CN114338301A - 一种基于压缩感知的ris辅助毫米波系统的信道估计方法 - Google Patents

一种基于压缩感知的ris辅助毫米波系统的信道估计方法 Download PDF

Info

Publication number
CN114338301A
CN114338301A CN202111523066.5A CN202111523066A CN114338301A CN 114338301 A CN114338301 A CN 114338301A CN 202111523066 A CN202111523066 A CN 202111523066A CN 114338301 A CN114338301 A CN 114338301A
Authority
CN
China
Prior art keywords
matrix
channel
ris
received signal
base station
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
CN202111523066.5A
Other languages
English (en)
Other versions
CN114338301B (zh
Inventor
杨柳
王亿
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.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji 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 Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN202111523066.5A priority Critical patent/CN114338301B/zh
Publication of CN114338301A publication Critical patent/CN114338301A/zh
Application granted granted Critical
Publication of CN114338301B publication Critical patent/CN114338301B/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

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，该方法包括以下步骤：步骤1：基于Saleh‑Valenzuela信道模型建立通信系统模型；步骤2：获取第k个用户的接收信号矩阵；步骤3：将基站到RIS的信道与RIS到用户的信道级联成一个级联信道，并获取级联信道矩阵；步骤4：在T个时刻后，第k个用户向基站发送正交导频信号，基于级联信道矩阵获取基站的初始接收信号矩阵；步骤5：基于毫米波的稀疏性将级联信道矩阵从空间域转换到虚拟角域，得到信道估计的稀疏表示；步骤6：采用基于行‑结构稀疏的改进压缩感知算法进行矩阵恢复，完成信道估计，与现有技术相比，本发明具有提高了估计性能和估计精度以及减少了导频数目的开销等优点。

Description

一种基于压缩感知的RIS辅助毫米波系统的信道估计方法
技术领域
本发明涉及无线通信物理层技术领域，尤其是涉及一种基于压缩感知的RIS辅助毫米波系统的信道估计方法。
背景技术
由于大量的反射单元使无线信道的维度大幅提升，因此传统的信道估计方案需要巨大的导频开销，并且RIS的硬件实施目前为近似无源的元件，因此无法主动进行信号处理等相关问题。使用数学方法的方案，需要对信道矩阵进行多重的复杂变换，因此会带来极高的计算复杂度；使用有关神经网络的方案需要对RIS的场景进行大量的模拟和训练，由于RIS目前还处于构想，未能大规模实施的情形，因此大量的训练数据会造成困难。
目前关于RIS辅助通信系统的信道估计研究，除了利用传统方案之外，还有使用神经网络，数学方法和压缩感知相关知识，现有的技术能够通过较高的计算复杂度达到提升信道估计精度以及减少导频开销的效果，但是计算复杂度的大量增加同样会造成时间成本过高等问题，而使用压缩感知算法中的贪婪算法，计算复杂度较低，但是即使通过多次的循环迭代，对于计算复杂度的提升有限。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于压缩感知的RIS辅助毫米波系统的信道估计方法。
本发明的目的可以通过以下技术方案来实现：
一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，该方法包括以下步骤：
步骤1：基于Saleh-Valenzuela信道模型建立通信系统模型；
步骤2：通信系统模型中的多天线的基站将具有已知信息的导频信号传输至RIS，通过RIS辅助后传输给多个单天线的用户，获取第k个用户的接收信号矩阵；
步骤3：将基站到RIS的信道与RIS到用户的信道级联成一个级联信道，并获取级联信道矩阵；
步骤4：在T个时刻后，第k个用户向基站发送正交导频信号，基于级联信道矩阵获取基站的初始接收信号矩阵；
步骤5：基于毫米波的稀疏性将级联信道矩阵从空间域转换到虚拟角域，得到信道估计的稀疏表示；
步骤6：采用基于行-结构稀疏的改进压缩感知算法进行矩阵恢复，完成信道估计。
所述的步骤2中，第k个用户的接收信号矩阵的表达式为：
yk(t)＝GΘhksk(t)+wk(t)
其中，
Figure BDA0003408478390000021
为基站到RIS的信道，
Figure BDA0003408478390000022
k＝(1,2,…,K)为RIS到第k个用户的信道，
Figure BDA0003408478390000023
为RIS的相移矩阵，
Figure BDA0003408478390000024
为相移矩阵的第M个相移向量，wk(t)为第k个用户的噪声矩阵。
所述的步骤3中，级联信道矩阵的表达式为：
Figure BDA0003408478390000025
其中，
Figure BDA0003408478390000026
为空间域的级联信道矩阵，θ(t)为RIS的反射系数。
所述的步骤4中，基于级联信道矩阵获取基站的初始接收信号矩阵的表达式为：
Yk＝HkΦ+Wk
其中，
Figure BDA0003408478390000027
为T时段内基站的接收信号，Hk为空间域的级联信道矩阵，Φ＝[θ(1)，…,θ(t),…,θ(T)]为T时段内RIS的反射系数矩阵，Wk＝[wk(1),…,wk(t),…wk(T)]为T时段内的噪声矩阵，其概率密度函数满足均值为零，方差为σ2IN的循环对称复高斯分布，σ2为噪声功率。
所述的步骤5中，得到信道估计的稀疏表示的过程具体包括以下步骤：
步骤501：将空间域的级联信道矩阵Hk转换到虚拟角域，得到角度域中的级联信道矩阵，即稀疏信道矩阵；
步骤502：将得到稀疏信道矩阵代入基站处的初始接收信号矩阵中得到中间接收信号矩阵；
步骤503：对中间接收信号矩阵进行变形和化简，得到接收信号矩阵。
所述的步骤501中，稀疏信道矩阵的表达式为：
Figure BDA0003408478390000031
其中，
Figure BDA0003408478390000032
为角度域中的级联信道矩阵，即稀疏信道矩阵，
Figure BDA0003408478390000033
和
Figure BDA0003408478390000034
均为具有角度分辨率的字典酉矩阵，
Figure BDA0003408478390000035
为字典酉矩阵AR的共轭矩阵。
所述的步骤502中，中间接收信号矩阵的表达式为：
Figure BDA0003408478390000036
其中，
Figure BDA0003408478390000037
为字典酉矩阵AT的共轭矩阵。
所述的步骤503中，接收信号矩阵的表达式为：
Figure BDA0003408478390000038
其中，
Figure BDA0003408478390000039
为接收信号矩阵，作为观测矩阵，
Figure BDA00034084783900000310
为噪声矩阵，
Figure BDA00034084783900000311
为矩阵恢复所需的传感矩阵。
所述的步骤6中，采用基于行-结构稀疏的改进压缩感知算法进行矩阵恢复的过程具体包括以下步骤：
步骤601：采用RIS特殊的行-块稀疏结构对矩阵恢复需要的支持度集进行优化，所有用户的接收信号矩阵Y＝[Y1，…，Yk,…,YK]，计算接收信号矩阵每一列的能量并求和，将得到的能量按从大到小排列，选出能量在前L个值所对应的行索引集作为矩阵恢复时所需要的公共行支撑集；
步骤602：获取矩阵恢复时所需要的单独列支撑集；
步骤603：将接收信号矩阵
Figure BDA00034084783900000312
作为观测矩阵，
Figure BDA00034084783900000313
作为传感矩阵，对稀疏信道矩阵
Figure BDA00034084783900000314
进行矩阵恢复；
步骤604：将稀疏信道矩阵
Figure BDA00034084783900000315
从角度域变换到空间域，从而得到级联信道矩阵Hk，完成信道估计。
所述的步骤601中，每个用户的接收信号矩阵的每一列能量求和的计算公式为：
Figure BDA00034084783900000316
其中，
Figure BDA00034084783900000317
为由能量值所组成的向量，初始值设为0，
Figure BDA00034084783900000318
为观测矩阵，k为第k个用户，N为基站天线数，N为
Figure BDA00034084783900000319
的列数，n为
Figure BDA00034084783900000320
的第n列，||·||2为向量的二范数，
Figure BDA00034084783900000321
表示获取
Figure BDA00034084783900000322
的第n列的能量。
与现有技术相比，本发明具有以下优点：
1、本发明针对RIS辅助的毫米波大规模MIMO信道估计问题提出了一个有效的解决方案，能够以较少的导频开销获得较好的信道估计性能，同时计算复杂度的提升有限，符合预期目标，能够解决有关于RIS通信系统的信道估计难题。
2、本发明采用基于行-结构稀疏的改进压缩感知算法进行矩阵恢复，降低了计算复杂度，提高了估计性能和估计精度，且减少了导频数目的开销。
附图说明
图1为本发明的通信系统模型结构示意图。
图2为本发明的基于行-结构稀疏的改进压缩感知算法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
首先，本发明考虑一个RIS辅助毫米波大规模MIMO的上行信道估计问题，并提出了一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，基于Saleh-Valenzuela信道模型建立通信系统模型，如图1所示：
Figure BDA0003408478390000041
表示BS-RIS信道；
Figure BDA0003408478390000042
k＝(1,2,…,K)表示RIS到第k个用户的信道；
Figure BDA0003408478390000043
为RIS的相移矩阵。
多天线的基站发送具有已知信息的导频信号，通过RIS的辅助后传输给多个单天线的用户，则第k个用户的接收信号矩阵可以表示为：
yk(t)＝GΘhksk(t)+wk(t)
其次，将基站-RIS的信道和RIS-用户的信道表示成一个级联信道，由于diag(θ(t))hk＝diag(hk)θ(t)，因此级联信道矩阵
Figure BDA0003408478390000044
表示为：
Hk＝Gdiag(hk)
在T个时刻后，由第k个用户向基站发送正交导频信号，BS处的接收信号
Figure BDA0003408478390000045
的转换为初级接收信号矩阵，其表达式为：
Yk＝HkΦ+Wk
Φ＝[θ(1)，…,θ(t),…,θ(T)]
Wk＝[wk(1),…,wk(t),…wk(T)]
其次，将空间域的级联信道矩阵Hk转换到虚拟角域，由于
Figure BDA0003408478390000051
其中
Figure BDA0003408478390000052
是在角度域中的级联信道表示，
Figure BDA0003408478390000053
和
Figure BDA0003408478390000054
分别为具有角度分辨率的字典酉矩阵，因此得到中级接收信号矩阵，其表达式为：
Figure BDA0003408478390000055
化简中级接收信号矩阵后，得到接收信号矩阵的表达式为：
Figure BDA0003408478390000056
Figure BDA0003408478390000057
Figure BDA0003408478390000058
Figure BDA0003408478390000059
通过上述的接收信号表示，可以采用压缩感知的算法对在角域中的级联信道矩阵进行恢复，例如采用经典的OMP算法求最优解，但是，在进行恢复之前，采用RIS特殊的行-块稀疏结构对矩阵恢复需要的支持度集进行优化，由于毫米波的频率高，波长短，在传输过程中，易受到环境因素的影响，遇到障碍物等情况会急剧降低毫米波的能量，因此毫米波的散射有限，体现在信道矩阵之中，能量急剧降低后趋近于零，并且数量远远多于视距信道与能量较高的部分，因此信道矩阵具有稀疏特性，在接收信号矩阵
Figure BDA00034084783900000510
中，实级联信道所对应的元素具有更大的能量，而其余信道所对应元素的能量表现为0或者接近于0，因此，从能量的角度对经典的OMP算法进行改进：
联合所有用户的接收矩阵Y＝[Y1，…，Yk,…,YK]，计算接收矩阵每一列的能量并求和，再选出能量最大的前L个值所对应的行索引集作为矩阵恢复时所需要的公共行支撑集，从而提升矩阵恢复的性能，最后提高估计精度。
具体流程如图2所示，将
Figure BDA00034084783900000511
作为观测矩阵，
Figure BDA00034084783900000512
作为传感矩阵，对稀疏信道矩阵
Figure BDA00034084783900000513
进行矩阵恢复，最后再将稀疏信道矩阵
Figure BDA00034084783900000514
从角度域变换到空间域，从而得到信道矩阵Hk，完成信道估计。
因此本发明同时考虑计算复杂度、估计精度和导频开销等因素，从而既提高了信道估计性能，又降低了计算复杂度。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，该方法包括以下步骤：
步骤1：基于Saleh-Valenzuela信道模型建立通信系统模型；
步骤2：通信系统模型中的多天线的基站将具有已知信息的导频信号传输至RIS，通过RIS辅助后传输给多个单天线的用户，获取第k个用户的接收信号矩阵；
步骤3：将基站到RIS的信道与RIS到用户的信道级联成一个级联信道，并获取级联信道矩阵；
步骤4：在T个时刻后，第k个用户向基站发送正交导频信号，基于级联信道矩阵获取基站的初始接收信号矩阵；
步骤5：基于毫米波的稀疏性将级联信道矩阵从空间域转换到虚拟角域，得到信道估计的稀疏表示；
步骤6：采用基于行-结构稀疏的改进压缩感知算法进行矩阵恢复，完成信道估计。
2.根据权利要求1所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤2中，第k个用户的接收信号矩阵的表达式为：
yk(t)＝GΘhksk(t)+wk(t)
其中，
Figure FDA0003408478380000011
为基站到RIS的信道，
Figure FDA0003408478380000012
为RIS到第k个用户的信道，
Figure FDA0003408478380000013
为RIS的相移矩阵，
Figure FDA0003408478380000014
为相移矩阵的第M个相移向量，wk(t)为第k个用户的噪声矩阵。
3.根据权利要求2所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤3中，级联信道矩阵的表达式为：
Figure FDA0003408478380000015
其中，
Figure FDA0003408478380000016
为空间域的级联信道矩阵，θ(t)为RIS的反射系数。
4.根据权利要求3所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤4中，基于级联信道矩阵获取基站的初始接收信号矩阵的表达式为：
Yk＝HkΦ+Wk
其中，
Figure FDA0003408478380000021
为T时段内基站的接收信号，Hk为空间域的级联信道矩阵，Φ＝[θ(1)，…,θ(t),…,θ(T)]为T时段内RIS的反射系数矩阵，Wk＝[wk(1),…,wk(t),…wk(T)]为T时段内的噪声矩阵，其概率密度函数满足均值为零，方差为σ2IN的循环对称复高斯分布，σ2为噪声功率。
5.根据权利要求4所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤5中，得到信道估计的稀疏表示的过程具体包括以下步骤：
步骤501：将空间域的级联信道矩阵Hk转换到虚拟角域，得到角度域中的级联信道矩阵，即稀疏信道矩阵；
步骤502：将得到稀疏信道矩阵代入基站处的初始接收信号矩阵中得到中间接收信号矩阵；
步骤503：对中间接收信号矩阵进行变形和化简，得到接收信号矩阵。
6.根据权利要求5所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤501中，稀疏信道矩阵的表达式为：
Figure FDA0003408478380000022
其中，
Figure FDA0003408478380000023
为角度域中的级联信道矩阵，即稀疏信道矩阵，
Figure FDA0003408478380000024
和
Figure FDA0003408478380000025
均为具有角度分辨率的字典酉矩阵，
Figure FDA0003408478380000026
为字典酉矩阵AR的共轭矩阵。
7.根据权利要求5所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤502中，中间接收信号矩阵的表达式为：
Figure FDA0003408478380000027
其中，
Figure FDA0003408478380000028
为字典酉矩阵AT的共轭矩阵。
8.根据权利要求5所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤503中，接收信号矩阵的表达式为：
Figure FDA0003408478380000029
其中，
Figure FDA00034084783800000210
为接收信号矩阵，作为观测矩阵，
Figure FDA00034084783800000211
为噪声矩阵，
Figure FDA00034084783800000212
为矩阵恢复所需的传感矩阵。
9.根据权利要求1所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤6中，采用基于行-结构稀疏的改进压缩感知算法进行矩阵恢复的过程具体包括以下步骤：
步骤601：采用RIS特殊的行-块稀疏结构对矩阵恢复需要的支持度集进行优化，所有用户的接收信号矩阵Y＝[Y1，…，Yk,…,YK]，计算接收信号矩阵每一列的能量并求和，将得到的能量按从大到小排列，选出能量在前L个值所对应的行索引集作为矩阵恢复时所需要的公共行支撑集；
步骤602：获取矩阵恢复时所需要的单独列支撑集；
步骤603：将接收信号矩阵
Figure FDA0003408478380000031
作为观测矩阵，
Figure FDA0003408478380000032
作为传感矩阵，对稀疏信道矩阵
Figure FDA0003408478380000033
进行矩阵恢复；
步骤604：将稀疏信道矩阵
Figure FDA0003408478380000034
从角度域变换到空间域，从而得到级联信道矩阵Hk，完成信道估计。
10.根据权利要求9所述的一种基于压缩感知的RIS辅助毫米波系统的信道估计方法，其特征在于，所述的步骤601中，每个用户的接收信号矩阵的每一列能量求和的计算公式为：
Figure FDA0003408478380000035
其中，
Figure FDA0003408478380000036
为由能量值所组成的向量，初始值设为0，
Figure FDA0003408478380000037
为观测矩阵，k为第k个用户，N为基站天线数，N为
Figure FDA0003408478380000038
的列数，n为
Figure FDA0003408478380000039
的第n列，||·||2为向量的二范数，
Figure FDA00034084783800000310
表示获取
Figure FDA00034084783800000311
的第n列的能量。
CN202111523066.5A 2021-12-13 2021-12-13 一种基于压缩感知的ris辅助毫米波系统的信道估计方法 Active CN114338301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111523066.5A CN114338301B (zh) 2021-12-13 2021-12-13 一种基于压缩感知的ris辅助毫米波系统的信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111523066.5A CN114338301B (zh) 2021-12-13 2021-12-13 一种基于压缩感知的ris辅助毫米波系统的信道估计方法

Publications (2)

Publication Number Publication Date
CN114338301A true CN114338301A (zh) 2022-04-12
CN114338301B CN114338301B (zh) 2023-10-31

Family

ID=81050068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111523066.5A Active CN114338301B (zh) 2021-12-13 2021-12-13 一种基于压缩感知的ris辅助毫米波系统的信道估计方法

Country Status (1)

Country Link
CN (1) CN114338301B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114745237A (zh) * 2022-05-19 2022-07-12 电子科技大学 一种智能超表面辅助多用户无线通信系统的信道估计方法
CN114866377A (zh) * 2022-04-28 2022-08-05 西安交通大学 工业物联网ris辅助通信中基于导频重构的反射信道估计方法
CN114900400A (zh) * 2022-05-24 2022-08-12 华南理工大学 一种基于智能反射面辅助物联网的联合稀疏信道估计方法
CN115694578A (zh) * 2022-09-19 2023-02-03 华工未来科技(江苏)有限公司 一种多智能反射面同步控制方法、系统、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110380997A (zh) * 2019-07-15 2019-10-25 南京邮电大学 基于自适应压缩感知的毫米波信道估计方法
CN112187323A (zh) * 2020-09-29 2021-01-05 国网江苏省电力有限公司丹阳市供电分公司 混合低精度架构下基于irs的大规模mimo的级联信道估计方法
CN112994765A (zh) * 2021-03-04 2021-06-18 电子科技大学 智能反射面辅助毫米波通信系统的波束对准方法
CN113225275A (zh) * 2021-04-25 2021-08-06 杭州电子科技大学 基于定位信息辅助的信道估计方法及系统
CN113411835A (zh) * 2021-06-09 2021-09-17 上海电机学院 一种多ris场景下的通信选择方案
CN113765581A (zh) * 2021-09-27 2021-12-07 北京理工大学 基于压缩感知与波束对齐的ris快时变信道估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110380997A (zh) * 2019-07-15 2019-10-25 南京邮电大学 基于自适应压缩感知的毫米波信道估计方法
CN112187323A (zh) * 2020-09-29 2021-01-05 国网江苏省电力有限公司丹阳市供电分公司 混合低精度架构下基于irs的大规模mimo的级联信道估计方法
CN112994765A (zh) * 2021-03-04 2021-06-18 电子科技大学 智能反射面辅助毫米波通信系统的波束对准方法
CN113225275A (zh) * 2021-04-25 2021-08-06 杭州电子科技大学 基于定位信息辅助的信道估计方法及系统
CN113411835A (zh) * 2021-06-09 2021-09-17 上海电机学院 一种多ris场景下的通信选择方案
CN113765581A (zh) * 2021-09-27 2021-12-07 北京理工大学 基于压缩感知与波束对齐的ris快时变信道估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨柳;刘汉奎;郝希准;边刚;: "OFDM系统中基于DCT的RLS信道估计", 西华师范大学学报(自然科学版), no. 03 *
王天云;陆新飞;丁丽;尹治平;陈卫东;: "基于贝叶斯压缩感知的FD-MIMO雷达Off-Grid目标稀疏成像", 电子学报, no. 06 *
金凤;唐宏;张进彦;尹礼欣;: "基于压缩感知的大规模MIMO系统导频优化及信道估计算法", 计算机应用, no. 05 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114866377A (zh) * 2022-04-28 2022-08-05 西安交通大学 工业物联网ris辅助通信中基于导频重构的反射信道估计方法
CN114866377B (zh) * 2022-04-28 2024-05-28 西安交通大学 工业物联网ris辅助通信中基于导频重构的反射信道估计方法
CN114745237A (zh) * 2022-05-19 2022-07-12 电子科技大学 一种智能超表面辅助多用户无线通信系统的信道估计方法
CN114900400A (zh) * 2022-05-24 2022-08-12 华南理工大学 一种基于智能反射面辅助物联网的联合稀疏信道估计方法
CN114900400B (zh) * 2022-05-24 2023-06-16 华南理工大学 一种基于智能反射面辅助物联网的联合稀疏信道估计方法
CN115694578A (zh) * 2022-09-19 2023-02-03 华工未来科技(江苏)有限公司 一种多智能反射面同步控制方法、系统、装置及存储介质
CN115694578B (zh) * 2022-09-19 2023-11-24 华工未来科技(江苏)有限公司 一种多智能反射面同步控制方法、系统、装置及存储介质

Also Published As

Publication number Publication date
CN114338301B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN114338301A (zh) 一种基于压缩感知的ris辅助毫米波系统的信道估计方法
CN113225275B (zh) 基于定位信息辅助的信道估计方法及系统
CN106019213B (zh) 一种部分稀疏l阵及其二维doa估计方法
CN110109051B (zh) 基于频控阵的互耦阵列doa估计方法
CN105891771B (zh) 一种提高估计精度的基于连续分布的角度估计方法与设备
KR100229094B1 (ko) 수신신호에 대한 자기상관행렬의 최대고유치에 대응하는 고유벡터를 이용한 배열 안테나의 신호 처리 방법
CN108462521A (zh) 自适应阵列天线的抗干扰实现方法
CN114745237B (zh) 一种智能超表面辅助多用户无线通信系统的信道估计方法
CN108650200B (zh) 高低频混合组网系统的低频辅助信道估计方法
CN110113088B (zh) 一种分离型数模混合天线系统波达角智能化估计方法
CN112737649B (zh) 一种基于角度网格优化与范数约束的毫米波信道估计方法
CN114172547A (zh) 基于智能反射面的无线携能通信混合预编码设计方法
CN114285702A (zh) 一种用于毫米波irs协作系统的稀疏级联信道估计方法
CN113030931B (zh) 基于流形优化的mimo雷达波形生成方法
CN110824414A (zh) 一种到达角估计的装置及方法
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
CN114520699B (zh) 可重构智能表面辅助毫米波通信的低复杂度信道估计方法
CN110719127B (zh) 一种具有恒模约束的毫米波mimo系统波束成形方法
CN113572503B (zh) 一种低复杂度的基于gp的改进混合波束成形方法
CN112054827A (zh) 一种基于信道等效的联合混合预编码方法
CN114884841A (zh) 基于高阶统计和非均匀阵列的欠定参数联合估计方法
CN109521393A (zh) 一种基于信号子空间旋转特性的波达方向估计算法
CN110086734B (zh) 一种时变大规模mimo系统中的信道追踪和恢复方法
CN117075033A (zh) 基于修正降维music的智能超表面辅助的用户定位方法
CN109471087B (zh) 基于互质mimo雷达差集和集信号快速傅里叶变换的波达方向估计方法

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