CN112600596B - 基于张量并行压缩的毫米波系统信道反馈方法 - Google Patents
基于张量并行压缩的毫米波系统信道反馈方法 Download PDFInfo
- Publication number
- CN112600596B CN112600596B CN202011399004.3A CN202011399004A CN112600596B CN 112600596 B CN112600596 B CN 112600596B CN 202011399004 A CN202011399004 A CN 202011399004A CN 112600596 B CN112600596 B CN 112600596B
- Authority
- CN
- China
- Prior art keywords
- state information
- channel state
- tensor
- matrix
- factor matrix
- 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
- H04B7/0417—Feedback 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
-
- 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
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2626—Arrangements specific to the transmitter only
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于张量并行压缩的毫米波系统信道反馈方法,包括:一、接收端获得当前下行信道状态信息,然后将信道状态信息建模成高阶张量的形式;二、接收端利用张量并行压缩技术将所述的信道状态信息张量压缩成若干个大小相同的张量;三、接收端利用CANDECOMP/PARAFAC(CP)分解分别对上述压缩后的张量进行分解,得到的因子矩阵通过上行反馈链路反馈到发射端;四、所述的发射端根据当前反馈到本发射端的因子矩阵恢复出原信道状态信息张量的因子矩阵,并通过恢复得出的因子矩阵重构出原信道状态信息,本发明利用毫米波MIMO‑OFDM信道的高维度特性,使用高阶张量模型结合张量并行压缩技术,无需下行信道的稀疏特性,能够在保证反馈精度的情况下有效降低反馈开销。
Description
技术领域
本发明涉及通信系统中信道反馈技术领域,特别涉及一种基于张量并行压缩的毫米波系统信道反馈方法。
背景技术
5G作为新一代移动通信标准,需要在速度和其他功能上相对4G有实质的提升,以满足用户对更高质量体验的需求。相比4G网络,5G网络的系统容量需提升1000倍,能效和数据速率需提升10倍,同时平均小区吞吐量需提高25倍。数据速率的快速增长需要5G提供更大带宽和超低时延,这一需求无法通过当前无线技术的简单演进来实现。当前移动系统所使用的频段集中在6GHz以下。这些频段具有良好的传输条件,因此在固定、广播和卫星通信中都已有广泛的应用。但目前6GHz以下频段的频谱资源紧张,需要开拓新的频谱资源用于5G移动通信。毫米波频段频率高,频谱资源丰富,可以缓解低频段频谱资源压力。综合上述的空间限制及理论限制,波长更短的毫米波逐渐进入了研究者的视线。
毫米波MIMO-OFDM系统的中下行信道状态信息对于发射端进行信号预处理等操作具有很重要的作用。由于天线数以及子载波数的增大会导致信道反馈信息占用过多的带宽资源。传统的基于码本的反馈方案在毫米波MIMO-OFDM中难以适用,这是因为在毫米波MIMO-OFDM系统随着天线数目和子载波数目的增加,为了保证反馈精度,必须大幅度增加码本的长度,这将导致更加严重的反馈开销。因此需要针对毫米波MIMO-OFDM系统设计有效的反馈方案。
张量在传统代数和经典物理学中被定义为一种高维数组,张量理论提出后在通信领域有着广泛的应用。在毫米波MIMO-OFDM系统中,信道在频域呈现出多维度的特性,从而可以利用高阶张量模型从多个维度对信道进行描述,进而使用张量并行压缩技术有效地降低反馈开销。现有的反馈技术中,常采用的方法是基于码本的或者是基于压缩感知的反馈方式,这些方式都没有能使用到毫米波MIMO-OFDM信道的多路特性。并且张量并行压缩的方式通过对张量的每个维度进行压缩,压缩的程度也优于基于压缩感知的反馈方式。所以,将高阶张量模型和张量并行压缩应用于毫米波MIMO-OFDM信道反馈能够有效降低反馈开销。
发明内容
发明目的:本发明的目的是提供一种张量并行压缩的毫米波系统信道反馈方法,能够在保证信道反馈的精度的前提下降低反馈开销,有效解决在毫米波MIMO-OFDM系统中随着天线数和子载波数的增加导致信道反馈开销过大的问题。
技术方案:本发明所述的基于张量并行压缩的毫米波系统信道反馈方法,毫米波为MIMO-OFDM系统包括发射端和接收端,其特征在于:具体包括以下步骤:
S4:所述的发射端对当前反馈到本发射端的因子矩阵进行恢复,并通过因子矩阵重构出原信道状态信息。
作为优选,所述S1中信道状态信息H进行傅里叶变换后得到频域下的信道状态信息表达式具有三个维度。
Πp为分解中产生的列排序模糊矩阵,Λp为分解中产生的尺度模糊矩阵。
作为优选,所述S4中因子矩阵存在列排序模糊矩阵Πp,尺度模糊矩阵Λp,对因子矩阵中的列排序模糊矩阵和尺度模糊矩阵进行统一后,通过求解根据因子矩阵列出的线性方程组得到原信道状态信息的因子矩阵,重构出原信道状态信息,如下所示:
有益效果:
(1)、本发明充分利用毫米波MIMO-OFDM信道的高维度特性以降低反馈开销,使用高阶张量模型从多个维度对信道状态信息进行描述。在接收端通过张量并行压缩将信道状态信息压缩成若干个小张量。由于压缩后的张量仍然符合CP模型,所以可进一步使用CP分解将这些张量分解成因子矩阵,这些因子矩阵的维度远远小于原信道状态信息矩阵的维度,所以使用高阶张量模型结合张量并行压缩技术可以在保证反馈精度的情况下有效降低反馈开销。
(2)、本发明采用张量并行压缩方法对张量进行压缩,这种压缩方式十分灵活,恢复精度也很高,并且不需要下行信道的稀疏特性。当下行信道具有稀疏特性时,该压缩方式的恢复的条件会更加宽松。
附图说明
图1是本发明的系统模型;
图2是本发明的一个实施例流程图;
图3是本发明实施例与现有技术的性能对比图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
图1是本发明提出的基于张量并行压缩的毫米波系统信道反馈方法的系统框图。本发明的毫米波为MIMO-OFDM系统,发射端通过发射机将导频信号发送给接收端,接收端通过接收机接收到导频信号,通过信道估计模块估计得到下行信道状态信息。接收端通过将信道状态信息进行傅里叶变换,将其转换到频域。然后根据MIMO-OFDM信道在频域中多维度特性,将该信道状态信息建模成高阶张量的形式。将此张量送入张量压缩模块,张量压缩模块通过张量并行压缩的方式将传入的信道状态信息张量压缩成若干个小张量,从而降低反馈的数据量。之后将这些张量传入张量分解模块中,由于压缩后的张量仍然符合CP模型,所以可以采用CP分解的方式对这些张量进行分解,进一步降低反馈的数据量。将张量分解模块处理后的信道状态信息通过上行反馈链路反馈到发射端。发射端将接收到的反馈信息送入信道重构模块,该模块首先对传入的因子矩阵进行列排序模糊和尺度模糊的统一,并根据统一后的因子矩阵恢复出原信道状态信息张量的因子矩阵。发射端利用得到的原信道状态信息的因子矩阵重构出当前下行信道状态信息。其实现方式如下;
(1)在毫米波MIMO-OFDM系统中发射端采用配置NBS根天线的均匀线性天线阵列,NBS的值较大,即发射天线规模很大。接收端采用配置NMS根天线的均匀线性天线阵列。考虑到毫米波的宽带特性,采用在发射端和接收端存在F条路径的宽带毫米波信道模型,所以时延域下的信道矩阵可以写成如下形式:
其中,d表示相邻天线之间的距离,λ表示载波波长。
(2)通过对时延域下的信道矩阵进行傅里叶变换可得到接收端在第k个子载波上的信道矩阵:
其中K表示子载波的总数目,fs表示采样率。信道矩阵Hk中的每一个元素可以表示为:
(3)由于毫米波MIMO-OFDM系统的高维度特性,使信道可以建模成高阶张量的形式。张量并行压缩技术能够有效的对高维度的信号进行压缩并能够高精度地重构出原信号,所以可以将信道的高维度性和张量并行压缩技术结合以降低反馈开销。由于接收端估计得出的下行信道状态信息在频域中表现出的高维度特性,下行信道状态信息张量的向量形式可以表示为:
因为LMN<<NMSNBSK,所以采用上述压缩方法能够有效降低反馈的数据量。由于压缩后的信道状态信息张量hp符合CP模型,可以利用此性质可进一步减少反馈开销。
(4)如上所述,压缩后的信道状态信息张量hp符合CP模型,可以使用CP分解将这些张量分解成因子矩阵再通过上行反馈链路反馈到发射端。这样每次反馈只需要发送压缩后张量的因子矩阵,能够进一步减少反馈的开销。
结合上述的张量并行压缩技术,接收端首先将信道状态信息建模成高阶张量的形式,然后对其进行张量并行压缩和CP分解并将分解得到的因子矩阵反馈给发射端。发射端首先根据接收到的信息恢复出原信道状态信息张量的因子矩阵,然后根据原信道状态信息的因子矩阵重构出当前下行信道状态信息。
图2为本发明基于张量并行压缩的毫米波MIMO-OFDM系统信道反馈方法的一个实施例流程图。该实施例所述方法包括以下步骤。
接收端通过信道估计技术获得第k个子载波上的信道状态信息Hk,Hk可表示为:
可进一步写成如下形式:
Hk=ADk(C)BT
其中Dk(C)表示以矩阵C的第k行为对角线元素的对角阵,矩阵A,B,C的定义如下:
A=[αMS(θ1),…,αMS(θF)]
C=[α1g(τ1),…,αFg(τF)]
其中表示子载波的总数,K表示用于训练的子载波数目。从Hk的表达式中可以看出,该信道矩阵的表达式满足张量的矩阵展开形式,所以信道状态信息可以建模成张量的形式,用表示,矩阵A,B,C为该信道状态信息张量的因子矩阵。
其中,Πp为分解时产生的列排序模糊矩阵,Λp为分解时产生的尺度模糊矩阵。
步骤四、所述的发射端对当前反馈到本发射端的因子矩阵进行恢复,并通过因子矩阵重构出原信道状态信息。
(1)首先,将接收端反馈到发射端的因子矩阵进行列排序模糊和尺度模糊的统一,以因子矩阵Ap为例,通过在压缩矩阵添加相同的控制列来完成列排序模糊的统一,并通过对因子矩阵的每列进行归一化进行尺度模糊的统一,统一后的因子矩阵用表示。
(2)根据统一后的因子矩阵,得出如下线性方程组:
求解该线性方程组可得到原信道状态信息张量的因子矩阵A,其余两个模态的因子矩阵B,C也可用相同的方法求得。根据得到的因子矩阵可重构出原信道状态信息。
下面结合仿真分析本发明的性能。
本发明仿真中的发射端与接收端天线都采用均匀线性天线阵列,相邻天线间的距离为信号波长的一半。路径数F=4,每条路径上的时延τf在0-100纳秒之间呈均匀分布。复杂路径增益其中ρ=(c/4πDfc)2,c=3.0×108m/s,发射端到接收端的距离D=30m,子载波频率fc=28GHz,采样率fs=0.32GHz,假设接收端能够精确估计出下行信道状态信息H。
本仿真为本发明的一个实施例反馈方案在不同压缩比下的性能比较,从图3可以看到当在相同的压缩比的前提下随着信噪比的增加反馈精度不断增大。本发明的一个实施例反馈方案在压缩比为3000和信噪比为15dB的情况下仍能够获得10-3数量级的反馈精度。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (2)
1.基于张量并行压缩的毫米波系统信道反馈方法,毫米波为MIMO-OFDM系统包括发射端和接收端,其特征在于:具体包括以下步骤:
S3:接收端利用CANDECOMP/PARAFAC(CP)分解分别对S2中压缩得到的张量进行分解,得到的因子矩阵Ap、Bp、Cp,并通过上行反馈链路将这些因子矩阵反馈到发射端,所述张量均满足CANDECOMP/PARAFAC模型,分解后得到的的因子矩阵Ap、Bp、Cp如下所示:
Πp为分解中产生的列排序模糊矩阵,Λp为分解中产生的尺度模糊矩阵;
S4:所述的发射端对当前反馈到本发射端的因子矩阵进行恢复,并通过因子矩阵重构出原信道状态信息,所述因子矩阵存在列排序模糊矩阵Πp,尺度模糊矩阵Λp,对因子矩阵中的列排序模糊矩阵和尺度模糊矩阵进行统一后,通过求解根据因子矩阵列出的线性方程组得到原信道状态信息的因子矩阵,重构出原信道状态信息,如下所示:
2.根据权利要求1所述的基于张量并行压缩的毫米波系统信道反馈方法,其特征在于:所述S1中信道状态信息H进行傅里叶变换后得到频域下的信道状态信息表达式具有三个维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399004.3A CN112600596B (zh) | 2020-12-04 | 2020-12-04 | 基于张量并行压缩的毫米波系统信道反馈方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399004.3A CN112600596B (zh) | 2020-12-04 | 2020-12-04 | 基于张量并行压缩的毫米波系统信道反馈方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112600596A CN112600596A (zh) | 2021-04-02 |
CN112600596B true CN112600596B (zh) | 2022-02-11 |
Family
ID=75187884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011399004.3A Active CN112600596B (zh) | 2020-12-04 | 2020-12-04 | 基于张量并行压缩的毫米波系统信道反馈方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112600596B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113242193B (zh) * | 2021-05-10 | 2022-06-21 | 东南大学 | 一种低训练开销的混合大规模mimo-ofdm系统信道估计方法 |
CN115426063A (zh) * | 2022-08-30 | 2022-12-02 | 联通(广东)产业互联网有限公司 | 一种排序编码模块的构建、变分编自码器的信道生成方法、系统 |
CN115309713B (zh) * | 2022-09-29 | 2022-12-23 | 江西锦路科技开发有限公司 | 交通数据压缩方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106559367A (zh) * | 2016-12-08 | 2017-04-05 | 电子科技大学 | 基于低秩张量分解的mimo‑ofdm系统毫米波信道估计方法 |
CN110518946A (zh) * | 2019-08-30 | 2019-11-29 | 电子科技大学 | 基于毫米波时变信道块稀疏和低秩的时变信道估计方法 |
CN111193618A (zh) * | 2019-12-20 | 2020-05-22 | 山东大学 | 一种基于张量计算的6g移动通信系统及其数据处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10171214B2 (en) * | 2016-09-29 | 2019-01-01 | At&T Intellectual Property I, L.P. | Channel state information framework design for 5G multiple input multiple output transmissions |
EP3682568B1 (en) * | 2017-09-28 | 2023-11-29 | Huawei Technologies Co., Ltd. | Device and method for compressing and/or decompressing channel state information |
CN109474316B (zh) * | 2018-11-22 | 2021-11-09 | 东南大学 | 一种基于深度循环神经网络的信道信息压缩反馈方法 |
-
2020
- 2020-12-04 CN CN202011399004.3A patent/CN112600596B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106559367A (zh) * | 2016-12-08 | 2017-04-05 | 电子科技大学 | 基于低秩张量分解的mimo‑ofdm系统毫米波信道估计方法 |
CN110518946A (zh) * | 2019-08-30 | 2019-11-29 | 电子科技大学 | 基于毫米波时变信道块稀疏和低秩的时变信道估计方法 |
CN111193618A (zh) * | 2019-12-20 | 2020-05-22 | 山东大学 | 一种基于张量计算的6g移动通信系统及其数据处理方法 |
Non-Patent Citations (3)
Title |
---|
"Frequency Selective Hybrid Precoding for Limited Feedback Millimeter Wave Systems";Ahmed Alkhateeb等;《IEEE Transactions on Communications》;20160407;第64卷(第5期);全文 * |
"Tensor Decompositions for Signal Processing Applications: From two-way to multiway component analysis";Andrzej Cichocki等;《IEEE Signal Processing Magazine》;20150210;第32卷(第2期);全文 * |
"多天线毫米波系统中基于张量分解的信道估计方法研究";周舟;《中国博士学位论文全文数据库 信息科技辑》;20180115;第2-5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN112600596A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112600596B (zh) | 基于张量并行压缩的毫米波系统信道反馈方法 | |
CN108390706B (zh) | 一种基于深度学习的大规模mimo信道状态信息反馈方法 | |
Liu et al. | A Markovian model-driven deep learning framework for massive MIMO CSI feedback | |
Chen et al. | Deep learning-based implicit CSI feedback in massive MIMO | |
CN108199753B (zh) | 一种毫米波通信中基于迭代最小的预编码方法 | |
CN109861731B (zh) | 一种混合预编码器及其设计方法 | |
CN105763234B (zh) | 毫米波mimo时域有限信道状态信息反馈方法及装置 | |
CN110289898B (zh) | 一种大规模mimo系统中基于1比特压缩感知的信道反馈方法 | |
CN111555781B (zh) | 一种基于深度学习注意力机制的大规模mimo信道状态信息压缩及重建方法 | |
CN110138425B (zh) | 低复杂度阵列天线多输入多输出系统混合预编码算法 | |
CN113839697B (zh) | 一种基于深度学习的联合反馈和混合预编码设计方法 | |
CN111726151A (zh) | 一种基于无线携能通信的资源分配方法与装置 | |
CN111654456B (zh) | 基于降维分解的毫米波大规模mimo角域信道估计方法及装置 | |
US8170131B2 (en) | Method and arrangement for reducing feedback data in a MIMO communication system | |
CN115865145A (zh) | 一种基于Transformer的大规模MIMO信道状态信息反馈方法 | |
CN116248156A (zh) | 基于深度学习的大规模mimo信道状态信息反馈及重建方法 | |
CN110233649B (zh) | 一种基于毫米波mimo系统的动态子阵列设计方法 | |
CN113556158B (zh) | 一种面向车联网的大规模mimo智能csi反馈方法 | |
CN116192209A (zh) | 一种mimo信道下空中计算联邦学习的梯度上传方法 | |
CN115022134A (zh) | 基于非迭代重构网络的毫米波大规模mimo系统信道估计方法及系统 | |
CN114567359A (zh) | 一种大规模mimo系统中基于多分辨率融合卷积反馈网络的csi反馈方法 | |
CN110636018B (zh) | 一种网格补偿大规模mimo信道估计方法 | |
CN110149133B (zh) | 一种基于波束空间的大规模上行传输方法 | |
CN107733488B (zh) | 一种大规模mimo系统中注水功率分配改进方法及系统 | |
CN115021787A (zh) | 一种基于复数卷积神经网络的信道状态信息反馈方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |