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 PDF

Info

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
Application number
CN202111597734.9A
Other languages
English (en)
Other versions
CN114338303B (zh
Inventor
楼斌剑
王海泉
李紫薇
俞芸芸
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 CN202111597734.9A priority Critical patent/CN114338303B/zh
Publication of CN114338303A publication Critical patent/CN114338303A/zh
Application granted granted Critical
Publication of CN114338303B publication Critical patent/CN114338303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

大规模MIMO系统中基于多维Hankel矩阵的信道估计方法及 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。
作为优选方案，初步估计信道信息
Figure BDA0003431904920000021
的计算公式为：
Figure BDA0003431904920000022
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：
Figure BDA0003431904920000023
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
Figure BDA0003431904920000031
表示为：
Figure BDA0003431904920000032
作为优选方案，步骤S2中，具体为：
根据
Figure BDA0003431904920000033
构造汉克尔矩阵，表示为：
Figure BDA0003431904920000034
Figure BDA0003431904920000035
Figure BDA0003431904920000036
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
Figure BDA0003431904920000037
当M为奇数时，Q的取值范围为
Figure BDA0003431904920000038
则Q值对应的L＝M+1-Q；
由此可创建r个汉克尔矩阵，当M为偶数时，r等于
Figure BDA0003431904920000039
当M为奇数时，r等于
Figure BDA00034319049200000310
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
Figure BDA0003431904920000041
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
Figure BDA0003431904920000042
则
Figure BDA0003431904920000043
是θl的估计值；
S3.3、根据方位到达角估计值
Figure BDA0003431904920000044
得到重构信道导向矢量
Figure BDA0003431904920000045
S3.4、基于重构信道导向矢量
Figure BDA0003431904920000046
得到对应的信道复增益系数估计值
Figure BDA0003431904920000047
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：
Figure BDA0003431904920000048
作为优选方案，步骤S4中，包括步骤：
S4.1、根据ΦQ恢复出信道：
Figure BDA0003431904920000051
其中，
Figure BDA0003431904920000052
Figure BDA0003431904920000053
和
Figure BDA0003431904920000054
分别为对应构造大小为Q行M+1-Q列的汉克尔矩阵经奇异值分解得到的第l条路径对应的信道复增益系数估计值、方位到达角估计值；
S4.2、
Figure BDA0003431904920000055
经归一化后分别跟初步估计信道信息
Figure BDA0003431904920000056
计算信道利用率，记信道利用率最高所对应的指标的为：
Figure BDA0003431904920000057
其中，当M为偶数时，
Figure BDA0003431904920000058
当M为奇数时，
Figure BDA0003431904920000059
S4.3、根据Q0挑选出估计最准确的方位到达角估计值
Figure BDA00034319049200000510
和信道复增益系数估计值
Figure BDA00034319049200000511
作为优选方案，步骤S5中，恢复的信道状态信息
Figure BDA00034319049200000512
计算公式为：
Figure BDA00034319049200000513
其中，
Figure BDA00034319049200000514
即为恢复的信道状态信息，
Figure BDA00034319049200000515
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。
Figure BDA0003431904920000071
Figure BDA0003431904920000081
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：
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
Figure BDA0003431904920000082
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：
Figure BDA0003431904920000091
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：
Figure BDA0003431904920000092
其中，T表示转置，j表示虚数单位，本实施例中
Figure BDA0003431904920000093
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
Figure BDA0003431904920000094
表示为：
Figure BDA0003431904920000095
步骤S2中，具体为：
根据
Figure BDA0003431904920000096
构造Hankel矩阵表示为：
Figure BDA0003431904920000101
HQL矩阵满足条件Q+L-1＝33,Q≥4,L≥4且Q≥L+1。
根据Q和L的约束条件，Q的取值范围为Q＝18,,19,…,30。则Q值对应的L取值为M+1-Q。由此可以创建r＝13个Hankel矩阵。记
Figure BDA0003431904920000102
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
其中，
Figure BDA0003431904920000103
和
Figure BDA0003431904920000104
均是酉阵。
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
Figure BDA0003431904920000105
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
Figure BDA0003431904920000106
则
Figure BDA0003431904920000107
是θl的估计值。
S3.3、根据方位到达角估计值
Figure BDA0003431904920000108
得到重构信道导向矢量
Figure BDA0003431904920000109
S3.4、基于重构信道导向矢量
Figure BDA00034319049200001010
得到对应的信道复增益系数估计值
Figure BDA0003431904920000111
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：
Figure BDA0003431904920000112
步骤S4中，包括步骤：
S4.1、根据ΦQ可以恢复出信道：
Figure BDA0003431904920000113
其中，
Figure BDA0003431904920000114
Figure BDA0003431904920000115
和
Figure BDA0003431904920000116
分别为对应构造大小为Q行M+1-Q列的Hankel矩阵经SVD分解得到的第l条路径对应的信道复增益系数估计值、方位到达角估计值。
S4.2、
Figure BDA0003431904920000117
经归一化后分别跟初步估计信道信息
Figure BDA0003431904920000118
计算信道利用率，记信道利用率最高所对应的指标的为：
Figure BDA0003431904920000119
S4.3、根据Q0可以挑选出估计最优的方位到达角估计值
Figure BDA00034319049200001110
和信道复增益系数估计值
Figure BDA00034319049200001111
步骤S5中，基于上述挑选的最优的方位到达角估计值
Figure BDA00034319049200001112
和信道复增益系数估计值
Figure BDA00034319049200001113
并根据式：
Figure BDA00034319049200001114
可以恢复出信道状态信息。其中，
Figure BDA0003431904920000121
即为恢复的信道，
Figure BDA0003431904920000122
然后，
Figure BDA0003431904920000123
经归一化后根据式：
Figure BDA0003431904920000124
求得信道
Figure BDA0003431904920000125
的利用率h。
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。
2.根据权利要求1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，初步估计信道信息
Figure FDA0003431904910000011
的计算公式为：
Figure FDA0003431904910000012
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。
3.根据权利要求2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，第l条路径的信道导向矢量表示为：
Figure FDA0003431904910000013
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。
4.根据权利要求3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
Figure FDA0003431904910000021
表示为：
Figure FDA0003431904910000022
5.根据权利要求4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S2中，具体为：
根据
Figure FDA0003431904910000023
构造汉克尔矩阵，表示为：
Figure FDA0003431904910000024
Figure FDA0003431904910000025
Figure FDA0003431904910000026
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
Figure FDA0003431904910000027
M+1-Lc；当M为奇数时，Q的取值范围为
Figure FDA0003431904910000028
M+1-Lc，则Q值对应的L＝M+1-Q；
由此可创建r个汉克尔矩阵，当M为偶数时，r等于
Figure FDA0003431904910000029
当M为奇数时，r等于
Figure FDA00034319049100000210
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
Figure FDA0003431904910000031
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
Figure FDA0003431904910000032
则
Figure FDA0003431904910000033
是θl的估计值；
S3.3、根据方位到达角估计值
Figure FDA0003431904910000034
得到重构信道导向矢量
Figure FDA0003431904910000035
S3.4、基于重构信道导向矢量
Figure FDA0003431904910000036
得到对应的信道复增益系数估计值
Figure FDA0003431904910000037
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：
Figure FDA0003431904910000038
7.根据权利要求6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S4中，包括步骤：
S4.1、根据ΦQ恢复出信道：
Figure FDA0003431904910000041
其中，
Figure FDA0003431904910000042
Figure FDA0003431904910000043
和
Figure FDA0003431904910000044
分别为对应构造大小为Q行M+1-Q列的汉克尔矩阵经奇异值分解得到的第l条路径对应的信道复增益系数估计值、方位到达角估计值；
S4.2、
Figure FDA0003431904910000045
经归一化后分别跟初步估计信道信息
Figure FDA0003431904910000046
计算信道利用率，记信道利用率最高所对应的指标的为：
Figure FDA0003431904910000047
其中，当M为偶数时，
Figure FDA0003431904910000048
当M为奇数时，
Figure FDA0003431904910000049
S4.3、根据Q0挑选出估计最准确的方位到达角估计值
Figure FDA00034319049100000410
和信道复增益系数估计值
Figure FDA00034319049100000411
8.根据权利要求7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S5中，恢复的信道状态信息
Figure FDA00034319049100000412
计算公式为：
Figure FDA00034319049100000413
其中，
Figure FDA00034319049100000414
即为恢复的信道状态信息，
Figure FDA0003431904910000051
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。
CN202111597734.9A 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 Active CN114338303B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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