CN110519188B - 一种基于压缩感知的多用户时变毫米波信道估计方法 - Google Patents
一种基于压缩感知的多用户时变毫米波信道估计方法 Download PDFInfo
- Publication number
- CN110519188B CN110519188B CN201910768666.4A CN201910768666A CN110519188B CN 110519188 B CN110519188 B CN 110519188B CN 201910768666 A CN201910768666 A CN 201910768666A CN 110519188 B CN110519188 B CN 110519188B
- Authority
- CN
- China
- Prior art keywords
- user
- matrix
- channel
- time
- base station
- 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
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
- H04L25/0226—Channel estimation using sounding signals sounding signals per se
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信技术领域,具体涉及一种基于压缩感知的多用户时变毫米波信道估计方法。本发明提出了一种在时变毫米波信道中利用信道的稀疏特性采用压缩感知降低导频开销来进行多用户信道估计的方法,利用毫米波信道的稀疏特性,采用压缩感知的方法是原本欠定的方程变得可解,大大减小了导频的开销。在整个过程中,不同用户采用不同的编码方式,使得在基站端可以进行多用户的区分。同时,利用对不同用户的测量矩阵分别采用块稀疏的方式,保留了时变信道动态变化的信息,有效提高了用户在角度估计和增益估计过程中的精确度。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种基于压缩感知的多用户时变毫米波信道估计方法。
背景技术
到目前为止,许多关于毫米波信道估计的研究都是基于静态非时变信道进行的,并没有将由用户移动产生的多普勒频移对系统的影响考虑进去。当用户快速移动时,由于信道相干时间与载波频率呈线性关系,因此毫米波信道的变化速度会比目前的蜂窝系统快得多。这表明时变毫米波信道的状态信息需要频繁更新,由此会产生大量的导频开销,造成频谱利用率的降低。
考虑一个典型的上行窄带毫米波多用户MIMO系统如图1所示。基站端有NR根天线,个射频链,其中用来支持NUE个用户之间的通信。每个用户有NT根天线和个射频链,其中不失一般性,假设基站和每个用户之间通过一个数据流进行通信,由此可以得到基站端射频链的数目与用户数目相等,即由于毫米波频段的信号会经历严重的路径损耗且对周围环境的反射较少,因此多径数通常较小。此处,考虑莱斯衰落信道,该信道由一条LOS径和多条NLOS径组成,径增益服从互相独立且均值为零的复高斯分布,令Kfactor代表LOS径与NLOS径功率的比值。针对上述模型,假设基站与第k个用户之间存在Lk个多径分量,则在第m个时刻,第k个用户的信道矩阵Hk[m]可以被表示为:
其中,AH表示矩阵A的共轭转置,表示第k个用户第l条径的复信道增益,表示第k个用户第l条径的多普勒频移,Ts代表系统的采样间隔,表示第k个用户第l条径对应的AOA,表示第k个用户第l条径对应的AOA,表示第k个用户第l条径AOA对应的导向矢量,表示第k个用户第l条径AOD对应的导向矢量。为了简化,采用均匀线阵,则导向矢量可以分别表示为和λ为序号波长,d是相邻阵元的间距,通常取d=λ/2。
根据上述公式1可知,信道随时间的推移在不断发生变化,要想准确估计出信道,需要频繁地进行信道估计,导致导频开销增大。
发明内容
针对上述问题,为了克服时变毫米波信道估计过程中导频开销大的缺陷,本发明提出了一种在时变毫米波信道中利用信道的稀疏特性采用压缩感知降低导频开销来进行多用户信道估计的方法。此处还提出一种新的上行链路传输帧结构,如图2所示;由图可知,该帧结构的持续时间为Ta,它由两部分组成:第一部分是AOAs/AODs的训练子帧,持续时间为MATs;第二部分由多个增益训练子帧组成,每一个增益训练子帧的持续时间为(MP+MD)Ts。此处,Ts为符号持续时间,MA为一个AOAs/AODs训练子帧所包含的导频数,Mp和MD分别为一个增益训练子帧用于增益训练的导频数和发送的数据数。
由于AOAs/AODs的变化主要取决于大尺度散射环境的特性,而非小尺度的移动性,因此,即使在信道变化较快的情况下,AOAs/AODs的变化也相对缓慢。由此,可以做出合理的假设,即时变毫米波信道在一个发送帧的时间中AOAs/AODs保持不变。基于上述假设,可以进一步作出如下假设:与传统的静态信道不同,由于多普勒频移的影响,径增益在一个时间帧中的变化速度很快,远远超过AOAs/AODs的变化速度。针对上述的两个假设,在接下来的过程中,本发明信道估计分为两个部分:首先利用一部分导频进行AOAs/AODs的估计,然后利用估计出的角度信息进行下一步的增益估计
本发明采用的技术方案是:
一种基于压缩感知的多用户时变毫米波信道的信道估计方法,步骤如下:
S1、定义第k个用户在第m时刻发送信号的形式为:
S2、接收端的处理,具体如下:
S21、设计m时刻接收端的组合编码为:
其中,nm为信道中混入的高斯白噪声。
S22、利用稀疏多径信道的几何模型进行稀疏建模,将与信道关联的接收信号的估计问题表示成稀疏信号的恢复问题,定义用户端和基站端的字典矩阵分别为:
S3、对AOAs/AODs进行估计,具体操作如下:
S31、估计阶段对ym进行列向量操作为:
S32、根据上述步骤,在整个信号发送阶段,接收端收到的信号可以表示为
S33、计算出残差r和矩阵Φ每一个子矩阵Φg(1≤g≤NUEGTGR)的内积,并从中搜索出最大内积对应的子矩阵所对应的下标,即要求计算出的用户k是之前没进行过角度估计的新用户然后取出第k个用户在测量矩阵Φ中对应的子矩阵并令
S34、计算出残差r和矩阵Φk每一个子矩阵Φg(1≤g≤GTGR)的内积,并从中搜索出最大内积对应的子矩阵所对应的下标,即并计算出本次迭代所对应的AOA和AOD分别为:和令上一次最大内积的标记值为β′=β,然后计算此次迭代过程中内积的最大值为如果|β′-β|<ε则执行S4,否则执行下一步。
S36、循环执行步骤S34、S35。
S4、增益估计阶段,具体如下:
S41、基站会将NUE个用户对应的AOAs/AODs分别反馈给各个用户,每个用户在发送端分别对准自己的AOD,即Pk=aT(φk),φk为估计出的第k个用户LOS径的AOD。基站端在接收信号时,会同时对准所有用户的AOA,即θk为估计出的第k个用户LOS径的AOA。此处令Mp=1,由此在m时刻,公式8可以重写为以下形式:
S43、对增益进行线性拟合,即第k个用户在第m′时刻的LOS径增益为:
S5、由此可以根据估计的AOAs/AODs和LOS径的径增益重新恢复出信道矩阵:
本发明的有益效果是:
本发明利用毫米波信道的稀疏特性,采用压缩感知的方法是原本欠定的方程变得可解,大大减小了导频的开销。在整个过程中,不同用户采用不同的编码方式,使得在基站端可以进行多用户的区分。同时,利用对不同用户的测量矩阵分别采用块稀疏的方式,保留了时变信道动态变化的信息,有效提高了用户在角度估计和增益估计过程中的精确度。
在增益估计过程中,通过对每个子帧中估计出的增益进行线性拟合,也可以大大提高估计过程中的准确性。
附图说明
图1是毫米波通信的混合MIMO系统模型。
图2是上行链路发送导频帧结构。
图3是本发明估计信道的NMSE随信噪比变化的仿真图,该图中总共有三条曲线,分别为本发明的仿真曲线,采用OMP算法的仿真曲线和LS算法的仿真曲线。
具体实施方式
下面结合具体实例对本发明进行详细的描述:
S1、定义用户数NUE=4,基站端天线数NR=16,用户端天线数NT=8,每个用户的多径数Lk=4,其中LOS径与NLOS径的功率比值为Kfactor=20dB,载波频率为fc=28GHz,用户端的运动速度为v=120km/h,波长λ=c/f(c为光速)。
S2、接收端的处理,具体如下:
S22、定义AOAs/AODs的量化格点数,其中,GR=64,GT=32。
S3、对AOAs/AODs进行估计,具体操作如下:
S32、定义角度根据阶段的导频数为MA=120。将所有时刻收到信号Ym组合到一起形成Y,通过变换矩阵G,可以将每个用户在不同时刻的测量矩阵组合到一起,然后通过置换矩阵P′将每个用户的测量矩阵进行块稀疏,得到最终的测量矩阵Φ。最后定义误差门限为ε=10-3。
S33、计算残差r与每一个测量子矩阵的内积值,找出内积最大的子矩阵所在的下标值,进行用户区分,得到属于第k个用户的测量矩阵Φk。
S34、计算残差r与Φk中每一个测量子矩阵的内积值,找出内积最大的子矩阵在Φk中所在的下标值并计算出该下标值在AOAs/AODs的格点中锁代表的角度值和令如果|β′-β|<ε则结束该用户LOS径的角度估计,继续执行步骤S4,否则继续执行下一步。
S35、定义迭代步长η=2,重新计算AOAs/AODs所属的角度集,并更新用户k的测量矩阵Φk;
S36、循环执行步骤S34、S35;
S4、注意估计阶段,具体如下:
S41、定义MP=1。每个用户根据估计出的自己的AOD进行预编码,基站端根据估计出的AOAs进行组合编码,在一个导频时刻,根据公式12计算出该时刻每个用户LOS径的径增益βm;
S43、根据公式14对每个用户LOS径的径增益进行线性拟合;
本发明比较了三种不同算法的NMSE随信噪比变化的性能:
图3是本发明估计信道的NMSE随信噪比变化的仿真图,该图中总共有三条曲线,分别为本发明的仿真曲线,采用OMP算法的仿真曲线和LS算法的仿真曲线。由图3可以知道由于传统的LS算法和普通的OMP算法无法跟踪时变的信道,在进行信道估计的过程中,只能在一帧中的信道看做静态信道进行估计,导致估计效果不理想,估计出的信道与实际信道之间的误差极大。而本发明通过对多用户进行区分,将每个用户的测量矩阵进行块稀疏,能够很好地获取到时变信道的状态信息,因此估计出的信道与实际信道之间的误差较小。并且随着SNR的增大,出现的误差越来越小,从16dB开始,NMSE趋于收敛,最终NMSE将稳定在-18dB左右。
Claims (1)
1.一种基于压缩感知的多用户时变毫米波信道估计方法,定义基站端有NR根天线,个射频链,其中用来支持NUE个用户之间的通信,每个用户有NT根天线和个射频链,其中令基站与第k个用户之间存在Lk个多径分量,则在第m个时刻,第k个用户的信道矩阵Hk[m]为:
其中,AH表示矩阵A的共轭转置,表示第k个用户第l条径的复信道增益,表示第k个用户第l条径的多普勒频移,Ts代表系统的采样间隔,表示第k个用户第l条径对应的AOA,表示第k个用户第l条径对应的AOD,表示第k个用户第l条径AOA对应的导向矢量,表示第k个用户第l条径AOD对应的导向矢量;
其特征在于,所述方法包括以下步骤:
S1、定义第k个用户在第m时刻发送信号的形式为:
S2、接收端的处理,具体如下:
S21、令m时刻接收端的组合编码为:
其中,nm为信道中混入的高斯白噪声;
S22、利用稀疏多径信道的几何模型进行稀疏建模,将与信道关联的接收信号的估计问题表示成稀疏信号的恢复问题,定义用户端和基站端的字典矩阵分别为:
S3、对AOAs/AODs进行估计,具体操作如下:
S31、估计阶段对ym进行列向量操作为:
S32、在整个信号发送阶段,接收端收到的信号表示为
S33、计算出残差r和矩阵Φ每一个子矩阵Φg(1≤g≤NUEGTGR)的内积,并从中搜索出最大内积对应的子矩阵所对应的下标,即要求计算出的用户k是之前没进行过角度估计的新用户然后取出第k个用户在测量矩阵Φ中对应的子矩阵并令
S34、计算出残差r和矩阵Φk每一个子矩阵Φg(1≤g≤GTGR)的内积,并从中搜索出最大内积对应的子矩阵所对应的下标,即并计算出本次迭代所对应的AOA和AOD分别为:和令上一次最大内积的标记值为β′,然后计算此次迭代过程中内积的最大值为如果|β′-β|<ε则执行S4,否则进入步骤S35;
S36、循环执行步骤S34、S35四次,然后退出循环;
S4、增益估计阶段,具体如下:
S41、基站将NUE个用户对应的AOAs/AODs分别反馈给各个用户,每个用户在发送端分别对准自己的AOD,即Pk=aT(φk),φk为估计出的第k个用户LOS径的AOD,基站端在接收信号时,会同时对准所有用户的AOA,即θk为估计出的第k个用户LOS径的AOA,令一个增益训练子帧用于增益训练的导频数Mp=1,由此在m时刻,ym以重写为以下形式:
S43、对增益进行线性拟合,即第k个用户在第m′时刻的LOS径增益为:
S5、根据估计的AOAs/AODs和LOS径的径增益重新恢复出信道矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910768666.4A CN110519188B (zh) | 2019-08-20 | 2019-08-20 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910768666.4A CN110519188B (zh) | 2019-08-20 | 2019-08-20 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110519188A CN110519188A (zh) | 2019-11-29 |
CN110519188B true CN110519188B (zh) | 2021-04-13 |
Family
ID=68625839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910768666.4A Active CN110519188B (zh) | 2019-08-20 | 2019-08-20 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110519188B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111770502B (zh) * | 2020-06-18 | 2021-07-27 | 电子科技大学 | 一种毫米波两跳蜂窝网络性能评估方法 |
CN112910524A (zh) * | 2021-02-03 | 2021-06-04 | 电子科技大学 | 基于概率模型的毫米波波束跟踪方法 |
CN113938213B (zh) * | 2021-10-15 | 2022-12-06 | 西南交通大学 | 一种宽带微波与毫米波多普勒效应的光子学仿真方法 |
CN114285702B (zh) * | 2022-01-04 | 2024-02-27 | 重庆航天火箭电子技术有限公司 | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 |
CN115021843B (zh) * | 2022-05-30 | 2024-01-26 | 东南大学 | 一种毫米波通信多用户系统合作感知方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656819A (zh) * | 2016-03-21 | 2016-06-08 | 电子科技大学 | 一种基于压缩感知和大规模mimo的自适应信道估计方法 |
CN106209705A (zh) * | 2016-09-07 | 2016-12-07 | 江苏中兴微通信息科技有限公司 | 一种毫米波稀疏信道的主径估计方法及装置 |
CN106487725A (zh) * | 2016-10-20 | 2017-03-08 | 电子科技大学 | 一种多用户mimo系统毫米波信道估计方法 |
CN106559367A (zh) * | 2016-12-08 | 2017-04-05 | 电子科技大学 | 基于低秩张量分解的mimo‑ofdm系统毫米波信道估计方法 |
CN107018099A (zh) * | 2017-03-07 | 2017-08-04 | 上海交通大学 | 一种针对毫米波多用户mimo系统的时变信道估计方法 |
CN107040296A (zh) * | 2017-02-28 | 2017-08-11 | 北京航空航天大学 | 毫米波通信中的信道估计方法 |
WO2019145034A1 (en) * | 2018-01-25 | 2019-08-01 | Telefonaktiebolaget Lm Ericsson (Publ) | Technique for radio channel estimation at a receiver using multiple antenna arrays |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10998943B2 (en) * | 2017-08-18 | 2021-05-04 | Qualcomm Incorporated | Techniques and apparatuses for enhanced phase feedback in millimeter wave multi-user beamforming |
CN107508774B (zh) * | 2017-08-21 | 2020-11-03 | 安徽师范大学 | 联合信道表示和波束设计的毫米波mimo信道估计方法 |
US10298335B1 (en) * | 2017-10-31 | 2019-05-21 | Huawei Technologies Co., Ltd. | Co-channel interference reduction in mmWave networks |
CN110138422A (zh) * | 2019-04-16 | 2019-08-16 | 电子科技大学 | 基于稀疏编码和无相位解码的毫米波通信快速波束对准方法 |
CN110099016B (zh) * | 2019-05-14 | 2022-05-31 | 东南大学 | 一种基于深度学习网络的毫米波稀疏阵面信道估计方法 |
-
2019
- 2019-08-20 CN CN201910768666.4A patent/CN110519188B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105656819A (zh) * | 2016-03-21 | 2016-06-08 | 电子科技大学 | 一种基于压缩感知和大规模mimo的自适应信道估计方法 |
CN106209705A (zh) * | 2016-09-07 | 2016-12-07 | 江苏中兴微通信息科技有限公司 | 一种毫米波稀疏信道的主径估计方法及装置 |
CN106487725A (zh) * | 2016-10-20 | 2017-03-08 | 电子科技大学 | 一种多用户mimo系统毫米波信道估计方法 |
CN106559367A (zh) * | 2016-12-08 | 2017-04-05 | 电子科技大学 | 基于低秩张量分解的mimo‑ofdm系统毫米波信道估计方法 |
CN107040296A (zh) * | 2017-02-28 | 2017-08-11 | 北京航空航天大学 | 毫米波通信中的信道估计方法 |
CN107018099A (zh) * | 2017-03-07 | 2017-08-04 | 上海交通大学 | 一种针对毫米波多用户mimo系统的时变信道估计方法 |
WO2019145034A1 (en) * | 2018-01-25 | 2019-08-01 | Telefonaktiebolaget Lm Ericsson (Publ) | Technique for radio channel estimation at a receiver using multiple antenna arrays |
Non-Patent Citations (1)
Title |
---|
Compressive Sensing Based Time-varying Channel Estimation for Millimeter Wave Systems;Qibo Qin等;《2017 IEEE International Symposium on Broadband Multimedia Systems and Broadcasting (BMSB)》;20170720;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110519188A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110519188B (zh) | 一种基于压缩感知的多用户时变毫米波信道估计方法 | |
CN108964726B (zh) | 一种低复杂度的大规模mimo上行链路传输信道估计方法 | |
CN107135024B (zh) | 一种低复杂度的混合波束赋形迭代设计方法 | |
CN111049557B (zh) | 基于统计信道信息的毫米波mimo系统混合预编码方法 | |
CN110099016B (zh) | 一种基于深度学习网络的毫米波稀疏阵面信道估计方法 | |
CN105656819A (zh) | 一种基于压缩感知和大规模mimo的自适应信道估计方法 | |
CN108881076B (zh) | 一种基于压缩感知的mimo-fbmc/oqam系统信道估计方法 | |
CN108964725B (zh) | 时变大规模mimo网络中信道参数的稀疏估计方法 | |
CN110213185B (zh) | 一种基于原子范数最小化的三维信道参数估计方法 | |
CN102215186A (zh) | 基于ls-svm的时变tdd-mimo信道互易性补偿方法 | |
CN108390836A (zh) | 一种大规模mimo系统上行信道估计方法 | |
CN109347529B (zh) | 一种对抗相移器不理想性的信道估计和混合波束成形方法 | |
CN110034916B (zh) | 基于终端反馈的天线相位同步与信道互易性校准的方法 | |
CN106921422A (zh) | 用于mmw信道中的混合波束成形的信道估计的方法和系统 | |
CN113972939A (zh) | 基于双时间尺度和深度学习的天线系统预编码方法和装置 | |
CN116192209A (zh) | 一种mimo信道下空中计算联邦学习的梯度上传方法 | |
Choi et al. | Downlink extrapolation for FDD multiple antenna systems through neural network using extracted uplink path gains | |
CN115733530A (zh) | 一种可重构智能表面辅助毫米波通信的联合预编码方法 | |
CN105812032A (zh) | 基于波束块结构压缩感知的信道估计方法 | |
Wu et al. | Deep learning-based hybrid precoding for FDD massive MIMO-OFDM systems with a limited pilot and feedback overhead | |
CN114567525A (zh) | 一种信道估计方法及装置 | |
CN103441966B (zh) | 一种高速下基于ecm的分布式mimo频偏和信道估计 | |
CN106878225B (zh) | 一种设备指纹与信道分离的方法及装置 | |
CN110138461B (zh) | 自适应多入多出与正交频分复用相结合的水声通信方法 | |
Xiong et al. | A bilinear GAMP-based receiver for quantized mmwave massive MIMO using expectation maximization |
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 |