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 PDFInfo
- 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
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
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:
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);
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;
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:
进一步的,S2中计算Prony系数具体步骤如下:
S22、根据改进Prony方法建立方程组:
S24、利用最小二乘法解方程解得Prony系数向量:
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;
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:
S34、更新矩阵Hd:
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:
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);
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,
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:
S2中计算Prony系数具体步骤如下:
S22、根据改进Prony方法建立方程组:
S24、利用最小二乘法解方程解得Prony系数向量:
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;
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:
S34、更新矩阵Hd:
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:
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ZOA,ZOD的比例因子角度扩展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:
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);
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;
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:
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)
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)
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 |
-
2019
- 2019-11-11 CN CN201911093966.3A patent/CN110912588B/zh active Active
Patent Citations (3)
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)
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)
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 |