CN110177062B - 一种终端激活检测和信道估计方法 - Google Patents

一种终端激活检测和信道估计方法 Download PDF

Info

Publication number
CN110177062B
CN110177062B CN201910300852.5A CN201910300852A CN110177062B CN 110177062 B CN110177062 B CN 110177062B CN 201910300852 A CN201910300852 A CN 201910300852A CN 110177062 B CN110177062 B CN 110177062B
Authority
CN
China
Prior art keywords
base station
terminal
matrix
iteration
value
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
Application number
CN201910300852.5A
Other languages
English (en)
Other versions
CN110177062A (zh
Inventor
邵晓丹
陈晓明
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201910300852.5A priority Critical patent/CN110177062B/zh
Publication of CN110177062A publication Critical patent/CN110177062A/zh
Application granted granted Critical
Publication of CN110177062B publication Critical patent/CN110177062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种终端激活检测和信道估计方法。在蜂窝物联网中，每个小区中心布置着一个多天线基站，并且分布着大量的物联网终端设备。在任一时隙，仅有部分终端激活并需要接入无线网络，而其他终端则处于休眠状态。本发明设计了一种免授权的随机接入协议，即激活终端无需得到基站的授权就可直接接入网络。在每个时隙的开始部分，激活终端同时向基站发送一段基站已知的导频序列。根据接收到的导频序列，基站利用一种矩阵降维的方法，检测出终端的状态及其相应的信道信息。然后激活设备在时隙的剩余部分和基站进行数据交互。本发明为具有大规模终端接入且基站配置一个大规模天线阵列的蜂窝物联网提供了一种高效简单的终端激活检测和信道估计方法。

Description

一种终端激活检测和信道估计方法
技术领域
本发明涉及无线通信领域，尤其涉及一种终端激活检测和信道估计方法及通讯系统以及相关设备。
背景技术
随着物联网以及人工智能的兴起与发展，未来的无线网络需要支持大规模的无线终端的同时接入。机器类型的通信(MTC)被广泛认为是5G等未来宽带无线通信系统的关键技术之一。MTC中一个关键性的特点是网络中的终端的激活模式通常是零星的。因为在每个时隙内，仅有少部分的终端处于激活状态，从而与基站通信。其他设备为了节省能量而暂时处于休眠状态，它们只有在受到外部事件触发时才会被激活。激活的终端在每个时隙的开始阶段同时向基站发射导频序列，基站通过激活检测和信道估计算法，得知哪些终端处于激活状态并获得其相应的信道状态信息。然后在每个时隙的剩余长度内，基站和激活的终端之间再进行上行和下行数据交互。
为了实现合理准确的上行链路信道估计，终端发送的导频的长度需要大于潜在的激活终端数。同时导频的长度又受时隙长度和小区内总的终端数目的约束。我们通常有总的终端数目要大于导频的长度，这导致不可能将正交导频序列分配给所有的终端。所以终端的导频序列是非正交的，那么终端之间的激活检测和信道估计会受到相互干扰，通常长的导频序列可以提高信道估计准确度，但是过长的导频长度会导致一个时隙内留给数据传输的长度变短，影响总的数据传输速率。所以如何设计出能用较短的导频长度，进行准确的终端激活检测和信道估计的算法尤为关键。此外，为了达到更高的数据速率，在大规模接入技术中，基站会配备大规模的天线阵列，这同时也会增加终端激活检测和信道估计的计算复杂度，为降低通信成本带来了困难。
发明内容
本发明的目的是为了解决现有终端激活检测和信道估计方案中当基站配备大规模天线阵列时，计算复杂度会随着天线数目的增多而迅速增加，并且所需导频序列较长等问题，提出了一种终端激活检测和信道估计方法及通讯系统以及相关设备。
本发明所采用的具体技术方案如下:
一种终端激活检测和信道估计方法，其包括如下步骤：
1)在每个长度为T的时隙的开始阶段，所有激活的终端同时向基站发送长度为L的导频序列；
2)基站接收到数据后，基于一种秩估计方法，估计出接收数据中基本的秩re，以区分基站接收数据中的信号子空间和噪声子空间；
3)基站得到秩的估计值后，基于一种数据分解方法，将激活检测和信道估计问题从高维空间映射到低维空间，以降低算法复杂度；
4)基站基于一种激活检测和信道估计的方法，在低维空间恢复出信号，检测出处于激活状态的激活终端，并估计出相应的激活终端的信道值；
5)在每个时隙剩余的长度T-L内，激活的终端利用信道估计值与基站进行上行和下行的数据交互。
基于上述技术方案，其中的部分步骤可采用如下优选方式实现。
步骤2)中的秩估计方法为：
a)基站接收到数据Y后，首先计算出
Figure BDA0002028172140000021
的按照从大到小排序的特征值
Figure BDA0002028172140000022
和特征向量
Figure BDA0002028172140000023
i的取值范围是从1到L，β∈(0,1]是正则化参数，M是基站的天线数目，I是单位矩阵，H表示共轭转置；
b)设秩为r，函数值G(r)的计算公式为
Figure BDA0002028172140000031
其中u为调节参数；
c)对于取值范围为1到L的秩，分别算出相应的G(r)值，找出能使G(r)取值最大的r即为最终的秩估计值
Figure BDA0002028172140000032
步骤3)中的数据分解方法为：
首先基站对接收到的数据进行奇异值分解：
Figure BDA0002028172140000033
Ssd为L×L阶的酉矩阵，Vsd为L×M阶的对角矩阵，
Figure BDA0002028172140000034
为M×M阶的酉矩阵；然后计算得到
Figure BDA0002028172140000035
其中
Figure BDA0002028172140000036
是Ssd的前
Figure BDA0002028172140000037
列，
Figure BDA0002028172140000038
是由Vsd的前
Figure BDA0002028172140000039
行和前
Figure BDA00020281721400000310
列构成方阵；接下来通过取
Figure BDA00020281721400000311
的前
Figure BDA00020281721400000312
行得到U；所述的V满足
Figure BDA00020281721400000313
并且V的秩为
Figure BDA00020281721400000314
所述的
Figure BDA00020281721400000315
并且UUH＝I。
步骤4)中的激活检测和信道估计的方法中，激活检测过程为：
a)设置黎曼矩阵为：
Figure BDA00020281721400000316
其中Z表示和终端激活状态以及信道值有关的未知变量；令
Figure BDA00020281721400000317
代表总空间
Figure BDA00020281721400000318
的切空间，ξZ和ηZ为切空间
Figure BDA00020281721400000319
中的方向向量，Tr(·)为求矩阵的迹，N代表小区内总的用户数，rank(·)代表括号中矩阵的秩；
b)设定从任意的一个方向向量ξZ到水平空间的映射
Figure BDA00020281721400000320
为：
Figure BDA00020281721400000321
其中B为
Figure BDA00020281721400000322
的方阵，B从等式
Figure BDA00020281721400000323
中求解出来；
c)关于变量Z的目标函数为
Figure BDA00020281721400000324
其中
Figure BDA00020281721400000325
黎曼梯度设置为:
Figure BDA0002028172140000041
其中A为基站已知导频序列矩阵，ζ为惩罚参数，
Figure BDA0002028172140000042
Pn代表1×N维的向量，且该向量中只有第n个位置的值为1，其他元素均为0；θ为可调参数，IN和
Figure BDA0002028172140000043
分别代表N×N和
Figure BDA0002028172140000044
的单位矩阵，
Figure BDA0002028172140000045
Figure BDA0002028172140000046
是促稀疏权重，
Figure BDA0002028172140000047
代表取
Figure BDA0002028172140000048
的第n行，
Figure BDA0002028172140000049
n的取值范围均为从1到N,N代表小区内总的用户数，||·||2表示矩阵的二范数；
d)黎曼黑森矩阵设置为：
Figure BDA00020281721400000410
，其中
Figure BDA00020281721400000411
Figure BDA00020281721400000412
并且
Figure BDA00020281721400000413
n的取值范围是均为从1到N；
e)设定方向向量ηZ的更新迭代过程，具体过程为：
以
Figure BDA0002028172140000051
表示t时刻的方向向量，δj表示第j次迭代的中间变量，ιj表示第j次迭代的中间变量；更新前首先初始化：
Figure BDA0002028172140000052
中间变量ι0＝gradf(Zt)，中间变量δ0＝-ι0和迭代次数j＝0，令Hessft[δj]为t时刻第j次迭代的黎曼黑森矩阵值，设置阈值参数κ，κ>0；先进行第j次迭代，迭代过程为：
如果t时刻第j次迭代的黎曼矩阵
Figure BDA0002028172140000053
则计算出能使得目标函数
Figure BDA0002028172140000054
达到最小
Figure BDA0002028172140000055
的值，该目标函数的约束条件为‖ηZ‖g＝Δ问题；其中ft(Z)为t时刻的目标函数f(Z)，
Figure BDA0002028172140000056
Figure BDA0002028172140000057
为第j次迭代的方向向量，
Figure BDA0002028172140000058
Δ为置信区间的半径，返回值是
Figure BDA0002028172140000059
如果t时刻第j次迭代的黎曼矩阵
Figure BDA00020281721400000510
则跳出并计算
Figure BDA00020281721400000511
其中
Figure BDA00020281721400000512
如果
Figure BDA00020281721400000513
则计算
Figure BDA00020281721400000514
Figure BDA00020281721400000515
是使||ηZ||g＝Δ成立的解，其中
Figure BDA00020281721400000516
返回值是
Figure BDA00020281721400000517
如果
Figure BDA00020281721400000518
则跳出并依次计算ιj+1＝ιj+￡Hessft[δj]，
Figure BDA00020281721400000519
和
Figure BDA00020281721400000532
令迭代次数j＝j+1，重复迭代过程，直到满足
Figure BDA00020281721400000520
停止迭代并输出最终的
Figure BDA00020281721400000521
f)令Zt为t时刻的Z，更新迭代Z，更新前首先初始化：时刻t←0,
Figure BDA00020281721400000522
和循环停止的阈值
Figure BDA00020281721400000533
然后执行步骤e)的更新迭代过程以获得
Figure BDA00020281721400000523
选择置信区间半径的标准设置为
Figure BDA00020281721400000534
其中
Figure BDA00020281721400000524
αt为步长；如果
Figure BDA00020281721400000525
那么Δt+1←0.25Δt；如果
Figure BDA00020281721400000535
并且
Figure BDA00020281721400000526
则设置
Figure BDA00020281721400000527
如果
Figure BDA00020281721400000528
则设置Δt+1←Δt；如果
Figure BDA00020281721400000529
则设置
Figure BDA00020281721400000530
如果
Figure BDA00020281721400000531
则设置Zt+1＝Zt；更新迭代次数t←t+1，继续更新迭代Z直到
Figure BDA0002028172140000061
停止循环，最终输出Z的估计值
Figure BDA0002028172140000062
g)基于步骤f)得到的
Figure BDA0002028172140000063
利用关系式
Figure BDA0002028172140000064
恢复出未知变量
Figure BDA0002028172140000065
再利用关系式
Figure BDA0002028172140000066
恢复出原始高维空间的信号估值
Figure BDA0002028172140000067
并利用激活判断标准
Figure BDA0002028172140000068
来判断哪些终端处于激活状态，其中k为终端标识，v为可调参数，
Figure BDA0002028172140000069
为
Figure BDA00020281721400000610
的第k行，
Figure BDA00020281721400000611
代表检测出来的激活终端的标识集合。
步骤4)中的激活检测和信道估计的方法中，信道估计过程为：
利用
Figure BDA00020281721400000612
恢复出激活终端k的信道估值
Figure BDA00020281721400000613
其中
Figure BDA00020281721400000614
为终端k发射导频序列的功率，
Figure BDA00020281721400000615
为
Figure BDA00020281721400000616
的第k行。
本发明具有的有益效果是：本发明提出的终端激活检测和信道估计方法，可以利用较短的导频序列实现更准确的终端激活检测和信道估计，解决了传统的终端激活检测和信道估计问题中导频序列较长所产生的一系列问题。并且本方法的计算复杂度不随基站的天线数增多而增加，可以有效地减少通信复杂度，降低通信成本。
附图说明
图1是终端激活检测和信道估计方法的场景示意图；
图2是将本发明的终端激活检测方法(秩估计值处于不同值)与其他常用激活检测方法比较时，终端激活检测方法的检测错误率与导频序列的长度的关系；
图3是将本发明的信道估计方法与其他常用信道估计方法比较时，信道估计的归一化均方误差与导频序列的长度的关系。
具体实施方式
本实施例中，终端激活检测和信道估计方法及通讯系统以及相关设备系统场景图如图1所示，基站有M根天线，每个终端配置1根天线，每个时隙内，仅有少量终端随机激活与基站进行通信，其他终端暂时处于睡眠状态。并且激活的终端无需得到基站的授权就可直接接入网络。即每个时隙的开始部分，激活的终端同时向基站发射导频序列(即前导序列)，基站通过激活检测和信道估计算法获得哪些终端处于激活阶段并获得其相应的信道状态信息。在每个时隙的剩余的部分，激活终端与基站进行数据交互。
一种终端激活检测和信道估计方法，包括如下步骤：
1)在每个长度为T的时隙的开始阶段，所有激活的终端同时向基站发送长度为L的导频序列；
2)基站接收到数据后，基于一种秩估计方法，估计出接收数据中基本的秩re，以区分基站接收数据中的信号子空间和噪声子空间；
本步骤中所述的秩估计方法具体实现如下：
a)基站接收到数据Y后，首先计算出
Figure BDA0002028172140000071
的按照从大到小排序的特征值
Figure BDA0002028172140000072
和特征向量
Figure BDA0002028172140000073
i的取值范围是从1到L，β∈(0,1]是正则化参数，M是基站的天线数目，I是单位矩阵，H表示共轭转置；
b)设秩为r，函数值G(r)的计算公式为
Figure BDA0002028172140000074
其中u为调节参数；
c)对于取值范围为1到L的秩，分别算出相应的G(r)值，找出能使G(r)取值最大的r即为最终的秩估计值
Figure BDA0002028172140000077
3)基站得到秩的估计值后，基于一种数据分解方法，将激活检测和信道估计问题从高维空间映射到低维空间，以降低算法复杂度；
本步骤中的数据分解方法具体实现如下：
首先基站对接收到的数据进行奇异值分解：
Figure BDA0002028172140000075
Ssd为L×L阶的酉矩阵，Vsd为L×M阶的对角矩阵，
Figure BDA0002028172140000076
为M×M阶的酉矩阵；然后计算得到
Figure BDA0002028172140000081
其中
Figure BDA0002028172140000082
是Ssd的前
Figure BDA0002028172140000083
列，
Figure BDA0002028172140000084
是由Vsd的前
Figure BDA0002028172140000085
行和前
Figure BDA0002028172140000086
列构成方阵；接下来通过取
Figure BDA0002028172140000087
的前
Figure BDA0002028172140000088
行得到U；所述的V满足
Figure BDA0002028172140000089
并且V的秩为
Figure BDA00020281721400000810
所述的
Figure BDA00020281721400000811
并且UUH＝I。
4)基站基于一种激活检测和信道估计的方法，在低维空间恢复出信号，检测出处于激活状态的激活终端，并估计出相应的激活终端的信道值。
本步骤)中的激活检测和信道估计的方法中，激活检测过程为：
a)设置黎曼矩阵为：
Figure BDA00020281721400000812
其中Z表示和终端激活状态以及信道值有关的未知变量；令
Figure BDA00020281721400000813
代表总空间
Figure BDA00020281721400000814
的切空间，ξZ和ηZ为切空间
Figure BDA00020281721400000815
中的方向向量，Tr(·)为求矩阵的迹，N代表小区内总的用户数，rank(·)代表括号中矩阵的秩；
b)设定从任意的一个方向向量ξZ到水平空间的映射
Figure BDA00020281721400000816
为：
Figure BDA00020281721400000817
其中B为
Figure BDA00020281721400000818
的方阵，B从等式
Figure BDA00020281721400000819
中求解出来；
c)关于变量Z的目标函数为
Figure BDA00020281721400000820
其中
Figure BDA00020281721400000821
黎曼梯度设置为:
Figure BDA00020281721400000822
其中A为基站已知导频序列矩阵，ζ为惩罚参数，
Figure BDA00020281721400000823
Pn代表1×N维的向量，且该向量中只有第n个位置的值为1，其他元素均为0；θ为可调参数，IN和
Figure BDA00020281721400000916
分别代表N×N和
Figure BDA0002028172140000091
的单位矩阵，
Figure BDA0002028172140000092
Figure BDA0002028172140000093
是促稀疏权重，
Figure BDA0002028172140000094
代表取
Figure BDA0002028172140000095
的第n行，
Figure BDA0002028172140000096
n的取值范围均为从1到N,N代表小区内总的用户数，||·||2表示矩阵的二范数；
d)黎曼黑森矩阵设置为：
Figure BDA0002028172140000097
，其中
Figure BDA0002028172140000098
Figure BDA0002028172140000099
并且
Figure BDA00020281721400000910
n的取值范围是均为从1到N；
e)设定方向向量ηZ的更新迭代过程，具体过程为：
以
Figure BDA00020281721400000911
表示t时刻的方向向量，δj表示第j次迭代的中间变量，ιj表示第j次迭代的中间变量；更新前首先初始化：
Figure BDA00020281721400000912
中间变量ι0＝gradf(Zt)，中间变量δ0＝-ι0和迭代次数j＝0，令Hessft[δj]为t时刻第j次迭代的黎曼黑森矩阵值，设置阈值参数κ，κ>0；先进行第j次迭代，迭代过程为：
如果t时刻第j次迭代的黎曼矩阵
Figure BDA00020281721400000913
则计算出能使得目标函数
Figure BDA00020281721400000914
达到最小
Figure BDA00020281721400000915
的值，该目标函数的约束条件为‖ηZ‖g＝Δ问题；其中ft(Z)为t时刻的目标函数f(Z)，
Figure BDA0002028172140000101
Figure BDA0002028172140000102
为第j次迭代的方向向量，
Figure BDA0002028172140000103
Δ为置信区间的半径，返回值是
Figure BDA0002028172140000104
如果t时刻第j次迭代的黎曼矩阵
Figure BDA0002028172140000105
则跳出并计算
Figure BDA0002028172140000106
其中
Figure BDA0002028172140000107
如果
Figure BDA0002028172140000108
则计算
Figure BDA0002028172140000109
Figure BDA00020281721400001010
是使||ηZ||g＝Δ成立的解，其中
Figure BDA00020281721400001011
返回值是
Figure BDA00020281721400001012
如果
Figure BDA00020281721400001013
则跳出并依次计算ιj+1＝ιj+￡Hessft[δj]，
Figure BDA00020281721400001014
和
Figure BDA00020281721400001041
令迭代次数j＝j+1，重复迭代过程，直到满足
Figure BDA00020281721400001015
停止迭代并输出最终的
Figure BDA00020281721400001016
f)令Zt为t时刻的Z，更新迭代Z，更新前首先初始化：时刻t←0,
Figure BDA00020281721400001017
和循环停止的阈值
Figure BDA00020281721400001018
然后执行步骤e)的更新迭代过程以获得
Figure BDA00020281721400001019
选择置信区间半径的标准设置为
Figure BDA00020281721400001020
其中
Figure BDA00020281721400001021
αt为步长；如果
Figure BDA00020281721400001022
那么Δt+1←0.25Δt；如果
Figure BDA00020281721400001023
并且
Figure BDA00020281721400001024
则设置
Figure BDA00020281721400001025
如果
Figure BDA00020281721400001026
则设置Δt+1←Δt；如果
Figure BDA00020281721400001027
则设置
Figure BDA00020281721400001028
如果
Figure BDA00020281721400001029
则设置Zt+1＝Zt；更新迭代次数t←t+1，继续更新迭代Z直到
Figure BDA00020281721400001040
停止循环，最终输出Z的估计值
Figure BDA00020281721400001030
g)终端激活检测步骤：基于步骤f)得到的
Figure BDA00020281721400001031
利用关系式
Figure BDA00020281721400001032
恢复出未知变量
Figure BDA00020281721400001033
再利用关系式
Figure BDA00020281721400001034
恢复出原始高维空间的信号估值
Figure BDA00020281721400001035
并利用激活判断标准
Figure BDA00020281721400001036
来判断哪些终端处于激活状态，其中k为终端标识，v为可调参数，
Figure BDA00020281721400001037
为
Figure BDA00020281721400001038
的第k行，
Figure BDA00020281721400001039
代表检测出来的激活终端的标识集合。
本步骤中的激活检测和信道估计的方法中，信道估计过程为：
h)信道估计步骤：利用
Figure BDA0002028172140000111
恢复出激活终端k的信道估值
Figure BDA0002028172140000112
其中
Figure BDA0002028172140000113
为终端k发射导频序列的功率，
Figure BDA0002028172140000114
为
Figure BDA0002028172140000115
的第k行。
5)在每个时隙剩余的长度T-L内，激活的终端利用信道估计值与基站进行上行和下行的数据交互。
通过计算机仿真可以看出：如图2所示，本发明的终端激活检测方案相较于传统的检测方案近似消息传递算法和正交匹配追踪算法，准确率有明显的提升，而且本文方案对于秩估计值
Figure BDA0002028172140000116
并不敏感，所以我们可以通过采用比数据实际的秩更低的秩的取值来进行终端激活检测，以进一步降低计算复杂度。图3表明本发明提出的信道估计方法，相对于传统近似消息传递方法和假设激活终端情况全部已知的最小均方误差方法，信道估计准确度有明显提升，导频长度明显缩短，这是因为我们的方案不但将原始问题从高维空间映射到了低维空间，而且本文方案有效利用了低维空间未知变量的秩信息。因此，本发明提出的终端激活检测和信道估计方法及通讯系统以及相关设备可以为大规模通信系统提供一种高效的终端激活检测和信道估计方法。

Claims (4)

1.一种终端激活检测和信道估计方法，其特征在于包括如下步骤：
1)在每个长度为T的时隙的开始阶段，所有激活的终端同时向基站发送长度为L的导频序列；
2)基站接收到数据后，基于一种秩估计方法，估计出接收数据中基本的秩re，以区分基站接收数据中的信号子空间和噪声子空间；
3)基站得到秩的估计值后，基于一种数据分解方法，将激活检测和信道估计问题从高维空间映射到低维空间，以降低算法复杂度；
4)基站基于一种激活检测和信道估计的方法，在低维空间恢复出信号，检测出处于激活状态的激活终端，并估计出相应的激活终端的信道值；
5)在每个时隙剩余的长度T-L内，激活的终端利用信道估计值与基站进行上行和下行的数据交互；
所述步骤2)中的秩估计方法为：
a)基站接收到数据Y后，首先计算出
Figure FDA0002458312460000011
的按照从大到小排序的特征值
Figure FDA0002458312460000012
和特征向量
Figure FDA0002458312460000013
i的取值范围是从1到L，β∈(0,1]是正则化参数，M是基站的天线数目，I是单位矩阵，H表示共轭转置；
b)设秩为r，函数值G(r)的计算公式为
Figure FDA0002458312460000014
其中u为调节参数；
c)对于取值范围为1到L的秩，分别算出相应的G(r)值，找出能使G(r)取值最大的r即为最终的秩估计值
Figure FDA0002458312460000015
2.根据权利要求1所述的一种终端激活检测和信道估计方法，其特征在于步骤3)中的数据分解方法为：
首先基站对接收到的数据进行奇异值分解：
Figure FDA0002458312460000021
Ssd为L×L阶的酉矩阵，Vsd为L×M阶的对角矩阵，
Figure FDA0002458312460000022
为M×M阶的酉矩阵；然后计算得到
Figure FDA0002458312460000023
其中
Figure FDA0002458312460000024
是Ssd的前
Figure FDA0002458312460000025
列，
Figure FDA0002458312460000026
是由Vsd的前
Figure FDA0002458312460000027
行和前
Figure FDA0002458312460000028
列构成方阵；接下来通过取
Figure FDA0002458312460000029
的前
Figure FDA00024583124600000210
行得到U；所述的V满足
Figure FDA00024583124600000211
并且V的秩为
Figure FDA00024583124600000212
所述的
Figure FDA00024583124600000213
并且UUH＝I。
3.根据权利要求1所述的一种终端激活检测和信道估计方法，其特征在于步骤4)中的激活检测和信道估计的方法中，激活检测过程为：
a)设置黎曼矩阵为：
Figure FDA00024583124600000214
其中Z表示和终端激活状态以及信道值有关的未知变量；令
Figure FDA00024583124600000215
代表总空间
Figure FDA00024583124600000216
的切空间，ξZ和ηZ为切空间
Figure FDA00024583124600000217
中的方向向量，Tr(·)为求矩阵的迹，N代表小区内总的用户数，rank(·)代表括号中矩阵的秩；
b)设定从任意的一个方向向量ξZ到水平空间的映射
Figure FDA00024583124600000218
为：
Figure FDA00024583124600000219
其中B为
Figure FDA00024583124600000220
的方阵，B从等式
Figure FDA00024583124600000221
中求解出来；
c)关于变量Z的目标函数为
Figure FDA00024583124600000222
其中
Figure FDA00024583124600000223
黎曼梯度设置为:
Figure FDA00024583124600000224
其中A为基站已知导频序列矩阵，ζ为惩罚参数，
Figure FDA0002458312460000031
Pn代表1×N维的向量，且该向量中只有第n个位置的值为1，其他元素均为0；θ为可调参数，IN和
Figure FDA0002458312460000032
分别代表N×N和
Figure FDA0002458312460000033
的单位矩阵，
Figure FDA0002458312460000034
Figure FDA0002458312460000035
是促稀疏权重，
Figure FDA0002458312460000036
代表取
Figure FDA0002458312460000037
的第n行，
Figure FDA0002458312460000038
n的取值范围均为从1到N,N代表小区内总的用户数，||·||2表示矩阵的二范数；
d)黎曼黑森矩阵设置为：
Figure FDA0002458312460000039
，其中
Figure FDA00024583124600000310
Figure FDA00024583124600000311
并且
Figure FDA00024583124600000312
n的取值范围是均为从1到N；
e)设定方向向量ηZ的更新迭代过程，具体过程为：
以
Figure FDA00024583124600000313
表示t时刻的方向向量，δj表示第j次迭代的中间变量，ιj表示第j次迭代的中间变量；更新前首先初始化：
Figure FDA00024583124600000314
中间变量ι0＝gradf(Zt)，中间变量δ0＝-ι0和迭代次数j＝0，令
Figure FDA00024583124600000315
为t时刻第j次迭代的黎曼黑森矩阵值，设置阈值参数κ，κ>0；先进行第j次迭代，迭代过程为：
如果t时刻第j次迭代的黎曼矩阵
Figure FDA0002458312460000041
则计算出能使得目标函数
Figure FDA0002458312460000042
达到最小
Figure FDA00024583124600000435
的值，该目标函数的约束条件为‖ηZ‖g＝Δ问题；其中ft(Z)为t时刻的目标函数f(Z)，
Figure FDA0002458312460000043
Figure FDA0002458312460000044
为第j次迭代的方向向量，
Figure FDA0002458312460000045
Δ为置信区间的半径，返回值是
Figure FDA0002458312460000046
如果t时刻第j次迭代的黎曼矩阵
Figure FDA0002458312460000047
则跳出并计算
Figure FDA0002458312460000048
其中
Figure FDA0002458312460000049
如果
Figure FDA00024583124600000410
则计算
Figure FDA00024583124600000411
Figure FDA00024583124600000412
是使||ηZ||g＝Δ成立的解，其中
Figure FDA00024583124600000413
返回值是
Figure FDA00024583124600000414
如果
Figure FDA00024583124600000415
则跳出并依次计算ιj+1＝ιj+￡Hessft[δj]，
Figure FDA00024583124600000416
和
Figure FDA00024583124600000417
令迭代次数j＝j+1，重复迭代过程，直到满足
Figure FDA00024583124600000418
停止迭代并输出最终的
Figure FDA00024583124600000419
f)令Zt为t时刻的Z，更新迭代Z，更新前首先初始化：时刻
Figure FDA00024583124600000420
和循环停止的阈值
Figure FDA00024583124600000421
然后执行步骤e)的更新迭代过程以获得
Figure FDA00024583124600000422
选择置信区间半径的标准设置为
Figure FDA00024583124600000423
其中
Figure FDA00024583124600000424
αt为步长；如果
Figure FDA00024583124600000425
那么Δt+1←0.25Δt；如果
Figure FDA00024583124600000426
并且
Figure FDA00024583124600000427
则设置
Figure FDA00024583124600000428
如果
Figure FDA00024583124600000429
则设置Δt+1←Δt；如果
Figure FDA00024583124600000430
则设置
Figure FDA00024583124600000431
如果
Figure FDA00024583124600000432
则设置Zt+1＝Zt；更新迭代次数t←t+1，继续更新迭代Z直到
Figure FDA00024583124600000433
停止循环，最终输出Z的估计值Z＝Zt；
g)基于步骤f)得到的Z,利用关系式
Figure FDA00024583124600000434
恢复出未知变量S，再利用关系式X＝SU恢复出原始高维空间的信号估值X，并利用激活判断标准
Figure FDA0002458312460000051
来判断哪些终端处于激活状态，其中k为终端标识，v为可调参数，X(k,:)为X的第k行，
Figure FDA0002458312460000052
代表检测出来的激活终端的标识集合。
4.根据权利要求1所述的一种终端激活检测和信道估计方法，其特征在于，步骤4)中的激活检测和信道估计的方法中，信道估计过程为：
利用
Figure FDA0002458312460000053
恢复出激活终端k的信道估值hk，其中
Figure FDA0002458312460000054
为终端k发射导频序列的功率，xk为X的第k行。
CN201910300852.5A 2019-04-15 2019-04-15 一种终端激活检测和信道估计方法 Active CN110177062B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910300852.5A CN110177062B (zh) 2019-04-15 2019-04-15 一种终端激活检测和信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910300852.5A CN110177062B (zh) 2019-04-15 2019-04-15 一种终端激活检测和信道估计方法

Publications (2)

Publication Number Publication Date
CN110177062A CN110177062A (zh) 2019-08-27
CN110177062B true CN110177062B (zh) 2020-07-10

Family

ID=67689594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910300852.5A Active CN110177062B (zh) 2019-04-15 2019-04-15 一种终端激活检测和信道估计方法

Country Status (1)

Country Link
CN (1) CN110177062B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110995375B (zh) * 2019-11-19 2021-11-12 北京科技大学 一种无线信道的衰落特征提取方法及提取装置
CN110971547B (zh) * 2019-11-20 2020-10-27 浙江大学 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法
CN115002929B (zh) * 2022-05-16 2024-05-28 西南交通大学 一种基于前导和到达角联合估计的活跃用户检测方法
CN115021780B (zh) * 2022-05-18 2023-12-22 浙江大学 基于无蜂窝大规模多输入多输出系统的免授权随机接入方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454922A (zh) * 2015-08-10 2017-02-22 电信科学技术研究院 一种非正交多址接入系统中的上行检测方法及装置
CN107078757A (zh) * 2014-10-30 2017-08-18 华为技术有限公司 用于检测激活资源单元的系统和方法
CN108282782A (zh) * 2017-01-06 2018-07-13 深圳市金立通信设备有限公司 一种上行免授权用户激活检测方法、装置及基站
CN108964725A (zh) * 2018-07-20 2018-12-07 西安电子科技大学 时变大规模mimo网络中信道参数的稀疏估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8111787B2 (en) * 2008-11-05 2012-02-07 Telefonaktiebolaget L M Ericsson (Publ) OFDM channel estimation method and apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107078757A (zh) * 2014-10-30 2017-08-18 华为技术有限公司 用于检测激活资源单元的系统和方法
CN106454922A (zh) * 2015-08-10 2017-02-22 电信科学技术研究院 一种非正交多址接入系统中的上行检测方法及装置
CN108282782A (zh) * 2017-01-06 2018-07-13 深圳市金立通信设备有限公司 一种上行免授权用户激活检测方法、装置及基站
CN108964725A (zh) * 2018-07-20 2018-12-07 西安电子科技大学 时变大规模mimo网络中信道参数的稀疏估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"多天线系统中的有限反馈与预编码技术研究";陈晓明;《中国优秀博士学位论文全文数据库信息科技辑》;20101201;全文 *
Mingli Peng;Zhuo Sun;Wenbo Wang."Pilot aided frequency offset estimation and channel estimation for MIMO-OFDM systems".《IET International Conference on Communication Technology and Application (ICCTA 2011)》.2011, *

Also Published As

Publication number Publication date
CN110177062A (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN110177062B (zh) 一种终端激活检测和信道估计方法
He et al. A model-driven deep learning network for MIMO detection
Decurninge et al. CSI-based outdoor localization for massive MIMO: Experiments with a learning approach
CN107332598B (zh) 一种基于深度学习的mimo系统联合预编码和天线选择方法
CN108540410A (zh) 免调度传输系统联合活跃用户检测和信道估计方法
CN110971547B (zh) 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法
CN111641570B (zh) 一种基于深度学习的联合设备检测和信道估计方法
CN106850013B (zh) 一种上行链路大规模mimo系统的信号检测方法
CN113194548B (zh) 一种智能超表面辅助的大规模无源随机接入方法
TW201328230A (zh) 通道信息反饋方法及其無線通訊裝置
CN108809460B (zh) 一种稀疏活跃设备检测下的信号辅助信道估计的方法
CN107276646A (zh) 大规模mimo‑ofdm上行链路迭代检测方法
Wu et al. Downlink channel estimation for massive MIMO systems relying on vector approximate message passing
CN108964725B (zh) 时变大规模mimo网络中信道参数的稀疏估计方法
CN112994770B (zh) 基于部分csi的ris辅助多用户下行鲁棒无线传输方法
Wu et al. Hybrid channel estimation for UPA-assisted millimeter-wave massive MIMO IoT systems
CN106341169B (zh) 一种多用户大规模mimo系统上行链路的天线选择方法
CN106788631B (zh) 一种基于局部校准的大规模mimo互易性校准方法
CN111683023B (zh) 一种模型驱动的基于深度学习的大规模设备检测方法
CN114157331B (zh) 基于伪复值输入的大规模mimo信道状态信息反馈方法
CN114500322A (zh) 免授权大规模接入场景下设备活跃检测和信道估计方法
CN117614781A (zh) 基于ris的两阶段超分辨率参数信道估计方法及装置
He et al. Compressive channel estimation and user activity detection in distributed-input distributed-output systems
Wang et al. Double sparsity-based joint active user detection and channel estimation for mMTC-enabled massive MIMO
CN110868244B (zh) 一种基于信道穿刺的低复杂度通信信号检测方法

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