CN111162822B - 大规模mimo波束域统计信道信息获取方法与系统 - Google Patents

大规模mimo波束域统计信道信息获取方法与系统 Download PDF

Info

Publication number
CN111162822B
CN111162822B CN201911232190.9A CN201911232190A CN111162822B CN 111162822 B CN111162822 B CN 111162822B CN 201911232190 A CN201911232190 A CN 201911232190A CN 111162822 B CN111162822 B CN 111162822B
Authority
CN
China
Prior art keywords
matrix
refined
beam domain
channel information
acquiring
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
Application number
CN201911232190.9A
Other languages
English (en)
Other versions
CN111162822A (zh
Inventor
卢安安
高西奇
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201911232190.9A priority Critical patent/CN111162822B/zh
Priority to PCT/CN2020/086181 priority patent/WO2021109420A1/zh
Priority to US17/762,195 priority patent/US20220393730A1/en
Publication of CN111162822A publication Critical patent/CN111162822A/zh
Application granted granted Critical
Publication of CN111162822B publication Critical patent/CN111162822B/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
    • H04B17/391—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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
    • H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
    • 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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0868—Hybrid systems, i.e. switching and combining
    • H04B7/088—Hybrid systems, i.e. switching and combining using beam selection
    • 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
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • 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
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • 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

Abstract

本发明公开了一种大规模MIMO波束域统计信道信息获取方法与系统。所公开方法中涉及的精细化波束域信道模型基于精细化采样导向矢量矩阵，与传统基于DFT矩阵的波束域信道模型相比，在天线尺寸有限时，更加接近于物理信道模型，为解决天线尺寸受限下大规模MIMO对各种典型移动场景的普适性问题提供模型基础。本发明给出了大规模MIMO精细化波束域先验统计信道信息与后验统计信道信息获取方法，其中后验统计信道信息包括后验信道均值和方差信息。本发明方法具有较低复杂度，能够应用于实际大规模MIMO系统，为鲁棒预编码传输方法提供支撑，具有较大的应用价值。

Description

大规模MIMO波束域统计信道信息获取方法与系统
技术领域
本发明属于通信技术领域，涉及大规模MIMO波束域统计信道信息获取方法与系统。
背景技术
为提升用户体验，应对无线数据业务需求的快速增长以及新业务需求带来的挑战，未来新一代移动网络需要支持更高质量、更高传输率、更高移动性、更高用户密度、更低时延、更低能耗等场景。近年来，为大幅提高无线频谱的频谱效率和功率效率，大规模多输入多输出(MIMO，Multiple-Input Multiple-Ouput)技术被广泛研究。目前，大规模MIMO已被确认为5G的关键技术之一。大规模MIMO通过在基站(BS，Base Station)配备大规模天线阵列极大的提高系统容量，充分利用了空间维度资源。未来，大规模MIMO仍将是Beyond 5G(B5G)的研究热点。
信道统计模型的建立是大规模MIMO预编码传输理论方法的基础。文献中一个常用的信道统计模型是基于离散傅里叶变换(DFT，Discrete Fourier Transform)矩阵的传统波束域信道模型。然而，在实际大规模MIMO无线系统中，有限的天线尺寸限制了大规模线阵天线的应用，基站侧常配置大规模面阵天线等更易于实现的天线阵列，进而造成单一维度上的天线数量受限，在此限制下各用户信道单一维度上同一特征模式矩阵仍采用基于DFT矩阵传统波束域信道模型近似会在相当程度上偏离实际物理信道模型。另一方面，大规模MIMO无线系统中基站配置大规模天线阵列，且占据相同时频资源的用户天线数量增多，限制了用于导频的时频资源，在导频资源受限的情况下瞬时信道估计误差无法避免，同时在中高速移动通信场景还存在基站侧所获瞬时信道信息老化等因素，因此发展能描述各种典型移动通信场景的统计信道模型具有重要意义。文献中相关工作大都考虑大规模线阵天线，多采用DFT矩阵将空间信号转为稀疏角度域信号，且都没有考虑基于先验统计模型和瞬时信道信息的后验统计模型。
在大规模MIMO无线传输系统中，下行多用户预编码传输方法是对抗多用户干扰并实现频谱效率增益的关键，因而是大规模MIMO无线传输系统最为核心的问题之一。实际大规模MIMO系统中用户的移动性为下行多用户预编码传输方法带来了极大挑战。为解决这一问题，鲁棒多用户预编码传输方法变得日益重要。对于鲁棒传输方法，基于统计信道模型的方法是一类关键方法。而基于统计信道模型的方法的基础则在于统计信道信息的获取。因此，在将传统基于DFT矩阵的波束域信道模型进行扩展时，如何获得新模型的统计信道信息变得至关重要。
发明内容
发明目的：针对现有技术的不足，本发明目的在于提供大规模MIMO波束域统计信道信息获取方法与系统，能够为大规模MIMO鲁棒预编码传输方法提供支撑。
技术方案：为了达到上述目的，本发明提供如下技术方案：
大规模MIMO波束域先验统计信道信息获取方法，包括如下步骤：
接收各用户终端发送的导频信号；
将接收到的导频信号与预先保存的各用户导频信号分别相乘；
将相乘后导频信号通过精细化采样导向矢量矩阵转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于对应的天线个数；
利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
进一步地，将相乘后导频信号通过左乘发送侧精细化采样导向矢量矩阵共轭矩阵和右乘接收侧精细化采样导向矢量矩阵共轭矩阵转换到精细化波束域。
进一步地，各用户终端在同一时频资源上发送导频信号，各用户终端的导频信号相互正交。
进一步地，所述利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵。
大规模MIMO波束域先验统计信道信息获取方法，包括如下步骤：
获取各用户终端的信道信息；
将各用户终端信道信息通过精细化采样导向矢量矩阵转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于对应的天线个数；
利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
进一步地，将信道信息通过左乘发送侧精细化采样导向矢量矩阵共轭矩阵和右乘接收侧精细化采样导向矢量矩阵共轭矩阵转换到精细化波束域。
进一步地，所述利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵。
大规模MIMO波束域后验统计信道信息获取方法，包括如下步骤：
利用上述大规模MIMO波束域先验统计信道信息获取方法获取当前时隙之前的各用户终端的精细化波束域先验统计信道信息；
获取当前时隙各用户终端发送的导频信号；
利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息。
进一步地，所述精细化波束域后验统计信道信息包括精细化波束域后验均值和精细化波束域后验方差。
一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现上述大规模MIMO波束域先验统计信道信息获取方法，或者大规模MIMO波束域后验统计信道信息获取方法。
一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站用于：
接收各用户终端发送的导频信号；将接收到的导频信号与预先保存的各用户导频信号分别相乘；将相乘后导频信号通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息；
或者，获取各用户终端的信道信息；将各用户终端信道信息通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站用于：
利用上述大规模MIMO波束域先验统计信道信息获取方法获取当前时隙之前的各用户终端的精细化波束域先验统计信道信息；
获取当前时隙各用户终端发送的导频信号；
利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息。
一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站设有上述计算设备。
有益效果：与现有技术相比，本发明提出的大规模MIMO波束域先验及后验统计信道信息获取方法能够建立大规模MIMO系统各种典型移动场景的统计模型，能有效支撑大规模MIMO系统鲁棒预编码传输方法的实现，解决大规模MIMO对于各种典型移动场景的适应性问题。
附图说明
图1为大规模MIMO波束域先验统计信道信息获取方法流程图；
图2为已知瞬时信道信息情形大规模MIMO波束域先验统计信道信息获取方法流程图；
图3为大规模MIMO波束域后验统计信道信息获取方法流程图；
图4为波束域信道模型下估计出的协方差矩阵与样本协方差矩阵的MSE性能比较结果图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示，本发明实施例公开的大规模MIMO波束域先验统计信道信息获取方法，包括：接收各用户终端发送的导频信号；将接收到的导频信号与本地预先保存的各用户导频信号分别相乘；将相乘后导频信号通过精细化采样导向矢量矩阵转换到精细化波束域；利用所述精细化波束域样本统计量获取各移动终端精细化波束域先验统计信道信息。
如图2所示，本发明另一实施例公开的大规模MIMO波束域先验统计信道信息获取方法，是在已知瞬时信道信息情形下的大规模MIMO波束域先验统计信道信息获取方法，包括：获得各用户终端的信道信息；将各用户终端信道信息通过精细化采样导向矢量矩阵转换到精细化波束域；利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
如图3所示，本发明实施例公开的大规模MIMO波束域后验统计信道信息获取方法，包括：获取当前时隙之前的各用户终端精细化波束域先验统计信道信息；获取当前时隙各用户终端发送的导频信号；利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息获取。
上述实施例中的用户终端可以是手机、车载设备、智能装备等移动终端或固定终端；可通过左乘发送侧精细化采样导向矢量矩阵共轭矩阵和右乘接收侧精细化采样导向矢量矩阵共轭矩阵将导频信号或信道信息转换到精细化波束域，其中精细化采样导向矢量矩阵中导向矢量个数多于对应的天线个数。精细化波束域先验统计信道信息的获取可以根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵。
本发明方法主要适用于基站侧配备大规模天线阵列以同时服务多个用户的大规模MIMO系统。下面结合具体的通信系统实例对本发明涉及波束域统计信道信息获取方法的具体实现过程作详细说明，需要说明的是本发明方法不仅适用于下面示例所举的具体系统模型，也同样适用于其它配置的系统模型。
一、系统配置
考虑一平坦块衰落大规模MIMO系统，假设系统中各移动终端信道在T个符号间隔内保持不变。该大规模MIMO系统由一个基站和K个移动终端构成。基站配置大规模均匀面阵天线，每行和每列的天线数量分别为Mh'和Mv'，总发送天线数量为Mt＝Mh'Mv'。简便起见，假设每个用户配置的天线数为Mk。将系统时间资源分为若干时隙，每一时隙包括Nb个时间块，而每个时间块则包含T个符号间隔。本实施例中所考虑大规模MIMO系统工作于时分双工(TDD，Time Division Duplexing)模式。简便起见，假设只存在上行信道训练和下行传输阶段，下行传输包括预编码域导频和数据信号发送。在每一时隙中，基站只在第一时间块接收用户上行导频信号。第2至Nb时间块则用于基站进行下行预编码域导频和数据信号传输。上行训练序列的长度为块的长度，即T个符号间隔。对于频分双工(FDD，Frequency DivisionDuplexing)模式，可以将上行信道训练阶段替换为下行信道反馈阶段，下行传输阶段则保持不变。具体来说，在第一块传输下行全向导频信号，并接收移动终端反馈。
二、精细化波束域先验统计信道模型
下面对基于精细化采样导向矢量矩阵的精细化波束域先验统计模型进行详细阐述。传统的波束域信道模型中导向矢量个数与天线个数相同，本发明所述精细化波束域统计模型指在信道模型中引入比天线数量更多的导向矢量来更好的描述信道统计特性。定义基站侧水平和垂直维度上的精细化因子分别为Nh和Nv，其取值为大于1的整数或分数，令Mh＝NhMh'和Mv＝NvMv'分别表示水平和垂直维度上精细化采样导向矢量数量。进一步，定义
Figure BDA0002303874200000051
和
Figure BDA0002303874200000052
则水平和垂直维度上的导向矢量矩阵可以分别表示为
Figure BDA0002303874200000053
和
Figure BDA0002303874200000054
其中vn＝(n-1)/Mh和um＝(m-1)/Mv。令
Figure BDA0002303874200000055
表示基站侧精细化采样导向矢量矩阵。相似的，定义用户侧精细化因子为Nk，令Mk＝NkMk'表示用户侧精细化采样导向矢量数量。进一步，定义
Figure BDA0002303874200000056
则用户侧精细化采样导向矢量矩阵定义为
Figure BDA0002303874200000057
上述
Figure BDA0002303874200000061
和Uk的形式分别对应基站侧面阵的导向矢量矩阵以及用户侧线阵的导向矢量矩阵。需要说明的是，本发明方法不仅适用于大规模均匀面阵天线，也适用于其他形式的天线，如圆柱阵列天线、阵元为极化天线的面阵天线，当基站侧或者用户侧使用的天线阵列发生变化时，
Figure BDA0002303874200000062
或者Uk改为相应阵列的导向矢量矩阵即可。令Hk,m,n表示第k用户在第m时隙第n块上的信道，则所考虑大规模MIMO系统精细化波束域先验统计信道模型可以表示为
Figure BDA0002303874200000063
其中Gk,m,n＝(Mk⊙Wk,m,n)为第k用户在第m时隙第n块上精细化波束域信道矩阵，Mk为表示第k用户精细化波束域信道幅度矩阵，Wk,m,n为第k用户在第m时隙第n块上独立同分布复高斯随机变量组成的随机矩阵。与基于DFT矩阵的传统波束域先验统计信道模型相比，该精细化波束域统计模型有着更多的统计特征方向，因此能更准确地表征实际物理信道模型。定义大规模MIMO系统信道精细化波束域能量矩阵Ωk为Ωk＝Mk⊙Mk，该波束域能量矩阵常常具有稀疏特性。
三、精细化波束域信道模型先验统计信道信息获取方法
对于所考虑工作于TDD模式的大规模MIMO系统，由于上下行信道具有互易性，获得的上行信道统计信息可以直接作为下行信道统计信息使用。对于FDD系统信道瞬时互易性不存在，可以由用户侧进行下行统计信道信息获取并反馈给基站。下面给出一种精细化波束域先验统计信道信息获取的方法。假设Xk为第k用户的导频矩阵，该导频矩阵可用于获取先验统计信道信息，用户间导频矩阵正交，不同天线间的导频不需要正交，即Xk不必为酉矩阵。令Ym,1表示基站在第m时隙第1块上的接收到的导频信号，有
Figure BDA0002303874200000064
进一步，有
Figure BDA0002303874200000065
其中上标T表示转置，上标*表示共轭，上标H表示共轭转置，Zm,1为独立同分布复高斯随机变量组成的随机矩阵。由于各用户导频矩阵正交，将
Figure BDA0002303874200000066
左乘
Figure BDA0002303874200000067
并右乘
Figure BDA0002303874200000068
可得
Figure BDA0002303874200000069
其中⊙表示Hadmard乘积。令
Figure BDA00023038742000000610
进一步，有
Figure BDA0002303874200000071
令矩阵Tkr表示
Figure BDA0002303874200000072
矩阵Tt表示
Figure BDA0002303874200000073
矩阵Okr表示
Figure BDA0002303874200000074
以及矩阵Ot表示
Figure BDA0002303874200000075
可以得到
Figure BDA0002303874200000076
在噪声方差矩阵N已知情况下，则OkrNOt为已知矩阵。简洁起见，令
Figure BDA0002303874200000077
N＝NhNv为
Figure BDA0002303874200000078
由于实际系统中只能获取样本平均，所以用重新定义Φk为精细化波束域样本统计矩阵
Figure BDA0002303874200000079
其中M表示样本数量。式(13)可按元素表示为
Figure BDA00023038742000000710
利用Φk，式(11)可以变为
Φk＝TkrΩkTt+OkrNOt (16)
上式中，Tkr和Tt为已知矩阵，OkrNOt同样为已知矩阵。因此，上述方程等号右边唯一的未知参数矩阵为精细化波束域信道能量矩阵Ωk。所以信道能量矩阵Ωk的获取基于样本统计矩阵Φk和确定矩阵Tkr、Tt和OkrNOt。将TkrΩkTt+OkrNOt称做信道能量矩阵的函数矩阵。式(16)属于参数矩阵估计问题，为求解Ωk可根据式(16)建立优化问题，然后对优化问题利用梯度下降法、共轭梯度法、牛顿迭代法或者由KKT条件获得的迭代公式等方法进行求解。为了更加清晰说明该问题，下面给出一种具体估计方法。为估计出信道能量矩阵Ωk或者信道幅度矩阵Mk，利用精细化波束域样本统计矩阵Φk和信道能量矩阵函数矩阵TkrΩkTt+OkrNOt的KL散度(divergence)定义目标函数为
Figure BDA00023038742000000711
上式中c0为和Mk无关常数。为进行优化获得KL散度最小的Mk，首先对目标函数求导，式(17)中后半部分的导数为
Figure BDA0002303874200000081
其中J为全1矩阵。前半部分的求导稍微复杂，为
Figure BDA0002303874200000082
其中，
Figure BDA0002303874200000083
Figure BDA0002303874200000084
综上，可得对g(Mk)求导有，
Figure BDA0002303874200000085
令g(Mk)＝0，可得最优点必要条件为(TtJTkr)T⊙Mk-(TtQTTkr)T⊙Mk＝0 (22)
进一步有
(TtJTkr)T⊙Mk＝(TtQTTkr)T⊙Mk (23)
基于必要条件，可构造迭代公式如下
Figure BDA0002303874200000086
其中，
Figure BDA0002303874200000087
根据所提迭代公式可获得精细化采样波束域信道幅度矩阵。综上，精细化波束域统计信道信息获取的步骤可总结为：
步骤1：接收各移动终端发送的导频信号Xk；
步骤2：将接收到的导频信号Ym,1与本地各用户导频信号Xk分别相乘获得
Figure BDA0002303874200000091
步骤3：将相乘后导频信号转换到精细化波束域
Figure BDA0002303874200000092
步骤4：利用所述精细化波束域样本统计量
Figure BDA0002303874200000093
进行各移动终端精细化波束域先验统计信道信息获取。
其中步骤4利用精细化波束域样本统计量Φk进行各移动终端精细化波束域先验统计信道信息的获取方法可进一步细化为：
步骤1：计算
Figure BDA0002303874200000094
及
Figure BDA0002303874200000095
步骤2：初始化Mk；
步骤3：迭代计算
Figure BDA0002303874200000096
其中Ak要随着Mk做如下更新：
Figure BDA0002303874200000097
前面讲述了利用导频信号进行精细化波束域先验统计信道信息获取的方法。在实际系统中也可先进行瞬时信道信息获取，然后利用瞬时信道信息进行精细化波束域先验统计信道信息。下面给出一种在信道信息已知情况下，精细化波束域统计信道信息Ωk获取的方法。将Hk,m,1左乘
Figure BDA0002303874200000098
并右乘
Figure BDA0002303874200000099
可得
Figure BDA00023038742000000910
进一步，有
Figure BDA00023038742000000911
此时，精细化波束域样本统计矩阵
Figure BDA00023038742000000912
变为
Figure BDA00023038742000000913
或者按元素表示为
Figure BDA0002303874200000101
进一步，可以得到
Φk＝TkrΩkTt (30)
此时，Tkr变为
Figure BDA0002303874200000102
Φk和信道能量矩阵函数矩阵TkrΩkTt的KL散度函数简化为
Figure BDA0002303874200000103
上式中c0为和Mk无关常数。同样，为进行优化获得KL散度最小的Mk，首先对目标函数求导，式(31)中后半部分的导数变为
Figure BDA0002303874200000104
其中J为全1矩阵，。前半部分的求导变为
Figure BDA0002303874200000105
其中，
Figure BDA0002303874200000106
Figure BDA0002303874200000107
综上，可得对g(Mk)求导有，
Figure BDA0002303874200000108
令g(Mk)＝0，可得最优点必要条件为(TtJTkr)TMk-(TtQTTkr)T⊙Mk＝0 (36)
进一步有
(TtJTkr)TMk＝(TtQTTkr)T⊙Mk (37)
基于必要条件，构造迭代公式如下
Figure BDA0002303874200000111
其中，
Figure BDA0002303874200000112
综上，已知信道信息情形精细化波束域统计信道信息获取的步骤可总结为：
步骤1：获得信道矩阵Hk,m,1；
步骤2：将信道矩阵转换到精细化波束域
Figure BDA0002303874200000113
步骤3：利用所述精细化波束域样本统计量
Figure BDA0002303874200000114
进行各移动终端精细化波束域先验统计信道信息获取。
其中步骤4利用精细化波束域样本统计量Φk进行各移动终端精细化波束域先验统计信道信息的获取方法可进一步细化为：
步骤1：根据
Figure BDA0002303874200000115
计算
Figure BDA0002303874200000116
步骤2：初始化Mk；
步骤3：迭代计算
Figure BDA0002303874200000117
其中Ak要随着Mk做如下更新：
Figure BDA0002303874200000118
四、精细化波束域后验统计信道模型
在基于前述方法获得了精细化波束域先验统计信道信息后可用其来进一步获取精细化波束域后验统计信道信息。首先，第m-1时隙第1块上接收到的导频信号仍然可以表示为
Figure BDA0002303874200000119
将
Figure BDA00023038742000001110
向量化，可以得到
Figure BDA00023038742000001111
由于不同用户的导频正交，可以得到精细化波束域信道向量vec(Gk,m-1,1)的最小均方误差估计为
Figure BDA0002303874200000121
其中Rgk＝diag(vec(Ωk))为精细化波束域信道协方差矩阵，
Figure BDA0002303874200000122
为噪声矩阵
Figure BDA0002303874200000123
元素方差。
假设时隙m-1上第1时间块获得的信道信息用于第m时隙的传输。为描述大规模MIMO时间相关特性，采取一阶高斯马尔可夫模型来描述时间相关模型。在该模型下，第m时隙第n时间块上的精细化波束域信道可以表示为
Figure BDA0002303874200000124
其中αk,m(Nb+n-1)为信道Gk,m,n和Gk,m-1,1的相关因子函数，为和用户移动速度有关的时间相关因子。相关因子αk,m的获得方法有多种，这里假设相关因子已知。实际中，可以采用信道样本的经验相关因子，也可以采用文献中常用的基于Jakes自相关模型的相关因子αk,m的计算方法，即αk,m(n)＝J0(2πvkfcnTτ/c)，其中J0(·)表示第一类零阶Bessel函数，τ表示一个时间间隔对应的时间，vk表示第k用户速度，fc表示载波频率，c为光速。式(42)中模型用来进行信道预测。本实施例中，为考虑系统实现复杂度，在整个时隙m上进行预编码。简便起见，不考虑信道估计误差，假设可以获得精细化波束域信道矩阵Gk,m-1,1的准确信道信息，可以得到时隙m上精细化波束信道的后验统计信息为
Figure BDA0002303874200000125
其中βk,m和整个时隙m上信道与Hk,m-1,1相关因子αk,m有关，一个可行的做法是取时隙上所有相关因子αk,m的均方根。进一步，则可以得到时隙m上的精细化波束域后验统计信道模型为
Figure BDA0002303874200000126
当考虑信道估计误差时，式(44)中信道后验统计模型需要根据信道估计误差模型、时间相关模型和先验统计模型进一步得出。为便于在精细化波束域进行计算，将Hk,m-1,1表示为
Figure BDA0002303874200000127
则精细化后验统计模型可进一步表示为
Figure BDA0002303874200000128
其中βk,mGk,m-1,1为精细化波束域后验均值，
Figure BDA0002303874200000129
的方差为精细化波束域后验方差。对于FDD系统，Gk,m-1,1可以通过反馈获得，在此基础上结合精细化波束域先验统计信息可以获得精细化波束域后验统计信息。
五、实施效果
为了使本技术领域的人员更好地理解本发明方案，下面给出一种具体系统配置下的本实施例中利用精细化波束域模型进行协方差阵估计与样本协方差阵性能比较。
考虑一配置为Mt＝64的大规模MIMO系统，其中基站天线配置为Mh'＝8,Mv'＝8，用户侧为单天线。随机生成一信道能量矩阵Ωk，并在此基础上根据精细化波束域信道模型生成2000个信道样本。利用本发明所提信道已知情形下精细化波束域统计信道信息获取方法进行信道能量矩阵Ωk的估计并进而计算出协方差矩阵估计。图4给出了该方法估计出的协方差矩阵MSE性能与样本协方差矩阵的MSE性能比较。从图4中，可以看出采用本发明所提精细化波束域先验统计信道信息获取方法所得协方差矩阵估计MSE性能要显著优于样本协方差矩阵MSE性能。
基于相同的发明构思，本发明实施例还公开了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器时实现上述的大规模MIMO波束域先验统计信道信息获取方法，或者大规模MIMO波束域后验统计信道信息获取方法。
在具体实现中，该设备包括处理器，通信总线，存储器以及通信接口。处理器可以是一个通用中央处理器(CPU)，微处理器，特定应用集成电路(ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。通信总线可包括一通路，在上述组件之间传送信息。通信接口，使用任何收发器一类的装置，用于与其他设备或通信网络通信。存储器可以是只读存储器(ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(EEPROM)、只读光盘(CD-ROM)或其他光盘存储、盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器用于存储执行本发明方案的应用程序代码，并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码，从而实现上述实施例提供的信息获取方法。处理器可以包括一个或多个CPU，也可以包括多个处理器，这些处理器中的每一个可以是一个单核处理器，也可以是一个多核处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
基于相同的发明构思，本发明实施例还公开了一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站用于：接收各用户终端发送的导频信号；将接收到的导频信号与预先保存的各用户导频信号分别相乘；将相乘后导频信号通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
基于相同的发明构思，本发明实施例还公开了一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站用于：获取各用户终端的信道信息；将各用户终端信道信息通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用所述精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息。
基于相同的发明构思，本发明实施例还公开了一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站用于：利用所述的大规模MIMO波束域先验统计信道信息获取方法获取当前时隙之前的各用户终端的精细化波束域先验统计信道信息；获取当前时隙各用户终端发送的导频信号；利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息。
基于相同的发明构思，本发明实施例还公开了一种大规模MIMO通信系统，包括基站和多个用户终端，所述基站设有上述的计算设备。
在本申请所提供的实施例中，应该理解到，所揭露的方法，在没有超过本申请的精神和范围内，可以通过其他的方式实现。当前的实施例只是一种示范性的例子，不应该作为限制，所给出的具体内容不应该限制本申请的目的。例如，一些特征可以忽略，或不执行。本申请中未详细说明的内容均为现有技术。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (11)

1.大规模MIMO波束域先验统计信道信息获取方法，其特征在于，包括如下步骤：
接收各用户终端发送的导频信号；
将接收到的导频信号与预先保存的各用户导频信号分别相乘；
将相乘后导频信号通过精细化采样导向矢量矩阵转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于对应的天线个数；
利用精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息，具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵。
2.根据权利要求1所述的大规模MIMO波束域先验统计信道信息获取方法，其特征在于，将相乘后导频信号通过左乘发送侧精细化采样导向矢量矩阵共轭矩阵和右乘接收侧精细化采样导向矢量矩阵共轭矩阵转换到精细化波束域。
3.根据权利要求1所述的大规模MIMO波束域先验统计信道信息获取方法，其特征在于，各用户终端在同一时频资源上发送导频信号，各用户终端的导频信号相互正交。
4.大规模MIMO波束域先验统计信道信息获取方法，其特征在于，包括如下步骤：
获取各用户终端的信道信息；
将各用户终端信道信息通过精细化采样导向矢量矩阵转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于对应的天线个数；
利用精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息，具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵。
5.根据权利要求4所述的大规模MIMO波束域先验统计信道信息获取方法，其特征在于，将信道信息通过左乘发送侧精细化采样导向矢量矩阵共轭矩阵和右乘接收侧精细化采样导向矢量矩阵共轭矩阵转换到精细化波束域。
6.大规模MIMO波束域后验统计信道信息获取方法，其特征在于，包括如下步骤：
利用根据权利要求1-5任一项所述的大规模MIMO波束域先验统计信道信息获取方法获取当前时隙之前的各用户终端的精细化波束域先验统计信道信息；
获取当前时隙各用户终端发送的导频信号；
利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息。
7.根据权利要求6所述的大规模MIMO波束域后验统计信道信息获取方法，其特征在于，所述精细化波束域后验统计信道信息包括精细化波束域后验均值和精细化波束域后验方差。
8.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-5任一项所述的大规模MIMO波束域先验统计信道信息获取方法，或者根据权利要求6或7所述的大规模MIMO波束域后验统计信道信息获取方法。
9.一种大规模MIMO通信系统，包括基站和多个用户终端，其特征在于，所述基站用于：
接收各用户终端发送的导频信号；将接收到的导频信号与预先保存的各用户导频信号分别相乘；将相乘后导频信号通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息，具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵；
或者，
获取各用户终端的信道信息；将各用户终端信道信息通过与精细化采样导向矢量矩阵相乘运算转换到精细化波束域；所述精细化采样导向矢量矩阵中导向矢量个数多于基站天线个数；利用精细化波束域样本统计量获取各用户终端精细化波束域先验统计信道信息，具体为：根据精细化波束域样本统计量和信道能量矩阵函数矩阵的方程求解信道能量矩阵；所述方程中只有信道能量矩阵或信道幅度矩阵为未知矩阵，其余矩阵为已知矩阵。
10.一种大规模MIMO通信系统，包括基站和多个用户终端，其特征在于，所述基站用于：
利用根据权利要求1-5任一项所述的大规模MIMO波束域先验统计信道信息获取方法获取当前时隙之前的各用户终端的精细化波束域先验统计信道信息；
获取当前时隙各用户终端发送的导频信号；
利用接收到的导频信号估计精细化波束域信道矩阵，结合精细化波束域先验统计信道信息以及信道间相关因子获取各用户终端的精细化波束域后验统计信道信息。
11.一种大规模MIMO通信系统，包括基站和多个用户终端，其特征在于，所述基站设有根据权利要求8所述的计算设备。
CN201911232190.9A 2019-12-05 2019-12-05 大规模mimo波束域统计信道信息获取方法与系统 Active CN111162822B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911232190.9A CN111162822B (zh) 2019-12-05 2019-12-05 大规模mimo波束域统计信道信息获取方法与系统
PCT/CN2020/086181 WO2021109420A1 (zh) 2019-12-05 2020-04-22 大规模mimo波束域统计信道信息获取方法与系统
US17/762,195 US20220393730A1 (en) 2019-12-05 2020-04-22 Method and system for acquiring massive mimo beam domain statistical channel information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911232190.9A CN111162822B (zh) 2019-12-05 2019-12-05 大规模mimo波束域统计信道信息获取方法与系统

Publications (2)

Publication Number Publication Date
CN111162822A CN111162822A (zh) 2020-05-15
CN111162822B true CN111162822B (zh) 2021-01-26

Family

ID=70556560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911232190.9A Active CN111162822B (zh) 2019-12-05 2019-12-05 大规模mimo波束域统计信道信息获取方法与系统

Country Status (3)

Country Link
US (1) US20220393730A1 (zh)
CN (1) CN111162822B (zh)
WO (1) WO2021109420A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113055061B (zh) * 2021-04-26 2022-07-15 中国科学技术大学 一种大规模mimo系统的低复杂度预编码方法
CN113452427B (zh) * 2021-08-30 2021-11-19 东南大学 多小区协同大规模mimo鲁棒预编码设计与分布式处理方法
CN114629533B (zh) * 2022-02-17 2023-04-18 东南大学 大规模mimo信道估计的信息几何方法及系统
CN114665932B (zh) * 2022-03-17 2023-03-10 东南大学 大规模mimo波束时延多普勒域统计信道信息获取方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508774A (zh) * 2017-08-21 2017-12-22 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

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007103108A2 (en) * 2006-03-03 2007-09-13 Nokia Corporation Adaptive multi-beamforming systems and methods for communication systems
US7714781B2 (en) * 2007-09-05 2010-05-11 Samsung Electronics Co., Ltd. Method and system for analog beamforming in wireless communication systems
GB2455530B (en) * 2007-12-12 2010-04-28 Nortel Networks Ltd Channel estimation method and system for inter carrier interference-limited wireless communication networks
US8116694B2 (en) * 2008-12-23 2012-02-14 Nokia Corporation System for facilitating beam training
US8068844B2 (en) * 2008-12-31 2011-11-29 Intel Corporation Arrangements for beam refinement in a wireless network
US8116819B2 (en) * 2008-12-31 2012-02-14 Intel Corporation Arrangements for beam refinement in a wireless network
US8995515B2 (en) * 2010-12-29 2015-03-31 Zte Wistron Telecom Ab Dynamically adjusted OFDM channel estimation filtering in OFDM communications
KR102321994B1 (ko) * 2015-04-01 2021-11-04 삼성전자주식회사 무선 통신 시스템에서 무선 링크를 관리하기 위한 장치 및 방법
WO2018124846A1 (ko) * 2017-01-01 2018-07-05 엘지전자(주) 무선 통신 시스템에서 개루프 mimo 전송을 위한 빔포밍된 복수의 참조 신호 송신 방법 및 이를 위한 장치
KR20180092164A (ko) * 2017-02-08 2018-08-17 삼성전자주식회사 무선 통신 시스템에서 신호를 처리하기 위한 장치 및 방법
CN109428639B (zh) * 2017-08-24 2021-04-09 上海诺基亚贝尔股份有限公司 用于确定信道状态信息的方法和装置
CN108512787B (zh) * 2018-04-13 2021-09-24 电子科技大学 大规模mimo系统的超精细信道估计方法
CN112368953B (zh) * 2018-05-09 2023-08-08 索尼集团公司 波束管理的配置
CN108832976B (zh) * 2018-06-14 2020-10-27 南京邮电大学 一种大规模mimo系统的上行链路信道估计方法
CN109257309B (zh) * 2018-10-24 2021-01-12 东南大学 一种高性能的大规模mimo下行链路传输信道估计方法
CN110166090B (zh) * 2019-04-29 2020-08-25 东南大学 能效最优的大规模mimo下行单播波束域功率分配方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508774A (zh) * 2017-08-21 2017-12-22 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

Also Published As

Publication number Publication date
US20220393730A1 (en) 2022-12-08
CN111162822A (zh) 2020-05-15
WO2021109420A1 (zh) 2021-06-10

Similar Documents

Publication Publication Date Title
CN111193533B (zh) 大规模mimo波束域鲁棒预编码传输方法与系统
CN111162822B (zh) 大规模mimo波束域统计信道信息获取方法与系统
CN107483088B (zh) 大规模mimo鲁棒预编码传输方法
Liu et al. Exploiting burst-sparsity in massive MIMO with partial channel support information
Noh et al. Training sequence design for feedback assisted hybrid beamforming in massive MIMO systems
JP5274664B2 (ja) 無線ｍｉｍｏシステムでの送信のために信号をプリコーディングする方法
US10270624B2 (en) Channel estimation method and apparatus for use in wireless communication system
WO2023185373A1 (zh) 天波大规模mimo三重波束基信道建模及信道信息获取
US8385489B2 (en) Methods and apparatus for wireless channel estimation using interpolation elimination in the Eigen domain
KR20110077157A (ko) 다중 사용자 다중 안테나 시스템에서의 유니터리 프리코딩 장치 및 방법
CN110912588B (zh) 一种基于改进Prony方法的下行时变信道预测方法
CN114629533B (zh) 大规模mimo信道估计的信息几何方法及系统
CN113676225B (zh) 一种大规模mimo预编码传输方法与装置
US20230164002A1 (en) User detection technique, and method and apparatus for channel estimation in wireless communication system supporting massive multiple-input multiple-output
JP2009268106A (ja) 信号対干渉電力と雑音比の決定方法およびその装置
Wu et al. Inverse extrapolation for efficient precoding in time-varying massive MIMO–OFDM systems
KR20210065046A (ko) 다중셀 클러스터링 장치 및 방법
Dai et al. A scalable generator for massive MIMO baseband processing systems with beamspace channel estimation
GB2478360A (en) Optimal pilot symbol design/placement in spatial and delay correlated MIMO OFDM channels
Nouri et al. A low complexity burst channel estimation algorithm for FDD massive MIMO systems
KR101770055B1 (ko) 대규모 mimo-ofdm 시스템에서의 채널 추정 방법 및 장치
CN114665932B (zh) 大规模mimo波束时延多普勒域统计信道信息获取方法
Kumeleh et al. Pilot contamination reduction using time-domain channel sparsity in massive MIMO-OFDM systems
KR101599189B1 (ko) 대규모 mimo 시스템에서의 채널 추정 방법
Kafedziski Compressed sensing based channel estimation in FDD multi-user massive MIMO using angle domain sparsity and transmit antenna correlation

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