CN113193895B - 大规模mimo信道状态信息获取方法、系统及计算机存储介质 - Google Patents

大规模mimo信道状态信息获取方法、系统及计算机存储介质 Download PDF

Info

Publication number
CN113193895B
CN113193895B CN202110418368.XA CN202110418368A CN113193895B CN 113193895 B CN113193895 B CN 113193895B CN 202110418368 A CN202110418368 A CN 202110418368A CN 113193895 B CN113193895 B CN 113193895B
Authority
CN
China
Prior art keywords
channel
matrix
state information
compressed sensing
measurement value
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
Application number
CN202110418368.XA
Other languages
English (en)
Other versions
CN113193895A (zh
Inventor
刘敬芝
王开
张波
沈建国
徐舜
尹才华
刘海波
章锋斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN202110418368.XA priority Critical patent/CN113193895B/zh
Publication of CN113193895A publication Critical patent/CN113193895A/zh
Application granted granted Critical
Publication of CN113193895B publication Critical patent/CN113193895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • 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
    • 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
    • H04L1/0026—Transmission of channel quality indication
    • 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
    • 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)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radio Transmission System (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出了一种大规模M I MO信道状态信息获取方法、系统及计算机存储介质。该方法为：基站向用户端发送导频信号；采用导频序列构造的测量矩阵，利用不同天线与用户端之间信道冲激响应的空间相关性对信道进行空域压缩感知测量；用户端接收信道测量值后，考虑连续时隙间信道冲激响应的时间相关性，利用本地测量矩阵对该测量值在时域进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，用户端将该信道二维测量值反馈发送至基站；基站接收根据该信道二维测量值重构信道状态信息，完成大规模M I MO信道状态信息获取。该方法避免了用户端的对信道的重构过程，可降低存储和计算资源消耗，并且通过空时二维压缩测量可进一步降低反馈开销。

Description

大规模MIMO信道状态信息获取方法、系统及计算机存储介质
技术领域
本发明涉及无线通信领域，具体涉及一种大规模MIMO信道状态信息获取方法、系统及计算机存储介质。
背景技术
作为未来5G无线通信的关键技术之一，大规模多输入多输出(Multiple InputMultiple Output,MIMO)系统通过配备大量天线以提高信号传输的空间自由度(Degreesof Freedom，DoF)，从而具有数据吞吐量大、链路可靠性强、频谱效率和能耗效率高等特点。为充分利用大规模MIMO的技术优势，准确获取信道状态信息(Channel StateInformation，CSI)十分关键。然而，由于基站天线数量众多，每一用户涉及的信道状态信息CSI对应数百条发射天线，采用传统算法获取信道状态信息CSI将导致巨大的信道估计和反馈开销。因此研究提出高效可靠的信道状态信息CSI获取方法对massive MIMO实现与应用具有重要意义。
宽带无线信道冲击响应(channel impulse response，CIR)由于仅有少数抽头集中了大部分能量而具有稀疏性，利用压缩感知(Compressed Sensing,CS)理论降低信道估计与反馈开销成为信道状态信息获取研究的热点。
现有研究中，研究人员已分别将压缩感知应用至下行信道估计和上行信道反馈中，提出了基于压缩感知的信道估计和基于压缩感知的信道反馈方法。在基于压缩感知的信道估计方法中，利用导频信号构造测量矩阵，将导频传输看作对稀疏宽带无线信道冲击响应CIR进行测量过程，在用户端由测量值重构宽带无线信道冲击响应CIR。在基于压缩感知的信道反馈方法中，通常假设已得到准确的信道状态信息CSI估计，而后利用其稀疏性压缩为低维测量值进行反馈，基站接收测量值后重构信道状态信息CSI。上述方法在下行信道估计和上行信道反馈中分别应用压缩感知理论，可在一定程度上降低开销。但实际应用中用户端需首先在信道估计中进行压缩感知重构，而后在信道反馈中进行测量矩阵存储及信道估计值测量，从而导致较高的计算和存储开销，对资源受限的用户设备而言难以实现。
发明内容
为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种大规模MIMO信道状态信息获取方法、系统及计算机存储介质。
为了实现本发明的上述目的，本发明提供了一种大规模MIMO信道状态信息获取方法，包括以下步骤：
基站向用户端发送导频信号；
采用导频序列构造的测量矩阵对信道冲激响应向量进行空域压缩感知测量，得到一次信道测量值
Figure BDA0003026888540000021
用户端接收一次信道测量值后，利用本地测量矩阵对该信道测量值在时域进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，用户端将所述信道的空时二维压缩感知测量值反馈至基站；
基站接收所述信道的空时二维压缩感知测量值，并根据该信道的空时二维压缩感知测量值重构信道状态信息，完成大规模MIMO信道状态信息获取。
该方法在信道状态信息获取的过程中避免了用户端的对信道的重构过程，可降低存储和计算资源消耗，并且本方法利用了不同天线与用户端之间信道冲激响应的空间相关性对信道进行空域压缩感知测量,在用户端接收信道测量值后，利用连续时隙间信道冲激响应的时间相关性，用本地测量矩阵对该测量值在时域进行二次压缩感知测量，通过这种空时二维压缩测量进一步降低了反馈开销。
一种优选方案中，所述导频序列构造的测量矩阵为：
Figure BDA0003026888540000031
其中，
Figure BDA0003026888540000032
表示以ci构造的对角阵，
Figure BDA0003026888540000033
表示基站经第i根天线发送的导频，i＝1,2,…,I，P为发送导频所占用的子载波数，
Figure BDA0003026888540000034
表示行数为P列数为1的复矩阵；
Figure BDA0003026888540000035
是矩阵F选取前L列组成的子矩阵，
Figure BDA0003026888540000036
为离散傅里叶变换矩阵，J为OFDM子载波数,Ω为导频发送所占用的子载波序号集，其元素在子载波集{1,2,…,J}中随机选取，
Figure BDA0003026888540000037
是矩阵FL中以Ω元素为序号的行组成的子矩阵。
一种优选方案中，所述一次信道测量值
Figure BDA0003026888540000038
表示为y＝Θh+nd，其中
Figure BDA0003026888540000039
表示由I条基站天线对应信道冲激响应向量化形成的稀疏向量，
Figure BDA00030268885400000310
表示下行信道的加性高斯白噪声
Figure BDA00030268885400000311
为第i条天线与用户间的信道冲激响应，[·]T表示向量转置，信道冲激响应
Figure BDA00030268885400000312
的支撑集
Figure BDA00030268885400000313
一种优选方案中，步骤S3中的二次压缩感知测量方法为：
将一次信道测量值
Figure BDA00030268885400000314
在时域按时间先后顺序重新排列，记用户端在时刻t接收的一次信道测量值为y(t)，则在连续T个时隙内的接收一次信道测量值序列
Figure BDA00030268885400000315
用矩阵表示为：
Figure BDA0003026888540000041
其中y(t)(p)表示向量y(t)中的第p个元素，p＝1,2,…,P；记该矩阵各行向量为yp＝[y(1)(p) y(2)(p) … y(T)(p)]T，p＝1,2,…,P；
使用本地生成的测量矩阵对yp在时域逐一进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，该测量值
Figure BDA0003026888540000042
(Q＜＜T)表示为zp＝Ψyp+nu，p＝1,2,…,P，其中
Figure BDA0003026888540000043
为上行信道的加性高斯白噪声，测量矩阵
Figure BDA0003026888540000044
所述测量矩阵为Toeplitz矩阵。选用Toeplitz矩阵作为测量矩阵可降低用户端信道测量过程的存储和计算开销。
一种优选方案中，所述重构信道状态信息的方法为：
记基站接收的反馈信号即信道的空时二维压缩感知测量值为z＝AH+N，其中z＝[z1(1) z2(1) … zP(1) … z1(Q) z2(Q) … zP(Q)]T，
Figure BDA0003026888540000045
，测量矩阵
Figure BDA0003026888540000046
为子矩阵之间具有Toeplitz循环结构的块状Toeplitz矩阵，N为nd和nu的等效加性高斯白噪声；
根据重构算法恢复得到信道冲激响应
Figure BDA0003026888540000047
完成信道状态信息的重构。
本发明还提出了一种信道状态信息获取系统，包括处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器存放至少一可执行指令，所述可执行指令使所述处理器执行如上述的大规模MIMO信道状态信息获取方法对应的操作。
本发明还提出了一种计算机存储介质，所述存储介质存储有至少一可执行指令，所述可执行指令使处理器执行如上述的大规模MIMO信道状态信息获取方法对应的操作。
本发明的重构准确度高，所需估计和反馈开销少。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是CSI获取方法原理图；
图2是不同信道估计方法MSE对比图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1所示，本发明提供了一种大规模MIMO信道状态信息获取方法，包括以下步骤：
基站向用户端发送导频信号。
本实施例中，考虑采用正交频分复用(Orthogonal Frequency DivisionMultiplexing，OFDM)调制的频分双工(Frequency Division Duplex，FDD)massive MIMO系统，基站配置I条天线，向若干单天线用户提供服务。OFDM子载波数为J，令
Figure BDA0003026888540000061
表示基站经第i根天线发送的导频，P为发送导频所占用的子载波数。
采用导频序列构造的测量矩阵对信道冲激响应向量进行空域压缩感知测量，得到一次信道测量值
Figure BDA0003026888540000062
这里的导频序列构造的测量矩阵为：
Figure BDA0003026888540000063
其中，
Figure BDA0003026888540000064
表示以ci构造的对角阵，
Figure BDA0003026888540000065
表示基站经第i根天线发送的导频，i＝1,2,…,I，P为发送导频所占用的子载波数，
Figure BDA0003026888540000066
表示行数为P列数为1的复矩阵；
Figure BDA0003026888540000067
是矩阵F选取前L列组成的子矩阵，
Figure BDA0003026888540000068
为离散傅里叶变换矩阵，J为OFDM子载波数,Ω为导频发送所占用的子载波序号集，其元素在子载波集{1,2,…,J}中随机选取，
Figure BDA0003026888540000069
是矩阵FL中以Ω元素为序号的行组成的子矩阵。
因此对某一用户，接收到的信号即一次信道测量值
Figure BDA00030268885400000610
可表示为：
Figure BDA00030268885400000611
其中
Figure BDA00030268885400000612
表示由I条基站天线对应信道冲激响应向量化形成的稀疏向量，
Figure BDA0003026888540000071
表示下行信道的加性高斯白噪声
Figure BDA0003026888540000072
为第i条天线与用户间的信道冲激响应，[·]T表示向量转置。
由于多径信道的物理传播特性，信道冲激响应hi中非零元素个数远小于信道长度，即信道具有稀疏性。此外，由于基站天线间距较小，基站各天线和用户接收天线间的信道冲激响应
Figure BDA0003026888540000073
具有相似的路径时延，从而表现出空间相关性。记
Figure BDA0003026888540000074
的支撑集为
Figure BDA0003026888540000075
则有
Figure BDA0003026888540000076
支撑集的含义是稀疏向量中非零元素位置的集合，此处代表信道冲激响应的路径时延。由于多径信道增益的相关时间与系统载频成反比，而路径时延的变化周期与系统带宽成反比，因此，尽管路径增益在不同OFDM符号间明显变化，但路径时延却可在连续若干OFDM符号中几乎保持不变，即massive MIMO无线信道还具有时间相关性。由于多径信道增益的相关时间与系统载频成反比，而路径时延的变化周期与系统带宽成反比，因此，尽管路径增益在不同OFDM符号间明显变化，但路径时延却可在连续若干OFDM符号中几乎保持不变，因而连续T个OFDM符号对应的信道冲激响应
Figure BDA0003026888540000077
具有相似的路径时延，即有：
Figure BDA0003026888540000078
用户端接收一次信道测量值后，利用本地测量矩阵对该信道测量值在时域进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，用户端将所述信道的空时二维压缩感知测量值反馈至基站。
具体地，本实施例中二次压缩感知测量方法为：将一次信道测量值
Figure BDA0003026888540000079
在时域按时间先后顺序重新排列，记用户端在时刻t接收的一次信道测量值为y(t)，则在连续T个时隙内的接收一次信道测量值序列
Figure BDA00030268885400000710
用矩阵表示为：
Figure BDA0003026888540000081
其中y(t)(p)表示向量y(t)中的第p个元素，p＝1,2,…,P。记矩阵各行向量为
yp＝[y(1)(p) y(2)(p) … y(T)(p)]T，p＝1,2,…,P (5)
使用本地生成的测量矩阵对yp在时域逐一进行压缩测量，得到信道的空时二维压缩感知测量值，并传输至基站。由于上行信道可建模为与下行信道具有相同SNR的AWGN信道，因此基站处接收到的测量值
Figure BDA0003026888540000082
(Q＜＜T)为：
zp＝Ψyp+nu，p＝1,2,…,P (6)，
其中
Figure BDA0003026888540000083
为上行信道的加性高斯白噪声，优选但不限于选取测量矩阵
Figure BDA0003026888540000084
为元素服从贝努利分布的Toeplitz矩阵。
Toeplitz矩阵可在本地生成随机数，而后进行循环排列即可。使用其他矩阵如高斯随机矩阵等也可实现重构，但较Toeplitz矩阵而之，会增加用户端存储和计算开销。因为构造一个Q×T维的高斯随机矩阵需要QT个独立随机变量，而相同维数的Toeplitz矩阵仅需Q+T个独立随机变量；计算Q×T维高斯随机矩阵与T×1维向量相乘需QT次运算，而使用相同维数的Toeplitz矩阵仅需O(TlogT)次运算。因此选用Toeplitz矩阵作为测量矩阵可降低用户端信道测量过程的存储和计算开销。
基站接收信道的空时二维压缩感知测量值，并根据该信道的空时二维压缩感知测量值重构信道状态信息，完成大规模MIMO信道状态信息获取。
具体地，经过两次压缩感知测量后，基站从接收到的接收空时二维压缩感知测量值
Figure BDA0003026888540000091
中恢复信道冲激响应
Figure BDA0003026888540000092
令zp(q)表示向量zp中的第q个元素，由(6)式及y(t)＝Θh(t)，发现对q＝1,2,…,Q有
Figure BDA0003026888540000093
而显然对t＝1,2,…,T有
[y(t)(1) y(t)(2) … y(t)(P)]T＝Θh(t)(8)
代入(7)式可得
[z1(q) z2(q) … zP(q)]T＝Ψq,1Θh(1)+Ψq,2Θh(2)+…+Ψq,TΘh(T)(9)
因此，基站接收的反馈信号可表示为
z＝AH+N(10)
其中z＝[z1(1) z2(1) … zP(1) … z1(Q) z2(Q) … zP(Q)]T，
Figure BDA0003026888540000094
测量矩阵
Figure BDA0003026888540000095
为子矩阵之间具有Toeplitz循环结构的块状Toeplitz矩阵，N为nd和nu的等效加性高斯白噪声。
根据重构算法恢复得到
Figure BDA0003026888540000096
即得到信道冲激响应
Figure BDA0003026888540000097
完成信道状态信息的重构。
基站获得信道反馈后，由(10)重构信道H的实质为有测量噪声的压缩感知重构问题，重构算法可采用凸优化方法或贪婪算法求解。
以具体的仿真实验为例：
对所提基于二维测量的大规模MIMO信道信息获取方法进行仿真实验。系统参数设置如下：OFDM符号长度N＝2048，基站天线数M＝32I＝32，信道最大长度L＝64，非零元素个数为3。信噪比定义为(10)式中下行信道和上行信道的全局噪声与测量值功率之比，即
Figure BDA0003026888540000101
其中
Figure BDA0003026888540000102
为下行信道与上行信道噪声的功率之和。训练和反馈开销由η＝(OT+OF)/N计算，其中OT和OF分别代表下行训练和上行反馈所占用的信道资源。重构在开销η＝30％条件下进行。为直观比较实验结果，使用压缩感知信道估计方法、基于压缩感知的下行信道估计与基于压缩感知的上行信道反馈独立进行的方法进行相同实验，不同方法的MSE比较如图2所示。由图中可见所提二维压缩感知方法CSI重构准确度高于其他方法，由此说明在达到相同CSI获取精度时，所提方法所需估计和反馈开销更少。换言之，对于在估计和反馈开销相同时，所提方法可获得更高的CSI重构精度。
本发明还提出了一种信道状态信息获取系统的实施例，其包括处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器存放至少一可执行指令，所述可执行指令使所述处理器执行上述的大规模MIMO信道状态信息获取方法对应的操作。
本发明还提出了一种计算机存储介质的实施例，该存储介质存储有至少一可执行指令，所述可执行指令使处理器执行上述的大规模MIMO信道状态信息获取方法对应的操作。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种大规模MIMO信道状态信息获取方法，其特征在于，包括以下步骤：
基站向用户端发送导频信号；
采用导频序列构造的测量矩阵对信道冲激响应向量进行空域压缩感知测量，得到一次信道测量值
Figure FDA0003806283740000011
所述导频序列构造的测量矩阵为：
Figure FDA0003806283740000012
其中，
Figure FDA0003806283740000013
表示以ci构造的对角阵，
Figure FDA0003806283740000014
表示基站经第i根天线发送的导频，i＝1,2,…,I，P为发送导频所占用的子载波数，
Figure FDA0003806283740000015
表示行数为P列数为1的复矩阵；
Figure FDA0003806283740000016
是矩阵F选取前L列组成的子矩阵，
Figure FDA0003806283740000017
为离散傅里叶变换矩阵，J为OFDM子载波数,Ω为导频发送所占用的子载波序号集，其元素在子载波集{1,2,…,J}中随机选取，
Figure FDA0003806283740000018
是矩阵FL中以Ω元素为序号的行组成的子矩阵；
用户端接收一次信道测量值后，利用本地测量矩阵对该信道测量值在时域进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，用户端将所述信道的空时二维压缩感知测量值反馈至基站；
基站接收所述信道的空时二维压缩感知测量值，并根据该信道的空时二维压缩感知测量值重构信道状态信息，完成大规模MIMO信道状态信息获取。
2.根据权利要求1所述的大规模MIMO信道状态信息获取方法，其特征在于，所述一次信道测量值
Figure FDA0003806283740000019
表示为y＝Θh+nd，其中
Figure FDA00038062837400000110
表示由I条基站天线对应信道冲激响应向量化形成的稀疏向量，
Figure FDA00038062837400000111
表示下行信道的加性高斯白噪声
Figure FDA0003806283740000021
为第i条天线与用户间的信道冲激响应，[·]T表示向量转置，信道冲激响应
Figure FDA0003806283740000022
的支撑集
Figure FDA0003806283740000023
3.根据权利要求1所述的大规模MIMO信道状态信息获取方法，其特征在于，所述二次压缩感知测量方法为：
将一次信道测量值
Figure FDA0003806283740000024
在时域按时间先后顺序重新排列，记用户端在时刻t接收的一次信道测量值为y(t)，则在连续T个时隙内的接收一次信道测量值序列
Figure FDA0003806283740000025
用矩阵表示为：
Figure FDA0003806283740000026
其中y(t)(p)表示向量y(t)中的第p个元素，p＝1,2,…,P；记该矩阵各行向量为yp＝[y(1)(p) y(2)(p)…y(T)(p)]T，p＝1,2,…,P；
使用本地生成的测量矩阵对yp在时域逐一进行二次压缩感知测量，得到信道的空时二维压缩感知测量值，该测量值
Figure FDA0003806283740000027
表示为zp＝Ψyp+nu，p＝1,2,…,P，其中
Figure FDA0003806283740000028
为上行信道的加性高斯白噪声，测量矩阵
Figure FDA0003806283740000029
4.根据权利要求2所述的大规模MIMO信道状态信息获取方法，其特征在于，所述测量矩阵为Toeplitz矩阵。
5.根据权利要求1所述的大规模MIMO信道状态信息获取方法，其特征在于，所述重构信道状态信息的方法为：
记基站接收的反馈信号即信道的空时二维压缩感知测量值为z＝AH+N，其中z＝[z1(1)z2(1)…zP(1)…z1(Q)z2(Q)…zP(Q)]T，
Figure FDA0003806283740000031
，测量矩阵
Figure FDA0003806283740000032
为子矩阵之间具有Toeplitz循环结构的块状Toeplitz矩阵，N为nd和nu的等效加性高斯白噪声；
根据重构算法恢复得到信道冲激响应
Figure FDA0003806283740000033
完成信道状态信息的重构。
6.一种信道状态信息获取系统，其特征在于，包括处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1至5中任一项所述的大规模MIMO信道状态信息获取方法对应的操作。
7.一种计算机存储介质，其特征在于，所述存储介质存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1至5任一项所述的大规模MIMO信道状态信息获取方法对应的操作。
CN202110418368.XA 2021-04-19 2021-04-19 大规模mimo信道状态信息获取方法、系统及计算机存储介质 Active CN113193895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110418368.XA CN113193895B (zh) 2021-04-19 2021-04-19 大规模mimo信道状态信息获取方法、系统及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110418368.XA CN113193895B (zh) 2021-04-19 2021-04-19 大规模mimo信道状态信息获取方法、系统及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113193895A CN113193895A (zh) 2021-07-30
CN113193895B true CN113193895B (zh) 2023-03-10

Family

ID=76977617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110418368.XA Active CN113193895B (zh) 2021-04-19 2021-04-19 大规模mimo信道状态信息获取方法、系统及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113193895B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114257347B (zh) * 2022-01-18 2023-05-30 西安电子科技大学 基于截断信道冲激响应动态选择的信道状态信息反馈方法
CN115632727A (zh) * 2022-09-15 2023-01-20 鹏城实验室 一种频谱感知方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105337907A (zh) * 2014-07-25 2016-02-17 华为技术有限公司 一种获取信道状态信息的方法和装置
CN105610477A (zh) * 2016-01-28 2016-05-25 西南交通大学 基于压缩感知的多发多收系统增强信号复用技术
CN109560841A (zh) * 2018-12-13 2019-04-02 东北大学 基于改进的分布式压缩感知算法的大规模mimo系统信道估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112383492B (zh) * 2020-11-11 2022-07-26 中国人民解放军陆军工程大学 应用于短波ofdm双选天波信道估计的递归压缩感知方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105337907A (zh) * 2014-07-25 2016-02-17 华为技术有限公司 一种获取信道状态信息的方法和装置
CN105610477A (zh) * 2016-01-28 2016-05-25 西南交通大学 基于压缩感知的多发多收系统增强信号复用技术
CN109560841A (zh) * 2018-12-13 2019-04-02 东北大学 基于改进的分布式压缩感知算法的大规模mimo系统信道估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于空时域压缩的大规模MIMO导频污染抑制算法;龙恳等;《计算机工程》;20170715(第07期);全文 *

Also Published As

Publication number Publication date
CN113193895A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
Xie et al. Channel estimation for TDD/FDD massive MIMO systems with channel covariance computing
TWI463823B (zh) 相關性衰落通道的模型基礎通道估計器和通道估計方法
Wang et al. A block sparsity based estimator for mmWave massive MIMO channels with beam squint
US7385617B2 (en) Methods for multi-user broadband wireless channel estimation
CN113193895B (zh) 大规模mimo信道状态信息获取方法、系统及计算机存储介质
US20130077658A1 (en) Spatially randomized pilot symbol transmission methods, systems and devices for multiple input/multiple output (mimo) wireless communications
CN108881076B (zh) 一种基于压缩感知的mimo-fbmc/oqam系统信道估计方法
CN113179231B (zh) 一种毫米波大规模mimo系统中波束空间信道估计方法
Zhang et al. Distributed compressed sensing aided sparse channel estimation in FDD massive MIMO system
CN111193533B (zh) 大规模mimo波束域鲁棒预编码传输方法与系统
Benzaghta et al. Massive MIMO systems for 5G: A systematic mapping study on antenna design challenges and channel estimation open issues
CN109005133B (zh) 双稀疏多径信道模型及基于此模型的信道估计方法
US11012131B2 (en) Method for hybrid precoding and communication device
CN108259397B (zh) 基于自适应正则化子空间追踪压缩感知算法的大规模mimo系统信道估计方法
CN108365874B (zh) 基于fdd大规模mimo贝叶斯压缩感知信道估计方法
CN111162822B (zh) 大规模mimo波束域统计信道信息获取方法与系统
Gong et al. Block distributed compressive sensing-based doubly selective channel estimation and pilot design for large-scale MIMO systems
Uwaechia et al. Compressed channel estimation for massive MIMO-OFDM systems over doubly selective channels
CN101291311B (zh) 多输入多输出正交频分复用系统的同步实现方法及装置
Sadeghi et al. Multi-user massive MIMO channel estimation using joint sparsity and non-ideal feedback modeling
CN114172549B (zh) 天波大规模mimo通信下行传输方法
CN115065432A (zh) 天波大规模mimo三重波束基信道建模及信道信息获取
Doshi et al. Compressed representation of high dimensional channels using deep generative networks
CN108023842B (zh) 大规模mimo系统的导频设计方法
CN114268346A (zh) 非高斯噪声下电力线载波通信压缩感知信道估计方法

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