CN110460549A - 一种新颖的多用户3d mimo系统的信道估计方法 - Google Patents
一种新颖的多用户3d mimo系统的信道估计方法 Download PDFInfo
- Publication number
- CN110460549A CN110460549A CN201910712719.0A CN201910712719A CN110460549A CN 110460549 A CN110460549 A CN 110460549A CN 201910712719 A CN201910712719 A CN 201910712719A CN 110460549 A CN110460549 A CN 110460549A
- Authority
- CN
- China
- Prior art keywords
- axis
- user
- channel
- space characteristics
- channel estimation
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- 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
- H04B7/0452—Multi-user 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
- H04L25/0204—Channel estimation of multiple channels
-
- 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
Abstract
本发明公开一种新颖的多用户3D MIMO系统的信道估计方法,包括:利用波达方向与平面阵列天线的x轴和y轴的夹角进行建模,将3D MIMO信道投影到x轴和y轴上面;上行前导阶段给每个用户分配正交导频序列,获得每个用户投影到x轴和y轴的上的信道的成对的空间特征和最优旋转角;对获得的成对的空间特征进行分组,组内分配同一条导频信息,组间分配正交导频序列;前导阶段之后的第n个相干时间的组内通过第n‑1个相干时间的空间特征和最优旋转角进行信道估计,然后动态更新用户的空间特征和最优旋转角;重复组内信道估计方法获得小区内所有用户的空间特征和最优旋转角度,重构小区里所有用户的x轴和y轴的信道,通过Kronecker积生成3D MIMO信道。
Description
技术领域
本发明属于5G信号的信号处理技术领域,具体为一种新颖的多用户3D MIMO系统的信道估计方法。
背景技术
近年来5G(5th-Generation)技术的研究快速发展,其中大规模多输入多输出(Massive multiple-input multiple-output,Massive MIMO)在学术界和工业界均引起了很大的关注,而3D MIMO系统作为Massive MIMO的一个应用场景不仅可以利用大规模发射天线的空间自由度,而且可以在水平和垂直维度上调整发射波束方向,有助于提高第三维的空间分辨率,从而提高信号功率,减少小区间的干扰。为了获取这些潜在的优点收益,准确的获取基站和用户之间的信道状态信息(channel state information,CSI)变得尤为重要。
传统的信道估计方法有最小二乘(least squares,LS)方法、最小化均方误差(minimum mean-square-error,MMSE)方法等。LS方法的计算复杂度低使得得到了广泛的应用,但是需要使用正交导频并且没有考虑噪声的影响。MMSE方法考虑了噪声对信道的影响是对LS方法的改进,但是其需要获得信道的相关矩阵和接收噪声功率等先验知识,然而随着天线数的增加计算复杂度随之增大。利用3D MIMO系统的信道特性进行信道估计,提高信道估计的性能,降低计算复杂度和减少导频资源的开销等问题是一个亟待解决的问题。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种新颖的多用户3D MIMO系统的信道估计方法,实现降维、降低计算复杂度和提高信道估计性能的功能。
为实现上述目的,本发明采用的技术方案是:
一种新颖的多用户3D MIMO系统的信道估计方法,包括:
进行3D MIMO信道建模,将建模的3D MIMO信道投影到平面阵列天线的x轴和y轴上面;
在上行前导阶段,给每个用户分配正交导频序列,获得每个用户投影到x轴和y轴上的信道的成对的空间特征和最优旋转角;
根据获得的所有用户的成对的空间特征对用户进行分组,组内分配同一条导频信息,组间分配正交导频序列;
前导阶段之后,通过第n-1个相干时间的空间特征和最优旋转角对第n个相干时间的组内进行信道估计,动态更新当前组内用户的空间特征和最优旋转角;
重复组内信道估计方法,获得小区内所有用户的空间特征和最优旋转角度,重构小区内所有用户的x轴和y轴的信道,通过Kronecker积生成3D MIMO信道。
优选地,所述3D MIMO信道建模进一步包括:利用波达方向与平面阵列天线的x轴和y轴的夹角进行建模。
优选地,所述成对的空间特征通过同一条导频序列进行匹配。
优选地,在上行前导阶段,通过DFT和角度旋转技术获得每个用户投影到x轴和y轴上的信道的成对的空间特征和最优旋转角。
优选地,通过DFT和角度旋转技术动态更新所有用户的空间特征和最优旋转角。
优选地,每个用户的3D MIMO信道均是通过重构出该用户在x轴和y轴上的信道信息,然后利用Kronecker积生成。
与现有技术相比,本发明的有益效果是:
(1)本发明简化了3D MIMO的信道建模,使其投影到x轴或y轴的信道信息只与一个角度相关。相较于传统的2D-DFT操作而言,本发明只对投影到x轴和y轴的信道信息分别做一维DFT操作,从而达到了降维的目的,降低了计算复杂度。
(2)本发明提供的用户分组以及两个阶段的导频分配大大降低了系统的导频开销。
(3)本发明提供的方法应用到5G信号处理领域,可以降低系统的导频资源开销和计算资源开销。
附图说明
图1是本发明实施一种新颖的多用户3D MIMO系统信道估计方法的UPA信号模型示意图;
图2是本发明实施一种新颖的多用户3D MIMO系统信道估计方法的流程图;
图3是本发明实施一种新颖的多用户3D MIMO系统信道估计方法与现有的方法的估计均方误差MSE随信噪比SNR变化曲线示意图;
图4是本发明实施一种新颖的多用户3D MIMO系统信道估计方法与现有的方法的计算复杂度(浮点运算数,FLOPs)随天线数变化曲线示意图。
具体实施方式
下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供一种新颖的多用户3D MIMO系统的信道估计方法,旨在解决现有技术中信道的估计性能、系统的导频资源开销以及计算开销问题。
首先对本发明的符号进行说明:小写黑体和大写黑体分别表示列向量和矩阵。上标(·)H、(·)T、(·)*、(·)-1分别表示矩阵的共轭转置、转置、共轭、逆。[A]i,j表示矩阵A的第(i,j)的元素。diag{a}表示由列向量a元素构成的对角矩阵。表示以为索引集的列向量h的子向量。表示以为行索引集的矩阵H的子矩阵,而表示以为列索引集的矩阵H的子矩阵。
一种新颖的多用户3D MIMO系统的信道估计方法,包括以下步骤:
步骤1:利用波达方向与平面阵列天线的x轴和y轴的夹角进行建模,将3D MIMO信道投影到x轴和y轴上面。
考虑单小区多用户3D MIMO系统,K个用户随机分布在基站覆盖范围内。考虑SV(Saleh-Valenzuela)空间信道模型,天线阵列采用均匀平面阵列(UPA),UPA天线阵列如图1所示,沿x轴和y轴均匀放置,x轴和y轴分别放置M和N个天线,因此在UPA中一共有Nr=M*N个阵元天线,x轴和y轴的天线间隔为d。
基站接收到的信号可以表示为
其中是基站接收的信号矩阵,L是用户发送的导频个数,是用户k的信道向量,是信道矩阵,是用户k的发送导频序列,是用户的发送导频矩阵,是加性复高斯白噪声。
假设阵列天线接收到K个用户,如图1所示,第k个用户的入射信号的水平方位角和垂直俯仰角分别为φk和θk,入射信号与x轴和y轴之间的夹角分别定义为αk和βk。由几何关系可以知道这四个角度之间的关系
cosαk=sinθkcosφk (2)
cosβk=sinθksinφk (3)
然后可以得到,
由式(2)到式(5)可以看出,入射角度信息不仅可以通过俯仰角θk和方位角φk来唯一确定,也可以通过信号来向与x轴和y轴夹角的αk和βk来唯一确定。这个转换给3D MIMO信道建模及信号处理提供了方便。在这种情况下,信道建模可以表示为
其中是x轴上的ULA(均匀线阵)关于αk,r的流型矢量;是y轴上的ULA关于βk,r的流型矢量,λ是载波波长,d是相邻天线之间的距离且d=λ/2,是复增益;R是在和组成的3维角度空间范围内服从某种分布的R条射线。需要注意的是,式(1)中的hk是将式(6)Hk向量化,即hk=vec(Hk)。
对于信道模型做了简化处理,当信道信息被投影到x轴和y轴上的时候,x轴或者y轴上的信息仅仅只与一个角度相关,并且认为在x轴和y轴上面的信道信息分别是两个均匀线阵(ULA)下的信道向量。以投影到x轴为例分析,投影到x轴的信道向量可以表示为hk,x,对hk,x做标准DFT矩阵运算得由阵列天线理论可知,当天线数M趋于无穷时,信道向量仅仅只有一条射线生成时候则它的标准DFT矩阵的非零点有且只有一个,并且这个点反应了信号的到达角信息,而M很大但是不是无穷的,则信道向量的大部分能量集中在这个非零点的附近,体现了信道向量的稀疏性。
由于天线数量是有限的,DFT中均会出现能量泄露的问题,利用阵列天线的旋转不变性对DFT变换后的矩阵做角度旋转操作,使得DFT变换之后的能量变的更加集中,提高DOA估计的准确性。
将3D MIMO信道投影到x轴后经DFT变换后得到定义
其中是空间旋转参数。当寻找到最优的空间旋转角度时,可以使得信道功率更加集中在少量的DFT点上,从而获得更加精确的DOA估计。当信道仅仅只有一条射线生成的时候,做旋转操作之后则仅仅只有一个非零元素p0,则减轻了能量泄露,并且记为用户k在x轴投影的空间信息,然而在多条射线的情况下则是一个多元素的索引集合。这样就可以估计出与x轴夹角的到达角信息。
同理,3D MIMO信道投影到y轴,当信道仅仅只有一条射线生成的时候做旋转操作之后得其中 则仅仅只有一个非零元素q0,并且记做为用户k在y轴投影的空间信息,同样的在多条射线的情况下则是一个多元素的索引集合。可以估计出与y轴夹角的到达角信息。
A、信道估计方法
步骤2:上行前导阶段通过给每个用户分配正交导频序列,利用DFT和角度旋转技术获得每个用户投影到x轴和y轴的上的信道的成对的空间特征和最优旋转角。
在前导阶段所有K个用户通过传统的最小二乘(least square,LS)方法获得他们的初始信道状态信息(Channel State Information,CSI)。在此之前在基站接收端首先提取出x轴和y轴上天线接收的数据分别记做Yx和Yy,其中使用LS方法分别估计出每个用户的x轴和y轴的初始CSI,记做和然后从每个用户的信道状态信息提取出每个用户在x轴和y轴对应的初始角度状态信息。
为了简便起见,假设每个用户到达基站端仅仅只有一条径,且增益均恒定1。从基站接收端提取出x轴和y轴的接收矩阵分别表示为
式中,是所有K个用户的x轴上行信道矩阵;是所有K个用户的y轴上行信道矩阵;是K个用户发送的正交导频序列;N是元素独立同分布的加性高斯白噪声矩阵。然后x轴和y轴的信道向量hk,x和hk,y可以通过LS方法估计出
通过重复(10)和(11)操作获得小区内所有用户的x轴和y轴的初始信道状态信息,以提供下一步操作。
下一步通过DFT和角度旋转技术从和中获得最优旋转角度ψk,x和ψk,y与空间特征和然后通过式(12)和式(13)可以获得用户k在x轴和y轴相匹配的初始角度信息和
需要注意的是,在整个系统中上行前导阶段是不经常使用的,对于整个系统的导频开销相对较小,只有当用户的角度发生很大的改变的时候,才会重新进行前导阶段传输并进行重新分组。
步骤3:通过获得的成对的空间特征进行分组,组内分配同一条导频信息,而组间分配正交导频序列。
通过上行前导阶段获得的空间角度特征和对所有K个用户进行分组。使得x轴的到达角范围不重叠且保持一定的保护间隔,并且y轴的到达角范围也不重叠且保持一定的保护间隔,同时满足这两个条件的用户分为同一组中,称为3维角分多址(threedimension angle-division multiple access,3D-ADMA)。将K个用户分为G个组,记做即分组的时候必须满足(14)表达式
其中 阈值Ωx和Ωy的设置取决于系统中复用导频的容忍值。
上行前导阶段是个很短的阶段,可能只有一个相干时间或少于一个相干时间。在3D空间分组之后将用户分为G个组,在之后的每个相干时间里上行信道传输中每个组共用一个导频序列,称作组内导频复用,而在组与组之间使用正交导频,这样就会避免组间干扰而且大大的节约导频开销。组内导频复用将会造成导频干扰,利用上行前导序列获得的用户空间特征,在组内空间特征的不同实现正交传输。由于信道相干时间是毫秒级别并且每个用户周围的建筑物在短时间内不会发生物理变化,所以用户的空间到达角可以看做在几十个相干时间内是没有改变的。因此在上行前导阶段后的若干的相干时间内的上行信道估计均可以使用上行前导阶段获得的用户空间信息和
步骤4:前导阶段之后的第n个相干时间的组内通过第n-1个相干时间的空间特征和最优旋转角进行信道估计,然后通过DFT和角度旋转技术动态更新用户的空间特征和最优旋转角。
为了分析方便,下面我们以组的所有用户为例进行分析。以s1表示分配到组中的正交导频序列,且满足ρu是总的上行训练信噪比。然后在上行前导阶段结束之后的相干时间里,基站从组中所有用户的接收信号可以表示为
其中,n表示上行前导阶段第n个相干时间,N是每个元素服从的复高斯白噪声矩阵。组间使用相互正交的导频序列,所以传输过程中不会存在组间干扰。然后从(15)式中分别提取出x轴和y轴上天线端接收到的信号分别表示为
其中,Nx和Ny是每个元素服从的复高斯白噪声矩阵。然后组中所有用户x轴和y轴上的上行链路信道估计通过传统LS估计算法分别表示为
式中,分别是x轴和y轴方向的归一化噪声向量。因为组内所有用户的到达角均不重叠,所以组内的第k个用户的信道信息可以通过上行前导阶段获得的空间信息从混叠的和信息中提取出来。首先对和做DFT变换和最优旋转角度技术,然后通过第k个用户的第n-1个相干时间的空间特征和提取出包含k用户的信道信息,第n个相干时间x轴和y轴投影的信道DFT和角度旋转可以表示为
由于和是不重叠的并且和也是不重叠的,所以可以将式(20)和式(21)中第一个等号后面的第二项消除了。需要注意的是,在计算第n个相干时间的信道的时候用第n-1个相干时间的空间特征和最优旋转角度信息,这是由于每个用户在很短的时间段里的到达角度改变很微弱的。然后可以从(22)式和(23)式中恢复出第k用户的信道信息
步骤5:重复组内信道估计方法获得小区内所有用户的空间特征和最优旋转角度,重构小区里所有用户的x轴和y轴的信道,通过Kronecker积生成3D MIMO信道。
接下来通过克罗内克(Kronecker)积重新恢复出第k个用户第n个相干时间3DMIMO信道
在计算k用户的第n个相干时间的时候使用的是前一个相干时间的最优旋转角度和空间特征,而使用第n个相干时间的旋转角度相较第n-1个相干时间里的最优旋转角度对于信道估计更加准确,比的能量更加聚集,并且比的能量更加聚集。然后使用更新的ψk,x(n)和ψk,y(n)可以从和中获得新的空间特征和然后可以估计出角度信息和可以表示为
然后通过估计的角度信息判断每两个用户的角度是否超过系统设定的阈值,如果超过则重新进行上行前导阶段,重新进行用户分组和调度。
接下来通过更新空间特征和最优的旋转角度估计的角度和重构信道,前面为分析方便假设增益为等增益且均为1,并且假设路径只有一条即R=1,则x轴和y轴的信道重构可以表示为
然后通过克罗内克(Kronecker)积重构出第k个用户第n个相干时间3D MIMO信道,表示为
重复以上的操作可以重构出组内所有用户的信道信息,重复组内操作就可以完成小区内的所有用户的上行链路信道估计。
B、计算复杂度
在本部分,对本发明所提的方法、(24)式中SBEM方法分别处理x轴和y轴的ULA的信道并通过Kronecker积生成3D MIMO信道的方法,以及传统的2D-DFT和角度旋转的方法三者的计算复杂度进行比较。计算复杂度表示为所需的浮点运算数(floating pointoperations,FLOPs),复值运算规则是一次复值乘法所需6次FLOPs,一次复值加法所需2次FLOPs。
从图4可以清楚的看出,传统的2D-DFT和空间角度旋转的方法的计算复杂度随着基站天线数量的增加呈指数增长。而本发明所提方法和(24)式中的方法随着天线数量呈线性增加但是增加程度不大。在3D MIMO系统中基站端配置很大数量的天线,基于2D-DFT的信道估计方法计算复杂度最大,而本发明所提的估计方法的计算复杂度稍微高于(24)式中的SBEM方法,但是大大的低于基于2D-DFT方法的计算复杂度。
图3是本方法、(24)式中的SBEM方法然后通过Kronecker积生成3D MIMO信道方法和传统的2D-DFT和空间角度旋转方法进行的上行链路估计均方误差MSE性能随信噪比SNR的变化曲线示意图。所有用户K=16分为4个组,每个组有4个用户,系统给每个组分配一个导频序列,并且保证组间分配正交导频序列,最优旋转角度的搜索次数为60。定义信噪比(signal to noise,SNR)信道估计的性能指标为平均个体均方误差(theaverage individual MSE),即表示为
其中Nco表示仿真的相干时间数,在这里取Nco=10进行数值仿真实验。
从图3中可以看出,本发明方法的估计MSE性能要优于SBEM方法然后通过Kronecker积生成3D MIMO信道方法的估计MSE性能,并且接近于2D-DFT和空间角度旋转估计方法的估计MSE性能。但是从图4可以看出,2D-DFT和空间角度旋转估计方法的计算复杂度要远远大于本发明提出的方法。本发明提出的方法的估计性能更接近于传统的2D-DFT方法并且计算资源开销则远远小于基于2D-DFT方法。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,包括:
进行3D MIMO信道建模,将建模的3D MIMO信道投影到平面阵列天线的x轴和y轴上面;
在上行前导阶段,给每个用户分配正交导频序列,获得每个用户投影到x轴和y轴上的信道的成对的空间特征和最优旋转角;
根据获得的所有用户的成对的空间特征对用户进行分组,组内分配同一条导频信息,组间分配正交导频序列;
前导阶段之后,通过第n-1个相干时间的空间特征和最优旋转角对第n个相干时间的组内进行信道估计,动态更新当前组内用户的空间特征和最优旋转角;
重复组内信道估计方法,获得小区内所有用户的空间特征和最优旋转角度,重构小区内所有用户的x轴和y轴的信道,通过Kronecker积生成3D MIMO信道。
2.根据权利要求1所述的一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,所述3D MIMO信道建模的步骤进一步包括:利用波达方向与平面阵列天线的x轴和y轴的夹角进行建模。
3.根据权利要求1所述的一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,所述成对的空间特征通过同一条导频序列进行匹配。
4.根据权利要求1所述的一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,在上行前导阶段,通过DFT和角度旋转技术获得每个用户投影到x轴和y轴上的信道的成对的空间特征和最优旋转角。
5.根据权利要求1所述的一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,通过DFT和角度旋转技术动态更新所有用户的空间特征和最优旋转角。
6.根据权利要求1所述的一种新颖的多用户3D MIMO系统的信道估计方法,其特征在于,每个用户的3D MIMO信道均是通过重构出该用户在x轴和y轴上的信道信息,然后利用Kronecker积生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712719.0A CN110460549B (zh) | 2019-08-02 | 2019-08-02 | 一种新颖的多用户3d mimo系统的信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712719.0A CN110460549B (zh) | 2019-08-02 | 2019-08-02 | 一种新颖的多用户3d mimo系统的信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110460549A true CN110460549A (zh) | 2019-11-15 |
CN110460549B CN110460549B (zh) | 2022-01-28 |
Family
ID=68484750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910712719.0A Active CN110460549B (zh) | 2019-08-02 | 2019-08-02 | 一种新颖的多用户3d mimo系统的信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110460549B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110890932A (zh) * | 2019-11-26 | 2020-03-17 | 北京邮电大学 | 基于esn模型的5g毫米波信道信息确定的方法及装置 |
CN111614386A (zh) * | 2020-04-03 | 2020-09-01 | 西安交通大学 | 一种快速搜索方法 |
CN111654456A (zh) * | 2020-06-09 | 2020-09-11 | 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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9401824B1 (en) * | 2015-09-24 | 2016-07-26 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and apparatus of channel estimation in multi-user massive MIMO systems |
CN108111439A (zh) * | 2017-11-02 | 2018-06-01 | 中国传媒大学 | 双向mimo中继系统中一种非迭代的信道估计方法 |
-
2019
- 2019-08-02 CN CN201910712719.0A patent/CN110460549B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9401824B1 (en) * | 2015-09-24 | 2016-07-26 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and apparatus of channel estimation in multi-user massive MIMO systems |
CN108111439A (zh) * | 2017-11-02 | 2018-06-01 | 中国传媒大学 | 双向mimo中继系统中一种非迭代的信道估计方法 |
Non-Patent Citations (3)
Title |
---|
HUAWEI等: "R1-1703344 "Design for Type II Feedback"", 《3GPP TSG RAN WG1 MEETING #88 R1-1703344》 * |
ZHEDA LI.ET AL.: "《Hybrid beamforming design for millimeter-wave multi-user massive MIMO downlink》", 《2016 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》 * |
赵天: "《毫米波MassiveMIMO系统波束选择与信道估计研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110890932A (zh) * | 2019-11-26 | 2020-03-17 | 北京邮电大学 | 基于esn模型的5g毫米波信道信息确定的方法及装置 |
CN110890932B (zh) * | 2019-11-26 | 2020-09-25 | 北京邮电大学 | 5g毫米波信道信息确定的方法、相关装置及存储介质 |
CN111614386A (zh) * | 2020-04-03 | 2020-09-01 | 西安交通大学 | 一种快速搜索方法 |
CN111614386B (zh) * | 2020-04-03 | 2021-04-27 | 西安交通大学 | 一种快速搜索方法 |
WO2021196726A1 (zh) * | 2020-04-03 | 2021-10-07 | 西安交通大学 | 一种快速搜索方法 |
CN111654456A (zh) * | 2020-06-09 | 2020-09-11 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN110460549B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Direction of arrival estimation for off-grid signals based on sparse Bayesian learning | |
CN104618061B (zh) | 一种大规模多天线系统中多用户信号的检测方法 | |
CN107544052A (zh) | 一种基于矩阵补全的二阶统计量重构doa估计方法 | |
CN110460549A (zh) | 一种新颖的多用户3d mimo系统的信道估计方法 | |
CN112615801B (zh) | 基于压缩感知和深度学习的信道估计方法、介质及设备 | |
CN107450047A (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
CN109257309A (zh) | 一种高性能的大规模mimo下行链路传输信道估计方法 | |
Zheng et al. | Online deep neural networks for mmWave massive MIMO channel estimation with arbitrary array geometry | |
CN114268388B (zh) | 一种在大规模mimo中基于改进gan网络的信道估计方法 | |
CN113315560B (zh) | 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法 | |
CN114338301B (zh) | 一种基于压缩感知的ris辅助毫米波系统的信道估计方法 | |
CN109743086A (zh) | 一种大规模mimo系统的信道估计方法 | |
Yin et al. | Deep CSI compression for massive MIMO: A self-information model-driven neural network | |
CN111654456B (zh) | 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 | |
CN106788655A (zh) | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 | |
Zhang et al. | Pilot-assisted MIMO-V-OFDM systems: Compressed sensing and deep learning approaches | |
CN106533521B (zh) | 一种基于截短级数展开的lr-rzf大规模mimo系统预编码方法 | |
CN106291453A (zh) | 一种基于波束空间变换的二维波达角测定方法 | |
CN107094043A (zh) | 基于块迭代法的改进后的mmse低复杂度信号检测方法 | |
CN111988069B (zh) | 大规模mimo广义特征向量结构预编码求解方法、装置 | |
CN109818645A (zh) | 基于信号检测与支撑集辅助的叠加csi反馈方法 | |
CN109787672B (zh) | 基于参数学习的大规模mimo格点偏移信道估计方法 | |
CN107181705A (zh) | 一种半盲信道估计方法及系统 | |
CN107426119B (zh) | 毫米波通信的十字形信道估计方法、装置及系统 | |
Su et al. | Channel estimation in massive MIMO systems using a modified Bayes-GMM method |
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 |