CN110808764A - 大规模mimo中继系统中一种联合信息估计方法 - Google Patents

大规模mimo中继系统中一种联合信息估计方法 Download PDF

Info

Publication number
CN110808764A
CN110808764A CN201910973082.0A CN201910973082A CN110808764A CN 110808764 A CN110808764 A CN 110808764A CN 201910973082 A CN201910973082 A CN 201910973082A CN 110808764 A CN110808764 A CN 110808764A
Authority
CN
China
Prior art keywords
parafac
user
signal
tucker2
relay system
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
Application number
CN201910973082.0A
Other languages
English (en)
Other versions
CN110808764B (zh
Inventor
杜建和
韩梦
金立标
张鹏
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.)
Communication University of China
Original Assignee
Communication University of China
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 Communication University of China filed Critical Communication University of China
Priority to CN201910973082.0A priority Critical patent/CN110808764B/zh
Publication of CN110808764A publication Critical patent/CN110808764A/zh
Application granted granted Critical
Publication of CN110808764B publication Critical patent/CN110808764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B7/022—Site diversity; Macro-diversity
    • H04B7/026—Co-operative diversity, e.g. using fixed or mobile stations as relays
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radio Transmission System (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及大规模MIMO中继系统中一种联合信息估计方法。针对多用户大规模MIMO中继系统，主要解决现有算法信号与信道估计精度较低的问题。其实现步骤为：1)建立多用户大规模MIMO中继系统模型；2)通信过程分为MAC和BC两个阶段；3)将用户端的接收信号构造为Tucker2‑PARAFAC张量模型；4)利用迭代的ALS算法拟合Tucker2‑PARAFAC张量模型，联合估计出信号和信道。本发明适用于时分双工和频分双工信道，且与导频辅助估计算法相比，本发明无须发送导频序列即可实现更高精度的信号和信道估计。

Description

大规模MIMO中继系统中一种联合信息估计方法
技术领域
本发明涉及无线通信技术领域，特别涉及大规模MIMO中继系统中一种联合信息估计方法。
背景技术
MIMO技术是4G中的一项关键技术。它充分利用了空间多径传播特性，在有限的时频资源下对空间域进行扩展，大幅提高了通信系统的频谱效率和信道容量。随着5G时代的到来，用户数目和信息传输速率显著增长，对空间域进一步扩展的需求更加迫切。大规模MIMO技术使用数百个天线同时服务于同一频率资源中的多个用户，大规模的天线阵列将天线辐射能量集中在很窄的波束中以增强接收信号的强度，使得基站能够精确分辨每一个用户，提高了大规模MIMO系统的空间分辨率。相比于传统MIMO技术，大规模MIMO技术具有更强的抵御噪声能力和更高的链路稳定性，并能显著提高无线通信系统的数据传输速率和能量效率，大幅提高了整个通信系统的性能，因此已经成为5G中一项很有发展前景的技术。
协作通信技术充分利用了无线媒质的广播特性，在不增加系统复杂度的条件下不仅降低了终端的功耗并节省了带宽，还提高了整个通信系统的频谱效率、容量和吞吐率。另外，多个用户通过中继进行信息交换，可以减少路径损失的影响。因此，中继与大规模MIMO技术的结合可以进一步提高通信系统的性能，现已成为当前学术界和业界的研究热点之一。
在协作通信领域，已经广泛研究了双向中继，即两个用户在一个共享中继网络的帮助下交换消息。多向中继是双向中继的延伸，它可以使位于地理位置分离的多个用户通过中继在相同的时频资源上进行可靠地通信。多向中继网络比双向和单向中继网络具有更高的频谱效率，引起了人们的广泛关注。
在无线通信系统中利用张量建模，可以同时受益于多种分集，并在比传统的基于矩阵的方法更宽松的模型可辨识性条件下，实现多用户信号分离/均衡和信道估计。
发明内容
发明目的：本发明结合现有技术，提出大规模MIMO中继系统中一种联合信息估计方法，以更精确地联合估计出信号与信道信息。
技术方案：本发明所述的大规模MIMO中继系统中一种联合信息估计方法包括：
建立多用户大规模MIMO中继系统模型；
通信过程分为MAC和BC两个阶段；
将用户端的接收信号构造为Tucker2-PARAFAC张量模型；
利用迭代的ALS算法拟合Tucker2-PARAFAC张量模型，联合估计出信号和信道。
进一步的，建立多用户大规模MIMO中继系统模型，具体包括：
假设该协作通信系统中的所有节点都工作在半双工模式，即无法实现信号的同时收发，另外，由于阴影效应和多径衰落等的影响，假设用户之间相互没有直接链路，只能通过中继进行信息交换，一共有Q个用户。
所有信道均遵循独立同分布的瑞利衰落：
Figure BDA0002232748340000021
和
Figure BDA0002232748340000022
分别代表用户q至中继以及中继至用户q的信道矩阵，其元素分别服从和分布，其中
Figure BDA0002232748340000025
和
Figure BDA0002232748340000026
为大尺度衰落系数，q＝1,...,Q。
进一步的，通信过程分为MAC和BC两个阶段，包括：
整个传输协议共有P个传输子过程，每个子过程分为两个阶段，即MAC和BC阶段：
在第p个传输子过程的MAC阶段，用户q首先利用三维编码矩阵
Figure BDA0002232748340000027
对所发信号
Figure BDA0002232748340000028
进行编码，然后将其发送给中继，中继接收信号为：
Figure BDA0002232748340000029
其中，
Figure BDA00022327483400000210
为包含了所有Q个用户所发信号的信息符号矩阵，
Figure BDA00022327483400000211
为均值为0方差为1的复高斯噪声；
在第p个传输子过程的BC阶段，中继将接收的信号经K个时间子块的放大转发，广播给所有用户，用户l接收的信号可表示为：
Figure BDA00022327483400000212
Figure BDA00022327483400000213
为包含了所有时间子块的AF系数的放大矩阵，
Figure BDA00022327483400000214
为均值为0方差为1的复高斯噪声，k＝1,...,K。
进一步的，将用户端的接收信号构造为Tucker2-PARAFAC张量模型，包括：
定义：
Figure BDA0002232748340000031
则
Figure BDA0002232748340000032
其中，
Figure BDA0002232748340000034
bd[·]为块对角化算子。
定义：
Figure BDA0002232748340000035
则
其中，
Figure BDA0002232748340000037
Figure BDA0002232748340000038
和
Figure BDA0002232748340000039
即为所构造的Tucker2-PARAFAC张量模型。
进一步的，利用迭代的ALS算法拟合Tucker2-PARAFAC张量模型，联合估计出信号和信道，包括：
根据
Figure BDA00022327483400000310
和
Figure BDA00022327483400000311
所示的Tucker2-PARAFAC张量模型，利用ALS算法迭代更新S和H(l)，具体步骤总结如下：
步骤(1)：初始化：令it＝0，初始化
Figure BDA00022327483400000312
步骤(2)：it＝it+1；
步骤(3)：由
Figure BDA00022327483400000313
计算得S的LS估计：
Figure BDA00022327483400000314
步骤(4)：由
Figure BDA00022327483400000315
计算得H(l)的LS估计：
Figure BDA00022327483400000316
步骤(5)：计算
Figure BDA00022327483400000317
如果|φ(it)-φ(it-1)|/φ(it)≤δth，则迭代结束，否则重复步骤(2)～(5)直至算法收敛；
由于存在尺度模糊，在实际通信系统中设置
Figure BDA00022327483400000318
进而可得无模糊的估计
Figure BDA00022327483400000319
所以
Figure BDA00022327483400000320
根据
Figure BDA0002232748340000041
利用PARAFAC分解的特性可得如下切片形式：
Figure BDA0002232748340000042
根据H(l)和H(l)'所示的PARAFAC模型，利用ALS算法迭代更新H和
Figure BDA0002232748340000043
具体步骤总结如下：
步骤(1)：初始化：令it＝0，初始化
Figure BDA0002232748340000044
步骤(2)：it＝it+1；
步骤(3)：由H(l)计算得H的LS估计：
Figure BDA0002232748340000045
步骤(4)：由H(l)'计算得
Figure BDA0002232748340000046
的LS估计：
Figure BDA0002232748340000047
步骤(5)：计算
Figure BDA0002232748340000048
如果|φ(it)-φ(it-1)|/φ(it)≤δth，则迭代结束，否则重复步骤(2)～(5)直至算法收敛；
由于存在尺度模糊，在实际通信系统中设置进而可得无模糊的估计
Figure BDA00022327483400000410
和
Figure BDA00022327483400000411
有益效果：与现有技术相比，其主要优点在于：本发明适用于时分双工和频分双工信道，且与导频辅助估计算法相比，本发明无须发送导频序列即可实现更高精度的信号和信道估计。
附图说明
图1为本发明的信号和信道估计方法流程图；
图2为本发明的多用户大规模MIMO中继系统示意图；
图3为本发明在不同N、K和P情况下的信号检测性能对比图；
图4为本发明在不同N、K和P情况下的信道估计性能对比图；
图5为本发明与导频辅助估计算法的信道估计性能对比图。
具体实施方式
为使本发明的特点和优势更加明显易懂，下面结合附图对本发明进行详细说明。
图2为本发明的多用户大规模MIMO中继系统示意图，如图2所示的多用户大规模MIMO中继系统，其包含Q个具有MS根天线的用户和一个具有MR根天线的中继。由于阴影效应和多径衰落等的影响，假设用户之间相互没有直接链路，只能通过中继进行信息交换。
实施实例一
请参见图3，图3为本发明在不同N、K和P情况下的信号检测性能对比图。系统参数为：用户数目Q＝8，用户端天线数MS＝2，中继端天线数MR＝32，数据流数R＝2，δth＝1×10-4。图3表明，1)随着SNR的增加，所提方法的BER减小，即本发明能有效地进行信号检测。2)随着N、K和P的增加，所提方法的BER减小，表明本发明具有优良的信号检测能力。3)N的增加不会降低数据传输速率，K和P的增加提高了编码增益，因此本发明可根据具体的性能要求灵活地选择合适的系统参数。
实施实例二
请参见图4，图4为本发明在不同N、K和P情况下的信道估计性能对比图。系统参数为：用户数目Q＝8，用户端天线数MS＝2，中继端天线数MR＝32，数据流数R＝2，δth＝1×10-4。图4表明，1)随着SNR的增加，所提方法的和NMSE(H)值减小，即本发明能有效地进行信道估计。2)随着N、K和P的增加，所提方法的
Figure BDA0002232748340000052
和NMSE(H)值减小，表明本发明具有优良的信道估计能力。3)N的增加不会降低数据传输速率，K和P的增加提高了编码增益，因此本发明可根据具体的性能要求灵活地选择合适的系统参数。
实施实例三
请参见图5，图5为本发明与导频辅助估计算法的信道估计性能对比图。系统参数为：用户数目Q＝8，用户端天线数MS＝2，中继端天线数MR＝32，数据流数R＝2，δth＝1×10-4，N＝20，K＝32，P＝16，用户所发导频序列长度LS＝Q*MS＝16，中继所发导频序列长度LR＝MR＝32。其中，PA-LS代表导频辅助LS估计算法，PA-BALS代表基于PARAFAC模型的导频辅助BALS估计算法，TP-ALS代表本发明所提算法。图5表明，1)本发明无须发送导频序列，即可实现精确的信道估计。2)与PA-LS和PA-BALS算法相比，本发明具有更高的信道估计性能。
另外，以上实施实例都是以频分双工信道为例，时分双工信道由于具有互易性，其信号检测和信道估计过程更加简单。
综上，本发明对于多用户大规模MIMO中继系统的联合信号与信道估计，将用户端的接收信号构造为Tucker2-PARAFAC张量模型，利用迭代的ALS算法拟合该模型，联合估计出信号和信道矩阵，其适用于时分双工和频分双工信道，且与导频辅助估计算法相比，本发明无须发送导频序列即可实现更高精度的信号和信道估计。
以上实施实例的说明仅为帮助理解本发明的方法和其主要思想。本说明书的内容不能以此来限定本发明的权利范围，因此，本发明的保护范围应以所附权利要求为准。

Claims (5)

1.大规模MIMO中继系统中一种联合信息估计方法，其特征在于该方法包括：
建立多用户大规模MIMO中继系统模型；
通信过程分为MAC和BC两个阶段；
将用户端的接收信号构造为Tucker2-PARAFAC张量模型；
利用迭代的ALS算法拟合Tucker2-PARAFAC张量模型，联合估计出信号和信道。
2.根据权利1要求所述的大规模MIMO中继系统中一种联合信息估计方法，其特征在于，建立多用户大规模MIMO中继系统模型，具体包括：
假设该协作通信系统中的所有节点都工作在半双工模式，即无法实现信号的同时收发，另外，由于阴影效应和多径衰落等的影响，假设用户之间相互没有直接链路，只能通过中继进行信息交换，一共有Q个用户，所有信道均遵循独立同分布的瑞利衰落，
Figure FDA0002232748330000011
和
Figure FDA0002232748330000012
分别代表用户q至中继以及中继至用户q的信道矩阵，其元素分别服从和
Figure FDA0002232748330000014
分布，其中
Figure FDA0002232748330000015
和
Figure FDA0002232748330000016
为大尺度衰落系数，q＝1,...,Q。
3.根据权利2要求所述的大规模MIMO中继系统中一种联合信息估计方法，其特征在于，通信过程分为MAC和BC两个阶段，包括：
整个传输协议共有P个传输子过程，每个子过程分为两个阶段，即MAC和BC阶段，在第p个传输子过程的MAC阶段，用户q首先利用三维编码矩阵
Figure FDA0002232748330000017
对所发信号进行编码，然后将其发送给中继，中继接收信号为：
Figure FDA0002232748330000019
其中，为包含了所有Q个用户所发信号的信息符号矩阵，
Figure FDA00022327483300000111
为均值为0方差为1的复高斯噪声，在第p个传输子过程的BC阶段，中继将接收的信号经K个时间子块的放大转发，广播给所有用户，用户l接收的信号可表示为：
Figure FDA00022327483300000112
其中，为包含了所有时间子块的AF系数的放大矩阵，
Figure FDA00022327483300000114
为均值为0方差为1的复高斯噪声，k＝1,...,K。
4.根据权利3要求所述的大规模MIMO中继系统中一种联合信息估计方法，其特征在于，将用户端的接收信号构造为Tucker2-PARAFAC张量模型，包括：
定义：
Figure FDA00022327483300000115
则
Figure FDA0002232748330000021
其中，
Figure FDA0002232748330000022
Figure FDA0002232748330000023
bd[·]为块对角化算子，
定义：
Figure FDA0002232748330000024
则
Figure FDA0002232748330000025
其中，
Figure FDA0002232748330000026
Figure FDA0002232748330000027
和即为所构造的Tucker2-PARAFAC张量模型。
5.根据权利4要求所述的大规模MIMO中继系统中一种联合信息估计方法，其特征在于，利用迭代的ALS算法拟合Tucker2-PARAFAC张量模型，联合估计出信号和信道，包括：
根据
Figure FDA0002232748330000029
和
Figure FDA00022327483300000210
所示的Tucker2-PARAFAC张量模型，利用ALS算法迭代更新S和H(l)，具体步骤总结如下：
步骤(1)：初始化：令it＝0，初始化
Figure FDA00022327483300000211
步骤(2)：it＝it+1；
步骤(3)：由
Figure FDA00022327483300000212
计算得S的LS估计：
步骤(4)：由
Figure FDA00022327483300000214
计算得H(l)的LS估计：
Figure FDA00022327483300000215
步骤(5)：计算
Figure FDA00022327483300000216
如果|φ(it)-φ(it-1)|/φ(it)≤δth，则迭代结束，否则重复步骤(2)～(5)直至算法收敛；
由于存在尺度模糊，在实际通信系统中设置
Figure FDA00022327483300000217
进而可得无模糊的估计
Figure FDA00022327483300000218
和
Figure FDA00022327483300000219
所以
Figure FDA00022327483300000220
根据
Figure FDA00022327483300000221
利用PARAFAC分解的特性可得如下切片形式：
Figure FDA00022327483300000222
根据H(l)和H(l)'所示的PARAFAC模型，利用ALS算法迭代更新H和
Figure FDA0002232748330000031
具体步骤总结如下：
步骤(1)：初始化：令it＝0，初始化
步骤(2)：it＝it+1；
步骤(3)：由H(l)计算得H的LS估计：
Figure FDA0002232748330000033
步骤(4)：由H(l)'计算得
Figure FDA0002232748330000034
的LS估计：
Figure FDA0002232748330000035
步骤(5)：计算
Figure FDA0002232748330000036
如果|φ(it)-φ(it-1)|/φ(it)≤δth，则迭代结束，否则重复步骤(2)～(5)直至算法收敛；
由于存在尺度模糊，在实际通信系统中设置
Figure FDA0002232748330000037
进而可得无模糊的估计和
CN201910973082.0A 2019-10-14 2019-10-14 一种大规模mimo中继系统联合信息估计方法 Active CN110808764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910973082.0A CN110808764B (zh) 2019-10-14 2019-10-14 一种大规模mimo中继系统联合信息估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910973082.0A CN110808764B (zh) 2019-10-14 2019-10-14 一种大规模mimo中继系统联合信息估计方法

Publications (2)

Publication Number Publication Date
CN110808764A true CN110808764A (zh) 2020-02-18
CN110808764B CN110808764B (zh) 2023-02-24

Family

ID=69488362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910973082.0A Active CN110808764B (zh) 2019-10-14 2019-10-14 一种大规模mimo中继系统联合信息估计方法

Country Status (1)

Country Link
CN (1) CN110808764B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111865844A (zh) * 2020-05-29 2020-10-30 北京百卓网络技术有限公司 大规模mimo全双工中继系统信道估计方法和装置
CN112491752A (zh) * 2020-10-16 2021-03-12 中国传媒大学 多用户大规模mimo中继网络联合信道估计技术
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法
CN113381797A (zh) * 2021-05-31 2021-09-10 北方工业大学 一种基于广义张量压缩的无人机信息监控方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002023751A1 (en) * 2000-09-12 2002-03-21 Alexander Kocian Joint data detection and channel estimation, preferably of ds/cdma signals
US20170230203A1 (en) * 2016-02-05 2017-08-10 Hong Kong Applied Science and Technology Research Institute Company Limited Method and apparatus of topological pilot decontamination for massive mimo systems
CN107294885A (zh) * 2017-07-27 2017-10-24 玉溪师范学院 一种mimo中继系统中联合信号检测与信道的估计方法
CN107786474A (zh) * 2017-11-02 2018-03-09 中国传媒大学 MIMO中继系统中一种基于Tucker‑2模型的信道估计方法
CN108234101A (zh) * 2018-01-11 2018-06-29 郑州航空工业管理学院 能效最大化导频信号设计方法及大规模多天线系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002023751A1 (en) * 2000-09-12 2002-03-21 Alexander Kocian Joint data detection and channel estimation, preferably of ds/cdma signals
US20170230203A1 (en) * 2016-02-05 2017-08-10 Hong Kong Applied Science and Technology Research Institute Company Limited Method and apparatus of topological pilot decontamination for massive mimo systems
CN107294885A (zh) * 2017-07-27 2017-10-24 玉溪师范学院 一种mimo中继系统中联合信号检测与信道的估计方法
CN107786474A (zh) * 2017-11-02 2018-03-09 中国传媒大学 MIMO中继系统中一种基于Tucker‑2模型的信道估计方法
CN108234101A (zh) * 2018-01-11 2018-06-29 郑州航空工业管理学院 能效最大化导频信号设计方法及大规模多天线系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜建和等: ""双向MIMO中继系统中一种低复杂度的联合信道估计方法"", 《电子与信息学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111865844A (zh) * 2020-05-29 2020-10-30 北京百卓网络技术有限公司 大规模mimo全双工中继系统信道估计方法和装置
CN111865844B (zh) * 2020-05-29 2023-06-06 北京百卓网络技术有限公司 大规模mimo全双工中继系统信道估计方法和装置
CN112491752A (zh) * 2020-10-16 2021-03-12 中国传媒大学 多用户大规模mimo中继网络联合信道估计技术
CN112491752B (zh) * 2020-10-16 2023-09-05 中国传媒大学 多用户大规模mimo中继网络联合信道估计方法
CN112887250A (zh) * 2021-01-12 2021-06-01 电子科技大学 一种基于张量分解的毫米波宽带mimo系统的信道估计方法
CN113381797A (zh) * 2021-05-31 2021-09-10 北方工业大学 一种基于广义张量压缩的无人机信息监控方法

Also Published As

Publication number Publication date
CN110808764B (zh) 2023-02-24

Similar Documents

Publication Publication Date Title
CN110808764B (zh) 一种大规模mimo中继系统联合信息估计方法
CN107483088B (zh) 大规模mimo鲁棒预编码传输方法
CN108234101B (zh) 能效最大化导频信号设计方法及大规模多天线系统
KR102459190B1 (ko) 다중 입력 다중 출력 통신 시스템에서 데이터를 수신하는 방법 및 장치
CN104702390A (zh) 分布式压缩感知信道估计中的导频分配方法
EP2410707A1 (en) Space time coding method in orthogonal network and relay transmission system
CN108881074B (zh) 一种低精度混合架构下宽带毫米波信道估计方法
CN109905917B (zh) 基于无线携能的noma通信系统中无线资源分配方法
JP2009153139A (ja) Ｍｉｍｏ下りリンクにおけるプリコーディング処理方法、装置及び基地局
Almamori et al. Estimation of channel state information for massive MIMO based on received data using Kalman filter
Jamali et al. A low-complexity recursive approach toward code-domain NOMA for massive communications
CN105940625A (zh) 基站装置、无线通信系统、以及通信方法
CN101964695A (zh) 多用户多输入多输出下行链路预编码方法及系统
CN106788641B (zh) 一种信息与能量联合传输系统的预编码传输方法
CN111049767B (zh) 一种稀疏正交频分复用放大转发(ofdm-af)系统数据检测方法
CN103580737A (zh) 基于最小均方误差的双向中继系统天线对选择方法
CN101908949A (zh) 无线通信系统及其基站、中继站、用户终端和数据的发送接收方法
CN108111439B (zh) 双向mimo中继系统中一种非迭代的信道估计方法
CN107959520B (zh) 一种全双工基站蜂窝网络的时隙干扰对齐方法
CN101355377B (zh) 一种多输入多输出v-balst系统信号检测方法
CN111865844B (zh) 大规模mimo全双工中继系统信道估计方法和装置
CN101483467B (zh) 多输入多输出多址信道吞吐量最大化的方法
CN104821840B (zh) 一种大规模多输入多输出下行系统的抗干扰方法
CN107733487B (zh) 一种大规模多输入多输出系统的信号检测方法及装置
CN105207701B (zh) 用于在多小区多用户多天线系统中基于ica的解码方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant