CN110912588A - 一种基于改进Prony方法的下行时变信道预测方法 - Google Patents

一种基于改进Prony方法的下行时变信道预测方法 Download PDF

Info

Publication number
CN110912588A
CN110912588A CN201911093966.3A CN201911093966A CN110912588A CN 110912588 A CN110912588 A CN 110912588A CN 201911093966 A CN201911093966 A CN 201911093966A CN 110912588 A CN110912588 A CN 110912588A
Authority
CN
China
Prior art keywords
csi
uplink
time
base station
prony
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
CN201911093966.3A
Other languages
English (en)
Other versions
CN110912588B (zh
Inventor
王海泉
陈跃
高丹蓓
叶杭
黄怡
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.)
Hangzhou Dianzi University
Hangzhou Electronic Science and Technology University
Original Assignee
Hangzhou Electronic Science and Technology University
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 Hangzhou Electronic Science and Technology University filed Critical Hangzhou Electronic Science and Technology University
Priority to CN201911093966.3A priority Critical patent/CN110912588B/zh
Publication of CN110912588A publication Critical patent/CN110912588A/zh
Application granted granted Critical
Publication of CN110912588B publication Critical patent/CN110912588B/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
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters

Landscapes

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

Abstract

本发明提供了一种基于改进Prony方法的下行时变信道预测方法，应用于时分双工系统中，所述下行时变信道预测方法包括以下步骤：S1、估计上行链路的CSI：假定上行系统的误码率已知，基站获得解码后的数据符号，根据接收到的信号和解码的数据符号估计上行链路的CSI；S2、根据所估计的上行CSI计算Prony系数；S3、根据Prony系数预测下一时刻的CSI并设计预编码；所述TDD系统中基站有Mb根天线，针对单天线的单个用户，簇的数量为Lc，每个簇有一条主路径，通信系统从上行链路开始。本发明能够适用于估计快速时变信道，能够准确预测未来时刻的下行链路的CSI，能大幅度提升通信系统整体性能。

Description

一种基于改进Prony方法的下行时变信道预测方法
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于改进Prony方法的下行时变信道预测方法。
背景技术
在大规模MIMO系统中，基站装备着几十根到几百根天线，得益于基站端的大规模天线，不同用户与基站之间的信道渐进正交，因此仅使用简单的信号处理技术，系统的数据传送速率和能量效率都可以得到很大的提高。但这种优势是基于基站可以精确地估计出CSI这一假设而得到的，因此CSI的获取对系统是非常重要的，如果CSI未知的话，系统的整体性能会极大地下降。
基于TDD系统中信道的互易性，下行链路的CSI和上行链路的CSI是互易的。在下行TDD系统中，基站根据所获得的上行CSI按照改进的Prony方法去预测未来时刻的CSI并设计预编码，预编码用于处理在下行链路中基站所发送的数据。传统的信道估计方法只能应用在信道的CSI固定不变的情况中，对于时变信道而言，传统的方法已不再适用。因此，研究快速时变信道的预测方法，对提升通信系统整体性能是很有意义的。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种基于改进Prony方法的下行时变信道预测方法。
为了实现以上目的，本发明采用以下技术方案：
一种基于改进Prony方法的下行时变信道预测方法，该方法应用于TDD(时分双工)系统中，其特征在于，所述下行时变信道预测方法包括以下步骤：
S1、估计上行链路的CSI(信道状态信息)：假定上行系统的误码率已知，基站获得解码后的数据符号，根据接收到的信号和解码的数据符号估计上行链路的CSI；
S2、根据所估计的上行CSI计算Prony系数；
S3、根据Prony系数预测下一时刻的CSI并设计预编码；
所述TDD系统中基站有Mb根天线，针对单天线的单个用户，簇的数量为Lc，每个簇有一条主路径，通信系统从上行链路开始。
进一步的，S1中估计上行CSI具体步骤如下：
上行链路的CSI如下所示：
Figure BDA0002267715800000021
其中，矩阵A是维度为Mb×Lc的矩阵，由导向矢量和所有路径的初始相位构成，Mb表示基站天线数，Lc表示信号传输总的路径数。vj表示第j个路径的多普勒频率分量，其中j＝0,1,…,Lc；
S11、假设采样时间间隔是Δt，将h(k)表示成第k个采样时刻的信道：
h(k)＝h(kΔt)；
S12、在上行链路阶段，在前K(Lc+1)个时刻，用户向基站发送K(Lc+1)个数据符号
Figure BDA0002267715800000024
基站接收到的信号为
Figure BDA0002267715800000025
Figure BDA0002267715800000022
其中，ρ1为上行链路的信噪比，j＝0,1,…,K(Lc+1),sj为第j个时刻用户发送的数据符号，hj为第j个时刻的实际CSI,wj为第j个时刻标准复正态分布的高斯噪声，yj为基站在第j个时刻接收到的信号；
当上行系统的误码率已知，基站获得解码后的数据符号
Figure BDA0002267715800000023
S13、根据接收到的信号和解码的数据符号估计前K(Lc+1)个时刻的上行CSI：
Figure BDA0002267715800000031
进一步的，S2中计算Prony系数具体步骤如下：
S21、构造矩阵
Figure BDA0002267715800000032
向量
Figure BDA0002267715800000033
表示在上行链路中所估计的CSI：
Figure BDA0002267715800000034
Figure BDA0002267715800000035
S22、根据改进Prony方法建立方程组：
Figure BDA0002267715800000036
S23、对
Figure BDA0002267715800000037
进行SVD分解，
Figure BDA0002267715800000038
其中U0是(K·Mb)×Lc的单位阵，D0是Lc×Lc的对角阵且对角阵上的元素按降序排列，V0是Lc×Lc的单位阵；
设定一个大于0的数∈，为增加方程的稳定性去除小于∈的奇异值，假设有Nq个奇异值大于∈，则取U0和V0的前Nq列构成新的矩阵
Figure BDA0002267715800000039
和
Figure BDA00022677158000000310
取D0的前Nq个对角元素构成新的对角阵
Figure BDA00022677158000000311
S24、利用最小二乘法解方程解得Prony系数向量：
Figure BDA00022677158000000312
进一步的，S3中所述预测未来时刻的CSI并预测预编码，具体包括如下步骤：
S31、令m＝1，m表示下行链路的第m个时刻；
S32、构造矩阵Hd；
Figure BDA00022677158000000313
其中，u为pd长度；
S33、预测下一时刻的CSI并设计在该时刻的预编码：
Figure BDA0002267715800000041
Figure BDA0002267715800000043
S34、更新矩阵Hd：
Figure BDA0002267715800000042
S35、令m＝m+1,预测下一时刻的CSI并设计在该时刻的预编码。
采用本发明技术方案，本发明的有益效果为：与现有技术相比，本发明能够适用于估计快速时变信道，能够准确预测未来时刻的下行链路的CSI，能大幅度提升通信系统整体性能。
附图说明
图1是本发明提供的一种基于改进Prony方法的下行时变信道预测方法系统误码率的仿真图。
具体实施方式
结合附图对本发明具体方案具体实施例作进一步的阐述。
一种基于改进Prony方法的下行时变信道预测方法，该方法应用于TDD(时分双工)系统中，其特征在于，所述下行时变信道预测方法包括以下步骤：
S1、估计上行链路的CSI(信道状态信息)：假定上行系统的误码率已知，基站获得解码后的数据符号，根据接收到的信号和解码的数据符号估计上行链路的CSI；
S2、根据所估计的上行CSI计算Prony系数；
S3、根据Prony系数预测下一时刻的CSI并设计预编码；
所述TDD系统中基站有Mb根天线，针对单天线的单个用户，簇的数量为Lc，每个簇有一条主路径，通信系统从上行链路开始。
S1中估计上行CSI具体步骤如下：
上行链路的CSI如下所示：
Figure BDA0002267715800000051
其中，矩阵A是维度为Mb×Lc的矩阵，由导向矢量和所有路径的初始相位构成，Mb表示基站天线数，Lc表示信号传输总的路径数。vj表示第j个路径的多普勒频率分量其中j＝0,1,…,Lc；
S11、假设采样时间间隔是Δt，将h(k)表示成第k个采样时刻的信道：
h(k)＝h(kΔt)；
S12、在上行链路阶段，在前K(Lc+1)个时刻，用户向基站发送K(Lc+1)个数据符号
Figure BDA0002267715800000057
基站接收到的信号为
Figure BDA0002267715800000058
Figure BDA0002267715800000052
其中，ρ1为上行链路的信噪比，j＝0,1,…,K(Lc+1),sj为第j个时刻用户发送的数据符号，hj为第j个时刻的实际CSI,wj为第j个时刻标准复正态分布的高斯噪声，yj为基站在第j个时刻接收到的信号，
当上行系统的误码率已知，基站获得解码后的数据符号
Figure BDA0002267715800000053
S13、根据接收到的信号和解码的数据符号估计前K(Lc+1)个时刻的上行CSI：
Figure BDA0002267715800000054
S2中计算Prony系数具体步骤如下：
S21、构造矩阵
Figure BDA0002267715800000055
向量
Figure BDA0002267715800000056
表示在上行链路中所估计的CSI：
Figure BDA0002267715800000061
Figure BDA0002267715800000062
S22、根据改进Prony方法建立方程组：
Figure BDA0002267715800000063
S23、对
Figure BDA0002267715800000064
进行SVD分解，
Figure BDA0002267715800000065
其中U0是(K·Mb)×Lc的单位阵，D0是Lc×Lc的对角阵且对角阵上的元素按降序排列，V0是Lc×Lc的单位阵；
设定一个大于0的数∈，为增加方程的稳定性去除小于∈的奇异值，假设有Nq个奇异值大于∈，则取U0和V0的前Nq列构成新的矩阵
Figure BDA0002267715800000066
和
Figure BDA0002267715800000067
取D0的前Nq个对角元素构成新的对角阵
Figure BDA0002267715800000068
S24、利用最小二乘法解方程解得Prony系数向量：
Figure BDA0002267715800000069
S3中所述预测未来时刻的CSI并预测预编码，具体包括如下步骤：
S31、令m＝1，m表示下行链路的第m个时刻；
S32、构造矩阵Hd；
Figure BDA00022677158000000610
其中，u为pd长度；
S33、预测下一时刻的CSI并设计在该时刻的预编码：
Figure BDA00022677158000000611
Figure BDA00022677158000000612
S34、更新矩阵Hd：
Figure BDA00022677158000000613
S35、令m＝m+1,预测下一时刻的CSI并设计在该时刻的预编码。
本发明实施例具体如下，上行链路的CSI如下所示，假设系统中基站有32根天线，按8×4的队列分布。针对单天线的单用户，用户与基站之间有19个簇，每个簇的主路径为1，设定参数K＝5，上行链路的信噪比设置成20dB，误码率分别设置成2％，5％。信道的模型采用3GPP TR 36.873 V 12.7.0(2017-12)提出的标准，参数如表1所示：
Figure BDA0002267715800000071
Figure BDA0002267715800000081
表1
在信道模型中，时延分布比例因子rτ＝3，时延扩展DS＝10m，阴影衰落标准差ζ＝3dB。AOA，AOD的比例因子
Figure BDA0002267715800000083
ZOA，ZOD的比例因子
Figure BDA0002267715800000082
角度扩展ASA＝9m,ASD＝10m,ZSA＝10m,ZSD＝10m，簇ASA cASA＝22°，簇ASD cASD＝10°，簇ZSA cZSA＝7°，偏置角度大小αm从标准中的表7.3-3中选取。∈的大小为0.5，用户发送的数据符号sm为标准16-QAM中的元素。
如图1所示，是采用本发明方法，在上述举例的条件下，关于系统误码率的仿真图，分别是上行链路误码率为2％(下方曲线)和5％时，下行链路的误码率同信噪比的关系曲线图。从图1可以看出，当上行链路的误码率相同时，下行链路的信噪比越高，则下行链路的误码率越低；当下行链路的信噪比相同时，优选的，本发明上行链路的误码率越低，则下行链路的误码率越低，误码率越低说明系统的性能越好。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (4)

1.一种基于改进Prony方法的下行时变信道预测方法，该方法应用于TDD系统中，其特征在于，所述下行时变信道预测方法包括以下步骤：
S1、估计上行链路的CSI：假定上行系统的误码率已知，基站获得解码后的数据符号，根据接收到的信号和解码的数据符号估计上行链路的CSI；
S2、根据所估计的上行CSI计算Prony系数；
S3、根据Prony系数预测下一时刻的CSI并设计预编码；
所述TDD系统中基站有Mb根天线，针对单天线的单个用户，簇的数量为Lc，每个簇有一条主路径，通信系统从上行链路开始。
2.根据权利要求1所述的一种基于改进Prony方法的下行时变信道预测方法，其特征在于，S1中估计上行CSI具体步骤如下：
上行链路的CSI如下所示：
Figure FDA0002267715790000011
其中，矩阵A是维度为Mb×Lc的矩阵，由导向矢量和所有路径的初始相位构成，Mb表示基站天线数，Lc表示信号传输总的路径数，vj表示第j个路径的多普勒频率分量，其中j＝0,1,…,Lc；
S11、假设采样时间间隔是Δt，将h(k)表示成第k个采样时刻的信道：
h(k)＝h(kΔt)；
S12、在上行链路阶段，在前K(Lc+1)个时刻，用户向基站发送K(Lc+1)个数据符号
Figure FDA0002267715790000012
基站接收到的信号为
Figure FDA0002267715790000013
Figure FDA0002267715790000014
其中，ρ1为上行链路的信噪比，j＝0,1,…,K(Lc+1),sj为第j个时刻用户发送的数据符号，hj为第j个时刻的实际CSI，wj为第j个时刻标准复正态分布的高斯噪声，yj为基站在第j个时刻接收到的信号；
当上行系统的误码率已知，基站获得解码后的数据符号
Figure FDA0002267715790000021
S13、根据接收到的信号和解码的数据符号估计前K(Lc+1)个时刻的上行CSI：
Figure FDA0002267715790000022
3.根据权利要求2所述的一种基于改进Prony方法的下行时变信道预测方法，其特征在于，S2中计算Prony系数具体步骤如下：
S21、构造矩阵
Figure FDA0002267715790000023
其中，向量
Figure FDA0002267715790000024
表示在上行链路中所估计的CSI：
Figure FDA0002267715790000025
Figure FDA0002267715790000026
S22、根据改进Prony方法建立方程组：
Figure FDA0002267715790000027
S23、对
Figure FDA0002267715790000028
进行SVD分解，
Figure FDA0002267715790000029
其中U0是(K·Mb)×Lc的单位阵，D0是Lc×Lc的对角阵且对角阵上的元素按降序排列，V0是Lc×Lc的单位阵；
设定一个大于0的数∈，为增加方程的稳定性去除小于∈的奇异值，假设有Nq个奇异值大于∈，则取U0和V0的前Nq列构成新的矩阵
Figure FDA00022677157900000210
和
Figure FDA00022677157900000211
取D0的前Nq个对角元素构成新的对角阵
Figure FDA00022677157900000212
S24、利用最小二乘法解方程解得Prony系数向量：
Figure FDA00022677157900000213
4.根据权利要求3所述的一种基于改进Prony方法的下行时变信道预测方法，其特征在于，S3中所述预测未来时刻的CSI并预测预编码，具体包括如下步骤：
S31、令m＝1，m表示下行链路的第m个时刻；
S32、构造矩阵Hd；
Figure FDA0002267715790000031
其中，u为pd长度；
S33、预测下一时刻的CSI并设计在该时刻的预编码：
Figure FDA0002267715790000032
Figure FDA0002267715790000033
S34、更新矩阵Hd：
Figure FDA0002267715790000034
S35、令m＝m+1,预测下一时刻的CSI并设计在该时刻的预编码。
CN201911093966.3A 2019-11-11 2019-11-11 一种基于改进Prony方法的下行时变信道预测方法 Active CN110912588B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911093966.3A CN110912588B (zh) 2019-11-11 2019-11-11 一种基于改进Prony方法的下行时变信道预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911093966.3A CN110912588B (zh) 2019-11-11 2019-11-11 一种基于改进Prony方法的下行时变信道预测方法

Publications (2)

Publication Number Publication Date
CN110912588A true CN110912588A (zh) 2020-03-24
CN110912588B CN110912588B (zh) 2021-02-05

Family

ID=69817154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911093966.3A Active CN110912588B (zh) 2019-11-11 2019-11-11 一种基于改进Prony方法的下行时变信道预测方法

Country Status (1)

Country Link
CN (1) CN110912588B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112019246A (zh) * 2020-07-24 2020-12-01 深圳信息职业技术学院 基于信道预测的预编码方法、天线通信系统以及存储设备
WO2023241691A1 (zh) * 2022-06-16 2023-12-21 维沃移动通信有限公司 信息确定方法、装置、通信设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102215186A (zh) * 2011-05-04 2011-10-12 西安电子科技大学 基于ls-svm的时变tdd-mimo信道互易性补偿方法
CN104378787A (zh) * 2014-11-26 2015-02-25 南京航空航天大学 基于扩展Prony算法的平坦快衰落长距离信道预测方法
US20180175926A1 (en) * 2016-12-20 2018-06-21 Alcatel-Lucent Usa Inc. Channel state prediction based on prediction of channel state factors

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102215186A (zh) * 2011-05-04 2011-10-12 西安电子科技大学 基于ls-svm的时变tdd-mimo信道互易性补偿方法
CN104378787A (zh) * 2014-11-26 2015-02-25 南京航空航天大学 基于扩展Prony算法的平坦快衰落长距离信道预测方法
US20180175926A1 (en) * 2016-12-20 2018-06-21 Alcatel-Lucent Usa Inc. Channel state prediction based on prediction of channel state factors

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FABIO SILVA 等: "Predicting Channel Response for SC-FDE Transmission in Fast-Varying Scenarios", 《9TH INTERNATIONAL ITG CONFERENCE ON SYSTEMS, COMMUNICATION AND CODING》 *
MURCHANA BARUAH 等: "AR-model of faded MIMO set-up optimized for ITU channels", 《2015 2ND INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING AND INTEGRATED NETWORKS (SPIN)》 *
YUXIANG ZHANG 等: "Cluster-Based Fast Time-Varying MIMO Channel Fading Prediction in the High-Speed Scenario", 《IEEE ACCESS》 *
康孟辉: "时变TDD-MIMO系统的信道量化预测及跟踪算法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112019246A (zh) * 2020-07-24 2020-12-01 深圳信息职业技术学院 基于信道预测的预编码方法、天线通信系统以及存储设备
WO2023241691A1 (zh) * 2022-06-16 2023-12-21 维沃移动通信有限公司 信息确定方法、装置、通信设备及可读存储介质

Also Published As

Publication number Publication date
CN110912588B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
Chopra et al. Performance analysis of FDD massive MIMO systems under channel aging
CN107483088B (zh) 大规模mimo鲁棒预编码传输方法
Kashyap et al. Performance analysis of (TDD) massive MIMO with Kalman channel prediction
Hoydis et al. Comparison of linear precoding schemes for downlink massive MIMO
AU2020261763B2 (en) Methods and systems for hybrid beamforming for mimo and miso communications
US8532214B2 (en) MIMO channel state information estimation with coupled iterative two-stage ranking
WO2017000752A1 (zh) 一种fdd大规模mimo系统下行链路训练序列设计方法
TW201249129A (en) Model-based channel estimator for correlated fading channels and channel estimation method thereof
CN105471775B (zh) 一种大规模mimo系统中低复杂度的信道估计方法
US20170104611A1 (en) Channel estimation method and apparatus for use in wireless communication system
WO2021109420A1 (zh) 大规模mimo波束域统计信道信息获取方法与系统
CN114285444B (zh) 一种去蜂窝大规模mimo系统的功率优化方法
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
CN110912588B (zh) 一种基于改进Prony方法的下行时变信道预测方法
CN109474388A (zh) 基于改进梯度投影法的低复杂度mimo-noma系统信号检测方法
Xiong et al. Performance analysis of uplink massive MIMO systems with variable‐resolution ADCs using MMSE and MRC detection
Yashvanth et al. Performance analysis of intelligent reflecting surface assisted opportunistic communications
Li et al. Optimal design of energy and spectral efficiency tradeoff in one-bit massive MIMO systems
CN111865844B (zh) 大规模mimo全双工中继系统信道估计方法和装置
Kumar et al. Design, simulation & concept verification of 4× 4, 8× 8 MIMO with ZF, MMSE and BF detection schemes
CN108199990A (zh) 一种非高斯噪声3d-mimo信道估计算法
Sharifi et al. Channel estimation based on compressed sensing for massive MIMO systems with Lens Antenna Array
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
CN110890931B (zh) 一种基于改进Prony方法的上行时变信道预测方法
CN106230755B (zh) 一种mimo系统信道估计方法和装置

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