CN113193890A - 一种基于机会波束成形的信道估计方法 - Google Patents

Abstract

本发明公开了一种基于机会波束成形的信道估计方法，属于无线信道估计领域，具体是：首先，构建多用户与无人机的信道模型；针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵，并进一步计算各用户的信道所对应的码本索引向量；接着对各用户的所有扫描结果串行整合；利用各用户的信道码本索引向量矩阵分别计算无人机与各用户之间的信道；在当前周期下，多用户同时发送训练信号，机载端随机选择与射频链同数量的用户进行通信，并对各用户的信道估计进行检测；利用信道估计值计算机载端的接收估计结果

最后进行仿真与分析完成信道估计。本发明基于更为实际的混合波束成形器，设计一种实用高效的信道估计算法。

Description

一种基于机会波束成形的信道估计方法

技术领域

本发明属于无线信道估计领域，涉及毫米波混合波束成形及基于混合波束成形中信道估计的方法，具体是一种基于机会波束成形的信道估计方法。

背景技术

随着人们对高速率通信服务需求的不断增长，毫米波(mm-wave)频段丰富的可用频率资源已引起研究人员对毫米波通信的广泛关注。但是，众所周知，毫米波具有高的路径损耗和有限的散射。

目前，人们通常使用波束成形来减轻路径损耗的影响，由于载波频率高，可以通过将天线设计得非常小，使得具有许多天线元件的阵列达到很高的预编码增益，这样做尽管通过灵活的权重矢量的数字波束成形来减轻路径损耗，但由于当前技术的实施及成本限制，很难给毫米波系统中单根天线配一条射频(RF)链实现最优数字波束成形。所以人们研究出了基于有限数量RF链的混合波束成形作为替代，来解决该问题。

现有技术中通过引入不同的混合波束成形(HBF)来实现可靠的通信，尽管这些算法具有良好的性能，但是应用于装配许多天线单元且计算能力受限的小型设备(如：无人机)，波束成形处理复杂度较高，计算所用时间较长，需要反复计算模拟和数字波束成形向量。假设要服务的用户数量与无人机接收端的天线数量相当，由于无人机机载端的计算能力有限，传统的HBF方法可能不适用于此类环境；甚至当用户的数量比机载端中的射频链的数量大几倍时，如何实现来自多用户的信号的检测将是重要的问题。

发明内容

本发明为了解决未来无人机毫米波通信问题，结合实际的应用场景提出了一种基于机会波束成形的信道估计方法，降低了计算复杂度。

所述的基于机会波束成形的信道估计方法，具体步骤如下：

所述的基于机会波束成形的信道估计方法，具体步骤如下：

步骤一、构建包括K个用户与一个无人机的信道模型；

无人机的机载端配置有N_R个接收天线，L条射频链；用户端均为单天线，N_R＞L；用户集合为：{1,2,...,k,...,K}；射频链集合为：{1,2,...,l,...,L}；接收天线集合为：{1,2,...,n_r,...,N_R}。

步骤二、针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵；

所述的正交波束生成法具体为：

首先，计算不同射频链之间的相关程度μ(θ_i,θ_j)，计算公式如下：

θ_i和θ_j为两射频链各自对应的波达角；a(·)表示波达角的阵列响应向量，N表示机载端波束成形的码本数量，Δg_RF为两个不同射频链之间的角度距离；

然后，将相关程度μ(θ_i,θ_j)替换为狄利克雷核函数

得到：

其中，σ为

旁瓣的峰值能量。

当接收天线个数N_R足够大时，σ的大小近似为：

因此，在每次波束扫描时，为保证波束间的干扰足够小，Δg_RF≤2/N_R，针对第m次扫描得到的机载端波束成形转置矩阵为

步骤三、利用机载端各次波束扫描得到的输出，计算各用户的信道所对应的码本索引向量；

针对第m次扫描，用户k的信道所对应的码本索引向量c_k,m计算公式为：

其中，z_k,m为用户k第m次扫描则机载端的输出；W表示机载端的模拟波束成形码本；u_k,m为用户k第m次扫描时的高斯噪声。

步骤四、将码本索引向量计算公式进行变形，并对各用户的所有扫描结果串行整合；

针对用户k的所有扫描结果整合过程为：

首先，将

设为第m次扫描的感应矩阵φ_m，并计算第m次扫描的输出：

z_k,m≈φ_mc_k,m+u_k,m

针对用户k所有次扫描的机载端结果整合得到Z_k：

Z_k≈ΦC_k+U_k

其中，Φ为用户k所有次扫描的感应矩阵；C_k为用户k所有次扫描对应的信道码本索引向量矩阵；U_k为用户k所有次扫描时的高斯噪声矩阵。

步骤五、利用各用户所有次扫描对应的信道码本索引向量矩阵，分别计算无人机与各用户之间的信道；

针对用户k，无人机与该用户间的信道h_k表示为：

h_k≈WC_k

其中，C_k为P-离散向量。

步骤六、针对当前周期，K个用户同时发送训练信号，经过信道传播到达机载端，机载端随机选择至多L个用户同时进行通信，对各用户的信道估计进行检测；

每个用户到机载端的N_R个接收信道组成的矩阵

为：

h_nrl表示第l个用户与机载端第n_r个接收天线的信道；

表示矩阵

中的第l列，计算公式为：

α_l,p表示第l个用户第p个路径的信道系数；θ_l,p表示第l个用户第p个路径的波束到达角度；P'为第l个用户的路径总数。

步骤七、利用各用户的信道估计值，计算机载端的接收估计结果

计算公式如下：

表示包含L个用户到L条射频链的基带组合矩阵，

表示维度为L×K(L行K列)的复数空间；

w_ij表示用户j对应的第i条射频链的基带参数；

表示包含射频相移网络的射频组合矩阵，

表示维度为N_R×L的复数空间；

w_nrl表示第n_r个接收天线包含第l条射频相移网络的射频参数；

为L个用户发送的信号向量，x＝[x₁,x₂,...,x_l,...,x_L]^T；n为噪声向量，是一个L行1列的列向量。

步骤八、对机载端的接收估计结果

进行仿真与分析，完成信道估计。

本发明的优点在于：

(1)一种基于机会波束成形的信道估计方法，考虑到无人机相比传统基站，覆盖的范围更大，覆盖范围内的用户更多，可针对未来毫米波通信场景下的多用户信号估计提供可行方案。

(2)一种基于机会波束成形的信道估计方法，考虑到机载端的波束成形算法实用化问题，基于更为实际的混合波束成形器，设计一种实用高效的信道估计算法。

附图说明

图1是本发明一种基于机会波束成形的信道估计方法的原理图；

图2是本发明一种基于机会波束成形的信道估计方法的流程图；

图3是本发明毫米波机载端波束成形系统示意图；

图4是本发明NMSE与码本数量N的性能曲线；

图5是本发明NMSE与信噪比SNR的性能曲线。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

考虑到无人机机载端的计算能力有限，为了降低计算复杂度，本发明提出一种使用模拟波束码本的混合波束形成器，来研究基于机载端的机会混合波束形成多用户检测方法。由于基站中射频链的数量有限，因此在使用传统的混合波束成形算法时，同时检测到的用户数量会受到限制。

本发明设计了一种基于机会波束成形的信道估计方法，如图1所示，首先进行用户端和机载端的信道模型构建，然后，多个用户向机载端发送T个周期的训练信号，机载端多次扫描并接收到用户的信息；接着，机载端进行用户选择并与之进行数据通信。机载端采用混合波束成形器，基于有限精度的码本，通过在多个周期对用户发给无人机的信号进行分析整合，结合压缩感知算法，得到多用户信道的准确估计。

如图2所示，具体步骤如下：

步骤一、构建包括K个用户与一个无人机的信道模型；

无人机的机载端配置有N_R个接收天线，L条射频链；用户端均为单天线，N_R＞L；用户集合为：{1,2,...,k,...,K}；射频链集合为：{1,2,...,l,...,L}；接收天线集合为：{1,2,...,n_r,...,N_R}。

步骤二、针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵；

考虑到正交匹配搜索算法(OMP)的通用性，故可以利用该算法解决本发明所提出的系统中的用户CSI估计问题，假设Δg_RF为两个不同射频链之间的角度距离，则不同射频链之间的相关程度μ(θ_i,θ_j)计算公式如下：

θ_i和θ_j为两射频链各自对应的波达角；a(·)表示波达角的阵列响应向量，N表示机载端波束成形的码本数量，n＝1，……，N；

然后，将相关程度μ(θ_i,θ_j)替换为狄利克雷核函数

根据该函数的特性得到：

其中，σ为

旁瓣的峰值能量。

当接收天线个数N_R足够大时，σ的大小近似为：

因此，在每次波束扫描时，为保证波束间的干扰足够小，Δg_RF≤2/N_R，此外，对于随机生成的波束而言，也应该保证整个波束矩阵中的各列近似正交。

针对第m次扫描得到的机载端波束成形转置矩阵为

步骤三、利用机载端各次波束扫描得到的输出，计算各用户的信道所对应的码本索引向量；

针对第m次扫描，用户k的信道所对应的码本索引向量c_k,m计算公式为：

其中，z_k,m为用户k第m次扫描则机载端的输出；W表示机载端的模拟波束成形码本；u_k,m为用户k第m次扫描时的高斯噪声。

步骤四、将码本索引向量计算公式进行变形，并对各用户的所有扫描结果串行整合；

针对用户k的所有扫描结果整合过程为：

首先，将

设为第m次扫描的感应矩阵φ_m，并计算第m次扫描的输出：

z_k,m≈φ_mc_k,m+u_k,m

针对用户k所有次扫描的机载端结果整合得到Z_k：

Z_k≈ΦC_k+U_k

其中，Φ为用户k所有次扫描的感应矩阵；C_k为用户k所有次扫描对应的信道码本索引向量矩阵；U_k为用户k所有次扫描时的高斯噪声矩阵。

步骤五、利用各用户所有次扫描对应的信道码本索引向量矩阵，分别计算无人机与各用户之间的信道；

最初的接入选择时，大量用户都向机载端发送了接入请求，基站端利用混合波束成型器，结合波束扫描机制，实现对信道的有效估计。

根据机载端的码本，不难得知，针对用户k，无人机与该用户间的信道矩阵h_k表示为：

h_k≈WC_k

其中，C_k为P-离散向量，表示信道在码本中对应的索引。

步骤六、针对当前周期，K个用户同时发送训练信号，经过信道传播到达机载端，机载端随机选择至多L个用户同时进行通信，对特定时刻下L个用户的信道估计进行检测；

K个用户分别发送T个周期的训练信号，机载端通过多次扫描，分别接收来自不同用户的信号；考虑到混合波束成形器的RF链数量有限，同一时间只能有L个用户与无人机进行通信，针对用户的高频信号，经过机载端的混合波束成形，转换为基带信号被接收。

机载端根据信道状态信息CSI，进行用户选择并结合预编码方案与已选择的用户进行通信；采用相关的用户选择策略使得系统的速率最大。

每个用户到机载端的N_R个接收信道组成的矩阵

为：

h_nrl表示第l个用户与机载端第n_r个接收天线的信道；

表示矩阵

中的第l列，计算公式为：

表示维度为N_R×1的复数空间。

α_l,p表示第l个用户第p个路径的信道系数；θ_l,p表示第l个用户第p个路径的波束到达角度(AoA)；P'为第l个用户的路径总数。

步骤七、利用特定时刻下L个用户的信道估计值，计算机载端的接收估计结果

计算公式如下：

如图3所示，

表示包含L个用户到L条射频链的基带组合矩阵，

表示维度为L×K(L行K列)的复数空间；

w_ij表示用户j对应的第i条射频链的基带；

表示包含射频相移网络的射频组合矩阵，

表示维度为N_R×L的复数空间；

w_nrl表示第n_r个接收天线包含第l条射频相移网络的射频参数；

为L个用户发送的信号向量，x＝[x₁,x₂,...,x_l,...,x_L]^T；n为噪声向量，是一个L行1列的列向量。

步骤八、对机载端的接收估计结果

进行仿真与分析，完成信道估计。

本发明假设无人机数量为1，用户的数量为K，无人机开始准备接收来自多个用户的高频信号，高频信号经过波束成形器转换为基带信号被接收，并进行储存。考虑到毫米波波束成形器形成的波束较窄，落在波束外的用户无法实行有效通信，因此，需要在接收端进行多次扫描，接收来自不同用户的信号，以便后续估计更多用户的信道信息。机载端更新波束成形器，对接收信号进行接收直到储存T个周期的接收数据；针对多个周期的接收信号，结合压缩感知算法，实现对信道的有效估计。

本发明基于机会波束成形的信道估计方法，通过机载端加入扫描机制，经过有限周期后，实现用户信道的有效估计。

首先，在5G毫米波通信系统中，由于在毫米波波段，信号传播衰减较大，故采用大规模阵列产生窄带波束，并通过波束成形技术实现基站与用户间的通信。然而，考虑到硬件成本问题，传统多天线系统要求一个阵元配备一条射频链，成本较高，因此机载端需采用混合波束成形设计。

由于机载端所产生的波束具有很强的指向性，可根据信道状态信息CSI，在机载端进行用户选择并结合预编码方案与已选择的用户进行通信。假设同一时间只会有L个用户与基站进行通行，则需要设计相关的用户选择策略使得系统的速率最大。

在毫米波系统中，用户的CSI信息主要在上行训练中进行估计，基于现有的信道估计方法，考虑针对本发明所提出的系统设计信道估计方法。其中，需要注意的是，训练的时间和通信的时间需要小于信道的相关时间，以便于实现通信双方的正常工作。最初的接入选择时，假设大量用户都向基站发送了接入请求，考虑到毫米波波束的强指向性，传统的信道估计方法不再适用。因此，针对机会波束成形的随机扫描机制以及压缩感知的数据恢复方法，提出在基站端利用混合波束成型器，结合波束扫描机制，实现对信道的有效估计。

根据基站端的码本，不难得知，基站与第k个用户间的信道h_k可表示为：h_k≈Wc_k。

由于基站端的射频链有限，故考虑进行波束扫描的方式对系统中用户的CSI信息进行估计；通过不同扫描周期下的结果进行整合得到z_k。

对于压缩感知而言，P-离散向量c_k可通过以下公式进行近似估计，估计值为：

c_k≈argmin||c||₁subjecttoz_k≈Φc

其中，c为索引向量，||·||₁表1-范数。

考虑到正交匹配搜索算法(OMP)的通用性，故可以利用该算法解决本发明所提出的系统中的用户CSI估计问题。

本发明对提出的信道估计方法性能进行评估。

仿真结果中的信道矩阵h，其中有一条路径是可视路径，剩余的路径是非可视路径。假设路径总数P＝3，可视路径的信道系数设置为α_k,1＝1，非可视路径的信道系数满足

此外，本发明设置N_R＝60和L＝10，并且波束到达角度AoA被假定为[-π/3,π/3]区间内独立的均匀随机变量。为了方便，本发明假设每个用户的发射功率是相同的。性能比较的指标是归一化均方误差(NMSE)，根据估计信道矩阵h可得NMSE的表达式为：

E[||h-h||²/||h||²]

如图4所示，展示了所提出的信道估计算法中不同的码本数量N对NMSE的影响，其余的仿真参数为K＝60，N_R＝60，L＝10和SNR＝10dB。随着N的数量增加，该信道估计算法可以获得较好的性能。

为了更直观地看到NMSE的性能，在不同的信噪比(SNR)下进行计算机模拟。如图5所示，当K＝60，L＝10和G＝300时，不同SNR值下的NMSE。

本发明针对机载端混合波束成形器结构，设计了基于机会波束成形的信道估计方法，可有效实现对多用户信道的准确测量；机载端采用有限精度的波束成形码本，具有降低计算复杂度优势和进行无人机通信实用化的意义。

Claims (8)

1.一种基于机会波束成形的信道估计方法，其特征在于，具体步骤如下：

首先，构建包括K个用户与一个无人机的信道模型；针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵；并利用各次波束扫描得到的输出，计算各用户的信道所对应的码本索引向量；并对各用户的所有扫描结果串行整合；

接着，利用各用户的信道码本索引向量矩阵，分别计算无人机与各用户之间的信道；针对当前周期，K个用户同时发送训练信号，经过信道传播到达机载端，机载端随机选择不超过射频链数量的用户同时进行通信，对各用户的信道估计进行检测；

最后、利用各用户的信道估计值，计算机载端的接收估计结果

进行仿真与分析，完成信道估计。

2.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的信道模型中，无人机的机载端配置有N_R个接收天线，L条射频链；用户端均为单天线，N_R＞L；用户集合为：{1,2,...,k,...,K}；射频链集合为：{1,2,...,l,...,L}；接收天线集合为：{1,2,...,n_r,...,N_R}。

3.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的正交波束生成法具体为：

首先，计算不同射频链之间的相关程度μ(θ_i,θ_j)，计算公式如下：

θ_i和θ_j为两射频链各自对应的波达角；a(·)表示波达角的阵列响应向量，N表示机载端波束成形的码本数量，Δg_RF为两个不同射频链之间的角度距离；

然后，将相关程度μ(θ_i,θ_j)替换为狄利克雷核函数

得到：

其中，σ为

旁瓣的峰值能量；

当接收天线个数N_R足够大时，σ的大小近似为：

因此，在每次波束扫描时，为保证波束间的干扰足够小，Δg_RF≤2/N_R，针对第m次扫描得到的机载端波束成形转置矩阵为

4.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的计算各用户的信道所对应的码本索引向量，具体为：

针对第m次扫描，用户k的信道所对应的码本索引向量c_k,m计算公式为：

其中，z_k,m为用户k第m次扫描则机载端的输出；W表示机载端的模拟波束成形码本；u_k,m为用户k第m次扫描时的高斯噪声。

5.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的对各用户的所有扫描结果串行整合过程为：

针对用户k，首先，将

设为第m次扫描的感应矩阵φ_m，并计算第m次扫描的输出：

z_k,m≈φ_mc_k,m+u_k,m

针对用户k所有次扫描的机载端结果整合得到Z_k：

Z_k≈ΦC_k+U_k

其中，Φ为用户k所有次扫描的感应矩阵；C_k为用户k所有次扫描对应的信道码本索引向量矩阵；U_k为用户k所有次扫描时的高斯噪声矩阵。

6.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的无人机与各用户之间的信道计算公式为：

针对用户k，无人机与该用户间的信道h_k表示为：

h_k≈WC_k

其中，C_k为P-离散向量。

7.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的机载端对各用户的信道估计进行检测，具体为：

每个用户到机载端的N_R个接收信道组成的矩阵

为：

表示第l个用户与机载端第n_r个接收天线的信道；

表示矩阵

中的第l列，计算公式为：

α_l,p表示第l个用户第p个路径的信道系数；θ_l,p表示第l个用户第p个路径的波束到达角度；P'为第l个用户的路径总数。

8.如权利要求1所述的一种基于机会波束成形的信道估计方法，其特征在于，所述的机载端的接收估计结果

计算公式如下：

表示包含L个用户到L条射频链的基带组合矩阵，

表示维度为L×K(L行K列)的复数空间；

w_ij表示用户j对应的第i条射频链的基带参数；

表示包含射频相移网络的射频组合矩阵，

表示维度为N_R×L的复数空间；

w_nrl表示第n_r个接收天线包含第l条射频相移网络的射频参数；

为L个用户发送的信号向量，x＝[x₁,x₂,...,x_l,...,x_L]^T；n为噪声向量，是一个L行1列的列向量。

Images