CN114338294A - 一种超大规模多天线系统中低复杂度的信道估计方法 - Google Patents

一种超大规模多天线系统中低复杂度的信道估计方法 Download PDF

Info

Publication number
CN114338294A
CN114338294A CN202110443349.2A CN202110443349A CN114338294A CN 114338294 A CN114338294 A CN 114338294A CN 202110443349 A CN202110443349 A CN 202110443349A CN 114338294 A CN114338294 A CN 114338294A
Authority
CN
China
Prior art keywords
matrix
channel
complexity
channel estimation
covariance 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.)
Granted
Application number
CN202110443349.2A
Other languages
English (en)
Other versions
CN114338294B (zh
Inventor
蒲旭敏
吴超
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Publication of CN114338294A publication Critical patent/CN114338294A/zh
Application granted granted Critical
Publication of CN114338294B publication Critical patent/CN114338294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明属于通信传输技术领域，主要涉及一种超大规模多天线系统中低复杂度的信道估计方法，包括如下步骤：首先对均匀圆形收发阵列进行信道建模，得到一个包含球面波传播特征的信道矩阵；然后利用观测信号的协方差矩阵具有循环结构，用快速傅里叶变换计算出观测信号的协方差矩阵的特征值，进而得到信道协方差矩阵的特征值；最后利用信道协方差矩阵具有循环结构特征、可以傅里叶对角化获取信道协方差矩阵，得到LMMSE信道估计。本发明提供的信道估计方法在不损失估计准确度的前提下、能以较低复杂度实现超大规模多天线的LMMSE信道估计。

Description

一种超大规模多天线系统中低复杂度的信道估计方法
技术领域
本发明属于通信传输技术领域，具体涉及一种超大规模多天线系统中低复杂度的信道估计方法。
背景技术
超大规模多天线技术可以提供极高的空间分辨率和阵列增益，实现超高的空间复用度，从而满足快速增长的无线连接需求和高能效需求。从而超大规模多天线技术成为了第六代无线通信系统物理层的关键技术。
超大规模多天线系统的性能依赖于其对信道状态信息(Channel StateInformation，CSI)的正确获取，从而信道估计成为了实现超大规模多天线系统的关键所在。与大规模多天线系统相比，超大规模多天线系统的天线数量更多，信道估计的复杂度更高，计算复杂度高成为了信道估计必须解决的挑战。同时，在超大规模多天线系统中，阵列尺寸与收发距离相比拟，从而球面波传播特征出现。显然，寻求包含球面波特征的低复度信道估计方法，无疑是最重要的。
然而现有研究，并没有利用球面波特征来进行低复杂度的信道估计方法设计。本发明利用球面波特征，提出了一种超大规模多天线系统低复杂度信道估计方法。
发明内容
本发明的目的是：旨在提供一种超大规模多天线系统中低复杂度的信道估计方法，用于解决超大规模多天线系统中包含球面波特征的低复杂度信道估计问题。
为实现上述技术目的，本发明采用的技术方案如下：
A1：针对超大规模多天线系统，在均匀圆形收发阵列下，利用球面波模型，建立信道矩阵H，矩阵的第n行m列元素(H)n，m对应第n根发射天线与第m根接收天线之间的信道响应，表达式为：
Figure BDA0003035824550000011
其中λ代表波长，l为路径索引数，αl表示第l条路径增益，假定αl～N(0，1)，并且不同路径之间的路径增益相互独立，P为总的路径数，
Figure BDA0003035824550000012
表示第n根发射天线与第m根接收天线沿着第l条路径的距离；
A2：在接收端，通过对接收信号乘以导频矩阵，得到观测信号模型
Figure BDA0003035824550000021
其中
Figure BDA0003035824550000022
为噪声矩阵，矩阵元素相互独立且均服从均值为0方差为σ2的高斯分布；
A3：根据接收端观测信号
Figure BDA0003035824550000023
用
Figure BDA0003035824550000024
获得观测信号的自相关矩阵
Figure BDA0003035824550000025
其中，上标(·)H表示矩阵的共轭转置运算；
A4：利用观测信号的自相关矩阵
Figure BDA0003035824550000026
具有循环结构特征，可以用快速傅里叶变换计算得到
Figure BDA0003035824550000027
对应的特征值元素
Figure BDA0003035824550000028
其中
Figure BDA0003035824550000029
表示观测信号矩阵
Figure BDA00030358245500000210
的第i列向量，fk表示离散傅里叶矩阵F的第k列向量；
A5：利用步骤A4中
Figure BDA00030358245500000211
的特征值元素λk，按如下公式估计信道协方差矩阵RH的特征值元素：
Figure BDA00030358245500000212
其中表达式(x)+表示max{0，x}；
A6：利用步骤A5中估计得到的RH特征值
Figure BDA00030358245500000213
根据循环矩阵可以傅里叶对角化的性质，分别求出RH和(RH+σ2IN)-1：
RH＝FHΩF
(RH+σ2IN)-1＝FH(Ω+σ2IN)-1F
其中
Figure BDA00030358245500000214
上标(·)-1表示矩阵的求逆运算，IN表示N×N的单位矩阵；
A7：利用步骤A6中的RH和(RH+σ2IN)-1，按照如下的公式计算信道矩阵H：
Figure BDA00030358245500000215
其中Λ＝diag{λ1,λ2,...,λN}。
采用上述技术方案的发明，具有如下优点：
1、本发明所提的一种超大规模多天线系统中低复杂度的信道估计方法，极大的降低了信道估计复杂度，适用于任何数量的收发天线阵列的点对点超大规模多天线通信系统；
2、本发明所建立的信道模型包含了球面波特征，并且它的观测信号协方差矩阵和信道矩阵协方差矩阵具有循环结构，可利用循环结构降低计算复杂度。
附图说明
本发明可以通过附图给出的非限定性实施例进一步说明；
图1为本发明针对超大规模多天线系统的低复杂度信道估计方案的流程图；
图2为本发明所述的包含球面波特征的的天线阵列架构；
图3为本发明所提信道估计方法与LS信道估计计算的MSE随信噪比SNR变化的仿真图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，实施例中提到的方向用语，例如“上”、“下”、“顶”、“底”、“左”、“右”、“前”、“后”等，仅是参考附图的方向，并非用来限制本发明的保护范围。
实施例1：信道响应模型的建立
利用球面波模型，建立收发为均匀圆形阵列的超大规模多天线信道模型。其中主要解决发射天线的信号经过多次发射，散射等多径情况后到达接收天线的电波路径。设第1个发射天线到第1个接收天线沿着第l条路径之间的距离
Figure BDA0003035824550000031
然后根据
Figure BDA0003035824550000032
可以建立等效的直射通信场景。根据等效通信模型，可推导出其余任意收发天线沿着第l条路径之间的距离
Figure BDA0003035824550000033
求出
Figure BDA0003035824550000034
后，得到第n根发射天线与第m根接收天线之间的信道响应为：
Figure BDA0003035824550000035
λ为波长，l为路径索引数，αl为第l条路径增益，假定
Figure BDA0003035824550000036
假设不同路径之间的路径增益相互独立，p为总的路径数，
Figure BDA0003035824550000037
为
Figure BDA0003035824550000038
从而可以得到信道模型的完整形式：
Figure BDA0003035824550000039
实施例2：针对超大规模多天线系统，运算复杂度的降低
如图1所示，A1：针对超大规模多天线系统，在如图2的均匀圆形收发阵列下，利用球面波模型，通过建模求解任意收发天线之间在多径下的传播路径，建立信道矩阵H，矩阵的第n行m列元素(H)n,m对应第n根发射天线与第m根接收天线之间的信道响应，表达式为：
Figure BDA00030358245500000310
由以上公式可以看出，对应不同n,m时，不同项之间只有
Figure BDA00030358245500000311
部分不同，由公式3得到的信道矩阵H为一个N×N的循环矩阵。
A2：在接收端，通过对接收信号乘以导频矩阵，得到观测信号模型
Figure BDA00030358245500000312
其中
Figure BDA00030358245500000313
为噪声矩阵，矩阵元素相互独立且均服从均值为0方差为σ2的高斯分布；
A3：根据接收端观测信号
Figure BDA00030358245500000314
用
Figure BDA00030358245500000315
获得观测信号的自相关矩阵
Figure BDA00030358245500000316
其中，上标(·)H表示矩阵的共轭转置运算；
A4：利用观测信号的自相关矩阵
Figure BDA0003035824550000041
具有循环结构特征，可以用快速傅里叶变换计算得到
Figure BDA0003035824550000042
对应的特征值元素
Figure BDA0003035824550000043
其中
Figure BDA0003035824550000044
表示观测信号矩阵
Figure BDA0003035824550000045
的第i列向量，fk表示离散傅里叶矩阵F的第k列向量；
A5：利用步骤A4中
Figure BDA0003035824550000046
的特征值元素λk，按如下公式估计信道协方差矩阵RH的特征值元素：
Figure BDA0003035824550000047
其中表达式(x)+表示max{0,x}；
A6：利用步骤A5中估计得到的RH特征值
Figure BDA0003035824550000048
根据循环矩阵可以傅里叶对角化的性质，分别求出RH和(RH+σ2IN)-1：
RH＝FHΩF
(RH+σ2IN)-1＝FH(Ω+σ2IN)-1F
其中
Figure BDA0003035824550000049
上标(·)-1表示矩阵的求逆运算，IN表示N×N的单位矩阵；
A7：利用步骤A6中的RH和(RH+σ2IN)-1，按照如下的公式计算信道矩阵H：
Figure BDA00030358245500000410
其中Λ＝diag{λ1，λ2，...，λN}。
如图3所示，利用球面波特征，由于信道协方差矩阵RH和观测信号协方差矩阵
Figure BDA00030358245500000411
具有循环结构，通过FFT计算他们的特征值，成功的将基站端不知道信道协方差矩阵RH时
Figure BDA00030358245500000412
的计算复杂度降低到
Figure BDA00030358245500000413
计算复杂度要比基站端知道RH但未利用球面波特征时的3N3+2N计算复杂度低的多。由此证明本发明提供的信道估计方法在不损失估计准确度的前提下、能以较低复杂度实现超大规模多天线的LMMSE信道估计。
本发明对超大规模多天线系统中低复杂度的信道估计方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (3)

1.一种超大规模多天线系统中低复杂度的信道估计方法，其特征在于利用了球面波特征降低了计算复杂度，该方法包括以下步骤：
A1：针对超大规模多天线系统，在均匀圆形收发阵列下，利用球面波模型，建立信道矩阵H，矩阵的第n行m列元素(H)n，m对应第n根发射天线与第m根接收天线之间的信道响应，表达式为：
Figure FDA0003035824540000011
其中λ代表波长，l为路径索引数，αl表示第l条路径增益，假定
Figure FDA0003035824540000012
并且不同路径之间的路径增益相互独立，P为总的路径数，
Figure FDA0003035824540000013
表示第n根发射天线与第m根接收天线沿着第l条路径的距离；
A2：在接收端，通过对接收信号乘以导频矩阵，得到观测信号模型
Figure FDA0003035824540000014
其中
Figure FDA0003035824540000015
为噪声矩阵，矩阵元素相互独立且均服从均值为0方差为σ2的高斯分布；
A3：根据接收端观测信号
Figure FDA0003035824540000016
用
Figure FDA0003035824540000017
获得观测信号的自相关矩阵
Figure FDA0003035824540000018
其中，上标(·)H表示矩阵的共轭转置运算；
A4：利用观测信号的自相关矩阵
Figure FDA0003035824540000019
具有循环结构特征，用快速傅里叶变换计算得到
Figure FDA00030358245400000110
对应的特征值元素
Figure FDA00030358245400000111
其中
Figure FDA00030358245400000112
表示观测信号矩阵
Figure FDA00030358245400000113
的第i列向量，fk表示离散傅里叶矩阵F的第k列向量；
A5：利用步骤A4中
Figure FDA00030358245400000114
的特征值元素λk，按如下公式估计信道协方差矩阵RH的特征值元素：
Figure FDA00030358245400000115
其中表达式(x)+表示max{0，x}；
A6：利用步骤A5中估计得到的RH特征值
Figure FDA00030358245400000116
根据循环矩阵可以傅里叶对角化的性质，分别求出RH和(RH+σ2IN)-1：
RH＝FHΩF
(RH+σ2IN)-1＝FH(Ω+σ2IN)-1F
其中
Figure FDA00030358245400000117
上标(·)-1表示矩阵的求逆运算，IN表示N×N的单位矩阵；
A7：利用步骤A6中的RH和(RH+σ2IN)-1，按照如下的公式计算信道矩阵H：
Figure FDA00030358245400000118
其中Λ＝diag{λ1，λ2，...，λN}。
2.根据权利要求1所述的一种超大规模多天线系统中低复杂度的信道估计方法，其特征在于，观测信号
Figure FDA0003035824540000021
的协方差矩阵
Figure FDA0003035824540000022
具有循环结构，用快速傅里叶变换FFT计算其特征值，降低计算复杂度。
3.根据权利要求1所述的一种超大规模多天线系统中低复杂度的信道估计方法，其特征在于，信道矩阵H的协方差矩阵RH具有循环结构，根据循环矩阵的性质，使得(RH+σ2IN)-1RH整体为循环矩阵，用快速傅里叶变换FFT计算其特征值，进一步降低LMMSE信道估计的计算复杂度。
CN202110443349.2A 2020-12-21 2021-04-23 一种超大规模多天线系统中低复杂度的信道估计方法 Active CN114338294B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011523651 2020-12-21
CN2020115236510 2020-12-21

Publications (2)

Publication Number Publication Date
CN114338294A true CN114338294A (zh) 2022-04-12
CN114338294B CN114338294B (zh) 2023-06-09

Family

ID=81044292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110443349.2A Active CN114338294B (zh) 2020-12-21 2021-04-23 一种超大规模多天线系统中低复杂度的信道估计方法

Country Status (1)

Country Link
CN (1) CN114338294B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103595664A (zh) * 2012-08-17 2014-02-19 中兴通讯股份有限公司 一种多接收天线系统中信道估计方法和装置
US20140254517A1 (en) * 2013-03-08 2014-09-11 Electronics & Telecommunications Research Institute Method for multi-input multi-output communication in large-scale antenna system
CN104656055A (zh) * 2015-01-15 2015-05-27 华中科技大学 一种基于大规模多天线系统的单一信号到达角估计方法
CN107276933A (zh) * 2017-06-14 2017-10-20 杭州电子科技大学 用于上行多用户mimo系统中基于二阶统计量的信道估计方法
CN107426119A (zh) * 2017-05-31 2017-12-01 东南大学 毫米波通信的十字形信道估计方法、装置及系统
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
US20180248596A1 (en) * 2017-02-28 2018-08-30 Beihang University Channel estimation for millimeter-wave communication/data link and the corresponding codebook design
CN108683619A (zh) * 2018-05-18 2018-10-19 浙江大学城市学院 一种低复杂度的大规模mimo信道参数估计方法
CN108881074A (zh) * 2018-05-08 2018-11-23 东南大学 一种低精度混合架构下宽带毫米波信道估计方法
CN108880774A (zh) * 2018-07-11 2018-11-23 郑州航空工业管理学院 频分双工多用户大规模多天线系统及其下行导频信号长度设计方法
CN111555992A (zh) * 2020-05-15 2020-08-18 厦门大学 一种基于深度卷积神经网络的大规模多天线信道估计方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103595664A (zh) * 2012-08-17 2014-02-19 中兴通讯股份有限公司 一种多接收天线系统中信道估计方法和装置
US20140254517A1 (en) * 2013-03-08 2014-09-11 Electronics & Telecommunications Research Institute Method for multi-input multi-output communication in large-scale antenna system
CN104656055A (zh) * 2015-01-15 2015-05-27 华中科技大学 一种基于大规模多天线系统的单一信号到达角估计方法
US20180248596A1 (en) * 2017-02-28 2018-08-30 Beihang University Channel estimation for millimeter-wave communication/data link and the corresponding codebook design
CN107426119A (zh) * 2017-05-31 2017-12-01 东南大学 毫米波通信的十字形信道估计方法、装置及系统
CN107276933A (zh) * 2017-06-14 2017-10-20 杭州电子科技大学 用于上行多用户mimo系统中基于二阶统计量的信道估计方法
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
CN108881074A (zh) * 2018-05-08 2018-11-23 东南大学 一种低精度混合架构下宽带毫米波信道估计方法
CN108683619A (zh) * 2018-05-18 2018-10-19 浙江大学城市学院 一种低复杂度的大规模mimo信道参数估计方法
CN108880774A (zh) * 2018-07-11 2018-11-23 郑州航空工业管理学院 频分双工多用户大规模多天线系统及其下行导频信号长度设计方法
CN111555992A (zh) * 2020-05-15 2020-08-18 厦门大学 一种基于深度卷积神经网络的大规模多天线信道估计方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
""A Coordinated Approach to Channel Estimation in Large-scale Multiple-antenna Systems"", 《HTTPS://ARXIV.ORG/PDF/1203.5924.PDF》 *
""Multiple-Antenna_Signaling_Over_Fading_Channels_With_Estimated_Channel_State_Information_Capacity_Analysis"", 《IEEE TRANSACTIONS ON INFORMATION THEORY 》 *
""低复杂度大规模多天线系统关键技术的研究"", 《中国博士学位论文全文数据库 信息科技辑》 *
卢照敢;杨永强;马小飞;刘龙;: "基于波达方向的Steiner多天线信道估计算法", 计算机科学 *
高月幸;杨杰;朱卫平;孟庆民;: "基于WR分解的多用户多天线OFDM系统半盲信道估计", 南京邮电大学学报(自然科学版) *

Also Published As

Publication number Publication date
CN114338294B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN108832976B (zh) 一种大规模mimo系统的上行链路信道估计方法
WO2023044982A1 (zh) 一种卫星大规模mimo通信感知一体化的发送方法
CN108494449B (zh) 大规模mimo高速移动场景下角度域信道追踪方法
CN112436872B (zh) 一种多用户大规模mimo信道估计方法与装置
CN110099016B (zh) 一种基于深度学习网络的毫米波稀疏阵面信道估计方法
CN109738854A (zh) 一种天线阵列来波方向的到达角估计方法
CN104779988B (zh) 一种快速迭代波束成形的方法
CN105471775B (zh) 一种大规模mimo系统中低复杂度的信道估计方法
CN110971547B (zh) 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法
CN110430150B (zh) 一种基于神经网络的蜂窝移动通信系统接收机设计方法
CN104779985A (zh) 一种基于信道空间稀疏特性的迭代波束成形方法
CN113315560B (zh) 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法
CN113411107B (zh) 一种基于波束束的毫米波大规模mimo系统宽带信道估计方法
CN107276646A (zh) 大规模mimo‑ofdm上行链路迭代检测方法
CN109347529B (zh) 一种对抗相移器不理想性的信道估计和混合波束成形方法
CN109743086A (zh) 一种大规模mimo系统的信道估计方法
CN108199990B (zh) 一种非高斯噪声3d-mimo信道估计方法
CN109861933A (zh) 一种基于music算法和预编码的毫米波mimo信道估计方法
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
US20240089152A1 (en) Angular domain channel estimation method based on matrix reconstruction for symmetrical nonuniform array
CN117614781A (zh) 基于ris的两阶段超分辨率参数信道估计方法及装置
CN105915272A (zh) 一种基于压缩感知的迭代波束成形方法
CN114244658B (zh) 大规模mimo系统中的基于倍角估计的信道估计方法
CN112769462A (zh) 一种基于联合参数学习的毫米波mimo宽带信道估计方法

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