CN114448535B - 基于fdd部分互易性的信道预测方法、网络侧设备及终端 - Google Patents
基于fdd部分互易性的信道预测方法、网络侧设备及终端 Download PDFInfo
- Publication number
- CN114448535B CN114448535B CN202210074479.8A CN202210074479A CN114448535B CN 114448535 B CN114448535 B CN 114448535B CN 202210074479 A CN202210074479 A CN 202210074479A CN 114448535 B CN114448535 B CN 114448535B
- Authority
- CN
- China
- Prior art keywords
- angle
- channel
- uplink
- delay
- downlink 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- 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
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于FDD部分互易性的信道预测方法、网络侧设备及终端,网络侧设备接收终端发送的上行参考信号,将上行信道投影到角度‑时延域中,利用角度‑时延域的稀疏性选出预设数量的上行信道的角度‑时延向量,并求解上行信道的角度‑时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度‑时延向量和对应的多普勒频移,并基于下行信道的角度‑时延向量和对应的多普勒频移,得到预编码矩阵JADD;将经过JADD预编码的导频序列通过子载波发送给终端,使终端将接收的子载波信号在频域叠加,得到反馈系数;利用反馈系数和下行信道的角度‑时延向量和对应的多普勒频移预测下行信道。具有高精度,高鲁棒性,低复杂度,易部署的优点。
Description
技术领域
本发明属于无线通信领域,更具体地,涉及一种基于FDD部分互易性的信道预测方法、网络侧设备及终端。
背景技术
第五代(简称5G)无线通信已经在现实生活中得到了广泛的应用,人们对它的高吞吐率、低延迟和高可靠性寄予厚望。为了实现5G如此诱人的优点,大规模MIMO天线技术是必不可少的。在基站侧部署的大规模天线阵列使得,信道中不相关噪声和深度衰落得到有效的消除,进而提高系统通信速率。当前的5G通信系统有很大一部分是在FDD模式下工作的,在FDD工作模式中要获取准确的信道状态信息(简称CSI)是保障5G高通信速率的前提。而在高速移动场景下获取大规模FDD模式的MIMO系统的CSI,具有很大的挑战。主要挑战在于,FDD模式下上行信道和下行信道有不同的工作频段,不再具有完全的互易性,导致传统的导频训练在大规模天线阵列配置下的负担过大。其次,移动性场景下的CSI获取更加困难,因为信道的时变特性,当存在高速移动的用户时,CSI的获取不及时会导致信道预测的不准确性。
为了解决这些困难,3rd Generation Partner Project(简称3GPP)在第16版(Rel-16)5G标准中提出了一种码本反馈机制Enhanced Type II。这种码本通过在宽带信道矩阵上引入二维离散傅里叶变化(简称DFT),利用了空域和频域中的稀疏性。简言之,基站首先向其服务的用户广播未编码的信道信息参考信号(CSI-RS)。用户根据接收的CSI-RS信号估计其下行信道。随后,用户对宽带预编码矩阵执行DFT矩阵乘法,其中该矩阵的每列是含有固定频带和角度信息的预编码器。最后,用户将变换矩阵中的不可忽略元素(量化之后)连同它们在DFT矩阵中的对应位置一起发送回基站。基站根据用户反馈的信息和对应的矩阵列位置信息,作为下行信道的估计,进而完成信道的估计。
为了充分利用大规模天线阵列优越的信道稀疏性和角度分辨率,3GPP推荐部署均匀面阵天线(简称UPA)。UPA天线配置以及坐标系如图1所示。
其中UPA天线在XOZ平面内竖直摆放,lv和lh分别代表水平方向的天线单元间距和垂直方向的天线单元间距。同时角度θ和φ分别代表圆顶角和方位角,而角度是某条径p与用户速度矢量的夹角。3GPP提出基于此天线排布的多径信道在时间t,载频f响应如下式:
其中k代表第k个用户,r代表第r根接收天线。C代表上行或者下行信道,C={u,d},u代表上行信道而d代表下行信道。代表某条径的大尺度衰落;代表某条径的时延;代表某条径的多普勒频偏,vk是用户k的速度,c是光速。代表导向矢量。由于基站部署了UPA天线,其结构如下:
从式(1.1)看出,3GPP提出的多径模型具有明显的物理特征,有着多个指数函数线性叠加的数学特性。
基于上述信道模型进行FDD大规模天线的信道估计,目前3GPP提出了一种5G码本反馈机制,主要利用信道在频域和空域的稀疏性。而稀疏性成立的前提,是依赖基站侧的大规模天线的部署,特别是平面阵(简称UPA)天线的应用。在FDD工作模式下,由于上行信道和下行信道工作频段的不同,导致上行下行信道不再具有完全的互易性。其中完全的互易性是在TDD模式中可以用上行信道估计来代替下行信道估计,进而利用上行导频取代下行导频设计,其效果就是降低了导频的开销,使得导频数量不再依赖于大规模的基站天线数而依赖于相对较少的用户数。
目前3GPP的码本方案缺陷如下:
(1)正是由于FDD模式下没有完全的互易性,下行信道估计的导频开销依赖于基站的大规模天线数量,随着天线数的增加会非常巨大,会严重降低通信的速率。而3GPP的码本反馈机制并没有考虑这一点,因此反馈的开销会很大。
(2)同时,在高速移动场景下,由于多普勒效应变强,信道不再是静态的,信道相干时间缩短。如果基站估计的信道已经是过时的信道信息,必然会造成信道信息的不准确,目前的Enhanced Type II没有考虑这一点,不具备信道预测的功能。
(3)3GPP提出的码本Enhanced Type II是基于固定生成的DFT矩阵,其能够在一定程度上刻画信道的角度和时延的物理特征。但是在高速移动场景下,信道的多普勒效应无法精准刻画,导致基站估计的信道信息有误差,不够精确。进而影响波束赋形,导致用户通信速率下降。
发明内容
针对以上缺陷或改进需求,本发明提供了一种基于FDD部分互易性的信道预测方法、网络侧设备及终端,旨在解决现有下行信道预测的导频开销过大以及在在高速移动场景下基站预测的信道信息不精确的技术问题。
为实现上述目的,第一方面,本发明提供了一种基于FDD部分互易性的信道预测方法,应用于网络侧设备,所述方法包括:
接收终端发送的上行参考信号,将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;
根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
将经过JADD预编码的导频序列通过子载波发送给所述终端,使所述终端将接收的子载波信号在频域叠加,得到反馈系数;
利用所述反馈系数、下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
进一步地,所述将上行信道投影到角度-时延域中,包括:
利用矩阵Q,将上行信道投影到角度-时延域中;
其中,所述矩阵Q由包含子载波信号的离散傅里叶变换矩阵、包含竖直方向角度信息的离散傅里叶变换矩阵以及包含水平方向角度信息的离散傅里叶变换矩阵做克罗内克积运算得到。
进一步地,投影后的上行信道hu(t)表示为:
其中,S代表利用稀疏性确定的矩阵Q中被选中的列向量的序号集合,矩阵Q的每一列代表一种角度-时延向量的组合,M代表每种角度-时延向量对应的不同的多普勒频率数,代表上行角度-时延向量序号i对应的m个多普勒频率的多普勒频移,代表上行角度-时延向量序号i对应的m个多普勒频率的复振幅,qi代表上行角度-时延向量序号i对应的角度-时延向量,上标u代表上行信道,t代表时间。
进一步地,所述根据信道的部分互易性,得到下行信道的角度-时延向量,包括:
将单位矩阵与旋转矩阵进行克罗内克积运算后,与根据上行信道的角度-时延向量直接获取的下行信道的角度-时延向量相乘的结果,作为最终的下行信道的角度-时延向量。
进一步地,根据信道的部分互易性,得到下行信道与角度-时延向量对应的多普勒频移表示为:
进一步地,所述预编码矩阵F(t)表示为:
其中,矩阵且dj代表下行角度-时延向量序号j对应的角度-时延向量,j∈{1,2…Ns},Ns代表集合S中序号的个数,Nt代表Nh与Nv的乘积,矩阵DT代表矩阵D的转置;矩阵且代表Moore-Penrose伪逆运算。
进一步地,所述使所述终端将接收的子载波信号在频域叠加,得到反馈系数,包括:使所述终端将接收的子载波信号在频域叠加,再利用线性均方估计得到反馈系数;
第二方面,本发明提供了一种基于FDD部分互易性的信道预测方法,应用于终端,所述方法包括:
向网络侧设备发送上行参考信号,使所述网络侧设备将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量;并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
接收所述网络侧设备通过子载波发送的经过JADD预编码的导频序列,将接收的子载波信号在频域叠加,得到反馈系数并发送给所述网络侧设备,以使所述网络侧设备利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
第三方面,本发明提供了一种网络侧设备,包括:
接收单元,用于接收终端发送的上行参考信号;
第一处理单元,用于将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移得到预编码矩阵JADD;
发送单元,用于将经过JADD预编码的导频序列通过子载波发送给所述终端,使所述终端将接收的子载波信号在频域叠加,得到反馈系数;
第二处理单元,用于利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
第四方面,本发明提供了一种终端,包括:
发送单元,向网络侧设备发送上行参考信号,使所述网络侧设备将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
接收单元,用于接收所述网络侧设备通过子载波发送的经过JADD预编码的导频序列;
处理单元,用于将接收的子载波信号在频域叠加,得到反馈系数并发送给所述网络侧设备,以使所述网络侧设备利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
第五方面,本发明提供了一种网络侧设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行如第一方面所述的信道预测方法。
第六方面,本发明提供了一种终端,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行如第二方面所述的信道预测方法。
第七方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面或第二方面所述的方法。
总体而言,通过本发明提出的以上技术方案与现有技术相比,能够取得下列有益效果:
本发明充分利用了FDD中信道的部分互易性和多径信道的角度-延迟-多普勒结构,通过引入铅笔矩阵、Prony、MUSIC、ESPIRT等方法来预测多普勒频率,从而设计了实时更新的宽带形式的联合角度-时延-多普勒(简称JADD)预编码矩阵,最后利用从上行信道参数中提取的信道参数和从终端反馈的少量系数重构下行信道。如此,下行信道能够根据CSI延迟的时间情况来预测信道,并且大大降低了反馈的负担和反馈的复杂度。
附图说明
图1是本发明提供的基站大规模天线阵列排布以及3D坐标系设置示意图;
图2是本发明提供的一种基于FDD部分互易性的信道预测方法的流程示意图之一;
图3是本发明提供的一种基于FDD部分互易性的信道预测方法的流程示意图之二;
图4是本发明提供的一种基于FDD部分互易性的信道预测方法的流程示意图之三;
图5是本发明提供的不同速度下的频谱效率性能仿真图;
图6是本发明提供的不同Ns下的频谱效率性能仿真图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明可以应用于无线通信系统,需要说明的是,本申请实施例提及的无线通信系统包括但不限于:窄带物联网系统(Narrow Band-Internet of Things,NB-IoT)、全球移动通信系统(Global System for Mobile Communications,GSM)、增强型数据速率GSM演进系统(Enhanced Data rate for GSM Evolution,EDGE)、宽带码分多址系统(WidebandCode Division Multiple Access,WCDMA)、码分多址2000系统(Code Division MultipleAccess,CDMA2000)、时分同步码分多址系统(Time Division-Synchronization CodeDivision Multiple Access,TD-SCDMA),长期演进系统(Long Term Evolution,LTE)以及5G移动通信系统的三大应用场景增强型移动宽带(Enhanced Mobile Broad Band,eMBB)、超高可靠与低时延通信(Ultra-reliable and Low Latency Communications,URLLC)以及大规模机器通信(Massive Machine-Type Communications,mMTC)。
本发明涉及的通信装置主要包括网络侧设备或者终端设备。本发明中的发送端为网络侧设备,则接收端为终端设备;或者,本发明中的发送端为终端设备,则接收端为网络侧设备。
本发明的终端设备可以是无线终端,无线终端可以是指向用户提供语音和/或其他业务数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经无线接入网(radio access network,RAN)与一个或多个核心网进行通信,无线终端可以是移动终端,如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(personal communicationservice,PCS)电话、无绳电话、会话发起协议(session initiation protocol,SIP)话机、无线本地环路(wireless local loop,WLL)站、个人数字助理(personal digitalassistant,PDA)等设备。无线终端也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobile station)、移动台(mobile)、远程站(remotestation)、远程终端(remote terminal)、接入终端(access Terminal)、用户终端(userterminal)、用户代理(user agent)、用户设备(user device or user equipment),在此不作限定。
本发明的网络侧设备可以是用于与终端设备进行通信的设备,例如,可以是GSM系统或CDMA中的基站(base transceiver station,BTS),也可以是WCDMA系统中的基站(nodeB,NB),还可以是LTE系统中的演进型基站(evolutional nodeB,eNB或eNodeB),还可以是LTE系统中的下一代基站(next generation eNodeB,ngeNB),或者该网络侧设备可以为中继站、接入点(access point,AP)、车载设备、可穿戴设备以及5G网络中的网络侧设备或未来演进的公共陆地移动网络(public land mobile network,PLMN)中的网络侧设备等,例如,可以是新一代基站(generation nodeB,gNB或gNodeB)。
实施例一
参阅图2,为一种基于FDD部分互易性的信道预测方法的流程示意图,其执行主体为网络侧设备,该方法包括:
S101、网络侧设备接收终端发送的上行参考信号,将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移。
本实施例中,用宽带形式来表示式(1.1)中的上行信道如下:
本发明中定义一个矩阵Q,矩阵Q由包含子载波信号的离散傅里叶变换矩阵、包含竖直方向角度信息的离散傅里叶变换矩阵以及包含水平方向角度信息的离散傅里叶变换矩阵做克罗内克积运算得到。示例性的:
其中,Nf代表子载波的个数,Nh代表竖直方向的天线个数,Nv代表水平方向的天线个数,代表克罗内克积;为离散傅里叶变换矩阵,X代表Nf、Nh和Nv其中之一,代表相位。需要说明的是,W(Nf)、W(Nh)、W(Nv)都可以替换为自身的共轭转置而不影响结果。
利用生成的矩阵Q,将原信道投影到角度-时延域中,从而利用信道在空域-频域中的稀疏性。具体实现方法就是将式(2.1)与矩阵Q相乘,得到角度-时延域的宽带信道:
gu(t)=QHhu(t) 式(2.4)
矩阵Q的每一列代表一种角度-时延向量的组合,可以用来近似式(2.2)中的信道的角度-时延结构。为了减少反馈开销,利用稀疏性,即部分矩阵Q中的列向量去近似信道,实现方法如下:
其中,集合S代表选中的列向量的序号,NL代表一次参数估计使用的总信道时间上采样数,η∈[0,1]代表门限值。式(2.5)选取矩阵Q中列向量序号的准则是在NL时间内能包含η原信道能量的所有列向量序号。并且定义集合S中序号的总数为Ns。在式(2.5)和式(2.4)基础上,上行信道由下式近似给出:
其中,M代表每种角度-时延向量对应的不同的多普勒频率数,代表上行角度-时延向量序号i对应的m个多普勒频率的多普勒频移,代表上行角度-时延向量序号i对应的m个多普勒频率的复振幅,qi代表上行角度-时延向量序号i对应的角度-时延向量,上标u代表上行信道,t代表时间。事实上,式(2.6)中的qi刻画了式(2.1)中的刻画了式(2.1)中的刻画了式(2.1)中的。因此利用具有明显物理特征的式(2.6)可以去估计上行信道表达式式(2.1)中的信道参数。同理我们在式(2.6)省略了多普勒频率和角度时延向量的时间t自变量。
进一步地,要获取多普勒频移本发明引入了铅笔矩阵方法进行估计。铅笔矩阵方法主要用于估计类似于式(2.6)形式的多个带权重阻尼指数函数叠加的相关参数。运用铅笔矩阵,首先要获取预测矩阵P1(i),P0(i),它们由下式给出:
需要说明的是,除铅笔矩阵方法外,比如Prony、MUSIC、ESPIRT等方法均可求得多普勒频率。以Prony为例,也估计以下形式得到多个指数函数叠加形式,与式(2.6)中类似:
S102、网络侧设备根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD。
需要说明的是,由于FDD中信道具有部分互易性,本发明提出的信道预测方法依赖于上行信道参数提取。其中,信道的部分互易性,是指一些与频率无关的信道参数在下行信道和上行信道之间是互易的,例如,角度、延迟和多普勒频移;而跟频率有关的参数,比如大尺度衰落,是没有互易性的。部分互易性允许我们先从上行信道估计中提取一些有用的信道参数,然后部分下行信道参数可以通过矩阵计算获取。
首先考虑获取上行信道的角度-时延信息。在这之前定义上行信道的角度-时延向量为uj,由下式给出:
其中ih,iv反应了索引i在矩阵Q的水平角度信息和垂直角度信息,由以下关系给出:
其中ia反应索引i在矩阵Q中的2D角度信息,由以下给出:
因此利用式(2.14)和式(2.15)可以得到式(2.13)。
接下来本发明推导下行的多普勒频率,同理根据信道的部分互易性,可以推导出下式:
在本发明提出的信道预测框架中,具有预编码功能的下行导频训练是最关键的一步。3GPP中的码本设计方案中,导频训练是不涉及预编码的,而本发明的框架设计了带预编码的下行导频训练序列,并且预编码矩阵依赖于下行信道参数估计,在网络侧设备和终端侧设备均进行预编码的计算,有利于降低导频训练和反馈的开销。
其中,dj代表下行序号j对应的角度-时延向量,j∈{1,2…Ns},Ns代表集合S中序号的个数,Nt代表Nh与Nv的乘积。
需要说明的是,在确定矩阵D和矩阵E(t)后,除了进行伪逆运算,还可以通过RZF、共轭转置、MMSE等方法得到预编码矩阵JADD。
S103、网络侧设备将经过JADD预编码的导频序列通过子载波发送给所述终端,使所述终端将接收的子载波信号在频域叠加,得到反馈系数。
具体的,计算出预编码矩阵之后,网络侧设备和终端侧设备需要进行联合预编码。具体来说,网络侧设备会在空域将信号分集,分别在每个子载波上发送出去,终端侧设备则将接收的子载波信号在频域叠加。本发明定义预编码矩阵的某一列为以下多子载波形式:
其中τ为序列长度。从式(2.21)可以看出每个子载波均用相同的导频序列,充分减少了导频开销,并且在正交频分多址(OFDM)系统中可以很好的避免干扰。因此经过基站发出的导频训练序列,用户接收的信号xd(t,fl)在第l子载波上为:
其中hd(t,fl)是第l个子载波的下行信道,n(t,fl)则是信道噪声。然后用户将所有子载波的信号在频域相加,接收的信号yd(t)为:
上述网络侧设备和终端侧设备的联合预编码,可以写成如下的空频域的形式更加直观:
yd(t)=hd(t)TF(t)S+n(t) 式(2.24)
具体的,通过已经计算的下行信道参数,本发明的信道预测方法的目的就是重构出下行信道如下式:
hd(t)=DE(t)ad 式(2.26)
S104、网络侧设备利用所述反馈系数、下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
最后利用下行信道参数和反馈的复振幅向量,进行下行信道预测如下式:
其中,Td代表CSI时延。从式(2.28)中可以看到,本发明提出的信道预测方法可以很好的适应信道信息时延,因为能够实时追踪信道的多普勒效应。
实施例二
参阅图3,为另一种基于FDD部分互易性的信道预测方法的流程示意图,其执行主体为终端,该方法包括:
S201、终端向网络侧设备发送上行参考信号,使所述网络侧设备将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量;并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
需要说明的是,为了降低导频训练和反馈的开销,在网络侧设备和终端均进行预编码的计算,即终端也将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量;并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD。
S202、终端接收所述网络侧设备通过子载波发送的经过JADD预编码的导频序列,将接收的子载波信号在频域叠加,得到反馈系数并发送给所述网络侧设备,以使所述网络侧设备利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
本实施例中,各步骤的具体实施方式,请参考实施例一中的描述,在此将不作复述。
实施例三
为了验证本发明的实用性,在基于3GPP的5G信道模型的仿真实验中,本发明利用仿真平台测试本发明提出的方法的频谱效率性能。
参阅图4,首先从用户发送的上行参考信号开始。用户侧进行上行信道参数估计,同时进行反馈。而基站侧,利用上行参考信号,进行下行信道参数计算和多普勒估计,然后利用估计出的参数进行带预编码的下行导频训练。这样基站和用户侧信道估计形成了闭环和联动。具体步骤如下:
1、上行信道参数估计
在本发明的信道预测方法下,每个时隙的上行信道信息由用户发送的上行参考信号获得。利用一小段时间内的上行参考信号,按照表1的步骤计算上行信道参数。需要指出的是,这段时间长度应该小于相干带宽,本发明将它定义为NL。
表1上行信道参数估计算法
2、下行JADD波束赋形器设计
在获取上行信道参数(多普勒频率和角度时延向量)之后,首先要进行下行信道参数的计算。根据式(2.16)计算下行信道的多普勒频率,根据式(2.11)计算下行信道的角度-时延向量。
根据式(2.17)生成宽带预编码矩阵F(t)。
3、下行导频序列发送
4、用户反馈信号
用户接收到的信号经过频域的叠加为式(2.23)或者式(2.24),然后经过LS估计由式(2.27)给出反馈的系数。
5、下行信道预测
在基站侧根据已经估计出的下行信道参数以及反馈的系数,式(2.28)给出了下行信道预测结果。其中CSI延迟预先设定为固定值,要求小于相干带宽。
本发明选取工作在Sub-6G的3GPP规定的FDD专用N65频段,其中上行链路工作中心频点在1.95GHz;下行链路的中心频点在2.11GHz。带宽设置为20MHz,对应的子载波间隔为30kHz,每个时隙中有51个资源块(简称RB),而每一个时隙包含14个OFDM符号,子帧的长度为0.5ms。本发明采用的CDL-A信道模型,包含23个集群束,每个束中包含20条路径。每条径具有随机的增益,角度,时延,具体设置可以参照3GPP给出的参数表。基站侧部署大规模天线阵列,以32根天线的部署为例,本发明设置为2行8列,并且每个天线单元有2种极化方向,分别为0度和90度。天线单元的间隔行方向和列方向均为下行中心频率的半波长。用户的角度均方分布为(87.1°,33.6°,102.1°,24.7°),总数为8个,用户速度为固定速度。为了减小预测复杂度,设置铅笔矩阵的预测阶数为L=M=2,每次预测利用的信道采样数为NL=6。其中,由于系统处理复杂度和反馈的时延,信道时延设置为5ms。
为了展示框架性能,本发明设置的对比方案为3GPP提出的5G码本反馈机制,叫做Enhanced Type II。本发明分两种情况进行比较,一种情况是没有信道信息延迟,另外一种是有信道信息延迟。首先评估本发明的框架对于不同运动速度下的鲁棒性。从图5中可以看到,JADD框架在不同速度下,从60km/h到350km/h均表现良好,而且超过了Enhanced TypeII的性能。虽然与没有延迟的Enhanced Type II性能有小的差距,但是这个差距可以通过增大Ns来减小。同时可以看出,信道时延对于信道估计的影响是非常大的。
然后我们需要评估框架中的关键参数Ns对于频谱效率的影响,因为Ns对于框架的复杂度和预测精确度有着决定性的作用。从图6可以看出,随着Ns增大,明显频谱效率提升。可以清楚的发现,即使是设置较小的Ns,例如50,本发明的框架性能仍然比Enhanced TypeII要好很多。在实际系统配置中,选取合适的Ns需要在精确度和复杂度中作出取舍。
综上所述,本发明提出的信道预测方案,具有高精度,高鲁棒性,低复杂度,易部署的优点。本发明利用了FDD大规模天线阵列技术带来的角度-时延的高分辨率,利用DFT矩阵高精确的获得信道的角度-时延信息。然后引入了线性预测方法铅笔矩阵来预测多普勒频率,具有低复杂度的优势。同时由于设计的新型宽带的JADD波束赋形器,能够精准刻画信道的角度-时延结构而且大大降低导频训练的开销。最后本发明的框架都是基于多项式复杂度的算法,适用于现实通信系统,易于部署。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种基于FDD部分互易性的信道预测方法,其特征在于,应用于网络侧设备,所述方法包括:
接收终端发送的上行参考信号,将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;
根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
将经过JADD预编码的导频序列通过子载波发送给所述终端,使所述终端将接收的子载波信号在频域叠加;根据叠加后的信号估计得到下行信道的角度-时延向量的复振幅,作为反馈系数;
利用所述反馈系数、下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
2.根据权利要求1所述的基于FDD部分互易性的信道预测方法,其特征在于,所述将上行信道投影到角度-时延域中,包括:
利用矩阵Q,将上行信道投影到角度-时延域中;
其中,所述矩阵Q由包含子载波信号的离散傅里叶变换矩阵、包含竖直方向角度信息的离散傅里叶变换矩阵以及包含水平方向角度信息的离散傅里叶变换矩阵做克罗内克积运算得到。
4.根据权利要求3所述的基于FDD部分互易性的信道预测方法,其特征在于,所述根据信道的部分互易性,得到下行信道的角度-时延向量,包括:
将单位矩阵与旋转矩阵进行克罗内克积运算后,与直接获取的上行信道的角度-时延向量相乘的结果,作为最终的下行信道的角度-时延向量;
其中,diag(X)代表以向量X生成的对角矩阵;lv和lh分别代表水平方向的天线单元间距和垂直方向的天线单元间距;Nh代表竖直方向的天线个数,Nv代表水平方向的天线个数;f代表中心频率,上标d代表下行信道,上标u代表上行信道;c是光速;j代表下行角度-时延向量序号,j∈{1,2…Ns},Ns代表集合S中序号的个数;
ih,iv反应了上行角度-时延向量序号i在矩阵Q的水平角度信息和垂直角度信息。
8.一种基于FDD部分互易性的信道预测方法,其特征在于,应用于终端,所述方法包括:
向网络侧设备发送上行参考信号,使所述网络侧设备将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量;并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
接收所述网络侧设备通过子载波发送的经过JADD预编码的导频序列,将接收的子载波信号在频域叠加;根据叠加后的信号估计得到下行信道的角度-时延向量的复振幅,作为反馈系数并发送给所述网络侧设备,以使所述网络侧设备利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
9.一种网络侧设备,其特征在于,包括:
接收单元,用于接收终端发送的上行参考信号;
第一处理单元,用于将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移得到预编码矩阵JADD;
发送单元,用于将经过JADD预编码的导频序列通过子载波发送给所述终端,使所述终端将接收的子载波信号在频域叠加;根据叠加后的信号估计得到下行信道的角度-时延向量的复振幅,作为反馈系数;
第二处理单元,用于利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
10.一种终端,其特征在于,包括:
发送单元,向网络侧设备发送上行参考信号,使所述网络侧设备将上行信道投影到角度-时延域中,利用角度-时延域的稀疏性选出预设数量的上行信道的角度-时延向量,并求解选出的上行信道的角度-时延向量对应的多普勒频移;根据信道的部分互易性,得到下行信道的角度-时延向量和对应的多普勒频移;并基于下行信道的角度-时延向量和对应的多普勒频移,得到预编码矩阵JADD;
接收单元,用于接收所述网络侧设备通过子载波发送的经过JADD预编码的导频序列;
处理单元,用于将接收的子载波信号在频域叠加;根据叠加后的信号估计得到下行信道的角度-时延向量的复振幅,作为反馈系数并发送给所述网络侧设备,以使所述网络侧设备利用所述反馈系数和下行信道的角度-时延向量和对应的多普勒频移预测下行信道。
11.一种网络侧设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的信道预测方法。
12.一种终端,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求8所述的信道预测方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074479.8A CN114448535B (zh) | 2022-01-21 | 2022-01-21 | 基于fdd部分互易性的信道预测方法、网络侧设备及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210074479.8A CN114448535B (zh) | 2022-01-21 | 2022-01-21 | 基于fdd部分互易性的信道预测方法、网络侧设备及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114448535A CN114448535A (zh) | 2022-05-06 |
CN114448535B true CN114448535B (zh) | 2022-10-14 |
Family
ID=81370592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210074479.8A Active CN114448535B (zh) | 2022-01-21 | 2022-01-21 | 基于fdd部分互易性的信道预测方法、网络侧设备及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114448535B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115514436B (zh) * | 2022-08-05 | 2023-04-14 | 郑州大学 | 一种面向Massive MIMO LEO通信的星间链路信道预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102752037A (zh) * | 2012-06-28 | 2012-10-24 | 东南大学 | 一种延时反馈下多天线中继预编码的鲁棒构造方法 |
CN110691049A (zh) * | 2019-10-31 | 2020-01-14 | 华中科技大学 | 一种频分双工模式下的大规模mimo系统信道预测方法 |
CN110830133A (zh) * | 2019-12-23 | 2020-02-21 | 华中科技大学 | 一种基于多阶信道预测方法、预测系统及应用 |
CN111010249A (zh) * | 2019-12-23 | 2020-04-14 | 华中科技大学 | 一种角度时延域信道预测方法、预测系统及应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10797913B2 (en) * | 2018-01-22 | 2020-10-06 | Samsung Electronics Co., Ltd. | Reciprocity based FDD FD-MIMO DL channel CSI acquisition |
-
2022
- 2022-01-21 CN CN202210074479.8A patent/CN114448535B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102752037A (zh) * | 2012-06-28 | 2012-10-24 | 东南大学 | 一种延时反馈下多天线中继预编码的鲁棒构造方法 |
CN110691049A (zh) * | 2019-10-31 | 2020-01-14 | 华中科技大学 | 一种频分双工模式下的大规模mimo系统信道预测方法 |
CN110830133A (zh) * | 2019-12-23 | 2020-02-21 | 华中科技大学 | 一种基于多阶信道预测方法、预测系统及应用 |
CN111010249A (zh) * | 2019-12-23 | 2020-04-14 | 华中科技大学 | 一种角度时延域信道预测方法、预测系统及应用 |
Non-Patent Citations (2)
Title |
---|
Addressing the Curse of Mobility in Massive MIMO With Prony-Based Angular-Delay Domain Channel Predictions;Haifan Yin等;《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》;20201231;第38卷(第12期);2903-2917页 * |
快时变FDD 大规模MIMO系统智能CSI反馈方法;廖勇等;《通信学报》;20210531;第41卷;84-91页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114448535A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
An et al. | Low-complexity channel estimation and passive beamforming for RIS-assisted MIMO systems relying on discrete phase shifts | |
US20220263686A1 (en) | Reciprocal calibration for channel estimation based on second-order statistics | |
EP4167629A1 (en) | Measurement reporting method and apparatus | |
CN107483088B (zh) | 大规模mimo鲁棒预编码传输方法 | |
CN110518961B (zh) | 大规模mimo卫星移动通信方法及系统 | |
TWI356608B (en) | Mimo communication system and method for beamformi | |
US9667378B2 (en) | Multi-granular feedback reporting and feedback processing for precoding in telecommunications | |
EP2782263B1 (en) | Signal transmission method and device | |
US9363003B2 (en) | Transmitter and wireless communication method | |
CN107465636B (zh) | 一种毫米波大规模阵列空频双宽带系统的信道估计方法 | |
CN110166087B (zh) | Iq失衡下导频复用大规模mimo-ofdm无线通信方法 | |
CN110034916B (zh) | 基于终端反馈的天线相位同步与信道互易性校准的方法 | |
US11616663B2 (en) | Method and apparatus of parameter tracking for CSI estimation | |
WO2020232461A2 (en) | Methods and apparatus for multi-domain conversion of high dimensional channel statistics | |
CN114448535B (zh) | 基于fdd部分互易性的信道预测方法、网络侧设备及终端 | |
EP2898642B1 (en) | Methods and apparatuses for channel estimation in wireless networks | |
CN114600384A (zh) | 一种信道测量方法和通信装置 | |
Li et al. | Implementation of full-dimensional MIMO (FD-MIMO) in LTE | |
Cao et al. | From ORAN to cell-free RAN: Architecture, performance analysis, testbeds and trials | |
EP4325731A1 (en) | Communication method and communication device | |
Shehzad et al. | Design of an efficient CSI feedback mechanism in massive MIMO systems: A machine learning approach using empirical data | |
CN114448757A (zh) | Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 | |
WO2019125240A1 (en) | Steering vector weighting | |
Gupta et al. | An Affine Precoded Superimposed Pilot-Based mmWave MIMO-OFDM ISAC System | |
CN115580328A (zh) | 一种波束赋形方法、装置、存储介质及程序产品 |
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 |