CN110380997B - 基于自适应压缩感知的毫米波信道估计方法 - Google Patents

Abstract

一种基于自适应压缩感知的毫米波信道估计方法，所述方法包括：构建毫米波信道估计的优化问题模型；采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解；基于所述优化问题模型的最优解，计算得到毫米波信道估计结果。上述的方案，可以在信道中有效路径数目未知的条件下对毫米波信道进行估计。

Description

基于自适应压缩感知的毫米波信道估计方法

技术领域

本发明属于通信技术领域，特别是涉及一种基于自适应压缩感知的毫米波信道估计方法。

背景技术

毫米波MIMO系统被认为是下一代无线通信技术中前景最好的一种通信技术，其原因有以下两点。一、由于毫米波的波长较短，因此在毫米波MIMO系统中可以将大量天线集成在一个天线阵列之中，以此降低毫米波所带来的路径损失，并提高系统的波束赋形增益。二、由于毫米波所处的30-300GHz的频段中存在着富裕的频谱资源，因而可以满足日益增长的频谱需求。

信道估计是毫米波MIMO系统进行有效通信和预编码的基础，由于系统中基站端(接收端)的天线数目庞大，如果将传统的信道估计算法直接应用于毫米波MIMO系统，将产生较高的复杂度。因而，为了降低信道估计的复杂度并充分利用毫米波信道的稀疏特性，压缩感知算法被广泛应用于毫米波系统的信道估计中。

为了解决毫米波信道在频域中的块状频谱泄露问题，研究者使用基于块稀疏的正交匹配追踪算法(BOMP)对毫米波的信道信息进行估计。然而，在使用BOMP算法估计毫米波信道信息的过程中，系统需要知晓信道中有效路径的数目，使得该算法在实际场景的应用中具有一定的局限性。

发明内容

本发明解决的技术问题是如何在信道中有效路径数目未知的条件下对毫米波信道进行估计。

为了达到上述目的，本发明实施例提供了一种基于自适应压缩感知的毫米波信道估计方法，所述方法包括：

构建毫米波信道估计的优化问题模型；

采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解；

基于所述优化问题模型的最优解，计算得到毫米波信道估计结果。

可选地，所述毫米波信道估计的优化问题模型为：

h＝argmin||y-Ah||₂；

其中，h表示为估计所得信道信息，y表示压缩感知中的观测向量，A表示压缩感知中的感知矩阵，h＝vec(H)表示，H表示基站与用户端之间的信道信息。

可选地，所述采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，包括：

设置毫米波信道中的有效路径数的初始值L＝1，毫米波信道在频域中的稀疏块大小S＝2，残差初始值r₀等于观测向量y，测量矩阵Ρ＝ΑΨ，块索引为R₍₂₎，初始的非零元素的索引集合

迭代次数的初始值t＝1，算法结束门限值T；

计算测量矩阵Ρ与第t-1次迭代得到的残差r_t-1的乘积向量，对所述乘积向量中的每一个元素分别求其二范数，将求得的二范数中L个最大值对应的L个块索引组成对应的块索引集合，将所述块索引集合与第t-1次的非零元素的索引集合合并，得到第t次迭代的非零元素的索引集合；

基于第t次迭代的非零元素的索引集合，求解得到稀疏信道的估计值；

将从求得的稀疏信道的估计值中选取的L个最大值对应的索引，组成对应的第二索引集合，并在测量矩阵P中选取所述第二索引集合中的索引对应的L列，组成对应的L列矩阵；

基于所述稀疏信道的估计值和L列矩阵，求解得到第t次迭代的残差r_t；

当确定第t次迭代的残差r_t的二范数大于第t-1次迭代的残差r_t-1的二范数之差大于所述结束门限值时，设置L＝L+1,t＝t+1，执行下一次迭代；

当确定第t次迭代的残差r_t的二范数大于第t-1次迭代的残差r_t-1的二范数之差小于所述结束门限值时，将求得的稀疏信道的估计值作为所述优化问题模型的最优解。

可选地，采用如下的公式基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，包括：

其中，h表示毫米波信道估计值，

表示稀疏信道h^ω的估计值，

表示估计所得的感知矩阵。

与现有技术相比，本发明的有益效果为：

上述的方案，通过构建毫米波信道估计的优化问题模型，并采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，再基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，可以在有效信道路径数未知的情况下，实现对毫米波信道进行估计。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种基于自适应压缩感知的毫米波信道估计方法的流程示意图；

图2是本发明实施例中采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解的流程示意图；

图3是本发明实施例中的基于自适应压缩感知的毫米波信道估计方法与现有的基于块稀疏的正交匹配追踪算法对系统进行信道估计所得的波束赋形增益与信噪比的曲线比较图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本发明实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

如背景技术所述，现有技术中，在使用BOMP算法估计毫米波信道信息的过程中，系统需要知晓信道中有效路径的数目，使得该算法在实际场景的应用中具有一定的局限性。

本发明的技术方案通过构建毫米波信道估计的优化问题模型，并采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，再基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，可以在有效信道路径数未知的情况下，实现对毫米波信道进行估计。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例的一种基于自适应压缩感知的毫米波信道估计方法的流程示意图。参见图1，一种基于自适应压缩感知的毫米波信道估计方法，具体可以包括如下的步骤：

步骤S101：构建毫米波信道估计的优化问题模型。

在具体实施中，本发明实施例的毫米波MIMO系统，系统包括全连接结构的基站发射端以及全连接结构的用户接收端。其中，所述的基站发射端配有N_b根天线，用户接收端配有N_u根天线和一根射频链。基站与用户之间采用的是单流通信，即基站在与用户的下行信道估计中只使用了一根射频链。

在第m个时隙内，用户端的接收信号可以表示为：

y^(m)＝w^(m)HHf^(m)s^(m)+n^(m) (1)

其中，y^(m)表示第m个时隙内用户端的接收信号，

表示第m个时隙内基站端所使用的预编码矩阵，s^(m)表示第m个时隙内基站端所发送的导频序列，且s^(m)＝1，w^(m)表示第m个时隙内用户端所使用的预编码矩阵。

基站与用户端之间的信道信息H可以表示为：

其中，α_l为基站与用户间的第l个散射信道的信道增益，L为基站与用户间散射信道的数目，a(θ_kl)为基站端和用户端的导向矢量，k∈{b,u}，且：

其中，

为天线与天线之间的距离，λ为毫米波波长，θ_ul是基站端的信号发射角，θ_bl用户端的信号接收角。

将上式(1)经过一次Kronecker积变换可得：

其中，h＝vec(H)。

那么，在连续M个时隙内，用户端的接收信号可以表示为：

y＝Ah+n (5)

且：

y＝[y⁽¹⁾ y⁽²⁾ ... y^(M)]^T (7)

其中，

表示矩阵的Kronecker积运算。

信道信息H经过傅里叶变换可以表示为：

其中，D_u和D_b分别为N_u维和N_b维的傅里叶矩阵。

将上式(8)经过一次Kronecker变换之后可得：

h＝Ψh^ω (9)

其中，

h＝vec(H)，h^ω＝vec(H^ω)

由此可得：

y＝AΨh^ω+n (10)

其中，A为压缩感知中的感知矩阵，Ψ为压缩感知中的稀疏基，h^ω为稀疏信号，y为压缩感知中的观测向量，

表示l₁范数。

综上，所述毫米波信道估计的优化问题模型为：

h＝argmin||y-Ah||₂s.t.h＝Ψh^w (11)

步骤S102：采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解。

参见图2，在本发明一实施例中，采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解时，可以具体包括如下的步骤：

步骤S201：参数初始化设置。设置毫米波信道中的有效路径数的初始值L＝1，毫米波信道在频域中的稀疏块大小S＝2，残差初始值r₀等于观测向量y，测量矩阵Ρ＝ΑΨ，块索引为R₍₂₎，初始的非零元素的索引集合

迭代次数的初始值t＝1，算法结束门限值T。

步骤S202：计算测量矩阵Ρ与第t-1次迭代得到的残差r_t-1的乘积向量，对所述乘积向量中的每一个元素分别求其二范数，采用求得的二范数中L个最大值对应的L个块索引组成对应的块索引集合Ι_L＝{R₍₂₎{l_i}:i＝1,…L}，将所述块索引集合Ι_L与第t-1次的非零元素的索引集合合并，得到第t次迭代的非零元素的索引集合Λ_t，即Λ_t＝Λ_t-1∪Ι_L。

步骤S203：基于第t次迭代的非零元素的索引集合，求解得到第t次迭代对应的稀疏信道的估计值。具体地，采用使用最小二乘算法初步求解出稀疏信道h^ω的估计值

步骤S204：将从求得的第t次迭代对应的稀疏信道h^ω的估计值

中选取的L个最大值对应的索引，组成对应的第二索引集合Λ_tL，并在测量矩阵P中选取所述第二索引集合Λ_tL中的索引对应的L列，组成对应的L列矩阵

步骤S205：基于所述第t次迭代对应稀疏信道的估计值和L列矩阵，求解得到第t次迭代的残差r_t。具体地，基于稀疏信道h^ω的估计值，使用最小二乘法可得第t更新的残差

步骤S206：判断第t次迭代的残差r_t的二范数与第t-1次迭代的残差r_t-1的二范数之差是否小于所述结束门限值；当判断结果为否时，可以执行步骤S207；反之，则可以执行步骤S208。

步骤S207：当确定第t次迭代的残差r_t的二范数与第t-1次迭代的残差r_t-1的二范数之差大于所述结束门限值，即||r_t||₂-||r_t-1||₂＞T时，设置L＝L+1,t＝t+1，并从步骤S202开始执行第t+1次迭代。

步骤S208：当确定第t次迭代的残差r_t的二范数与第t-1次迭代的残差r_t-1的二范数之差小于所述结束门限值，即||r_t||₂-||r_t-1||₂＜T时，将求得的第t次迭代对应的稀疏信道h^ω的估计值

作为所述优化问题模型的最优解。

当采用上述的采用基于块稀疏的自适应正交匹配追踪算法求解得到所述优化问题模型的最优解时，接着执行步骤S103。

步骤S103：基于所述优化问题模型的最优解，计算得到毫米波信道估计结果。

在具体实施中，当采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，即稀疏信道h^ω的估计值

时，采用如下的公式基于所述优化问题模型的最优解，计算得到毫米波信道估计结果：

其中，h表示毫米波信道估计值，

表示稀疏信道h^ω的估计值，

表示估计所得的感知矩阵。

下面结合图3的仿真实验对本发明方法的性能进行分析。

本发明的仿真实验采用均匀线性天线阵列，基站端配有64根天线，即N_b＝64，用户接收端配有32根天线，即N_u＝32，基站与用户间的有效路径数L＝4，且用户接收端估计信道时，未知信道中的有效路径数目。

本仿真实验所研究的是波束赋形增益(beaming gain)与信噪比(SNR)的变化关系。其中，波束赋形增益定义为

γ＝|w_optHf_opt|² (13)

且：

H＝UΣV^H (14)

其中，γ为波束赋形增益，H为系统估计所得的信道矩阵，U和V分别为H通过SVD分解后所得左奇异矩阵和右奇异矩阵，w_opt和f_opt为别表示左奇异矩阵U和右奇异矩阵V的第一列。

图3中的BOMP算法曲线为使用现有的基于块稀疏的正交匹配追踪算法对系统进行信道估计所得的波束赋形增益与信噪比的曲线图，ABOMP算法为本发明的基于块稀疏的自适应正交匹配追踪算法，ABOMP算法曲线为使用本发明的基于块稀疏的自适应正交匹配追踪算法对系统进行信道估计所得的波束赋形增益与信噪比的曲线图。

由图3可见，在相同信噪比的情况下，使用本发明的算法估计的信道信息所产生的波束赋形增益要大于使用传统的基于块稀疏的正交匹配追踪算法估计信道时所产生的波束赋形增益。

上述的方案，通过构建毫米波信道估计的优化问题模型，并采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，再基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，可以在有效信道路径数未知的情况下，实现对毫米波信道进行估计。

采用本发明实施例中的上述方案，通过构建毫米波信道估计的优化问题模型，并采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，再基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，可以在有效信道路径数未知的情况下，实现对毫米波信道进行估计。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。

Claims (3)

1.一种基于自适应压缩感知的毫米波信道估计方法，其特征在于，包括：

构建毫米波信道估计的优化问题模型；

采用基于块稀疏的自适应正交匹配追踪算法求解所述优化问题模型的最优解，具体包括：设置毫米波信道中的有效路径数的初始值L＝1，毫米波信道在频域中的稀疏块大小S＝2，残差初始值r₀等于观测向量y，测量矩阵Ρ＝ΑΨ，块索引为R₍₂₎，初始的非零元素的索引集合

迭代次数的初始值t＝1，算法结束门限值T；计算测量矩阵Ρ与第t-1次迭代得到的残差r_t-1的乘积向量，对所述乘积向量中的每一个元素分别求其二范数，将求得的二范数中L个最大值对应的L个块索引组成对应的块索引集合，将所述块索引集合与第t-1次的非零元素的索引集合合并，得到第t次迭代的非零元素的索引集合；基于第t次迭代的非零元素的索引集合，求解得到稀疏信道的估计值；将从求得的稀疏信道的估计值中选取的L个最大值对应的索引，组成对应的第二索引集合，并在测量矩阵P中选取所述第二索引集合中的索引对应的L列，组成对应的L列矩阵；基于所述稀疏信道的估计值和L列矩阵，求解得到第t次迭代的残差r_t；当确定第t次迭代的残差r_t的二范数与第t-1次迭代的残差r_t-1的二范数之差大于所述结束门限值时，设置L＝L+1,t＝t+1，执行下一次迭代；当确定第t次迭代的残差r_t的二范数与第t-1次迭代的残差r_t-1的二范数之差小于所述结束门限值时，将求得的稀疏信道的估计值作为所述优化问题模型的最优解；

基于所述优化问题模型的最优解，计算得到毫米波信道估计结果。

2.根据权利要求1所述的基于自适应压缩感知的毫米波信道估计方法，其特征在于，所述毫米波信道估计的优化问题模型为：

h＝argmin||y-Ah||₂

其中，h表示为估计所得信道信息，y表示压缩感知中的观测向量，A表示压缩感知中的感知矩阵，h＝vec(H)表示，H表示基站与用户端之间的信道信息。

3.根据权利要求2所述的基于自适应压缩感知的毫米波信道估计方法，其特征在于，采用如下的公式基于所述优化问题模型的最优解，计算得到毫米波信道估计结果，包括：

其中，h表示毫米波信道估计值，

表示稀疏信道h^ω的估计值，

表示估计所得的感知矩阵。

Images