CN111314250B - 大规模多输入多输出系统的量化设计与信道估计方法 - Google Patents
大规模多输入多输出系统的量化设计与信道估计方法 Download PDFInfo
- Publication number
- CN111314250B CN111314250B CN202010088800.9A CN202010088800A CN111314250B CN 111314250 B CN111314250 B CN 111314250B CN 202010088800 A CN202010088800 A CN 202010088800A CN 111314250 B CN111314250 B CN 111314250B
- Authority
- CN
- China
- Prior art keywords
- received signal
- representing
- signal
- quantization
- threshold
- 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
- 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
- H04L25/0256—Channel estimation using minimum mean square error criteria
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于无线通信技术领域,具体涉及一种大规模多输入多输出系统的量化设计与信道估计方法。本发明将传统的BLMMSE拓展到采用任意阈值进行1比特量化的场景。同时分析了信道估计的均方差,以此为目标函数来优化量化阈值。对于量化阈值的设计方法,从理论上分析了以接收信号相关性来进行分组的可行性,进而提出了一种有效的分组量化方法。实验表明,本发明通过优化的非零量化阈值,使得本发明提出的方法具有明显的性能优势,在实际中可以用更短的训练导频序列而获得同等性能。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种大规模多输入多输出系统的量化设计与信道估计方法。
背景技术
大规模多输入输出系统(massive MIMO)是第五代(5G)和Beyond 5G移动通信物理层的关键技术,通过利用多天线提供的空间分集,可以有效抑制小区内的多用户干扰,在同一个时频资源块服务多个用户,大幅度的提升系统的容量和传输速率。另一方面,随着基站天线数量的增多,基站的硬件成本和功耗也会随之大幅度的增加,为了降低系统的功耗和成本,可以考虑在基站使用低比特甚至1比特的模数转换芯片(ADC),由于ADC的功耗随着量化精度的提高而呈指数增加,因此降低ADC的量化比特数可以有效降低系统的成本和功耗。传统BLMMSE信道估计是基于量化阈值为零的条件下进行的,优点是计算复杂度低,缺点是零量化阈值的设定对于具有相关性的采样信号而言并不是最优的,这样会导致估计性能的下降。
发明内容
本发明的目的在于将传统基于1比特量化的BLMMSE(Bussgang线性最小均方差)信道估计方法拓展到采用任意非零阈值进行1比特量化的场景,该拓展也称为推广的BLMMSE(Bussgang线性最小均方差)信道估计方法。通过对信道估计性能的分析,可以对阈值进行优化设计,从而提升信道估计性能。具体而言,提出了基于分组的阈值设计方法,即将基站每根天线的接收信号样本进行分组,将强相关的信号样本分为一组,在对该组信号进行1比特量化时,采用非零的且互不相同的量化阈值;相互独立的信号样本分为一组,对这组信号样本采用零作为量化阈值进行1比特量化。
本发明的技术方案为:
面向大规模多输入多输出系统的量化设计与信道估计方法,系统中基站配置天线数为M,需要服务的用户数为K,且满足M>>K,其特征在于,包括以下步骤:
大规模多输入多输出系统的量化设计与信道估计方法,系统中基站配置天线数为M,需要服务的用户数为K,且满足M>>K,其特征在于,包括以下步骤:
其中,接收信号ρ表示导频发射能量,表示M行K列的复数信道矩阵,表示L行K列的正交复数导频序列且满足XHX=LIK,IK为K行K列的单位矩阵,表示M行L列的加性复高斯噪声,T表示1比特量化器的阈值,表示对Z的每个元素进行映射,映射过程为:
S2、将接收信号转化为实数形式:
其中,
进而将接收信号转化为向量形式:
y=Ah+w
b=sgn(y-τ)
S3、根据信号是否充分相关来对进行分组,由于每根天线的实向量接收信号的长度为2L,则第m根天线的实向量接收信号的第l个元素表示为的方差表示为同理的方差表示为且与的协方差表示为定义任意两个接收信号的相关性如下:
a)对于前S-1个子集,每个子集里面的元素都相互充分相关;
c)不同子集里面的元素相互弱相关或者不相关;
同时
本发明的有益效果为,本发明的信道估计方法具有较低的计算复杂度,通过对1比特量化阈值的优化设计,在同等导频长度下,该发明具有更好的信道估计性能。
附图说明
图1为信道估计性能与信噪比的关系,(a)为M=64,K=8和L=80,(b)为M=64,K=8和L=150;
图2为信道估计性能与导频长度的关系,(a)为M=64,K=8和SNR=5dB,(b)为M=64,K=8和SNR=10dB;
图3为对QPSK信号检测的误符号率与信噪比关系,M=64,K=8和L=80,(a)为nML(near maximum likelihood)检测器,(b)为ZF(zero forcing)检测器;
图4为对QPSK信号检测的误符号率与导频长度关系,M=64,K=8和SNR=10dB,(a)为nML检测器,(b)为ZF检测器;
图5为用户平均可达速率与导频长度的关系,M=64,K=8和SNR=10dB,(a)为nML检测器,(b)为ZF检测器。
具体实施方式
下面结合附图和仿真示例对本发明进行详细的描述,以证明本发明的实用性。
本发明考虑上行链路信道估计问题,其中基站配置天线数为M,需要服务的用户数为K,且满足M>>K。假设信道衰落满足平稳特性,则接收信号可以表示为:
其中,ρ表示导频发射能量,表示M行K列的复数信道矩阵,表示L行K列的正交复数导频序列且满足XHX=LIK,IK为K行K列的单位矩阵,表示M行L列的加性复高斯噪声。此处,XH表示X的复数共轭转置,XT表示X的转置。
将接收信号转化为实数形式
有
和
进而将接收信号转化为向量形式
y=Ah+w
b=sgn(y-τ)
本发明的目标是基于1比特量化信号b来估计出信道h。在BLMMSE框架下,有如下假设:假设信道h服从均值为0和方差为1的高斯分布,即且每个用户拥有相同的信噪比,同时观测噪声服从均值为0和方差为1的同时,BLMMSE估计器的核心思想是量化信号可表示为估计信号与量化误差这两部分的和,即
且Cyb表示观测信号y与量化信号b的协方差矩阵,Cy表示观测信号y的自协方差矩阵,E[b]表示量化信号b的期望。其中线性算符可以定义为且该线性算符为对角矩阵,由于rn表示τ的第n个元素,yn表示y的第n个元素且对应方差为则对角矩阵Q相应的对角元素可表示为
因此可以得到
b=sgn(y-τ)=E[b]+QAh+Qw+e
那么估计出的信道可以表示为
同时
其中阈值τn用来量化接收信号yn获取bn,同理,阈值τm用来量化接收信号ym获取bm。同时,量化信号的协方差矩阵元素可以表示为
且
此处p(ym,yn)表示接收信号ym和接收信号yn的联合概率。
那么估计出来的信道均方差可以表示为
由于基站每根天线之间相互独立,则第m根天线量化阈值τm的设计可以表示为
其中Qm为第m根天线的线性算子,为第m根天线量化信号的协方差矩阵。不难发现,每根天线阈值设计与天线位置无关,因此τm=τn,m≠n。该目标函数可以得出两个重要的结论:第一,每根天线的最优量化阈值设计相同;第二,对接收信号实行分组量化阈值设计不改变量化阈值的目标函数。
以下部分讨论如何根据信号的相关性来对进行分组,根据信号是否充分相关来对进行分组,每根天线的实向量接收信号的长度为2L,则第m根天线的实向量接收信号的第l个元素表示为的方差表示为同理的方差可表示为且与的协方差表示为首先定义任意两个接收信号的相关性如下:
当设计好较优的量化阈值,进而可以估计出信道,即
仿真中,MIMO系统采用瑞利衰落信道,也就是信道服从均值为0和方差为1的圆对称复合高斯分布。同时训练导频选于DFT矩阵的前K列,满足XHX=LIK。归一化均方差定义为
在性能分析中,本发明(G-BLMMSE-SP)将与相关1比特量化方法进行比较,以进一步验证本发明的优势。对比算法分别是近似最大似然估计器(nMLE)与传统BLMMSE。采用三种衡量指标来度量算法的性能。第一个指标是用来衡量信道恢复性能,叫做归一化均方差(normalized mean square error,简称NMSE);第二个指标是用来衡量接收端符号恢复的正确性,叫做误符号率(Symbol Error Rate,SER);第三个指标是用户平均可达速率(achievable rate per user)。
图1描述了信道估计NMSE与SNR的关系,实验条件设置为用户数K=8,基站天线数M=64。从图1可以观察出,当信噪比较小时,本发明提出的G-BLMMSE-SP与传统零阈值的BLMMSE性能相当,原因在于,当信噪比较小时,接收信号是弱相关的,所以此时零阈值是较优的选择。同时可以发现,当信噪比较大时,此时提出的G-BLMMSE-SP相对于传统BLMMSE有明显优势,是因为给充分相关的接收信号设计了非零的阈值。
图2描述了信道估计NMSE与导频长度的关系,实验条件设置为用户数K=8,基站天线数M=64。当导频长度等于用户数时(也就是L=K),此时接收信号完全不相关,可以发现,本发明提出的G-BLMMSE-SP与传统BLMMSE有相似性能。随着导频长度的增加,接收信号相关性逐渐增强,此时本发明所提出的G-BLMMSE-SP将会逐渐展现出优势。
接下来,为了研究信道估计精确性对BER的影响,会采用两个检测器,一个是nML检测器,一个是zero-forcing(ZF)检测器。为了公平比较,在信号检测阶段,量化阈值全部设置为0。在实验中,用户端将会发射QPSK信号。图3描述了SERs与SNR的关系,实验条件设置为M=64,K=8和L=80。图4描述了SERs与导频长度的关系,实验条件为M=64,K=8和SNR=10dB。从实验仿真图中可以发现,本发明提出的G-BLMMSE-SP有更好的性能。特别是当采用nML检测器时,本发明的性能优势更明显。这个结果表明,本发明在相同导频数量时可以获得更优性能。
图5描述了用户平均可达速率与导频长度的关系,实验条件设置为M=64,K=8和SNR=10dB。对于第k个用户的可达速率有个比较紧的下界为
通过实验发现,采用两种检测器的条件下,本发明提出的发明拥有更高的用户平均可达速率。
综上所诉,本发明研究了1比特量化器设计,以及上行链路大规模MIMO系统中的信道估计。首先将传统的BLMMSE拓展到采用任意阈值进行1比特量化的场景。同时分析了信道估计的均方差,以此为目标函数来优化量化阈值。对于量化阈值的设计方法,从理论上分析了以接收信号相关性来进行分组的可行性,进而提出了一种有效的分组量化方法。实验表明,本发明通过优化的非零量化阈值,使得本发明提出的方法具有明显的性能优势,在实际中可以用更短的训练导频序列而获得同等性能。
Claims (1)
1.大规模多输入多输出系统的量化设计与信道估计方法,系统中基站配置天线数为M,需要服务的用户数为K,且满足M>>K,其特征在于,包括以下步骤:
其中,接收信号ρ表示导频发射能量,表示M行K列的复数信道矩阵,表示L行K列的正交复数导频序列且满足XHX=LIK,IK为K行K列的单位矩阵,表示M行L列的加性复高斯噪声,T表示1比特量化器的阈值,表示对Z的每个元素进行映射,映射过程为:
S2、将接收信号转化为实数形式:
其中,
进而将接收信号转化为向量形式:
y=Ah+w
b=sgn(y-τ)
S3、根据信号是否充分相关来对进行分组,由于每根天线的实向量接收信号的长度为2L,则第m根天线的实向量接收信号的第l个元素表示为 的方差表示为同理的方差表示为且与的协方差表示为定义任意两个接收信号的相关性如下:
a)对于前S-1个子集,每个子集里面的元素都相互充分相关;
c)不同子集里面的元素相互弱相关或者不相关;
同时
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088800.9A CN111314250B (zh) | 2020-02-12 | 2020-02-12 | 大规模多输入多输出系统的量化设计与信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088800.9A CN111314250B (zh) | 2020-02-12 | 2020-02-12 | 大规模多输入多输出系统的量化设计与信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111314250A CN111314250A (zh) | 2020-06-19 |
CN111314250B true CN111314250B (zh) | 2021-06-08 |
Family
ID=71148347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010088800.9A Active CN111314250B (zh) | 2020-02-12 | 2020-02-12 | 大规模多输入多输出系统的量化设计与信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111314250B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113489519B (zh) * | 2021-07-07 | 2022-08-19 | 东南大学 | 一种面向非对称大规模mimo系统的无线通信传输方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105812042A (zh) * | 2016-04-27 | 2016-07-27 | 电子科技大学 | 基于压缩感知的c-ran架构大规模mimo系统的数据传输方法 |
WO2016128027A1 (en) * | 2015-02-10 | 2016-08-18 | Huawei Technologies Co., Ltd. | Method and apparatus for detecting data in wireless communication networks via a reduced complexity tree search |
CN110113083A (zh) * | 2019-05-09 | 2019-08-09 | 西安电子科技大学 | 三维大规模mimo下基于用户划分的信道估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9648444B2 (en) * | 2014-01-06 | 2017-05-09 | Brian G. Agee | Physically secure digital signal processing for wireless M2M networks |
CN104901736B (zh) * | 2015-05-19 | 2018-10-16 | 华中科技大学 | 一种大规模天线场景下基于统计信道信息的下行传输方法 |
CN109889247B (zh) * | 2019-02-13 | 2022-07-05 | 中国人民解放军陆军工程大学 | 适用于窄带物联网的低开销动态反馈安全传输方法及系统 |
-
2020
- 2020-02-12 CN CN202010088800.9A patent/CN111314250B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016128027A1 (en) * | 2015-02-10 | 2016-08-18 | Huawei Technologies Co., Ltd. | Method and apparatus for detecting data in wireless communication networks via a reduced complexity tree search |
CN105812042A (zh) * | 2016-04-27 | 2016-07-27 | 电子科技大学 | 基于压缩感知的c-ran架构大规模mimo系统的数据传输方法 |
CN110113083A (zh) * | 2019-05-09 | 2019-08-09 | 西安电子科技大学 | 三维大规模mimo下基于用户划分的信道估计方法 |
Non-Patent Citations (2)
Title |
---|
"1-比特大规模MIMO系统信道估计性能分析与优化的研究";李泳志;《中国博士学位论文全文数据库 信息科技辑》;20180630;全文 * |
"Channel Estimation and Performance Analysis of One-Bit Massive MIMO Systems";Yongzhi Li等;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;20170801;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111314250A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110099017B (zh) | 基于深度神经网络的混合量化系统的信道估计方法 | |
CN107453795B (zh) | 多用户毫米波通信系统的波束分配方法及其装置和系统 | |
KR100930522B1 (ko) | 다중 입출력 무선통신 시스템에서 수신 장치 및 방법 | |
CN108063634B (zh) | 一种低精度量化大规模mimo中最优正则预编码方法 | |
CN109088664B (zh) | 基于块对角化和三角分解的自干扰抑制方法 | |
CN101150877A (zh) | 改进的基于范数的块对角化多入多出系统多用户选择方法 | |
KR20120099100A (ko) | 무선 네트워크 내의 다운링크 멀티유저 mimo 송신을 위한 방법 및 장치 | |
CN110650103B (zh) | 利用冗余字典加强稀疏性的透镜天线阵列信道估计方法 | |
Aref et al. | Deep learning-aided successive interference cancellation for MIMO-NOMA | |
CN108566236B (zh) | 用户终端、基站以及混合波束成形传输方法和系统 | |
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 | |
KR100738340B1 (ko) | 다중입력 다중출력 시스템의 검파방법 | |
CN111314250B (zh) | 大规模多输入多输出系统的量化设计与信道估计方法 | |
CN112054832B (zh) | 一种深度学习多输入多输出检测方法 | |
CN108600125B (zh) | 一种基于迭代的信道估计方法 | |
CN106911367B (zh) | 基于迭代干扰消除的多小区大规模mimo信道估计方法和装置 | |
Abuthinien et al. | Joint maximum likelihood channel estimation and data detection for MIMO systems | |
CN101258704B (zh) | 发送机、接收机及其方法 | |
Amor et al. | Bilinear precoding for FDD massive MIMO system with imperfect covariance matrices | |
CN106230755B (zh) | 一种mimo系统信道估计方法和装置 | |
Singh et al. | NOMA based generalized precoding aided spatial modulation with multiuser MIMO in downlink | |
CN110868244B (zh) | 一种基于信道穿刺的低复杂度通信信号检测方法 | |
CN114760647A (zh) | 一种去蜂窝大规模mimo上行总速率一阶优化方法 | |
CN114598574A (zh) | 一种基于深度学习的毫米波信道估计方法 | |
US10447504B1 (en) | Quantized detection in uplink MIMO with oversampling |
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 |