CN114401171A - 一种基于互质阵列的非对称大规模mimo信道估计方法 - Google Patents
一种基于互质阵列的非对称大规模mimo信道估计方法 Download PDFInfo
- Publication number
- CN114401171A CN114401171A CN202210014946.8A CN202210014946A CN114401171A CN 114401171 A CN114401171 A CN 114401171A CN 202210014946 A CN202210014946 A CN 202210014946A CN 114401171 A CN114401171 A CN 114401171A
- Authority
- CN
- China
- Prior art keywords
- uplink
- array
- frequency
- antennas
- channel
- 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
Images
Classifications
-
- 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
-
- 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
- H04L25/0204—Channel estimation of multiple channels
-
- 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
- H04L25/022—Channel estimation of frequency response
-
- 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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
Abstract
本发明在非对称大规模MIMO下提出了一种基于互质阵列的下行信道估计方法。首先,构建基于互质阵列的上下行非对称收发系统模型,并关注阵列宽带信号带来的频域方向偏移;其次,进行上行接收估计出上行信道,并由此恢复路径数,到达角,路径增益等信道参数;最后,利用上行信道恢复出的信道参数重建下行信道;对于宽带信号还可以利用不同频点上的群稀疏特性提高信道估计精度。本发明利用互质阵列角度分辨率高的特点,解决了恢复出的上行信道无法直接用于下行信道预编码的问题。本发明在非对称架构中有效地利用部分天线估计完整的下行信道,在降低上行链路接收压力和提高信道恢复准确性方面具有明显改善。
Description
技术领域
本发明涉及一种基于互质阵列的非对称大规模MIMO(Multiple Input MultipleOutput,MIMO)信道估计方法,属于无线通信技术领域。
背景技术
据了解,在广泛部署第五代移动通信系统中,大规模MIMO技术得到了进一步应用与拓展,显示了MIMO阵列在速率,频谱效率以及可靠性方面的优越性能。为满足不断增长的速率和可靠性需求,人们希望进一步扩大MIMO阵列的规模,但随之而来的硬件成本,数据处理负担以及功耗要求限制了全数字大规模MIMO技术的进一步发展。尽管已经有许多文献提出了各种替代方案,如混合波束赋形,低精度数模/模数转换器,天线选择等技术,但这些技术都不可避免地牺牲了部分通信性能,这在对速率要求越来越高的多样化网络业务中是令人难以接收的。为了在保证用户体验的同时,尽可能降低基站的成本,近期有学者提出了一种新型的全数字非对称收发架构。这种架构的非对称性体现在上下行收发过程的差异,即通过解耦发送与接收的射频链路,允许上行仅用部分天线进行接收,下行全部天线都可用于发送信号。这种设计理念的初衷源于上下行通信需求的不同。下行通信中速率是影响用户体验的最直观指标,然而上行的数据吞吐量相比下行要小很多。为此上行仅需部分天线即可满足基站信息搜集的需求。这种设计方式由于上下行阵列天线数目不同容易带来角度分辨能力的差异,会导致下行信道信息不可靠、不准确。
发明内容
本发明所要解决的技术问题是,克服现有技术的不足而提供一种宽带多频点通信中的基于互质阵列的非对称大规模信道估计方法,避免了上下行阵列由于天线数目不同带来的角度分辨能力差异,有效地保证了重建出的下行信道信息可靠性与准确性。
本发明提供一种基于互质阵列的非对称大规模MIMO信道估计方法,包括以下步骤:
S1、构建基于互质阵列的上下行非对称大规模MIMO系统,该系统包括一个配有超大规模天线的基站和K个单天线的用户;基站天线数为M,基站所有天线都有发送射频链路,只有N(N<<M,K≤N)根接收射频链路可连接到N根天线用于上行接收信号,用户与基站用Q个频点进行通信。数目关系为:M=mn+1,N=m+n-1,其中m<n,且m,n互质;按照互质阵列的方式选取上行接收天线,连接接收射频链;
S2、基站方接收并估计得到部分天线的上行信道信息,将其变换到频域并进行筛选重排后,构造虚拟线性均匀阵列;
S3、利用空间稀疏特性构造基于压缩感知的群最小绝对收缩选择算子,估计来波方向;
S4、根据估计出的来波方向重构部分阵列流形矩阵,并根据后续观测到的频域瞬时信息估计路径增益;
S5、依据估计出的路径增益,来波方向重构完整的上行信道,根据互易性将其对称至下行信道。
本发明在非对称收发架构下设计一种基于互质阵列的部分天线信道估计方法,使用部分天线来有效且可靠地恢复完整阵列信道信息,用于克服上下行信道差异性带来的速率损失。本发明在提出的通信系统中,首先按照嵌套互质阵列的方式确定上下行各自启用的天线数目以及上行具体激活的天线所在位置;然后将被激活的部分上行天线上接收的导频信号进行傅里叶变换,在频域上将各个频点的频域信道信息分离开来,并对各个频点的频域信号做自相关处理,提取虚拟阵元信号、筛选、重排后形成虚拟线性均匀阵列;接着将所有频点上的虚拟阵列信息拉伸成向量,构造观测矩阵,按照ADMM(AlternatingDirection Method of Multipliers,ADMM)优化框架的迭代公式求得解向量,对解向量排序选取路径后,得到来波方向,依据来波方向重构上行阵列流形,用最小二乘求得路径增益;最后依据先前估计出来的来波方向和路径增益重建完整的下行阵列。本发明利用互质阵列避免了上下行阵列由于天线数不同导致的信道信息和分辨率上的非对称性,上行估计出的信道信息在时分双工模式下可以直接用于下行预编码,有效保证了非对称收发架构的通信速率。
本发明进一步优化的技术方案如下所示:
所述步骤S1中,下行阵列使用所有天线发送信号,以最大化通信速率;上行仅使用部分按照互质阵列排布方式激活的天线接收信号,以减少上行信号接收与解码压力。具体操作如下:
S101、M根天线的接收和发送射频链分开设计电路,有M条发送射频链路和N条接收射频链,数目关系为:M=mn+1,N=m+n-1,其中m<n,且m,n互质。
S102、根据互质阵列的方式选取上行接收天线,连接接收射频链,具体选取方式为:选中起始的连续n根,第2n+1根,第3n+1根,…,直至第mn+1根,共计N=m+n-1根。天线之间间隔d为λmin/2,其中λmin是各个频点中频率最大的子载波对应的波长。
所述步骤S1中,选取上行接收天线的具体方式为:选中起始的连续n根,第2n+1根,第3n+1根,…,直至第mn+1根,共计N=m+n-1根天线(m,n分别是互质的两个数,用于设计非对称阵列上下行天线的个数)。天线之间的间隔d为λmin/2,其中λmin是各个频点中频率最大的子载波所对应的波长。
所述步骤S2中,基站方接收并估计得到部分天线的上行信道信息,将其变换到频域并进行筛选重排后,构造虚拟线性均匀阵列,具体包括以下步骤:
S201、在连续的P个符号时间内,对上行阵列收到的P组Q个离散时域信号分别进行Q点FFT(Fast Fourier Transform,FFT)变换,得到P组Q个频点上的频域信号,记N×1的列向量xp,q为第p组信号中第q个频点对应的频域信号;
S202、对每个频点的P个频域信号进行自相关处理,得到Q个N×N的自相关矩阵:
在Rq中将重复位置的阵元进行分类(上三角对应负滞后部分,故舍去)、平均后,按照顺序将其排列成长为M×1的列向量yq,[·]H表示共轭转置,[·]T表示转置;
S203、将所有频点上的虚拟阵列信号排成一个QM的列向量:
其中,长为M的列向量yi是第i个频点上的频域信号,[·]T表示取转置。
所述步骤S202中,具体选取方式如下:
将完整的阵列从一端开始,天线序号记为0,1,2,...,M-1,其中上行激活的天线阵列序号记为一个长为N的集合{p1,p2,...,pN},将此集合按列排出一个N×N的矩阵Tc:
所述步骤S3中,利用基于压缩感知的群最小绝对收缩选择算子构造估计问题,在ADMM优化框架下求解该问题,从而估计来波方向,具体包括以下步骤:
S301、在预先设定的入射角区间[θl,θr]上构造QM×Q(w+1)的观测矩阵θl,θr分别是左角度边界和右角度边界,并满足0≤θl<θr≤π,这两个边界值可以通过DFT(Discrete Fourier Transform,DFT)等角度域检测手段获得;若不进行检测则θl=0,θr=π。w是在估计区间[θl,θr]上划分的格点个数,w越大估计结果越精确,但复杂度也提示,QM×Q的子矩阵Ai是第i个格点上的观测矩阵,是用于估计噪声的矩阵,各子观测矩阵按如下方式生成:
其中省略号位置全部为0,ai,1是第1个频点在第i个格点上的导向矢量,ai,Q是第Q个频点在第i个格点上的导向矢量,ai,q是第q个频点在第i个格点上的导向矢量,且:
e1=[1,0,...,0]T,
S302、依据压缩感知理论在ADMM(Alternating Direction Method ofMultipliers,ADMM)框架下写出L21范数约束的线性回归问题:
其中,长度为Q(w+1)的列向量是待求解的目标变量,代表着各个频点在各个估计格点上的能量大小,x1是的第(1-1)Q+1到第1Q个元素组成的子向量,xw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,xi是的第(i-1)Q+1到第iQ个元素组成的子向量,z1是的第(1-1)Q+1到第1Q个元素组成的子向量,zw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,zi是的第(i-1)Q+1到第iQ个元素组成的子向量,辅助变量λt是惩罚系数,||·||2表示取目标向量的2范数。上述问题的第k+1次迭代公式为:
其中,I是单位矩阵,是辅助变量,u1是的第(1-1)Q+1到第1Q个元素组成的子向量,uw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,ui是的第(i-1)Q+1到第iQ个元素组成的子向量,ui定义类似xi,上标(·)(k)表示第k次迭代的变量值,ρ是迭代步长,可取定值,表示取复数的实数部分,是第k+1次迭代产生的向量的第(i-1)Q+1到第iQ个元素组成的子向量,收敛条件为:
其中,η是路径恢复门限,且满足0<η<1,||·||1表示取目标向量的1范数,[·]i表示向量的第i个元素,记恢复出的个元素在向量中对应的下标构成集合 表示上式中第1个被选出的元素在中的原始顺序,表示上式中第2个被选出的元素在中的原始顺序,表示上式中第个被选出的元素在中的原始顺序,表示上式中第l个被选出的元素在中的原始顺序,空间中条路径的来波方向写成向量形式为:
所述步骤S4中,根据估计出的来波方向重构上行部分阵列流形矩阵,并根据观测到的频域瞬时信息估计路径增益,具体包括以下步骤:
p1,p2,pn,pN都是上行阵列中被选中的天线对应的次序,pn∈{0,1,2,...,M-1},i∈L;
所述步骤S4中,依据S402中估计出的路径增益,S303中估计出的来波方向重构完整的上行信道并将其对称至下行信道,具体操作如下:
重建所有天线上M×1的完整信道:
总之,本发明在非对称大规模MIMO(Multi-Input Multi-Output,MIMO)下提出了一种基于互质阵列的下行信道估计方法。首先,构建基于互质阵列的上下行非对称收发系统模型,并关注阵列宽带信号带来的频域方向偏移;其次,进行上行接收估计出上行信道,并由此恢复路径数,到达角,路径增益等信道参数;最后,利用上行信道恢复出的信道参数重建下行信道;对于宽带信号还可以利用不同频点上的群稀疏特性提高信道估计精度。本发明利用互质阵列角度分辨率高的特点,解决了恢复出的上行信道无法直接用于下行信道预编码的问题。本发明在非对称架构中有效地利用部分天线估计完整的下行信道,在降低上行链路接收压力和提高信道恢复准确性方面具有明显改善。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明在非对称收发架构下充分利用了高频信号在空间中的稀疏多径特性,将原本的信道估计问题转化为参数估计问题,利用群最小绝对收缩选择算子在ADMM(Alternating Direction Method of Multipliers,ADMM)优化框架下快速准确地估计来波方向,在达到整体信道估计精度的同时,还确保了信道模型的稀疏特性,防止后续过拟合带来的误差。
(2)本发明在非对称架构的上行阵列中引入互质阵列,有效地消除了上下行阵列的分辨能力差异,确保了重建信道的准确性和下行预编码可用信道信息的有效性,从而提升系统的传输速率。
附图说明
图1为本发明的流程图。
图2为本发明中上行接收天线的选取示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护权限不限于下述的实施例。
本实施例提出了一种基于互质阵列的非对称大规模MIMO信道估计方法,如图1所示,包括以下步骤:
S1、构建基于互质阵列的上下行非对称大规模MIMO系统,该系统包括一个配有超大规模天线(天线数为M)的基站和K个单天线的用户。基站所有天线都有发送射频链路,只有N(N<<M,K≤N)根接收射频链路可连接到N根天线用于上行接收信号,用户与基站用Q个频点进行通信。数目关系为:M=mn+1,N=m+n-1,其中m<n,且m,n互质。按照互质阵列的方式选取上行接收天线,连接接收射频链,具体选取方式为:选中起始的连续n根,第2n+1根,第3n+1根,…,直至第mn+1根,共计N=m+n-1根天线(m,n分别是互质的两个数,用于设计非对称阵列上下行天线的个数)。天线之间的间隔d为λmin/2,其中λmin是各个频点中频率最大的子载波所对应的波长。
S2、基站方接收并估计得到部分天线的上行信道信息,将其变换到频域并进行筛选重排后,构造虚拟线性均匀阵列。包括以下步骤:
S201、在连续的P个符号时间内,对上行阵列收到的P组Q个离散时域信号分别进行Q点FFT(Fast Fourier Transform,FFT)变换,得到P组Q个频点上的频域信号。记N×1的列向量xp,q为第p组信号中第q个频点对应的频域信号。
S202、对每个频点的P个频域信号进行自相关处理,得到Q个N×N的自相关矩阵:
在Rq中将重复位置的阵元进行分类(上三角对应负滞后部分,故舍去)、平均后,按照顺序将其排列成长为M×1的列向量yq,[·]H表示共轭转置,[·]T表示转置。具体选取方式如下:
将完整的阵列从一端开始,天线序号记为0,1,2,...,M-1,其中上行激活的天线阵列序号记为一个长为N的集合{p1,p2,...,pN},将此集合按列排出一个N×N的矩阵Tc:
S203、将所有频点上的虚拟阵列信号排成一个QM的列向量:
其中,长为M的列向量yi是第i个频点上的频域信号,[·]T表示取转置。
S3、利用空间稀疏特性构造基于压缩感知的群最小绝对收缩选择算子,估计来波方向。包括以下步骤:
S301、在预先设定的入射角区间[θl,θr]上构造QM×Q(w+1)的观测矩阵θl,θr分别是左角度边界和右角度边界,并满足0≤θl<θr≤π,这两个边界值可以通过DFT(Discrete Fourier Transform,DFT)等角度域检测手段获得;若不进行检测则θl=0,θr=π。w是在估计区间[θl,θr]上划分的格点个数,w越大估计结果越精确,但复杂度也提示,QM×Q的子矩阵Ai是第i个格点上的观测矩阵,是用于估计噪声的矩阵,各子观测矩阵按如下方式生成:
其中省略号位置全部为0,ai,1是第1个频点在第i个格点上的导向矢量,ai,Q是第Q个频点在第i个格点上的导向矢量,ai,q是第q个频点在第i个格点上的导向矢量,且:
e1=[1,0,...,0]T,
S302、依据压缩感知理论在ADMM(Alternating Direction Method ofMultipliers,ADMM)框架下写出L21范数约束的线性回归问题:
其中,长度为Q(w+1)的列向量是待求解的目标变量,代表着各个频点在各个估计格点上的能量大小,x1是的第(1-1)Q+1到第1Q个元素组成的子向量,xw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,xi是的第(i-1)Q+1到第iQ个元素组成的子向量,z1是的第(1-1)Q+1到第1Q个元素组成的子向量,zw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,zi是的第(i-1)Q+1到第iQ个元素组成的子向量,辅助变量λt是惩罚系数,||·||2表示取目标向量的2范数。上述问题的第k+1次迭代公式为:
其中,I是单位矩阵,是辅助变量,u1是的第(1-1)Q+1到第1Q个元素组成的子向量,uw+1是的第(w+1-1)Q+1到第w+1Q个元素组成的子向量,ui是的第(i-1)Q+1到第iQ个元素组成的子向量,ui定义类似xi,上标(·)(k)表示第k次迭代的变量值,ρ是迭代步长,可取定值,表示取复数的实数部分,是第k+1次迭代产生的向量的第(i-1)Q+1到第iQ个元素组成的子向量,收敛条件为:
其中,η是路径恢复门限,且满足0<η<1,||·||1表示取目标向量的1范数,[·]i表示向量的第i个元素,记恢复出的个元素在向量中对应的下标构成集合 表示上式中第1个被选出的元素在中的原始顺序,表示上式中第2个被选出的元素在中的原始顺序,表示上式中第个被选出的元素在中的原始顺序,表示上式中第l个被选出的元素在中的原始顺序,空间中条路径的来波方向写成向量形式为:
S4、根据估计出的来波方向重构部分阵列流形矩阵,并根据后续观测到的频域瞬时信息估计路径增益。包括以下步骤:
p1,p2,pn,pN都是上行阵列中被选中的天线对应的次序,pn∈{0,1,2,...,M-1},i∈L;
S5、依据估计出的路径增益,来波方向重构完整的上行信道,根据互易性将其对称至下行信道。具体操作如下:
所述步骤S4中,依据S402中估计出的路径增益,S303中估计出的来波方向重构完整的上行信道并将其对称至下行信道,具体操作如下:
重建所有天线上M×1的完整信道:
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (7)
1.一种基于互质阵列的非对称大规模MIMO信道估计方法,其特征在于,包括以下步骤:
S1、构建基于互质阵列的上下行非对称大规模MIMO系统,该系统包括一个配有超大规模天线的基站和K个单天线的用户;基站天线数为M,基站所有天线都有发送射频链路,只有N根接收射频链路可连接到N根天线用于上行接收信号,用户与基站用Q个频点进行通信,数目关系为:M=mn+1,N=m+n-1,其中m<n,且m,n互质;按照互质阵列的方式选取上行接收天线,连接接收射频链;
S2、基站方接收并估计得到部分天线的上行信道信息,将其变换到频域并进行筛选重排后,构造虚拟线性均匀阵列;
S3、利用空间稀疏特性构造基于压缩感知的群最小绝对收缩选择算子,估计来波方向;
S4、根据估计出的来波方向重构部分阵列流形矩阵,并根据后续观测到的频域瞬时信息估计路径增益;
S5、依据估计出的路径增益,来波方向重构完整的上行信道,根据互易性将其对称至下行信道。
2.根据权利要求1所述一种基于互质阵列的非对称大规模MIMO信道估计方法,其特征在于,所述步骤S1中,选取上行接收天线的具体方式为:选中起始的连续n根,第2n+1根,第3n+1根,…,直至第mn+1根,共计N=m+n-1根天线;天线之间的间隔d为λmin/2,其中λmin是各个频点中频率最大的子载波所对应的波长。
3.根据权利要求2所述一种基于互质阵列的非对称大规模MIMO信道估计方法,其特征在于,所述步骤S2中,基站方接收并估计得到部分天线的上行信道信息,将其变换到频域并进行筛选重排后,构造虚拟线性均匀阵列,具体包括以下步骤:
S201、在连续的P个符号时间内,对上行阵列收到的P组Q个离散时域信号分别进行Q点FFT变换,得到P组Q个频点上的频域信号,记N×1的列向量xp,q为第p组信号中第q个频点对应的频域信号;
S202、对每个频点的P个频域信号进行自相关处理,得到Q个N×N的自相关矩阵:
在Rq中将重复位置的阵元进行分类、平均后,按照顺序将其排列成长为M×1的列向量yq;
S203、将所有频点上的虚拟阵列信号排成一个QM的列向量:
其中,长为M的列向量yi是第i个频点上的频域信号。
5.根据权利要求4所述一种基于互质阵列的非对称大规模MIMO信道估计方法,其特征在于,所述步骤S3中,利用基于压缩感知的群最小绝对收缩选择算子构造估计问题,在ADMM优化框架下求解该问题,从而估计来波方向,具体包括以下步骤:
S301、在预先设定的入射角区间[θl,θr]上构造QM×Q(w+1)的观测矩阵θl,θr分别是左角度边界和右角度边界,并满足0≤θl<θr≤π,w是在估计区间[θl,θr]上划分的格点个数,QM×Q的子矩阵Ai是第i个格点上的观测矩阵,是用于估计噪声的矩阵,各子观测矩阵按如下方式生成:
ai,q是第q个频点在第i个格点上的导向矢量,且:
e1=[1,0,...,0]T,
S302、依据压缩感知理论在ADMM框架下写出L21范数约束的线性回归问题:
其中,长度为Q(w+1)的列向量是待求解的目标变量,代表着各个频点在各个估计格点上的能量大小,xi是的第(i-1)Q+1到第iQ个元素组成的子向量,zi是的第(i-1)Q+1到第iQ个元素组成的子向量,辅助变量λt是惩罚系数,上述问题的第k+1次迭代公式为:
6.根据权利要求5所述一种基于互质阵列的非对称大规模MIMO信道估计方法,其特征在于,所述步骤S4中,根据估计出的来波方向重构上行部分阵列流形矩阵,并根据观测到的频域瞬时信息估计路径增益,具体包括以下步骤:
pn是上行阵列中被选中的天线对应的次序,pn∈{0,1,2,...,M-1},i∈L;
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014946.8A CN114401171B (zh) | 2022-01-07 | 2022-01-07 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
PCT/CN2022/112628 WO2023130726A1 (zh) | 2022-01-07 | 2022-08-16 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014946.8A CN114401171B (zh) | 2022-01-07 | 2022-01-07 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114401171A true CN114401171A (zh) | 2022-04-26 |
CN114401171B CN114401171B (zh) | 2023-07-14 |
Family
ID=81228735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210014946.8A Active CN114401171B (zh) | 2022-01-07 | 2022-01-07 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114401171B (zh) |
WO (1) | WO2023130726A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116094876A (zh) * | 2023-03-10 | 2023-05-09 | 南京邮电大学 | 一种基于非对称架构的正交时频空系统的信道估计方法 |
WO2023130726A1 (zh) * | 2022-01-07 | 2023-07-13 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170222835A1 (en) * | 2016-01-29 | 2017-08-03 | Industrial Technology Research Institute | Method of performing uplink channel estimation and base station using the same |
CN109450500A (zh) * | 2018-11-16 | 2019-03-08 | 南京邮电大学 | 基于嵌套阵列的毫米波联合多普勒和信道估计方法 |
CN111193679A (zh) * | 2020-01-09 | 2020-05-22 | 中国传媒大学 | 一种基于互质阵列系统的信道估计方法及系统 |
US20210013619A1 (en) * | 2019-07-12 | 2021-01-14 | Arizona Board Of Regents On Behalf Of Arizona State University | Large intelligent surfaces with sparse channel sensors |
US20210257729A1 (en) * | 2020-01-28 | 2021-08-19 | Phase Sensitive Innovations, Inc. | Phased-array mapping for beamspace processing and beamspace processor |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10135551B2 (en) * | 2016-12-07 | 2018-11-20 | Qatar University | Method of identifying faulty antenna elements in massive uniform linear antenna arrays |
CN109257309B (zh) * | 2018-10-24 | 2021-01-12 | 东南大学 | 一种高性能的大规模mimo下行链路传输信道估计方法 |
CN111107023B (zh) * | 2019-09-23 | 2024-02-02 | 南京邮电大学 | 在大规模mimo中基于光滑范数的压缩感知信道估计方法 |
CN111665468B (zh) * | 2020-06-08 | 2022-12-02 | 浙江大学 | 基于单比特量化信号虚拟域统计量重建的互质阵列波达方向估计方法 |
CN114401171B (zh) * | 2022-01-07 | 2023-07-14 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
-
2022
- 2022-01-07 CN CN202210014946.8A patent/CN114401171B/zh active Active
- 2022-08-16 WO PCT/CN2022/112628 patent/WO2023130726A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170222835A1 (en) * | 2016-01-29 | 2017-08-03 | Industrial Technology Research Institute | Method of performing uplink channel estimation and base station using the same |
CN109450500A (zh) * | 2018-11-16 | 2019-03-08 | 南京邮电大学 | 基于嵌套阵列的毫米波联合多普勒和信道估计方法 |
US20210013619A1 (en) * | 2019-07-12 | 2021-01-14 | Arizona Board Of Regents On Behalf Of Arizona State University | Large intelligent surfaces with sparse channel sensors |
CN111193679A (zh) * | 2020-01-09 | 2020-05-22 | 中国传媒大学 | 一种基于互质阵列系统的信道估计方法及系统 |
US20210257729A1 (en) * | 2020-01-28 | 2021-08-19 | Phase Sensitive Innovations, Inc. | Phased-array mapping for beamspace processing and beamspace processor |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023130726A1 (zh) * | 2022-01-07 | 2023-07-13 | 南京邮电大学 | 一种基于互质阵列的非对称大规模mimo信道估计方法 |
CN116094876A (zh) * | 2023-03-10 | 2023-05-09 | 南京邮电大学 | 一种基于非对称架构的正交时频空系统的信道估计方法 |
CN116094876B (zh) * | 2023-03-10 | 2023-08-29 | 南京邮电大学 | 一种基于非对称架构的正交时频空系统的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023130726A1 (zh) | 2023-07-13 |
CN114401171B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108933745B (zh) | 一种基于超分辨率角度和时延估计的宽带信道估计方法 | |
CN113179231B (zh) | 一种毫米波大规模mimo系统中波束空间信道估计方法 | |
CN114401171B (zh) | 一种基于互质阵列的非对称大规模mimo信道估计方法 | |
CN1695271B (zh) | 包括虚拟天线单元的天线阵 | |
CN1838581B (zh) | 使用空间频率块编码的单载波频域均衡的收发设备和方法 | |
CN109005133B (zh) | 双稀疏多径信道模型及基于此模型的信道估计方法 | |
CN104869086B (zh) | 基于二维压缩感知的mimo‑ofdm通信系统下行信道估计方法、装置 | |
CN114338301B (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 | |
CN114726687B (zh) | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 | |
CN107037409B (zh) | 基于压缩感知的mimo雷达波形分离方法 | |
CN110166087B (zh) | Iq失衡下导频复用大规模mimo-ofdm无线通信方法 | |
CN102474315A (zh) | 多输入多输出波束赋形数据发送方法和装置 | |
CN114189408A (zh) | 一种用于智能反射面辅助毫米波系统的信道估计方法 | |
CN115022134B (zh) | 基于非迭代重构网络的毫米波大规模mimo系统信道估计方法及系统 | |
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 | |
CN113824478A (zh) | 离散透镜天线阵列辅助的宽带毫米波多用户大规模mimo上行频谱效率优化方法 | |
CN114172546B (zh) | Ris辅助mimo系统中一种多参数迭代估计方法 | |
CN112803977B (zh) | 波束偏移效应下毫米波通信系统的混合预编码方法 | |
Srivastava et al. | Sparse Bayesian learning (SBL)-based frequency-selective channel estimation for millimeter wave hybrid MIMO systems | |
CN114726686A (zh) | 一种均匀面阵毫米波大规模mimo信道估计方法 | |
CN110636018B (zh) | 一种网格补偿大规模mimo信道估计方法 | |
CN112804168A (zh) | 一种基于张量链分解的毫米波中继系统信道估计方法 | |
CN114553640B (zh) | 多频段大规模mimo系统中的跨频段统计信道状态信息估计方法 | |
CN111245525B (zh) | 大规模mimo水声通信方法与系统 | |
CN114660535A (zh) | 一种基于离格的稀疏阵列宽带信号欠定doa估计算法 |
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 |