CN114338303A - 大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及系统 - Google Patents
大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及系统 Download PDFInfo
- Publication number
- CN114338303A CN114338303A CN202111597734.9A CN202111597734A CN114338303A CN 114338303 A CN114338303 A CN 114338303A CN 202111597734 A CN202111597734 A CN 202111597734A CN 114338303 A CN114338303 A CN 114338303A
- Authority
- CN
- China
- Prior art keywords
- channel
- estimation
- gain coefficient
- arrival angle
- complex gain
- 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
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- 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系统中基于多维Hankel矩阵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构造多个汉克尔矩阵;S3、对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;S4、选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;S5、基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。本发明在大规模MIMO系统中基于多维汉克尔矩阵的信道估计相比于传统的信道估计方法能够实现更高的信道利用率,也因此使得MIMO系统通信性能更加可靠。
Description
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系统中基于多维Hankel矩阵的信道估计方法及系统。
背景技术
在大规模MIMO系统中,为了能在接收端准确的恢复发射端的发送信号,采用了各种措施来抵抗多径效应对传输信号的影响。信道估计技术的实现需要知道无线信道的信息,能否获得详细的信道信息,从而在接收端正确地解调出发射信号,是衡量一个无线通信系统性能的重要指标。因此,信道估计是实现无线通信系统的一项关键技术,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。
针对大规模MIMO系统,要获取下行CSI需要花费大量的导频开销。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(LMMSE)算法)来获取CSI的消耗太大,不切实际。为了更好地提高系统资源利用效率,我们要优化信道估计方法提高估计的准确性来减少反馈开销。
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系统中基于多维Hankel矩阵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系统中基于多维Hankel矩阵的信道估计方法,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构造多个汉克尔矩阵;
S3、对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;
S4、选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
S5、基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。
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S2中,具体为:
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,根据Q和L的约束条件,当M为偶数时,Q的取值范围为当M为奇数时,Q的取值范围为则Q值对应的L=M+1-Q;
作为优选方案,步骤S3中,包括步骤:
S3.1、对汉克尔矩阵进行奇异值分解,采用以下公式:
HQL=UDVH
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,上标H表示取共轭转置;
S3.2、对U取1到Q-1行,1到Lc列记为U1,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
S3.5、重复步骤S3.1-S3.4,对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值,记为:
作为优选方案,步骤S4中,包括步骤:
S4.1、根据ΦQ恢复出信道:
相应地,还提供了大规模MIMO系统中基于多维Hankel矩阵的信道估计系统,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、选取模块、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构造多个汉克尔矩阵;
奇异值分解模块,用于对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;
选取模块,用于选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
信道信息恢复模块,用于基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。
作为优选方案,系统包括一根接收天线、一个基站,基站配备Nt根天线。
本发明的有益效果是:
本发明基于少量统一的训练序列的信道估计方法,利用多维汉克尔矩阵改善信道估计,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系统中基于多维Hankel矩阵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系统中基于多维Hankel矩阵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,本发明针对信道估计方法的不足进行了改进。
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中的参数来进行信道估计。
表1参数设置
参照图1,所述大规模MIMO系统中基于多维Hankel矩阵的信道估计方法,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构造多个汉克尔(Hankel)矩阵;
S3、对多个汉克尔矩阵依次进行奇异值分解(SVD),以得到多组方位到达角估计值、信道复增益系数估计值;
S4、选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
S5、基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。
本发明基于少量统一的训练序列的信道估计方法,利用多维汉克尔矩阵改善信道估计,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:
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,服从区间(-90°,90°]内的均匀分布;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:
步骤S2中,具体为:
HQL矩阵满足条件Q+L-1=33,Q≥4,L≥4且Q≥L+1。
所述步骤S3具体为:
S3.1、对上述创建的Hankel矩阵进行SVD分解:
HQL=UDVH
S3.2、对U取1到Q-1行,1到4列记为U1,U取2到Q行,1到4列记为U2:
U1=U(1:Q-1,1:4)
U2=U(2:Q,1:4)
根据式
S3.5、重复步骤S3.1-S3.4,对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值,记为:
步骤S4中,包括步骤:
S4.1、根据ΦQ可以恢复出信道:
参照图2所示,传统信道方法是基于prony-kung方法的信道估计,信噪比在10dB的情况下,prony-kung方法的信道利用率在82.1%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83.8%,并且随着系统信噪比的升高,信道利用率也随之增大。
显然,本发明实施例所述方法比传统的信道估计方法的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系统中基于多维Hankel矩阵的信道估计系统,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、选取模块、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构造多个汉克尔矩阵;
奇异值分解模块,用于对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;
选取模块,用于选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
信道信息恢复模块,用于基于选取的方位到达角估计值、信道复增益系数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系统中基于多维Hankel矩阵的信道估计系统,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 (10)
1.大规模MIMO系统中基于多维Hankel矩阵的信道估计方法,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构造多个汉克尔矩阵;
S3、对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;
S4、选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
S5、基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。
6.根据权利要求5所述的大规模MIMO系统中基于多维Hankel矩阵的信道估计方法,其特征在于,步骤S3中,包括步骤:
S3.1、对汉克尔矩阵进行奇异值分解,采用以下公式:
HQL=UDVH
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,上标H表示取共轭转置;
S3.2、对U取1到Q-1行,1到Lc列记为U1,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
S3.5、重复步骤S3.1-S3.4,对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值,记为:
9.大规模MIMO系统中基于多维Hankel矩阵的信道估计系统,基于权利要求1-8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、选取模块、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构造多个汉克尔矩阵;
奇异值分解模块,用于对多个汉克尔矩阵依次进行奇异值分解,以得到多组方位到达角估计值、信道复增益系数估计值;
选取模块,用于选取信道利用率最高的一组方位到达角估计值、信道复增益系数估计值;
信道信息恢复模块,用于基于选取的方位到达角估计值、信道复增益系数估计值恢复信道状态信息。
10.根据权利要求9所述的大规模MIMO系统中基于多维Hankel矩阵的信道估计系统,其特征在于,系统包括一根接收天线、一个基站,基站配备Nt根天线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111597734.9A CN114338303B (zh) | 2021-12-24 | 2021-12-24 | 大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111597734.9A CN114338303B (zh) | 2021-12-24 | 2021-12-24 | 大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114338303A true CN114338303A (zh) | 2022-04-12 |
CN114338303B CN114338303B (zh) | 2024-02-13 |
Family
ID=81013721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111597734.9A Active CN114338303B (zh) | 2021-12-24 | 2021-12-24 | 大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114338303B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000752A1 (zh) * | 2015-07-01 | 2017-01-05 | 东南大学 | 一种fdd大规模mimo系统下行链路训练序列设计方法 |
CN108512787A (zh) * | 2018-04-13 | 2018-09-07 | 电子科技大学 | 大规模mimo系统的超精细信道估计方法 |
WO2019221388A1 (ko) * | 2018-05-14 | 2019-11-21 | 삼성전자 주식회사 | 무선 통신 시스템에서 채널 추정 방법 및 장치 |
CN114244658A (zh) * | 2021-12-24 | 2022-03-25 | 杭州电子科技大学 | 大规模mimo系统中的基于倍角估计的信道估计方法 |
-
2021
- 2021-12-24 CN CN202111597734.9A patent/CN114338303B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000752A1 (zh) * | 2015-07-01 | 2017-01-05 | 东南大学 | 一种fdd大规模mimo系统下行链路训练序列设计方法 |
CN108512787A (zh) * | 2018-04-13 | 2018-09-07 | 电子科技大学 | 大规模mimo系统的超精细信道估计方法 |
WO2019221388A1 (ko) * | 2018-05-14 | 2019-11-21 | 삼성전자 주식회사 | 무선 통신 시스템에서 채널 추정 방법 및 장치 |
CN114244658A (zh) * | 2021-12-24 | 2022-03-25 | 杭州电子科技大学 | 大规模mimo系统中的基于倍角估计的信道估计方法 |
Non-Patent Citations (4)
Title |
---|
HAIFAN YIN等: "Addressing the Curse of Mobility in Massive MIMO With Prony-Based Angular-Delay Domain Channel Predictions", IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS * |
HAIFAN YIN等: "Dealing with the Mobility Problem of Massive MIMO using Extended Prony’s Method", ICC 2020 - 2020 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC) * |
俞芸芸: "基于支持子空间的指数和分解方法及在信道估计中的应用", 杭州电子科技大学 * |
李玉: "3D MIMO信道预测技术研究", 中国优秀硕士学位论文全文数据库 * |
Also Published As
Publication number | Publication date |
---|---|
CN114338303B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110099017B (zh) | 基于深度神经网络的混合量化系统的信道估计方法 | |
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 | |
CN112436872B (zh) | 一种多用户大规模mimo信道估计方法与装置 | |
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 | |
CN113315560B (zh) | 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法 | |
CN114785384B (zh) | 智能超表面辅助大规模mimo相关信道的容量分析与优化方法 | |
CN109743086A (zh) | 一种大规模mimo系统的信道估计方法 | |
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 | |
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 | |
CN114338303B (zh) | 大规模MIMO系统中基于多维Hankel矩阵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 | |
CN112702093B (zh) | Fdd下行多用户大规模mimo系统中的信道估计方法 | |
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 | |
CN113055061B (zh) | 一种大规模mimo系统的低复杂度预编码方法 | |
CN111314250B (zh) | 大规模多输入多输出系统的量化设计与信道估计方法 | |
CN114598574A (zh) | 一种基于深度学习的毫米波信道估计方法 | |
CN114221838A (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 | |
Liu et al. | A distributed detection algorithm for uplink massive MIMO systems | |
CN111614386A (zh) | 一种快速搜索方法 | |
CN114338294B (zh) | 一种超大规模多天线系统中低复杂度的信道估计方法 | |
CN115277316A (zh) | 大规模MIMO系统中结合Grassmann流形的信道估计方法及系统 | |
CN111917441B (zh) | 一种基于大规模多输入多输出毫米波系统的信道估计方法 | |
CN114884776B (zh) | 信道估计方法、装置、电子设备及存储介质 |
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 |