CN114221838B - 大规模mimo系统中利用信道共轭数据的信道估计方法及系统 - Google Patents

大规模mimo系统中利用信道共轭数据的信道估计方法及系统 Download PDF

Info

Publication number
CN114221838B
CN114221838B CN202111599578.XA CN202111599578A CN114221838B CN 114221838 B CN114221838 B CN 114221838B CN 202111599578 A CN202111599578 A CN 202111599578A CN 114221838 B CN114221838 B CN 114221838B
Authority
CN
China
Prior art keywords
channel
matrix
preliminary
estimation
channel information
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
CN202111599578.XA
Other languages
English (en)
Other versions
CN114221838A (zh
Inventor
俞芸芸
王海泉
楼斌剑
李紫薇
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202111599578.XA priority Critical patent/CN114221838B/zh
Publication of CN114221838A publication Critical patent/CN114221838A/zh
Application granted granted Critical
Publication of CN114221838B publication Critical patent/CN114221838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Signal Processing (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Power Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明属于无线通信技术领域，具体涉及大规模MIMO系统中利用信道共轭数据的信道估计方法及系统。其方法包括步骤：S1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；S2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；S3、对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；S4、利用方位到达角估计值，恢复信道状态信息。本发明利用共轭数据估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。

Description

大规模MIMO系统中利用信道共轭数据的信道估计方法及系统
技术领域
本发明属于无线通信技术领域，具体涉及大规模MIMO系统中利用信道共轭数据的信道估计方法及系统。
背景技术
在大规模MIMO系统中，无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，因而从基站发送到用户的信号也因此受到影响而变得不再准确。因此，在实际系统中如何获取完整的CSI对系统性能的影响至关重要。
针对单用户大规模MIMO系统，要获取下行CSI需要花费大量的导频开销。在实际的MIMO系统中，由于训练量和反馈开销与BS天线的数量成正比，因此采用传统的线性信道估计方法(如最小二乘算法(LS)和线性最小均方误差算法(LMMSE))来获取CSI的消耗太大，不切实际。
针对以上技术问题，故需对其进行改进。
发明内容
针对现有技术中存在的上述问题，本发明提供大规模MIMO系统中利用信道共轭数据的信道估计方法及系统，提升了信道估计的准确性。
本发明采用以下技术方案：
大规模MIMO系统中利用信道共轭数据的信道估计方法，包括步骤：
S1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；
S2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
S3、对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
S4、利用方位到达角估计值，恢复信道状态信息。
作为优选方案，初步估计信道信息的计算公式为：
其中，Lc表示基站到用户之间的传播路径数；βl表示第l条路径的信道复增益系数；α(θl)表示第l条路径的信道导向矢量；θl为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
作为优选方案，第l条路径的信道导向矢量表示为：
其中，T表示转置，Nt表示基站处设置的天线数量，j表示虚数单位。
作为优选方案，步骤S1中基站发送训练序列M次，接收端根据接收信号得到的初步估计信道信息记为表示为：
作为优选方案，步骤S2中，包括步骤：
S2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
S2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
S2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
S2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
作为优选方案，步骤S2.1中，第一汉克尔矩阵HQL表示为：
表示为所有大小为Q行L列的复数矩阵所组成的集合，满足条件Q+L-1＝M,Q≥Lc,L≥Lc且Q≥L+1，当M为偶数时，则取定/>的一个整数，当M为奇数时，则取定/>的一个整数；
步骤S2.2中，对初步估计信道信息取共轭转置得到表示为：
上标H表示取共轭转置；
步骤S2.3中，第二汉克尔矩阵表示为：
步骤S2.4中，合并汉克尔矩阵表示为：
作为优选方案，步骤S3，包括步骤：
S3.1、对矩阵进行奇异值分解：
其中，U和V分别是一个大小为Q×L和L×L的酉阵，D是一个对角阵，D＝diag(λ1,λ2,…,λL)，λ1,λ2,…,λL均为对角元素，且λ1≥λ2≥…≥λL≥0；
S3.2、对U取1到Q-1行、1到Lc列记为U1，对U取2到Q行、1到Lc列记为U2：
U1＝U(1:Q-1,1:Lc)
U2＝U(2:Q,1:Lc)
根据式：
其中eig表示取特征值，而angle表示取此特征值的角度，记该角度为则是θl的估计值。
作为优选方案，步骤S4中，包括步骤：
S4.1、根据方位到达角估计值得到重构信道导向矢量/>
S4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数/>
S4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
作为优选方案，步骤S4.3中，恢复的信道状态信息计算公式为：
其中，即为恢复的信道状态信息，/>
相应地，还提供了大规模MIMO系统中利用信道共轭数据的信道估计系统，基于上述的估计方法，包括依次连接的初步估计模块、矩阵构造模块、奇异值分解模块、信道信息恢复模块；
初步估计模块，用于根据接收信号得到初步估计信道信息；
矩阵构造模块，用于根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
奇异值分解模块，用于对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
信道信息恢复模块，用于利用方位到达角估计值，恢复信道状态信息。
本发明的有益效果是：
本发明利用共轭数据估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所述大规模MIMO系统中利用信道共轭数据的信道估计方法的流程图；
图2是不同方法的信道利用率对比图；
图3是本发明所述大规模MIMO系统中利用信道共轭数据的信道估计系统的结构示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
实施例一：
本实施例中通过特定的具体实例以说明本发明的方法，本发明对大规模MIMO系统中方位到达角(AoA)估计的信道估计方法进行了改进。
具体应用案例如下：
假设有1个用户，1个基站且以基站的天线数为128根为例。下表1给出了一般参数设置，根据表1中的参数来进行AoA估计和信道的估计。
参数 设定
发射天线Nt 128
接收天线Nr 1
基站发送训练序列次数M 33
信噪比ρ 4,6,8,10,12,14,16,18
载波中心频率f0 1.5GHz
载波波长λ0 0.2m
天线间隔d 0.5λ0
簇数Lc 4
辐射路径数p 1
矩阵HQL行数Q 20
矩阵HQL列数L 14
表1参数设置
参照图1，所述大规模MIMO系统中利用信道共轭数据的信道估计方法，包括步骤：
S1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；
S2、根据初步估计信道信息及其共轭数据，构造合并汉克尔(Hankel)矩阵；
S3、对合并汉克尔矩阵进行奇异值(SVD)分解，以得到方位到达角估计值；
S4、利用方位到达角估计值，恢复信道状态信息。
本发明利用共轭数据估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
具体地：
假设所述大规模天线系统中包括1个单天线用户，1个基站，基站配备128根天线。所述S1步骤具体为，用户端根据接收信号初步估计得到的信道记为
该大规模天线系统中基站天线采用线阵(ULA)的排列方式，基站到用户的信道表示为：
其中，βl表示第l条路径的信道复增益系数；α(θl)表示第l条路径的信道导向矢量；θl为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
所述第l条路径的信道导向矢量表示为：
其中，T表示转置，j表示虚数单位，本实施例中j2＝-1。
步骤S1中基站发送训练序列33次，接收端根据接收信号得到的初步估计信道信息记为表示为：
步骤S2中，包括以下步骤：
S2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
S2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
S2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
S2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
具体地：
本实施例中，第一汉克尔矩阵HQL表示为：
HQL矩阵满足条件Q+L-1＝33,Q≥4,L≥4，取定Q为大于或等于的一个整数。
步骤S2.2中，对初步估计信道信息取共轭转置得到表示为：
其中，上标H表示取共轭转置。
由此可见和/>所对应生成的列空间是一致的。
本实施例中，步骤S2.3中所述第二汉克尔矩阵表示为：
步骤S2.4中，合并汉克尔矩阵表示为：
步骤S3中，包括步骤：
S3.1、对矩阵进行SVD分解，
其中，和/>均是酉阵，D为对角阵，D＝diag(λ1,λ2,…,λ14)，λ1,λ2,…,λL均为对角元素，且λ1≥λ2≥…≥λ14≥0。
其次，对U取1到19行，1到4列记为U1，对U取2到20行，1到4列记为U2：
U1＝U(1:19,1:4)
U2＝U(2:20,1:4)
根据式
其中eig表示取特征值，而angle表示取此特征值的角度。记上述角度为则是θl的估计值。
步骤S4中，包括步骤：
S4.1、根据方位到达角估计值得到重构信道导向矢量/>
S4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数
S4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
步骤S4.3中，恢复的信道状态信息计算公式为：
其中，即为恢复的信道，第l条路径的重构信道导向矢量为然后，/>经归一化后根据式
求得恢复的信道状态信息的利用率η。
参照图2所示，信噪比在10dB的情况下，传统的prony-kung信道估计方法的信道利用率在82.2％左右。本发明信道估计方法在同等信噪比条件下下，仿真显示信道利用率为85.6％，并且随着系统信噪比的升高，信道利用率也随之增大。
显而易见，本发明实施例所述方法相比于传统的基于prony-kung的信道估计方法，信道利用率有所提升，因此与现有的方法相比能够获得具有更好的系统性能。
实施例二：
参照图3所示，本实施例提供大规模MIMO系统中利用信道共轭数据的信道估计系统，基于上述实施例一所述的估计方法，包括依次连接的初步估计模块、矩阵构造模块、奇异值分解模块、信道信息恢复模块；
初步估计模块，用于根据接收信号得到初步估计信道信息；
矩阵构造模块，用于根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
奇异值分解模块，用于对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
信道信息恢复模块，用于利用方位到达角估计值，恢复信道状态信息。
需要说明的是，本实施例提供的大规模MIMO系统中利用信道共轭数据的信道估计系统，与实施例一类似，在此不多做赘述。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围内。

Claims (5)

1.大规模MIMO系统中利用信道共轭数据的信道估计方法，其特征在于，包括步骤：
S1、接收端接收基站发送的信号，并根据接收信号得到初步估计信道信息；
S2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
S3、对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
S4、利用方位到达角估计值，恢复信道状态信息；
初步估计信道信息的计算公式为：
其中，Lc表示基站到用户之间的传播路径数；βl表示第l条路径的信道复增益系数；α(θl)表示第l条路径的信道导向矢量；θl为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声；
第l条路径的信道导向矢量表示为：
其中，T表示转置，Nt表示基站处设置的天线数量，j表示虚数单位；
步骤S1中基站发送训练序列M次，接收端根据接收信号得到的初步估计信道信息记为L,/>表示为：
步骤S2中，包括步骤：
S2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
S2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
S2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
S2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵；
步骤S2.1中，第一汉克尔矩阵HQL表示为：
HQL∈￡Q×L，表示为所有大小为Q行L列的复数矩阵所组成的集合，满足条件Q+L-1＝M,Q≥Lc,L≥Lc且Q≥L+1，当M为偶数时，则取定/>的一个整数，当M为奇数时，则取定/>的一个整数；
步骤S2.2中，对初步估计信道信息取共轭转置得到L,/>表示为：
上标H表示取共轭转置；
步骤S2.3中，第二汉克尔矩阵表示为：
步骤S2.4中，合并汉克尔矩阵表示为：
2.根据权利要求1所述的大规模MIMO系统中利用信道共轭数据的信道估计方法，其特征在于，步骤S3，包括步骤：
S3.1、对矩阵进行奇异值分解：
其中，U和V分别是一个大小为Q×L和L×L的酉阵，D是一个对角阵，D＝diag(λ1,λ2,L,λL)，λ1,λ2,…,λL均为对角元素，且λ1≥λ2≥L≥λL≥0；
S3.2、对U取1到Q-1行、1到Lc列记为U1，对U取2到Q行、1到Lc列记为U2：
U1＝U(1:Q-1,1:Lc)
U2＝U(2:Q,1:Lc)
根据式：
其中eig表示取特征值，而angle表示取此特征值的角度，记该角度为L,/>则/>是θl的估计值。
3.根据权利要求2所述的大规模MIMO系统中利用信道共轭数据的信道估计方法，其特征在于，步骤S4中，包括步骤：
S4.1、根据方位到达角估计值L,/>得到重构信道导向矢量/>
S4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数/>L,
S4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
4.根据权利要求3所述的大规模MIMO系统中利用信道共轭数据的信道估计方法，其特征在于，步骤S4.3中，恢复的信道状态信息计算公式为：
其中，即为恢复的信道状态信息，/>
5.大规模MIMO系统中利用信道共轭数据的信道估计系统，基于权利要求1-4任一项所述的估计方法，其特征在于，包括依次连接的初步估计模块、矩阵构造模块、奇异值分解模块、信道信息恢复模块；
初步估计模块，用于根据接收信号得到初步估计信道信息；
矩阵构造模块，用于根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
奇异值分解模块，用于对合并汉克尔矩阵进行奇异值分解，以得到方位到达角估计值；
信道信息恢复模块，用于利用方位到达角估计值，恢复信道状态信息。
CN202111599578.XA 2021-12-24 2021-12-24 大规模mimo系统中利用信道共轭数据的信道估计方法及系统 Active CN114221838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111599578.XA CN114221838B (zh) 2021-12-24 2021-12-24 大规模mimo系统中利用信道共轭数据的信道估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111599578.XA CN114221838B (zh) 2021-12-24 2021-12-24 大规模mimo系统中利用信道共轭数据的信道估计方法及系统

Publications (2)

Publication Number Publication Date
CN114221838A CN114221838A (zh) 2022-03-22
CN114221838B true CN114221838B (zh) 2024-02-13

Family

ID=80705619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111599578.XA Active CN114221838B (zh) 2021-12-24 2021-12-24 大规模mimo系统中利用信道共轭数据的信道估计方法及系统

Country Status (1)

Country Link
CN (1) CN114221838B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108390836A (zh) * 2018-01-10 2018-08-10 南京邮电大学 一种大规模mimo系统上行信道估计方法
CN109802901A (zh) * 2017-11-16 2019-05-24 上海交通大学 基于到达角测量的3d mimo信道估计方法及系统
US10594517B1 (en) * 2018-10-26 2020-03-17 Wistron Neweb Corporation Channel estimation system and method thereof
CN112702092A (zh) * 2020-12-22 2021-04-23 杭州电子科技大学 一种fdd下行多用户大规模mimo系统中的信道估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109802901A (zh) * 2017-11-16 2019-05-24 上海交通大学 基于到达角测量的3d mimo信道估计方法及系统
CN108390836A (zh) * 2018-01-10 2018-08-10 南京邮电大学 一种大规模mimo系统上行信道估计方法
US10594517B1 (en) * 2018-10-26 2020-03-17 Wistron Neweb Corporation Channel estimation system and method thereof
CN112702092A (zh) * 2020-12-22 2021-04-23 杭州电子科技大学 一种fdd下行多用户大规模mimo系统中的信道估计方法

Also Published As

Publication number Publication date
CN114221838A (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
US8774146B2 (en) Large-scale antenna method and apparatus of wireless communication with suppression of intercell interference
CN104871437B (zh) Fdd系统中信道互易性补偿方法和装置
US8649457B2 (en) Precoding process for a transmitter of a MU-MIMO communication system
WO2017219389A1 (zh) 大规模mimo系统中实现完美全向预编码的同步信号和信号的发送与接收方法
CN110380997B (zh) 基于自适应压缩感知的毫米波信道估计方法
CN108881074B (zh) 一种低精度混合架构下宽带毫米波信道估计方法
CN109005133B (zh) 双稀疏多径信道模型及基于此模型的信道估计方法
CN108667493B (zh) 一种面向大规模mimo中nlos场景下的波束赋形方法
CN109861933B (zh) 一种基于music算法和预编码的毫米波mimo信道估计方法
CN109743086A (zh) 一种大规模mimo系统的信道估计方法
CN114285444B (zh) 一种去蜂窝大规模mimo系统的功率优化方法
CN105745893A (zh) 无线大量mimo系统中大尺度衰落系数估计
CN107086886A (zh) 大规模mimo系统融合迫零与泰勒级数展开的双层预编码设计
CN104779988A (zh) 一种快速迭代波束成形的方法
CN110212951B (zh) 一种基于Butler矩阵的大规模MIMO信道估计方法
CN105553526A (zh) 大规模mimo系统导频长度及功率联合分配方法
CN109818887B (zh) 基于evd-ilsp的半盲信道估计方法
CN112702092B (zh) 一种fdd下行多用户大规模mimo系统中的信道估计方法
CN112769462B (zh) 一种基于联合参数学习的毫米波mimo宽带信道估计方法
US20240089152A1 (en) Angular domain channel estimation method based on matrix reconstruction for symmetrical nonuniform array
CN107707284B (zh) 一种基于信道统计量码本量化反馈的混合预编码方法
CN114244658B (zh) 大规模mimo系统中的基于倍角估计的信道估计方法
CN106878225B (zh) 一种设备指纹与信道分离的方法及装置
CN114221838B (zh) 大规模mimo系统中利用信道共轭数据的信道估计方法及系统
CN101355377A (zh) 一种多输入多输出v-balst系统信号检测方法

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