H_m,k,2,…,H_m,k,N]^T}，

且把(2)代入(1)得

将(3)改写为

表示非归一化FFT矩阵，它的第i行第j列元素为 表示由的前L列组成的矩阵。记

将(4)改写为

将(5)进一步改写为

其中由于θ_m,n的值很小，可以利用近似关系把(6)近似为

其中1表示长度为N的全1列向量，θ_m＝[θ_m,1,θ_m,2,…,θ_m,N]^T为实高斯分布的相位噪声矢量，即θ_m＝N(0,Φ)。由于θ_m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＝UΛU^T (8)

其中Λ＝diag{[λ₁,λ₂,…,λ_N]^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≈VΓV^T (9)

Γ＝diag{[λ₁,λ₂,…,λ_I]^T}是以Λ中前I个特征值为对角元素的对角矩阵，V∈C^N×I是由前U的前I列组成的矩阵。对相位噪声矢量θ_m作线性变换

θ_m＝Ux'_m≈Vx_m (10)

由高斯分布的性质可知，x_m＝N(0,Γ)，由于Γ为对角阵，所以x_m的各个分量之间是相互独立的。把(10)代入(7)可得

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g＝1,2,…,G。的先验概率密度函数为

h_m服从复高斯的先验分布

其中协方差矩阵

在相位噪声和信道都已知的条件下，第m根天线上的接收信号服从如下的复高斯分布

其中表示上取整。

本发明通过如下步骤实现：

S1、在初始阶段，假定相位噪声不存在，进行粗略的信道估计；

S2、通过以下的步骤来实现变分贝叶斯算法的迭代：

S21、计算信道矢量的后验分布的均值和方差：

S22、计算相位噪声展开矢量的后验分布的均值和方差：

S23、对信道矢量的先验协方差矩阵D进行更新；

S24、循环步骤S21—S23，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。

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系统上行链路的信道估计，获得准确的信道信息，显著提高系统性能。

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是信道估计的MSE性能效果曲线图；

具体实施方式

下面结合附图对本发明进行详细的描述：

S1、在初始情况下，假定相位噪声不存在，即初始情况下的相位噪声展开矢量的均值矢量和协方差矩阵都为零。

S2、通过以下的步骤来实现变分贝叶斯算法的迭代：

S21、计算信道矢量的后验分布的均值和方差：

其中，表示一个对角矩阵，对角矩阵的对角元素为该符号内部矩阵的对角元素。

S22、计算相位噪声展开矢量的后验分布的均值和方差：

S23、对信道矢量的先验协方差矩阵进行更新：

其中，表示矢量的第l个元素，表示矩阵的第l个对角元素。

S24、循环步骤S21—S23，在已知接收信号的条件下，信道矢量的估计值将收敛于一个稳定的值。

图4是在不同的相位噪声水平和天线分组的条件下信道估计的MSE性能曲线，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，相位噪声水平分别取-90dBc/Hz@1MHz，-85dBc/Hz@1MHz和-80dBc/Hz@1MHz的条件下，天线分组数分别取1、8、64，算法迭代次数为2。

从仿真曲线可以看出，信道估计精度受相位噪声的影响较大，而与天线分组情况基本无关，利用本发明所提出的变分贝叶斯推断算法，可以实现较为准确的信道估计，MSE水平均在-10dB以下。

Claims (1)

1.带有相位噪声的大规模MIMO系统上行链路信道估计方法，设定带有相位噪声的MIMOOFDM系统上行链路中，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

其中，是第m根天线上的时域接收信号，N是OFDM子载波的个数，是接收端第m根天线的相位噪声矩阵，是第k个用户到接收端第m根天线之间的Toeplitz信道矩阵，它的第1列为其中0_1×(N-L)表示元素全为0、长度为N-L的行矢量，F∈C^N×N是归一化的FFT矩阵，它的第i行第j个元素为d_k＝[d_k,1,d_k,2,…,d_k,N]^T是第k个用户发送的数据或者导频序列，是时域的复高斯白噪声序列，

分解为以下的形式：

其中H_m,k＝diag{[H_m,k,1,H_m,k,2,…,H_m,k,N]^T}，且把(2)代入(1)得

将(3)改写为

表示非归一化FFT矩阵，它的第i行第j列元素为 表示由的前L列组成的矩阵；记

将(4)改写为

将(5)进一步改写为

其中设定θ_m,n的值很，利用近似关系把(6)近似为

其中1表示长度为N的全1列向量，θ_m＝[θ_m,1,θ_m,2,…,θ_m,N]^T为实高斯分布的相位噪声矢量，即θ_m＝N(0,Φ)；设定θ_m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＝UΛU^T (8)

其中Λ＝diag{[λ₁,λ₂,…,λ_N]^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；设定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≈VΓV^T (9)

Γ＝diag{[λ₁,λ₂,…,λ_I]^T}是以Λ中前I个特征值为对角元素的对角矩阵，V∈C^N×I是由前U的前I列组成的矩阵，对相位噪声矢量θ_m作线性变换

θ_m＝Ux'_m≈Vx_m (10)

由高斯分布的性质可知，x_m＝N(0,Γ)，由于Γ为对角阵，所以x_m的各个分量之间是相互独立的，把(10)代入(7)可得

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 的先验概率密度函数为

h_m服从复高斯的先验分布

其中协方差矩阵

在相位噪声和信道都已知的条件下，第m根天线上的接收信号服从如下的复高斯分布

其中表示上取整；

其特征在于，所述信道估计方法包括以下步骤：

S1、在初始阶段，假定相位噪声不存在，进行粗略的信道估计；

S2、通过以下的步骤来实现变分贝叶斯算法的迭代：

S21、计算信道矢量的后验分布的均值和方差：

S22、计算相位噪声展开矢量的后验分布的均值和方差：

S23、对信道矢量的先验协方差矩阵D进行更新；

S24、循环步骤S21—S23，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。