CN109818887B - 基于evd-ilsp的半盲信道估计方法 - Google Patents
基于evd-ilsp的半盲信道估计方法 Download PDFInfo
- Publication number
- CN109818887B CN109818887B CN201910173040.9A CN201910173040A CN109818887B CN 109818887 B CN109818887 B CN 109818887B CN 201910173040 A CN201910173040 A CN 201910173040A CN 109818887 B CN109818887 B CN 109818887B
- Authority
- CN
- China
- Prior art keywords
- matrix
- channel estimation
- cell
- ambiguity
- signal
- 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.)
- Active
Links
Images
Abstract
本发明公开了一种基于EVD‑ILSP的半盲信道估计方法,主要解决传统半盲信道估计方法使用有限数量的样本数据对信道估计造成误差的问题。其实现方案是,1)目标小区基站接收数据信号和导频信号,并求解数据信号的协方差矩阵;2)采用EVD算法对协方差矩阵进行特征值分解,计算带有模糊度的信道估计值;3)利用目标小区基站接收各用户的导频信号求解模糊度因子估计值,得到目标小区的初始信道估计值;4)根据2)和3)的结果,用ILSP算法得到最终的信道估计值。本发明提高了系统的频带利用效率,减小了因有限样本接收数据信号带来的信道估计误差,可用于在多小区多用户大规模MIMO系统中进行基站信号与用户之间的信道估计。
Description
技术领域
本发明属于无线通信技术领域,特别涉及一种半盲信道估计方法,可用于在多小区多用户大规模MIMO系统中进行基站信号与用户之间的信道估计。
背景技术
随着现代社会移动数据量和接入设备数的激增以及物联网IoT、电子银行、电子商务等新业务出现,人们对于通信的需求越来越大,要求也越来越高。传输速度更高、容量更大、时延更小、能耗更低、安全性更高的通信技术成为当前通信研究领域的关注热点。大规模MIMO具有高频谱利用率、低功耗、少延迟等优势,因此成为下一代移动通信的核心技术之一。
在多小区多用户大规模MIMO系统中各小区用户之间导频复用导致的导频污染问题是该系统的瓶颈问题,有效的信道估计方法可以有效的抑制导频污染。信道估计方法可以分为基于导频或训练序列的信道估计方法、半盲估计方法和盲信道估计方法。前者由于需要将大量的导频信号加入到传输信号中,占用了频带资源,引起冗余,降低了数据传输速率。因此对盲信道估计和半盲信道估计方法的研究成为了对大规模MIMO系统研究的热点问题。盲信道估计方法是利用信道的输入、输出信号的统计信息在无需导频或训练数据的情况下估计信道参数。虽然该方法的频谱利用率高,但是计算复杂度也较高,算法收敛速度慢,且估计精度与传输信号的统计特性有关。所以半盲信道估计方法作为一种折中的方法,利用少量的短导频信号,以及输入、输出信号的统计信息优化跟踪信道参数。比如基于子空间的半盲信道估计方法,通过接收数据信号的二阶统计特性,通过特定的算法进行分解得到初步信道估计矩阵,再利用少量接收导频信号解决初步估计值的模糊问题得到最终的信道估计值。也有的半盲信道估计方法是对接收数据信号子空间进行分区信道估计,或者通过子空间投影法进行信道估计,获取信道状态信息。
2007年,B.Muquet提出了基于EVD算法的半盲信道估计方法,但是在实际的大规模MIMO系统中,由于空间上的基站天线数目受限造成系统信道不完全正交,以及使用有限的样本接收数据代替真实信道数据,使得该方法对多小区多用户大规模MIMO系统的信道估计存在较大误差。
发明内容
本发明的目的在于针对上述新技术的不足,提供一种在多小区多用户大规模MIMO系统中基于EVD-ILSP的半盲信道估计方法,以减小估计误差,提高信道估计精度。
为实现上述目的,本发明的实现方案包括如下:
(3)对协方差矩阵进行特征值分解,求出左特征值向量矩阵Uj、特征值矩阵∑j和右特征值向量矩阵Vj,取特征值矩阵∑j的所有特征值中最大的前K个特征值在左特征值向量矩阵Uj中所对应的K列,组成特征向量矩阵其中K为小区内用户数;
本发明与现有技术相比具有以下优点:
1)本发明是在多小区多用户大规模MIMO系统中采用基于EVD半盲信道估计方法,所用导频或训练序列较少并且比较短,提高了系统的频带利用效率。
2)本发明采用了将EVD分解算法与ILSP迭代算法相结合的方法,与现有的基于子空间的半盲信道估计算法相比,避免了因有限样本接收数据信号带来的信道估计误差的问题,具有更高的准确度。
3)本发明在传统半盲信道估计算法中引进了迭代思想,提升了估计的精度。
附图说明
图1为本发明的实现流程图;
图2为本发明中使用的多小区多用户大规模MIMO系统模型图;
图3为本发明中使用的时分双工TDD模式下数据传输示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参照图2,本发明中使用的多小区多用户大规模MIMO系统,包括:L个小区,L≥2,每个小区内包含一个基站和K个用户,K≥1,每个基站配置M根天线,M>>K,每个用户均使用单天线接收和发送信号。第j小区的基站在接收来自本小区K个用户的发射信号外,还会接收到来自相邻小区的各个用户发射的干扰信号,造成导频污染。
参照图3,本发明中使用的时分双工TDD模式,在数据传输过程中,同一频段内的不同时隙上分别发射上行链路导频信号、处理信号、下行链路数据信号以及上行链路数据信号。
参照图1,本发明提出的基于EVD-ILSP的半盲信道估计方法,主要对小区基站接收的数据信号以及导频信号进行相关处理得到信道矩阵,其详细步骤如下:
接收到的数据信号表示为:
接收到的导频信号表示为:
其中,N为任意非零正整数,[·]H表示矩阵的共轭转置。
(3c)将所有的特征值逐个带入如下方程:
(4b)根据下式计算模糊度系数计算矩阵An:
其中,(·)I表示取矩阵中元素的虚部,(·)R表示取矩阵中元素的实部。
其中,K为小区内用户数,IK为K阶单位矩阵,i为虚数单位;
其中,diag(·)为构造一个只含括号内矩阵的对角线元素的对角矩阵,||·||F表示矩阵的F范数。
(5b1)设定两次相邻迭代结果之间的误差阈值s的值;
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本分明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (6)
1.一种基于特征值分解-最小二乘投影算法EVD-ILSP的半盲信道估计方法,其特征在于,包括如下:
(3)对协方差矩阵进行特征值分解,求出左特征值向量矩阵Uj、特征值矩阵∑j和右特征值向量矩阵Vj,取特征值矩阵∑j的所有特征值中最大的前K个特征值在左特征值向量矩阵Uj中所对应的K列,组成特征向量矩阵其中K为小区内用户数;所述对协方差矩阵进行特征值分解,按如下步骤进行:
(3a)设第j小区的信道矩阵为Gjj,将协方差矩阵右乘Gjj,得到的特征值方程:其中,M是小区基站的天线数,pu为信号传输的功率,IK为K阶单位矩阵,K表示小区内用户数;Dj为第j小区的大尺度衰落因子;
(3c)将所有的特征值逐个带入如下方程:
(4a)根据下式计算模糊度系数计算矩阵An:
其中,(·)I表示取矩阵中元素的虚部,(·)R表示取矩阵中元素的实部;
其中,K为小区内用户数,IK为K阶单位矩阵,i为虚数单位;
其中,pu为信号传输的功率;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173040.9A CN109818887B (zh) | 2019-03-07 | 2019-03-07 | 基于evd-ilsp的半盲信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173040.9A CN109818887B (zh) | 2019-03-07 | 2019-03-07 | 基于evd-ilsp的半盲信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109818887A CN109818887A (zh) | 2019-05-28 |
CN109818887B true CN109818887B (zh) | 2021-09-28 |
Family
ID=66608427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910173040.9A Active CN109818887B (zh) | 2019-03-07 | 2019-03-07 | 基于evd-ilsp的半盲信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109818887B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111082902B (zh) * | 2019-11-12 | 2022-05-17 | 杭州电子科技大学 | 基于大数据统计特性的大规模天线系统的信号检测方法 |
CN111262802B (zh) * | 2020-01-14 | 2021-06-25 | 西安电子科技大学 | 非合作通信下基于信源特性的盲信道估计模糊度消除方法 |
WO2024007299A1 (en) * | 2022-07-08 | 2024-01-11 | Huawei Technologies Co., Ltd. | A signal processing device and method for a non-stationary dynamic environment |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1767514A (zh) * | 2005-11-07 | 2006-05-03 | 中国人民解放军理工大学 | 一种基于叠加导频的联合半盲信道估计和数据检测方法及其装置 |
CN106453166A (zh) * | 2016-12-08 | 2017-02-22 | 桂林电子科技大学 | 一种大规模mimo信道估计方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374854B2 (en) * | 2008-03-28 | 2013-02-12 | Southern Methodist University | Spatio-temporal speech enhancement technique based on generalized eigenvalue decomposition |
-
2019
- 2019-03-07 CN CN201910173040.9A patent/CN109818887B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1767514A (zh) * | 2005-11-07 | 2006-05-03 | 中国人民解放军理工大学 | 一种基于叠加导频的联合半盲信道估计和数据检测方法及其装置 |
CN106453166A (zh) * | 2016-12-08 | 2017-02-22 | 桂林电子科技大学 | 一种大规模mimo信道估计方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109818887A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109818887B (zh) | 基于evd-ilsp的半盲信道估计方法 | |
CN110808765B (zh) | 一种基于不完全信道信息的大规模mimo系统频谱效率优化的功率分配方法 | |
CN112436872B (zh) | 一种多用户大规模mimo信道估计方法与装置 | |
CN107332599B (zh) | 一种基于功率和码字联合域的上行非正交多址接入方法 | |
CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
CN110505643B (zh) | 基于模拟退火算法的大规模mimo系统上行能效优化方法 | |
CN108833060B (zh) | 一种基于ep-nsa算法的大规模mimo系统检测方法 | |
CN114285444B (zh) | 一种去蜂窝大规模mimo系统的功率优化方法 | |
CN107276933B (zh) | 用于上行多用户mimo系统中基于二阶统计量的信道估计方法 | |
CN113114313A (zh) | 一种mimo-noma系统导频辅助信号检测方法、系统及存储介质 | |
Gao et al. | Energy efficiency of massive random access in MIMO quasi-static Rayleigh fading channels with finite blocklength | |
CN114567358B (zh) | 大规模mimo鲁棒wmmse预编码器及其深度学习设计方法 | |
Hu et al. | Pilot decontamination in multi-cell massive MIMO systems via combining semi-blind channel estimation with pilot assignment | |
CN112769462B (zh) | 一种基于联合参数学习的毫米波mimo宽带信道估计方法 | |
CN108600125B (zh) | 一种基于迭代的信道估计方法 | |
CN106878225B (zh) | 一种设备指纹与信道分离的方法及装置 | |
CN106911367B (zh) | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 | |
CN110912588B (zh) | 一种基于改进Prony方法的下行时变信道预测方法 | |
CN109495147B (zh) | 大规模mimo系统中基于空间复用的叠加导频方法 | |
Hawej et al. | Pilot decontamination in massive multiuser MIMO systems based on low‐rank matrix approximation | |
CN107346985B (zh) | 一种结合发射天线选择技术的干扰对齐方法 | |
Man et al. | Massive MIMO pre-coding algorithm based on improved Newton iteration | |
CN115201759A (zh) | 一种基于奇异值分解的雷达嵌入式通信波形设计方法 | |
CN108063656A (zh) | 一种适用于大规模mimo蜂窝网络的新型导频分配方法 | |
Chawla et al. | Sparse Bayesian learning assisted decision fusion in millimeter wave massive MIMO sensor networks |
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 |