CN111294094B - 一种基于多维矩阵的双向全双工中继系统信道估计方法 - Google Patents
一种基于多维矩阵的双向全双工中继系统信道估计方法 Download PDFInfo
- Publication number
- CN111294094B CN111294094B CN201910374696.7A CN201910374696A CN111294094B CN 111294094 B CN111294094 B CN 111294094B CN 201910374696 A CN201910374696 A CN 201910374696A CN 111294094 B CN111294094 B CN 111294094B
- Authority
- CN
- China
- Prior art keywords
- matrix
- phi
- representing
- user
- channel
- 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
- 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
-
- 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
- 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
-
- 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
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
-
- 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)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明在全双工双向中继系统中提出了一种基于多维矩阵的信号估计方法,主要解决全双工系统存在同频干扰情况下的信道估计问题。该方法由自干扰消除、多维矩阵建模及信道估计三部分组成,通过使用少量训练序列获得信号及信道的估计信息。该方法无须迭代,具有较低的计算复杂度。仿真结果验证了所提方法的有效性。同时,与已有的双向中继接收方法相比,该方法考虑了全双工干扰的消除,更具有实际意义。
Description
技术领域
本发明属于通信技术领域,更进一步涉及一种基于全双工通信系统的信号估计方法,可用于未来第五代移动通信(5th-Generation,简称5G)中消除全双工系统的同频干扰,同时可使用少量训练序列获得信号及信道的估计信息,为5G的技术发展提供了高效的解决方案。本发明也介绍了本方法应用于毫米波MIMO(Multiple-Input Multiple-Output)系统中获取信道信息的方法。
背景技术
5G具有低成本、低能耗、可靠安全的特点,能够为用户带来卓越的交互体验,已成为通信领域的研究热点。在实施过程中,5G技术的大量终端接入和超密集组网,需要更高的频率资源利用率。同时同频全双工是一种全双工通信系统,它允许无线设备使用相同的时间、相同的频率,同时发射和接收无线信号。
在全双工系统中,由于自干扰的存在,信号处理复杂度提高,系统接收和检测的难度加大。因此,为了获得更准确的信号,需对全双工系统进行信道估计,这也是该系统信号处理的重要研究方向。能否获得准确可靠的信道信息,并且在接收端正确地解调出发射信号,是衡量无线通信系统性能的重要指标之一。
本发明在使用AF(Amplify-and-forward)协议的双向中继全双工系统中,提出了一种基于多维矩阵的直接求解法,获得信道估计,该算法无须迭代,通过少量的计算即可求得信道状态信息,降低了计算复杂度及累计误差,且性能优于传统的方法。
发明内容
本发明的目的在于针对全双工系统的同频干扰的问题,提出一种基于多维矩阵的信道估计方法,本发明数据主要来源于无人机的数据采集。为实现上述目的,本发明的技术方案包括如下:
考虑如图1所示的全双工模型。在该模型中用户1和用户2分别配备M1和M2根天线,m个中继的天线数分别为N1,N2,...,Nm,其中MR=N1+N2+…+Nm。用户之间通过中继传递信息,整个传输过程分为2个阶段:第一阶段,每个用户分别把自己的信息发送给中继;第二阶段,中继把接收的信息放大处理后,再转发给用户,同时,也接收来自用户1和用户2的信息。由于系统为全双工系统,故在用户端发送和接收信号时均会产生信号间干扰,即自干扰。由于自干扰存在,在提取所需信息时存在困难,为了估计信道参数,令两个用户端都发送导频序列x1,j,x2,j,其中j=1,2,...,NP,可利用张量合并表示为X,即
全双工模型中,主要考虑自干扰的影响,本发明选择采用天线消除结合射频消除的方法消除自干扰。天线消除是指收发天线之间存在空间距离,使自干扰信号进入接收天线之前得到一定的衰减;射频消除是指从发送链路引入模拟参考信号,故自干扰的部分可以忽略。接收到的信号最终包括传输信道信息、放大器信息和信道噪声。
为了便于计算,仅考虑无噪声下的表达式,通过代数求解信道估计问题,从训练数据中计算两用户信道估计信息和用户1的解,由于对称性用户2的解也可以通过该方法求得。
首先考虑训练矩阵c。矩阵c可以通过平行因子分解法分解得到C1,C2和C3这3个因子矩阵。将信道矩阵与导频序列带入公式中。利用线性代数n阶行列式的初等性质,可将该公式分离出Khatri-Rao乘积。Khatri-Rao乘积可以反转每列,这个过程存在一个尺度模糊,所以存在矩阵/>和/>并且由于在噪声中,之前分离出的Khatri-Rao乘积仅仅近似于一个Khatri-Rao乘积,进行近似分解,按照以下步骤计算估计值:
(2)对进行SVD分解/>通过截尾SVD得到/>的最佳秩1近似值,即u×1和v·1分别代表Um和Vm的第一列,σ1表示最大奇异值。令即e1,m为E1的第m列,/>为/>的第m列。根据上式可得/>令φm=λ·λm,则/>φm构成矩阵Ф,即Ф=λ·λT。
根据如下步骤计算矩阵Ф中未知元素:
步骤一:当φj,i已知时,利用λ·λT的对称性,求得未知元素φi,j。
①设m=2。
④将φm,i/φm-1,i和φj,m/φj,m-1的算术平均值作为估计的ρm。
⑤如果m<MR,则令m=m+1,跳转至②中。
步骤三:根据这些比值填充矩阵的其余部分。假设矩阵Ф中的元素关系如下所示(其中a为未知元素):
①如果已知元素a1,则a=a1·ρm。
②如果已知元素a2,则a=a2·ρm。
③如果已知元素a3,则a=a3/ρm。
④如果已知元素a4,则a=a4/ρm。
步骤四:计算所有a的算术平均值。
最后,利用重构的矩阵Ф,用以下方法估计λ是Ф的最佳对称秩1近似:
用以下方程来计算最终估计的信道:
本发明与现有技术相比具有以下优点:
第一,计算复杂度低。本发明无须迭代,具有较低的计算复杂度。
第二,具有实际意义。本发明与已有的双向中继接收方法相比,该方法考虑了全双工干扰的消除,更适合处理实际情况。
在此基础上,本算法也可应用于毫米波MIMO系统中获取相关信道信息。在下行毫米波MIMO系统中,时域中信道矩阵可写作δ函数、第l条路径的复杂路径增益、发射机和基站的天线阵列响应矢量的乘积之和,其中包含着时间延迟。该毫米波信道模型在用户和基站之间有L分散。由于散射在空间中随机分布,假设不同的散射有不同的时延。因此,用第k路子载波将信道矩阵写作包含着采样率、第l条路径的复杂路径增益、发射机和基站的天线阵列响应矢量的乘积之和。为了从接收到的信号中获得第k路子载波信道矩阵,通过假设数字预编码矩阵和导频符号在不同的子载波中保持不变来构造一个多维矩阵,在接收信号中的第k路子载波可表示为第k路子载波中使用的射频组合矢量、第k路子载波信道矩阵、子载波的组合矢量矩阵之乘积与信道噪声之和。利用所有子载波的共同射频预编码器信息,即可得到第k路子载波信息,写作一个由向量构成的多维矩阵构成的方式或构成矩阵形式。
考虑毫米波信道的稀疏散射特性,L通常小于其维数,即多维矩阵具有低秩结构。这个结构保证规范的分解是独特的,具有尺度和排列的模糊性。因此,通过对接收信号进行多维矩阵分解,得到构造毫米波信道的估计参数。
具体实施方式
下面将结合附图对本发明具体实施方式做进一步详细解释。
参照图1,本发明使用场景为双向全双工中继系统中的信道估计,该方法的信道估计步骤如下:
首先考虑训练矩阵c,矩阵c的秩为MR,通过使用平行因子分解法,c被分解为:
得到:
将上式展开,满足:
[y1](3)=C3[(H1 TC1)⊙(XTHTC2)]T
⊙表示Khatri-Rao乘积,为了分离出Khatri-Rao乘积,利用线性代数n阶行列式的初等性质,两边分别左乘C2的伪逆,然后通过转置可得如下表达式:
(C3 +·[y1](3))T=(H1 TC1)⊙(XTHTC2)
E1=H1 TC1Λ
E2=XTHTC2Λ-1
Λ=diag{λ}
(1)令E1⊙E2分离出的Khatri-Rao乘积等于矩阵γm,e1,m,e2,m分别为矩阵Γ,E1,E2的第m列,因此/>其中/>表示Kronecker乘积。把矢量γm构造为矩阵其中m=1,2,3…MR则有/>
(2)对进行SVD分解/>通过截尾SVD得到/>的最佳秩1近似值,即u·1和v·1分别代表Um和Vm的第一列,σ1表示最大奇异值。为了估计信道令/>即e1,m为E1的第m列,/>为/>的第m列。根据上式可得/>令φm=λ·λm,则/>根据如下步骤计算矩阵Ф中未知元素:
步骤一:当φj,i已知时,利用λ·λT的对称性,求得未知元素φi,j。
①设m=2。
④另ρm的为φm,i/φm-1,i和φj,m/φj,m-1的算术平均值。
⑤如果m<MR,设m=m+1,跳转至②中。
步骤三:根据这些比值填充矩阵的其余部分。假设矩阵Ф中的元素关系如下所示(其中a为未知元素):
(1)如果已知元素a1,则a=a1·ρm。
(2)如果已知元素a2,则a=a2·ρm。
(3)如果已知元素a3,则a=a3/ρm。
(4)如果已知元素a4,则a=a4/ρm。
步骤四:计算所有a的算术平均值。
最后,利用构造的矩阵Ф,用以下方法估计λ是Ф的最佳对称秩1近似:
用以下方程来计算最终的信道估计:
至此,完成本发明的信道估计内容。仿真结果表明,该方法在估计误差上要明显优于传统算法。
以上描述仅是本发明的一个具体实例,显然对于本领域的专业人员来说,在了解了本发明的内容和原来之后,都可能在不背离本发明的原理、结构的情况下,进行形式和细节上的各种改变,但是这些基于本发明的修正仍在本发明的权利要求保护范围之内。
附图说明
图1是本发明的系统模型框图。
Claims (1)
1.一种基于多维矩阵的双向全双工中继系统信道估计方法,包括:
(1)训练矩阵的秩为MR,通过使用平行因子分解法,/>可以被分解为:其中降低计算复杂度在于:由信道估计的算法推导出矩阵C1、C2和C3的设计准则[y1](3)=C3[(H1 TC1)⊙(XTHTC2)]T,其中C1、C2、/>表示分解的因子矩阵,×1表示按照/>第一分量进行展开,×2表示按照/>第二分量进行展开,×3表示按照/>第三分量进行展开,/>表示单位三阶张量,/>表示目的地到用户1的信道矩阵,表示用户到目的地的信道矩阵,/>表示用户发送的信号,[y1](3)表示用户1接收信号的模3展开,M1表示用户1处的天线,M2表示用户2处的天线,MI为M1或M2,NP表示单用户导频序列的个数;
(2)利用线性代数n阶行列式的初等性质,两边分别左乘C3的伪逆,然后通过转置可得:存在矩阵/>和/>使E1=H1 TC1Λ和E2=XTHTC2Λ-1满足,其中Λ=diag{λ},其中/>λn是任意的复数;令(C3 +·[y1](3))T等于矩阵/>再利用Kronecker乘积和/>来重塑矩阵其中γm、f1,m、f2,m分别为矩阵Γ、E1、E2的第m列,/>为矩阵f2,m和f1,m T的乘积,对Γ进行奇异值分解,通过截尾SVD得到/>的最佳秩1近似值,重复上述过程,直到进行MR-1次;根据/> 因子矩阵C3必须满秩且是正交矩阵,可得/>其中/>表示用户1发送的信号,/>表示用户2发送的信号,/>表示行列为M1的单位矩阵,/>表示行列为M2的单位矩阵,/>表示行为M1列为M2的0矩阵;
(3)从另一个用户终端的等价方程中也可得到条件M2≥MR;因此,现在考虑两种情况,第一种情况:min{M1,M2}≥MR,第二种情况:1<min{M1,M2}<MR;第一种情况下,可以利用线性代数n阶行列式的初等性质直接求得λ·λT的值,较为简单;下面讨论第二种情况,
如果1<min{M1,M2}<MR,为了简化符号,引入以下定义:
步骤一:如果φj,i已知,利用λ·λT的对称性,填充每个未知元素φi,j,其中i表示第i行,j表示第j列,φj,i为矩阵Φ中的元素,φi,j由φj,i通过λ·λT的对称性得出;
①设m=2,
④将φm,i/φm-1,i和φj,m/φj,m-1的算术平均值作为估计的ρm,
⑤如果m<MR,则令m=m+1,跳转至②中;
步骤三:可以根据这些比值填充矩阵的其余部分,对于矩阵Φ中的每个未知元素(i,j):
最后,利用重构的矩阵Φ,可以估计λ,最后计算最终的信道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910374696.7A CN111294094B (zh) | 2019-04-26 | 2019-04-26 | 一种基于多维矩阵的双向全双工中继系统信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910374696.7A CN111294094B (zh) | 2019-04-26 | 2019-04-26 | 一种基于多维矩阵的双向全双工中继系统信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111294094A CN111294094A (zh) | 2020-06-16 |
CN111294094B true CN111294094B (zh) | 2023-06-30 |
Family
ID=71028305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910374696.7A Active CN111294094B (zh) | 2019-04-26 | 2019-04-26 | 一种基于多维矩阵的双向全双工中继系统信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111294094B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101670705B1 (ko) * | 2015-09-30 | 2016-11-01 | 명지대학교 산학협력단 | Ofdm 기반 전이중 무선통신 시스템에서의 잔여 자기간섭 디지털 제거 시스템 |
CN106301457A (zh) * | 2016-10-08 | 2017-01-04 | 西安电子科技大学 | 双向全双工mimo中继通信系统中的自干扰消除方法 |
CN109617566A (zh) * | 2018-12-22 | 2019-04-12 | 北京工业大学 | 一种全双工卫星中继通信的自干扰消除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10554375B2 (en) * | 2017-09-11 | 2020-02-04 | Micron Technology, Inc. | Full duplex device-to-device cooperative communication |
-
2019
- 2019-04-26 CN CN201910374696.7A patent/CN111294094B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101670705B1 (ko) * | 2015-09-30 | 2016-11-01 | 명지대학교 산학협력단 | Ofdm 기반 전이중 무선통신 시스템에서의 잔여 자기간섭 디지털 제거 시스템 |
CN106301457A (zh) * | 2016-10-08 | 2017-01-04 | 西安电子科技大学 | 双向全双工mimo中继通信系统中的自干扰消除方法 |
CN109617566A (zh) * | 2018-12-22 | 2019-04-12 | 北京工业大学 | 一种全双工卫星中继通信的自干扰消除方法 |
Non-Patent Citations (2)
Title |
---|
A blind signal detection scheme for co-channel interference cooperative systems;Han Xi;《 2016 23rd International Conference on Telecommunications》;20160630;全文 * |
一种低复杂度高准确度的Khatri-Rao积分解算法;吕士韬等;《现代信息科技》;20181213(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111294094A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US20220263686A1 (en) | Reciprocal calibration for channel estimation based on second-order statistics | |
Jiang et al. | A framework for over-the-air reciprocity calibration for TDD massive MIMO systems | |
CN109005133B (zh) | 双稀疏多径信道模型及基于此模型的信道估计方法 | |
Yu et al. | Beam tracking for interference alignment in slowly fading MIMO interference channels: A perturbations approach under a linear framework | |
CN111262803B (zh) | 一种基于深度学习的物理层安全通信方法、装置及系统 | |
Kim et al. | Practical channel estimation and phase shift design for intelligent reflecting surface empowered MIMO systems | |
CN102160346B (zh) | 对信号进行预编码以在无线mimo系统中传送的方法 | |
Khan et al. | A robust channel estimation scheme for 5G massive MIMO systems | |
CN108390836A (zh) | 一种大规模mimo系统上行信道估计方法 | |
US11063724B1 (en) | Reduced channel-sounding in MU-MIMO WLANS | |
Raeesi et al. | Estimation and mitigation of channel non-reciprocity in massive MIMO | |
Du et al. | low complexity PARAFAC‐based channel estimation for non‐regenerative MIMO relay systems | |
Akbarpour-Kasgari et al. | Massive MIMO-OFDM channel estimation via distributed compressed sensing | |
Uwaechia et al. | Compressed channel estimation for massive MIMO-OFDM systems over doubly selective channels | |
KR101418766B1 (ko) | 다중―이용자 무선 시스템들에서 셀간 간섭을 감소시키기 위한 다중 안테나 방법 | |
CN111294094B (zh) | 一种基于多维矩阵的双向全双工中继系统信道估计方法 | |
EP3364620B1 (en) | Method and apparatus for channel estimation in wireless communication system | |
Xu et al. | Compressive channel estimation exploiting block sparsity in multi-user massive MIMO systems | |
Hawej et al. | Pilot decontamination in massive multiuser MIMO systems based on low‐rank matrix approximation | |
Wu et al. | Inverse extrapolation for efficient precoding in time-varying massive MIMO–OFDM systems | |
Sahoo et al. | Multiuser Massive MIMO Channel Estimation and BER Analysis Using Convex Combination Based Algorithms | |
Torbatian et al. | Asynchronous interference alignment | |
Hassan et al. | Polynomial matrix decompositions and semi‐blind channel estimation for MIMO frequency‐selective channels | |
Song et al. | Slepian Transform Based Detectors for HF Skywave Massive MIMO-OFDM Systems |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230605 Address after: 100144 Beijing City, Shijingshan District Jin Yuan Zhuang Road No. 5 Applicant after: NORTH CHINA University OF TECHNOLOGY Address before: North China University of technology, No.5, jinyuanzhuang, Shijingshan District, Beijing, 100144 Applicant before: Han Xi Applicant before: Zhao Xinyuan Applicant before: Bai Wenle Applicant before: Wang Lijun |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |