CN111970034A - 一种分布式相控阵mimo的信道获取方法 - Google Patents
一种分布式相控阵mimo的信道获取方法 Download PDFInfo
- Publication number
- CN111970034A CN111970034A CN202010882015.0A CN202010882015A CN111970034A CN 111970034 A CN111970034 A CN 111970034A CN 202010882015 A CN202010882015 A CN 202010882015A CN 111970034 A CN111970034 A CN 111970034A
- Authority
- CN
- China
- Prior art keywords
- matrix
- channel
- sub
- array
- sparse
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims abstract description 10
- 230000009977 dual effect Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 92
- 238000003491 array Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 230000002040 relaxant effect Effects 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
Abstract
Description
技术领域
本发明涉及无线通信传输的技术领域,尤其涉及一种分布式相控阵MIMO的信道获取方法。
背景技术
分布式相控阵MIMO系统(5G Cellular User Equipment:From Theory toPractical Hardware Design)中子阵的位置分离主要包括以下原因:第一,可以消除实际的电路耦合效应带来的空间干扰;第二,能够提高电路的散热能力;第三,分离的子阵可以对抗遮挡效应。这种高可靠度的可配置的架构便于多波束多流的5G系统设计以及在实际的约束和资源限制下的硬件设计,使得分布式相控阵MIMO系统在学术研究和工业应用中均具有吸引人的高级特征。
然而受限于散射体大小、子阵间距以及这些散射体与阵列的距离等因素,一些散射体的可视范围有限。因此,分布式相控阵MIMO系统中较大的子阵间距将使得任意发射和接收子阵之间同时存在全局散射体和局部散射体,其中全局散射体的可视范围是所有子阵,而局部散射体的可视范围仅覆盖某个子阵。这个结论也类似于最新研究的超大规模天线阵列的信道测量结果。
在分布式相控阵MIMO系统中,如何实现多个发射子阵和接收子阵之间的无线信道的快速探测是一个亟待解决的问题,如何利用分布式相控阵MIMO信道的联合稀疏特性来提升信道估计性能是当前研究的重点。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种分布式相控阵MIMO的信道获取方法,能够降低分布式相控阵MIMO的信道估计误差。
技术方案:为了实现上述发明目的,本发明提供了一种分布式相控阵MIMO的信道获取方法,包括以下步骤,
步骤1,建立分布式相控阵MIMO的联合稀疏信道模型;
步骤2,构建分布式相控阵MIMO信道估计的优化问题模型;
步骤3,建立多子阵协作的确定性导频波束模式设计方法;
步骤4,提出基于稀疏贝叶斯框架的信道估计方法;
步骤41,发送导频波束,初始化迭代次数、最大迭代次数和收敛精度;
步骤42,赋值sold和cold;
步骤43,更新稀疏向量s和c;
步骤44,更新对偶变量zc和zs;
步骤46,更新迭代次数t=t+1,并进行收敛判断,即判断是否超过最大迭代次数或满足收敛精度要求,若满足则结束该过程并得到信道估计结果,否则返回步骤42并重复该过程。
进一步的,在本发明中:步骤1还包括,
假设发送端和接收端的每个子阵都采用均匀线性阵列,且每一侧的子阵都均匀间隔地放置在同一直线上,记子阵内天线间距和子阵间距分别为de和da;
假设第n个发射子阵和第m个接收子阵之间的由Lm,n径构成的窄带信道为:
其中,空间方向定义为ψ=cosθ,θ为物理角度方向,λc为载波波长;
记at(·)和ar(·)分别为发送和接收的阵列响应向量,并定义所有发送与接收子阵之间的信道矩阵为:
由于物理空间域和波束域是通过空间酉变换矩阵相关联的,这个酉矩阵U包含了等间隔的阵列响应向量,从而覆盖整个空间方向,即,
记Ut和Ur分别为发送和接收子阵的空间变换矩阵,此时第n个发送子阵和第m个接收子阵之间的波束域矩阵可表示为,
此时将总的空间信道矩阵和总的波束域信道矩阵之间的关系可以表示为,
进一步的,在本发明中:步骤2还包括,
在信道探测过程中,发送端连续发送导频波束{fp},接收端则使用接收波束{wq},则接收信号的第(q,p)个样本可表示为:
yp=WHHfpxp+zp
其中,W和zp满足:
Y=WHHFXp+Z
将基于子阵结构的发送端和接收端的处理分别分解为F=FRFD和W=WRWD,接收信号矩阵Y可转化为:
其中,
模拟波束矩阵满足块对角结构,每一列的非零元素构成对应子阵的波束权值,即:
通过改变vec(G)的元素的位置得到一个新的MtMr等块长的向量:
其中,块的大小为且它满足每个块都存在相同位置的非零元素和独立的非零元素,忽略极小分量元素,称为联合稀疏向量;对应的等效观测矩阵为它是由交换Q的列顺序得到,其中Π为一个列置换矩阵以满足Φx=Q·vec(G);从而,能够建立以下信道估计问题模型:
进一步的,在本发明中:步骤3还包括,
根据矩阵Φ的总相干性的定义:
可以得出:
其中,上式的(a)是为了使等效观测矩阵近似为单位阵,(b)是根据Frobenius范数和矩阵迹的性质,以及(c)是由于等式和得到的;因此,可以通过最小化来优化FD,又进一步将它分解为若干个并行子问题,对于有:
通过松弛功率约束条件和使用拉格朗日乘子法,第b1块的最优数字波束矩阵可表示为:
为了使模拟波束可以覆盖整个空间角度范围,可选择离散傅里叶变换矩阵作为第m个发送子阵的模拟波束矩阵:
其中,FN表示N维的离散傅里叶变换矩阵,circshift(A,m)表示将向右循环移位列的操作;
接收端的波束设计类似,最优的数字和模拟波束矩阵如下:
进一步的,在本发明中:所述步骤4还包括,
其中,β1和β2分别为控制元素稀疏和行稀疏的参数;
利用以下变分表示:
其中,
进一步的,将问题(P1)的目标函数从x域变换到γ域:
将现有模型中的凸惩罚项转换为稀疏贝叶斯形式,从上式出发提出一个新的γ域的目标函数:
其中,和β被作为矩阵X中行稀疏度和元素稀疏度的一种权衡,它需要通过数据训练,是一种先验信息,并且它取决于散射环境的大尺度信息而长时间不变;扩展基本的稀疏贝叶斯框架中的对偶空间分析,可将目标函数从γ域再次变换回x域,得到它的一个紧上界:
其中,引入了如下的两个凹函数:
根据凹共轭函数的定义,有以下关系式成立:
有益效果:本发明与现有技术相比,其以下的有益效果:
本发明所提出的方法实现了多子阵协作的确定性导频波束探测,在此开环导频波束探测过程中无需反馈,且基于稀疏贝叶斯的信道估计方法相比传统算法在信道的估计精度方面有明显提高。
附图说明
图1为本发明所述分布式相控阵MIMO的信道获取方法的整体流程示意图;
图2为本发明中分布式相控阵MIMO信道的示意图;
图3为本发明中分布式相控阵MIMO系统中子阵间距的示意图;
图4为采用不同信道估计方法下得到的归一化均方误差随信噪比的变化示意图;
图5为采用不同信道估计方法下得到的归一化均方误差随公共稀疏度的变化示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明可以用许多不同的形式实现,而不应当认为限于这里所述的实施例。相反,提供这些实施例以便使本公开透彻且完整,并且将向本领域技术人员充分表达本发明的范围。
如图1所示,本发明提出的一种分布式相控阵MIMO的信道获取方法,包括以下步骤,
步骤1,建立分布式相控阵MIMO的联合稀疏信道模型;
假设发送端和接收端的每个子阵都采用均匀线性阵列,且每一侧的子阵都均匀间隔地放置在同一直线上,记子阵内天线间距和子阵间距分别为de和da;
假设第n个发射子阵和第m个接收子阵之间的由Lm,n径构成的窄带信道为:
其中,空间方向定义为ψ=cosθ,θ为物理角度方向,λc为载波波长;
记at(·)和ar(·)分别为发送和接收的阵列响应向量,并定义所有发送与接收子阵之间的信道矩阵为:
由于物理空间域和波束域是通过空间酉变换矩阵相关联的,该酉矩阵U包含了等间隔的阵列响应向量,从而覆盖整个空间方向,即,
记ut和Ur分别为发送和接收子阵的空间变换矩阵,此时第n个发送子阵和第m个接收子阵之间的波束域矩阵可表示为,
此时将总的空间信道矩阵和总的波束域信道矩阵之间的关系可以表示为,
参照图2的示意可以看出,发送和接收子阵之间的信道是部分耦合的,即同时存在公共和局部的散射体;因此,分布式相控阵MIMO信道是空间非平稳的,它的联合稀疏特性包括,
一,公共稀疏度由直达径和公共散射体引起;记supp{A}为矩阵A中的非零元素的索引集合,也即支撑集合,从而,不同{Gm,n}有部分相同的支撑集,即公共索引集合Ωc满足:
二,独立稀疏度由局部散射体引起;Gm,n存在独立的元素,即独立索引集合Ωm,n满足:
其中,符号\表示集合的相减运算。
步骤2,构建分布式相控阵MIMO信道估计的优化问题模型;
具体的,步骤2还包括以下,
在信道探测过程中,发送端连续发送导频波束{fp},接收端则使用接收波束{wq},则接收信号的第(q,p)个样本可表示为:
yp=WHHfpxp+zp
其中,W和zp满足:
Y=WHHFXp+Z
将基于子阵结构的发送端和接收端的处理分别分解为F=FRFD和W=WRWD,接收信号矩阵Y可转化为:
其中,
模拟波束矩阵满足块对角结构,每一列的非零元素构成对应子阵的波束权值,即:
通过改变vec(G)的元素的位置得到一个新的MtMr等块长的向量:
其中,块的大小为且它满足每个块都存在相同位置的非零元素和独立的非零元素,忽略极小分量元素,称为联合稀疏向量;对应的等效观测矩阵为它是由交换Q的列顺序得到,其中Π为一个列置换矩阵以满足Φx=Q·vec(G);从而,能够建立以下信道估计问题模型:
步骤3,建立多子阵协作的确定性导频波束模式设计方法;
具体的,步骤3的实现还包括,
根据矩阵Φ的总相干性的定义:
可以得出:
其中,上式的(a)是为了使等效观测矩阵近似为单位阵,(b)是根据Frobenius范数和矩阵迹的性质,以及(c)是由于等式和得到的;因此,可以通过最小化来优化FD,又进一步将它分解为若干个并行子问题,对于有:
通过松弛功率约束条件和使用拉格朗日乘子法,第b1块的最优数字波束矩阵可表示为:
为了使模拟波束可以覆盖整个空间角度范围,可选择离散傅里叶变换矩阵作为第m个发送子阵的模拟波束矩阵:
其中,FN表示N维的离散傅里叶变换矩阵,circshift(A,m)表示将向右循环移位列的操作;
接收端的波束设计类似,最优的数字和模拟波束矩阵如下:
步骤4,提出基于稀疏贝叶斯框架的信道估计方法;
具体的,步骤4的实现还包括,
其中,β1和β2分别为控制元素稀疏和行稀疏的参数;
利用以下变分表示:
其中,
进一步的,将问题(P1)的目标函数从x域变换到γ域:
将现有模型中的凸惩罚项转换为稀疏贝叶斯形式,从上式出发提出一个新的γ域的目标函数:
其中,和β被作为矩阵x中行稀疏度和元素稀疏度的一种权衡,它需要通过数据训练,是一种先验信息,并且它取决于散射环境的大尺度信息而长时间不变;扩展基本的稀疏贝叶斯框架中的对偶空间分析,可将目标函数从γ域再次变换回x域,得到的它的一个紧上界:
其中,引入了如下的两个凹函数:
根据凹共轭函数的定义,有以下关系式成立:
步骤41,初始化迭代次数t=0、最大迭代次数TJSBL和收敛精度∈;
步骤42,保存上次迭代的结果,即sold=s和cold=c;
步骤43,固定其他优化变量,优化稀疏向量s和c,可得相应的最优值:
s*=ΓsΦH(∑sc)-1y
步骤44,固定其他变量,优化对偶变量zc和zs,可得相应的最优值:
(zs)*=diag{Γs-ΓsΦH(∑s)-1ΦΓs}
步骤46,更新迭代次数t=t+1,并判断是否超过最大迭代次数,即是否满足t>TJSBL或者满足收敛精度要求,即是否满足||s+c-sold-cold||2≤∈,若满足则结束该过程并得到信道估计结果,否则返回步骤42并重复该过程。
为了验证本发明所提出的信道估计方法在实际应用中的有效性和优势,进行如下的对比实验:分别采用本发明提出的方法和传统方法进行仿真并对比结果,实验中选取的传统方法包括正交匹配追踪算法和常规稀疏贝叶斯算法,仿真参数设置如下:对于子阵间距,设定da=9λc作算法验证;设定子径的功率为和假设信道的公共稀疏度为Lc=|Ωc|≥1,且不同的收发子阵之间存在相同的总稀疏度L=|Ωm,n|+|Ωc|=5,其中符号|·|表示集合的元素个数;Mt=Mr=4,以及
对比结果参照图4和图5的示意,其中图4为采用本发明提出的信道估计方法和传统信道估计方法下归一化均方误差随信噪比的变化情况,可以看出,采用本发明方法的估计性能远超过传统的正交匹配追踪算法和常规稀疏贝叶斯算法,且在低信噪比的情况下性能差异更明显,验证了本发明方法能够有效地提高信道获取精度。
图5为采用本发明提出的信道估计方法和传统信道估计方法下的归一化均方误差随公共稀疏度的变化情况,可以看出,采用传统的正交匹配追踪算法和常规稀疏贝叶斯算法时对公共稀疏度是不敏感的,而相反的,采用本发明方法的信道估计性能随公共稀疏度的增加而增强,因此本发明方法下对于信道估计的精度相比于传统方法的估计精度更高。
应说明的是,以上所述实施例仅表达了本发明的部分实施方式,其描述并不能理解为对本发明专利范围的限制。应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干改进,这些均应落入本发明的保护范围。
Claims (5)
1.一种分布式相控阵MIMO的信道获取方法,其特征在于:包括以下步骤,
步骤1,建立分布式相控阵MIMO的联合稀疏信道模型;
步骤2,构建分布式相控阵MIMO信道估计的优化问题模型;
步骤3,建立多子阵协作的确定性导频波束模式设计方法;
步骤4,提出基于稀疏贝叶斯框架的信道估计方法;
步骤41,发送导频波束,初始化迭代次数、最大迭代次数和收敛精度;
步骤42,赋值sold和cold;
步骤43,更新稀疏向量s和c;
步骤44,更新对偶变量zc和zs;
步骤46,更新迭代次数t=t+1,并进行收敛判断,即判断是否超过最大迭代次数或满足收敛精度要求,若满足则结束该过程并得到信道估计结果,否则返回步骤42并重复该过程。
2.如权利要求1所述的分布式相控阵MIMO的信道获取方法,其特征在于:步骤1还包括,
假设发送端和接收端的每个子阵都采用均匀线性阵列,且每一侧的子阵都均匀间隔地放置在同一直线上,记子阵内天线间距和子阵间距分别为de和da;
假设第n个发射子阵和第m个接收子阵之间的由Lm,n径构成的窄带信道为:
其中,空间方向定义为ψ=cosθ,θ为物理角度方向,λc为载波波长;
记at(·)和ar(·)分别为发送和接收的阵列响应向量,并定义所有发送与接收子阵之间的信道矩阵为:
由于物理空间域和波束域是通过空间酉变换矩阵相关联的,该酉矩阵U包含了等间隔的阵列响应向量,从而覆盖整个空间方向,即,
记Ut和Ur分别为发送和接收子阵的空间变换矩阵,此时第n个发送子阵和第m个接收子阵之间的波束域矩阵可表示为,
此时将总的空间信道矩阵和总的波束域信道矩阵之间的关系可以表示为,
3.如权利要求1或2所述的分布式相控阵MIMO的信道获取方法,其特征在于:步骤2还包括,
在信道探测过程中,发送端连续发送导频波束{fp},接收端则使用接收波束{wq},则接收信号的第(q,p)个样本可表示为:
yp=WHHfpxp+zp
其中,W和zp满足:
Y=WHHFXp+Z
将基于子阵结构的发送端和接收端的处理分别分解为F=FRFD和W=WRWD,接收信号矩阵Y可转化为:
其中,
模拟波束矩阵满足块对角结构,每一列的非零元素构成对应子阵的波束权值,即:
通过改变vec(G)的元素的位置得到一个新的MtMr等块长的向量:
其中,块的大小为且它满足每个块都存在相同位置的非零元素和独立的非零元素,忽略极小分量元素,称为联合稀疏向量;对应的等效观测矩阵为它是由交换Q的列顺序得到,其中Π为一个列置换矩阵以满足Φx=Q·vec(G);从而能够建立以下信道估计问题模型:
4.如权利要求3所述的分布式相控阵MIM0的信道获取方法,其特征在于:步骤3还包括,
根据矩阵Φ的总相干性的定义:
可以得出:
其中,上式的(a)是为了使等效观测矩阵近似为单位阵,(b)是根据Frobenius范数和矩阵迹的性质,以及(c)是由于等式和得到的;因此,可以通过最小化来优化FD,又进一步将它分解为若干个并行子问题,对于有:
通过松弛功率约束条件和使用拉格朗日乘子法,第b1块的最优数字波束矩阵可表示为:
为了使模拟波束可以覆盖整个空间角度范围,可选择离散傅里叶变换矩阵作为第m个发送子阵的模拟波束矩阵:
其中,FN表示N维的离散傅里叶变换矩阵,circshift(A,m)表示将向右循环移位列的操作;
接收端的波束设计类似,最优的数字和模拟波束矩阵如下:
5.如权利要求4所述的分布式相控阵MIMO的信道获取方法,其特征在于:所述步骤4还包括,
其中,β1和β2分别为控制元素稀疏和行稀疏的参数;
利用以下变分表示:
其中,
进一步的,将问题(P1)的目标函数从x域变换到γ域:
将现有模型中的凸惩罚项转换为稀疏贝叶斯形式,从上式出发提出一个新的γ域的目标函数:
其中,和β被作为矩阵X中行稀疏度和元素稀疏度的一种权衡,它需要通过数据训练,是一种先验信息,并且它取决于散射环境的大尺度信息而长时间不变;扩展基本的稀疏贝叶斯框架中的对偶空间分析,可将目标函数从γ域再次变换回x域,得到的它的一个紧上界:
其中,引入了如下的两个凹函数:
根据凹共轭函数的定义,有以下关系式成立:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010882015.0A CN111970034A (zh) | 2020-08-27 | 2020-08-27 | 一种分布式相控阵mimo的信道获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010882015.0A CN111970034A (zh) | 2020-08-27 | 2020-08-27 | 一种分布式相控阵mimo的信道获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111970034A true CN111970034A (zh) | 2020-11-20 |
Family
ID=73399655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010882015.0A Pending CN111970034A (zh) | 2020-08-27 | 2020-08-27 | 一种分布式相控阵mimo的信道获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111970034A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112490688A (zh) * | 2020-12-04 | 2021-03-12 | Oppo广东移动通信有限公司 | 一种确定方法、设备及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703477A (zh) * | 2017-09-11 | 2018-02-16 | 电子科技大学 | 基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法 |
CN108337199A (zh) * | 2018-01-17 | 2018-07-27 | 江苏大学 | 一种基于稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 |
CN108964726A (zh) * | 2018-09-03 | 2018-12-07 | 东南大学 | 一种低复杂度的大规模mimo上行链路传输信道估计方法 |
CN110380994A (zh) * | 2019-05-13 | 2019-10-25 | 上海海事大学 | 快速贝叶斯匹配追踪海上稀疏信道估计方法 |
-
2020
- 2020-08-27 CN CN202010882015.0A patent/CN111970034A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703477A (zh) * | 2017-09-11 | 2018-02-16 | 电子科技大学 | 基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法 |
CN108337199A (zh) * | 2018-01-17 | 2018-07-27 | 江苏大学 | 一种基于稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 |
CN108964726A (zh) * | 2018-09-03 | 2018-12-07 | 东南大学 | 一种低复杂度的大规模mimo上行链路传输信道估计方法 |
CN110380994A (zh) * | 2019-05-13 | 2019-10-25 | 上海海事大学 | 快速贝叶斯匹配追踪海上稀疏信道估计方法 |
Non-Patent Citations (1)
Title |
---|
YU ZHANG 等: "Channel Estimation and Hybrid Precoding for Distributed Phased Arrays Based MIMO Wireless Communications", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112490688A (zh) * | 2020-12-04 | 2021-03-12 | Oppo广东移动通信有限公司 | 一种确定方法、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110463147B (zh) | 解码符号的方法以及接收并解码符号的接收器 | |
Wang et al. | Super-resolution channel estimation for arbitrary arrays in hybrid millimeter-wave massive MIMO systems | |
CN105426578B (zh) | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 | |
CN106646394B (zh) | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 | |
JP4722132B2 (ja) | 到来波数推定方法、到来波数推定装置及び無線装置 | |
CN103901417B (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN112887002B (zh) | 一种智能反射面辅助通信的波束域信道角度估计方法 | |
CN103245956B (zh) | 一种基于稳健波束形成算法的gps抗多径方法 | |
CN114640381B (zh) | 一种智能超表面的反射系数计算方法及系统 | |
CN111025238B (zh) | 空间合成信号特性可控的mimo雷达波形设计方法 | |
CN111983556B (zh) | 一种到达角估计的装置及方法 | |
CN113671439B (zh) | 基于非均匀智能超表面阵列的无人机集群测向系统及方法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN106646420B (zh) | 基于lfm信号的mimo雷达发射方向图设计方法 | |
CN115085774A (zh) | 一种基于克拉美罗界的通感融合混合波束赋形方法 | |
CN107302391A (zh) | 基于互质阵列的自适应波束成形方法 | |
JP2011014980A (ja) | 電波伝搬パラメータ推定装置、電波伝搬パラメータ推定方法 | |
CN114844545A (zh) | 基于sub6GHz信道以及部分毫米波导频的通信波束选择方法 | |
CN110719127B (zh) | 一种具有恒模约束的毫米波mimo系统波束成形方法 | |
CN110907923A (zh) | 基于平行因子算法的双基地emvs-mimo雷达角度估计算法及装置 | |
CN114172549A (zh) | 天波大规模mimo通信下行传输方法 | |
CN110460549B (zh) | 一种新颖的多用户3d mimo系统的信道估计方法 | |
Diamantaras et al. | Sparse antenna array design for MIMO radar using softmax selection | |
CN109951216B (zh) | 一种基于码本辅助的大规模mimo doa估计方法 | |
CN111970034A (zh) | 一种分布式相控阵mimo的信道获取方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201120 |