CN110336761B - 毫米波大规模mimo系统的波束空间信道估计方法 - Google Patents
毫米波大规模mimo系统的波束空间信道估计方法 Download PDFInfo
- Publication number
- CN110336761B CN110336761B CN201910628155.2A CN201910628155A CN110336761B CN 110336761 B CN110336761 B CN 110336761B CN 201910628155 A CN201910628155 A CN 201910628155A CN 110336761 B CN110336761 B CN 110336761B
- Authority
- CN
- China
- Prior art keywords
- channel
- signal
- algorithm
- dictionary
- representing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 8
- 230000004044 response Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims 1
- 238000007670 refining Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000011084 recovery Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
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
- H04L25/024—Channel estimation channel estimation algorithms
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,涉及一种毫米波大规模MIMO系统的波束空间信道估计方法。本发明基于波束空间中的信道稀疏性,首先将信道估计放到稀疏信号恢复的框架中,第一步利用OMP算法获得信道的粗略估计,也就是只保留稀疏信号中几个具有较大绝对幅值的元素,其次基于期望最大化算法来学习框架中的相关参数,利用估计的参数,可以通过简单的替换获得信道估计。相较基于支持检测、SCAMPI的算法,本发明所提出的方案可以充分有效地利用信道响应的特性从而实现更好的估计性能,并且相比单纯的基于期望最大化的算法,该方案具有更低的复杂度且性能也更具优势。
Description
技术领域
本发明属于无线通信技术领域,涉及一种毫米波大规模MIMO系统的波束空间信道估计方法。
背景技术
由于毫米波大规模MIMO的大带宽和高频谱效率,从而可以实现数据速率的显著提高,因此它被认为是5G无线通信的关键技术。然而在实践中实现毫米波大规模MIMO并不容易,一个关键的挑战性问题是MIMO系统中的每根天线通常需要一个专用的射频(RF)链(包括数模转换器、上变频器等),这将导致毫米波大规模MIMO系统中难以承受的硬件成本和能量消耗,并且由于天线数量变大,RF链的能量消耗就会很高。如果考虑一个典型的基站有256根天线的毫米波大规模MIMO系统,仅仅RF链消耗的能量就会远远高于4G微蜂窝基站的能量消耗。为了减少所需射频链的数量,具有透镜天线阵的毫米波大规模MIMO被提出。
透镜天线阵列通常由具有能量聚焦能力的电磁透镜和位于透镜焦面上的匹配天线阵列构成,可以通过在不同天线上集中来自不同方向的信号将传统信道变换为波束空间信道。由于毫米波频率的散射不丰富,因此毫米波通信中的有效传播路径数量非常有限,仅占用少量波束,因此毫米波波束空间是稀疏的。基于此,可以根据稀疏波束空间信道选择少量主波束,以显著减小MIMO系统的维数和所需射频链的数量。所以具有透镜天线阵列的毫米波大规模MIMO被认为是缓解巨大能耗瓶颈的有效方案。当天线阵列很大并且RF链的数量有限时,毫米波通信系统的信道估计问题具有较大难度,而透镜天线阵列的能量聚焦能力和毫米波通信的多径稀疏性给信道估计问题带来了新的技术。包括之前提出的基于支持检测、SCAMPI等信道估计算法。
发明内容
为了在较低的算法复杂度下进一步提高信道估计性能,本发明提出了一种新信道估计方案。基于波束空间中的信道稀疏性,首先将信道估计放到稀疏信号恢复的框架中,第一步利用OMP算法获得信道的粗略估计,也就是只保留稀疏信号中几个具有较大绝对幅值的元素,其次基于期望最大化算法来学习框架中的相关参数,利用估计的参数,可以通过简单的替换获得信道估计。相较基于支持检测、SCAMPI的算法,本发明所提出的方案可以充分有效地利用信道响应的特性从而实现更好的估计性能,并且相比单纯的基于期望最大化的算法,该方案具有更低的复杂度且性能也更具优势。
本发明采用了OMP和EM算法,OMP算法的目的是对稀疏信号进行一个粗略估计并保留其中的非稀疏元素以降低待估信号的维度,EM算法就只需要再次对降维信号进行细化估计,从而减小EM算法的复杂度。
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。
考虑单天线用户向配备有三维(3D)透镜天线阵列的基站(BS)发送信号,基站处的EM透镜长度和高度分别为Dy和Dz,并将M×N天线阵列置于透镜焦平面上,MN根天线通过Q×MN的选择网络W与Q个射频链相连。记天线的索引为(m,n),于是有第(m,n)根天线处的阵列响应为:
其中,α(l)是第l条路径的复增益,且服从零均值单位方差的复高斯分布。通过矢量化H和A(l),可得波束空间信道矢量为:
h和v(l)分别表示H和A(l)的矢量化结果。
在上行链路信道估计中,用户向基站发送的训练符号s,此时基站的接收信号为:
本发明通过如下步骤实现:
S1、首先将信道h表示为字典D中原子的线性组合。假设到达角在[-1,1]均匀采样P个网格点S={-1+1/P,-1+3/P,...,(P-1)/P},字典D中的第p个原子D(:,p)可以记为v(sp1,sp2),v(·)与公式(3)中v相对应,sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P,此时字典的维度为MN×P2,公式(3)可另记为:
由于多径数L有限,因此信号x是稀疏的。基于式(5),将接收信号另记为:
6)、t=t+1,若t小于等于I,则返回步骤2
其中a'j代表公式(7)中测量矩阵A'的第j列,Λt代表第t次迭代的索引合集,A't表示按索引Λt选出的矩阵A'的列集合,A'0表示A't的初始化,最后得到只保留了中I个非零元的信号其中,表示待估稀疏信号,表示通过OMP算法对x实现的粗略估计值,表示中的I个非稀疏元素的集合。
S3、对S1中的字典进行细化,另记信道响应矢量为:
其中,s1、s2表示S中离最近的格子点,δy、δz表示的离散化误差。d(s1,s2)=v(s1,s2),dy(s1,s2)和dz(s1,s2)分别是对 求导后在s1、s2处的值。基于此,步骤S1中的字典D转换为3个MN×P2的稀疏使能字典D,Dy,Dz且D(:,p)=d(sp1,sp2),Dy(:,p)=dy(sp1,sp2),Dz(:,p)=dz(sp1,sp2),sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P。基于此,信道可另记为:
其中,diag(δ)代表对角元上为矢量δ的对角矩阵,且δy=[δy,1,δy,2,...,δy,P]T,且δz=[δz,1,δz,2,...,δz,P]T,IP表示长度为P的单位列向量,由于信道只有L条多径,δy、δz只有L个非零元,若(sp1,sp2)是离最近的格子点,则 否则δy,p1=0、δz,p2=0且1≤p1,p2≤P。
假设信号中每个元素服从均值为0,方差为的相同复高斯分布,令中所有元素方差集合α=[α1,α2,…,αI]T。噪声n中每个元素服从均值为0,方差为β-1的相同复高斯分布。因此,利用信号的先验概率和条件概率并基于期望最大化算法可得信号的后验概率为:
上式分别对αl、β求导并令其一阶导数为0,得到参数αl、β的更新公式:
S5、信道估计值的获取
本发明的有益效果为能够在较低的算法复杂度下对具有透镜天线阵列的毫米波大规模MIMO系统进行更有效的信道估计。
附图说明
图1是本发明的算法与之前相关文献所提算法的NMSE性能曲线比较;
图2是在移相器的不同断开比率下本发明的算法的NMSE性能曲线图。
具体实施方式
下面结合附图和仿真示例说明本发明的有效性:
仿真基于一个基站配有41×41透镜天线阵列的毫米波系统进行,相应的透镜尺寸为其中波长λ=1,多径数L等于3,均匀采样的网格点数P取做41以保证字典D的完备性。经过OMP算法保留信号x中的10个最大非零元得到最后对降维信号进行细化估计得到hest,归一化均方误差定义为来评估每个算法的性能,其中hest表示估计信道,h表示实际生成的信道,这里考虑100个信道。
图1表示在相同的仿真条件下,SD算法、服从均匀分布的SCAMPI算法、单纯基于期望最大化算法、本发明所提出的算法在-20至10dB信噪比时的NMSE曲线。通过比较各算法的仿真性能可以发现,本发明所提出算法具有最好的信道估计性能,相较于单纯的基于期望最大化算法,本算法由于先对稀疏信号中的非零分支进行粗略估计以及再次的细化估计,使得本算法的仿真性能有所提升且算法的复杂度也得以降低。
图2表示当W中的一些移相器断开以节省功率时所提出的方案的仿真性能。令p为总移相器中断开的移相器比率,从图2中可以看出,本发明所提出算法对移相器比率的变化不太敏感,即使总的移相器减少90%,该算法仍然具有很好的优势,且在10dB处的NMSE增加约2×10-3,相较于90%的网络功耗降低,性能的下降可忽略。
Claims (1)
1.毫米波大规模MIMO系统的波束空间信道估计方法,所述MIMO系统的基站配备有三维透镜天线阵列,透镜长度和高度分别为Dy和Dz,并将M×N天线阵列置于透镜焦平面上,MN根天线通过Q×MN的选择网络W与Q个射频链相连,即基站利用网络检测接收信号y;其特征在于,所述信道估计方法包括以下步骤:
S1、将信道h表示为字典D中原子的线性组合,具体为:令入射平面波方位角和入射平面波仰角φy、φz在[-1,1]均匀采样P个网格点S={-1+1/P,-1+3/P,...,(P-1)/P},字典D中的第p个原子D(:,p)记为v(sp1,sp2),v(·)表示矢量化,sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P,此时字典的维度为MN×P2,信道h为:
由于多径数L有限,因此信号x是稀疏的;将接收信号记为:
6)、t=t+1,若t小于等于I,则返回步骤2;
S3、对S1中的字典进行细化,记信道响应矢量为:
其中,s1、s2表示S中离最近的格子点, δy、δz表示的离散化误差,d(s1,s2)=v(s1,s2),dy(s1,s2)和dz(s1,s2)分别是对求导后在s1、s2处的值;基于此,步骤S1中的字典D转换为3个MN×P2的稀疏使能字典D,Dy,Dz且D(:,p)=d(sp1,sp2),Dy(:,p)=dy(sp1,sp2),Dz(:,p)=dz(sp1,sp2),信道另记为:
其中,且δy=[δy,1,δy,2,...,δy,P]T,且δz=[δz,1,δz,2,...,δz,P]T,IP表示长度为P的单位列向量,由于信道只有L条多径,δy、δz只有L个非零元,若(sp1,sp2)是离最近的格子点,则否则δy,p1=0、δz,p2=0且1≤p1,p2≤P;
假设信号中每个元素服从均值为0,方差为的相同复高斯分布,且α=[α1,α2,…,αI]T;噪声n中每个元素服从均值为0,方差为β-1的相同复高斯分布;因此,利用信号的先验概率和条件概率并基于期望最大化算法可得信号的后验概率为:
上式分别对αl、β求导并令其一阶导数为0,得到参数αl、β的更新公式:
S5、信道估计值的获取:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628155.2A CN110336761B (zh) | 2019-07-12 | 2019-07-12 | 毫米波大规模mimo系统的波束空间信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910628155.2A CN110336761B (zh) | 2019-07-12 | 2019-07-12 | 毫米波大规模mimo系统的波束空间信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110336761A CN110336761A (zh) | 2019-10-15 |
CN110336761B true CN110336761B (zh) | 2021-04-02 |
Family
ID=68146630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910628155.2A Expired - Fee Related CN110336761B (zh) | 2019-07-12 | 2019-07-12 | 毫米波大规模mimo系统的波束空间信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110336761B (zh) |
Families Citing this family (16)
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 |
CN111555992B (zh) * | 2020-05-15 | 2021-08-24 | 厦门大学 | 一种基于深度卷积神经网络的大规模多天线信道估计方法 |
CN111654456B (zh) * | 2020-06-09 | 2021-10-19 | 江南大学 | 基于降维分解的毫米波大规模mimo角域信道估计方法及装置 |
CN111786703B (zh) * | 2020-06-16 | 2021-09-03 | 杭州电子科技大学 | 大规模mimo的自适应双阈值下行信道估计方法 |
CN111856159B (zh) * | 2020-06-28 | 2021-05-28 | 北京邮电大学 | 一种平面波生成器的采样方法 |
CN112104579B (zh) * | 2020-08-25 | 2021-11-19 | 西安交通大学 | 基于模型约束的信道估计方法、系统、设备及存储介质 |
CN112187323B (zh) * | 2020-09-29 | 2021-08-03 | 国网江苏省电力有限公司丹阳市供电分公司 | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 |
CN112769462B (zh) * | 2021-01-07 | 2022-02-08 | 电子科技大学 | 一种基于联合参数学习的毫米波mimo宽带信道估计方法 |
CN113285740B (zh) * | 2021-05-20 | 2023-02-14 | 东南大学 | 一种基于强化学习的波束训练方法 |
CN114520700B (zh) * | 2022-01-13 | 2024-03-22 | 陈卫锋 | 一种低分辨率adc下机器类通信中的低复杂度信号检测方法 |
CN115941396A (zh) * | 2022-11-14 | 2023-04-07 | 北京邮电大学 | 联合上下行字典学习和信道估计方法及装置 |
CN116016052B (zh) * | 2023-01-04 | 2024-05-07 | 西南交通大学 | 一种用于毫米波大规模mimo系统的信道估计方法 |
CN116319186A (zh) * | 2023-03-01 | 2023-06-23 | 电子科技大学 | 一种基于一比特量化接收的毫米波大规模mimo信道估计方法 |
CN116319194A (zh) * | 2023-03-30 | 2023-06-23 | 电子科技大学 | 低精度量化下的大规模mimo系统信道估计和定位方法 |
CN117061028B (zh) * | 2023-04-21 | 2024-05-17 | 重庆邮电大学空间通信研究院 | 一种ris辅助毫米波通信的信道估计方法 |
CN116208448B (zh) * | 2023-04-26 | 2023-08-04 | 东南大学 | 大规模mimo信道估计的简化信息几何方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360108A (zh) * | 2017-08-10 | 2017-11-17 | 电子科技大学 | Fdd大规模mimo多用户自适应低复杂度信道估计 |
CN108111441A (zh) * | 2018-01-12 | 2018-06-01 | 电子科技大学 | 基于变分贝叶斯推断的信道估计方法 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
CN109743118A (zh) * | 2018-12-24 | 2019-05-10 | 哈尔滨工程大学 | 一种时变双扩信道条件下的高频谱效率的ofdm水声通信方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107040296B (zh) * | 2017-02-28 | 2020-05-26 | 北京航空航天大学 | 毫米波通信中的信道估计方法 |
-
2019
- 2019-07-12 CN CN201910628155.2A patent/CN110336761B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107360108A (zh) * | 2017-08-10 | 2017-11-17 | 电子科技大学 | Fdd大规模mimo多用户自适应低复杂度信道估计 |
CN108111441A (zh) * | 2018-01-12 | 2018-06-01 | 电子科技大学 | 基于变分贝叶斯推断的信道估计方法 |
CN109194596A (zh) * | 2018-10-15 | 2019-01-11 | 哈尔滨工程大学 | 一种基于稀疏贝叶斯学习的水声ofdm时变信道估计方法 |
CN109743118A (zh) * | 2018-12-24 | 2019-05-10 | 哈尔滨工程大学 | 一种时变双扩信道条件下的高频谱效率的ofdm水声通信方法 |
Non-Patent Citations (2)
Title |
---|
《Sparse Bayesian learning-based channel estimation in millimeter wave hybrid MIMO systems》;Amrita Mishra;《2017 IEEE 18th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC)》;20171221;全文 * |
《基于混合预编码架构的毫米波无线传输关键技术研究》;杨杰;《万方数据库》;20190603;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110336761A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110336761B (zh) | 毫米波大规模mimo系统的波束空间信道估计方法 | |
Mirza et al. | Channel estimation method and phase shift design for reconfigurable intelligent surface assisted MIMO networks | |
CN113225276B (zh) | 一种面向智能反射面辅助通信系统的半盲信道估计方法 | |
Deng et al. | Mm-wave MIMO channel modeling and user localization using sparse beamspace signatures | |
CN105891771B (zh) | 一种提高估计精度的基于连续分布的角度估计方法与设备 | |
CN112769461A (zh) | 基于毫米波智能反射面通信的大规模天线信道估计方法 | |
CN112565121A (zh) | 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 | |
CN114285702B (zh) | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 | |
CN110380995B (zh) | 具有透镜天线阵的mimo系统的稀疏信道估计方法 | |
CN114095318B (zh) | 智能超表面辅助的混合构型毫米波通信系统信道估计方法 | |
CN114745237B (zh) | 一种智能超表面辅助多用户无线通信系统的信道估计方法 | |
Hu et al. | MmWave MIMO communication with semi-passive RIS: A low-complexity channel estimation scheme | |
CN112565118A (zh) | 毫米波透镜天线阵列通信系统信道估计方法 | |
CN110824414A (zh) | 一种到达角估计的装置及方法 | |
Feraidooni et al. | A coordinate descent framework for probing signal design in cognitive MIMO radars | |
CN114785642B (zh) | 一种基于稀疏张量分解的ris-mimo系统信道估计方法 | |
CN109861933A (zh) | 一种基于music算法和预编码的毫米波mimo信道估计方法 | |
CN115856767A (zh) | 一种可重构智能超表面辅助的波到达方向估计方法 | |
CN110212951B (zh) | 一种基于Butler矩阵的大规模MIMO信道估计方法 | |
CN114726686A (zh) | 一种均匀面阵毫米波大规模mimo信道估计方法 | |
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 | |
Zhou et al. | Individual Channel Estimation for RIS-aided Communication Systems-A General Framework | |
CN110636018B (zh) | 一种网格补偿大规模mimo信道估计方法 | |
CN116016052B (zh) | 一种用于毫米波大规模mimo系统的信道估计方法 | |
CN114978264B (zh) | 基于太赫兹mimo系统的混合预编码方法 |
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 | ||
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: 20210402 |