CN114448757A - Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 - Google Patents
Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 Download PDFInfo
- Publication number
- CN114448757A CN114448757A CN202210072852.6A CN202210072852A CN114448757A CN 114448757 A CN114448757 A CN 114448757A CN 202210072852 A CN202210072852 A CN 202210072852A CN 114448757 A CN114448757 A CN 114448757A
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- downlink channel
- csi
- feedback coefficient
- channel estimation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 92
- 239000013598 vector Substances 0.000 claims abstract description 209
- 239000011159 matrix material Substances 0.000 claims abstract description 161
- 238000013139 quantization Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 239000000758 substrate Substances 0.000 claims description 19
- 208000011231 Crohn disease Diseases 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 230000010287 polarization Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003491 array Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- H04B7/0417—Feedback 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
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0246—Channel estimation channel estimation algorithms using matrix methods with factorisation
-
- 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
- H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
-
- 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
- H04L25/0258—Channel estimation using zero-forcing criteria
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,利用信道角度‑延迟分布的部分上行/下行互易性,通过BS和UE的联合操作,完成宽带预编码后的参考信号的发送和接收;其基本思想是通过从宽带上行链路信道估计中进行空频域的投影,找到占主要信道能量的投影向量,然后根据这些投影向量设计下行链路联合预编码器;其中,投影是通过宽带信道在空域和频域上的协方差矩阵的特征向量来实现的。这种方式利用了信道在角度、时延域的稀疏性,只对投影后不可忽略系数进行采样,从而显著降低了信道估计开销。
Description
技术领域
本发明属于无线通信领域,更具体地,涉及一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法。
背景技术
5G蜂窝系统的大规模商业化逐渐将大规模MIMO的概念变为现实。由于基站上有大量天线,与传统MIMO相比,大规模MIMO可带来更高的频谱和能量效率。大规模MIMO的基本思想是当基站天线数量增加时,不同用户设备(UE)的信道向量之间的成对正交性增加。不同UE的信道向量之间更强的成对正交性允许基站具有更高的干扰抑制能力。换句话说,大规模天线阵列的窄波束减少了发射信号的泄漏问题,这是大规模MIMO的主要特征之一。然而,大规模MIMO的性能主要取决于信道状态信息(CSI)的准确性。在实际蜂窝系统中,CSI不准确主要有三个原因,即导频污染、移动性问题和FDD中开销有限的CSI反馈。
在FDD模式下,上行链路(UL)和下行链路(DL)占用不同的频带,在当前的5G通信系统设置中,这两个频带之间的间隔约为100MHz,这一间隔远大于信道相干带宽。因此,与时分双工(TDD)模式不同,FDD中的UL和DL信道通常是不具备完全互易的。其中完全互易性是在TDD模式中可以用上行信道估计来代替下行信道估计,进而减少或避免下行导频的发送。因此,在FDD模式下,下行信道信息主要通过闭环反馈方法获得:基站(BS)首先发送参考信号,例如5G通信协议中的信道状态信息参考信号(CSI-RS),然后每个UE估计其各自的信道,最后用户将量化后的信道信息发送回基站。
在5G标准的R-16版本中,为了获取CSI信息采用了增强型II码本(Enhanced Type-II),然而,目前3GPP的R-16码本方案缺陷如下:
(1)Enhanced Type-II码本基于DFT形式的矩阵变换操作,有着先天的功率泄露问题,导致CSI估计精度不够;特别是在天线数不够大的时候,角度-时延域的分辨率不够。
(2)Enhanced Type-II码本机制下使用的波束技术,主要在频域,并且下行导频训练序列,不具备波束赋形的能力,没有结合信道在角度-时延域的稀疏性来减小导频资源消耗。反馈参数不仅需要反馈DFT向量的序号,而且还要反馈对应的系数。
(3)Enhanced Type-II码本假设了基站部署天线的拓扑结构,是UPA形式的,因此才能使用2D-DFT矩阵投影变换去减小反馈的开销。如果基站使用非UPA形式的天线拓扑,比如均匀圆阵,信道的物理特性发生变化导致码本的性能会受到影响。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,由此解决现有FDD大规模MIMO中的信道估计精度不高、反馈开销较大的问题。
为实现上述目的,按照本发明的第一方面,提供了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于基站,该方法包括:
对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第二方面,提供了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于基站,其特征在于,该方法包括:
以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第三方面,提供了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第四方面,提供了一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第五方面,提供了一种基站,包括:
处理单元,用于对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第六方面,提供了一种基站,包括:
处理单元,用于以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第七方面,提供了一种用户终端,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第八方面,提供了一种用户终端,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第九方面,提供了一种基站,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第十方面,提供了一种基站,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
按照本发明的第十一方面,提供了一种用户终端,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第十二方面,提供了一种用户终端,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
按照本发明的第十三方面,提供了一种可读存储介质,其特征在于,
所述可读存储介质内存储有计算机程序,当所述计算机程序被处理器执行时,实现如第一至四方面中任一方面所述的方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,提出了一种基于信道部分互易性的宽带码本反馈方法(Partial Channel Reciprocity-based Codebook-E,PCR-E)以解决FDD大规模MIMO中CSI获取的问题,该方案充分利用了信道角度-延迟分布的部分上行(UL)/下行(DL)信道的部分互易性,通过BS和UE的联合操作,完成宽带预编码后的参考信号的发送和接收,它在信道估计性能、UE复杂度、反馈开销、CSI-RS的接收信噪比和通用性方面超过了5G最新的Rel-16码本。
具体而言,本发明相对于5G中的Rel-16码本,具有以下几项主要优势:
(1)本发明可以实现更高的CSI反馈精度和更高的频谱效率。本发明利用了二阶信道统计数据,与基于DFT的方法(例如Rel-16码本)相比,信道协方差矩阵的信号子空间的维度小于不可忽略的DFT投影的数量。
(2)本发明具有较低的计算复杂度。Rel-16的码本需要二维DFT操作,在某些情况下,还需要奇异值分解(SVD)。但本发明对于用户侧而言,只需要一些标量加法而不是矩阵运算。
(3)本发明具有较小的反馈开销。主要有两个原因:1)基于特征向量的压缩比基于DFT的压缩更有效;2)在Rel-16码本中,UE除了反馈量化系数外,还需要反馈对应的DFT向量的索引。而在本发明中,UE只需要反馈量化系数。
(4)本发明在UE侧具有更好的信道估计质量。在Rel-16的Enhanced Type II码本中,BS向所有UE广播非预编码的CSI-RS。在基站不执行波束成形。在这种情况下,接收到的CSI-RS的信噪比可能较低。相比之下,本发明提出的码本方案支持预编码的CSI-RS。换句话说,基站向UE发送波束成形参考信号,似于特征波束成形;参考信号的接收信噪比更高。
(5)本发明不依赖于特定的基站天线阵列的拓扑结构。事实上,Rel-16中的Enhanced Type II码本明确假设基站配备了均匀平面阵列(UPA)。然而,本发明提出的方法适用于任意天线拓扑,因此通用性更强。
2、本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,结合信道在角度-时延域的稀疏性来减小导频资源消耗,利用了基站部署大规模天线阵列时,宽带协方差矩阵R(X,J)具有低秩性的特点,其低秩性保证了能够用少量的预编码向量去做信道估计,来减少反馈开销。
3、为了进一步减轻基站计算复杂度,本发明还提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,利用离散傅里叶变换矩阵(DFT matrix)作为基底构造空频域预编码向量,从而大幅度减轻基站计算复杂度。
附图说明
图1为本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法流程示意图之一;
图2为本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法流程示意图之二;
图3为本发明提供的PCR-E码本中投影到空域和频域中的信道幅值分布示意图;
图4为本发明提供的PCR-D码本中投影到空域和频域中的信道幅值分布示意图;
图5为本发明提供的PCR-E码本、PCR-D码本与现有的Rel-16码本在CDL-A模型下不同信噪比下的频谱效率示意图之一;
图6为本发明提供的PCR-E码本、PCR-D码本与现有的Rel-16码本在CDL-A模型下不同信噪比下的频谱效率示意图之二;
图7为本发明提供的PCR-E码本在CDL-A模型下Na各取值对应的频谱效率示意图。
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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
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)。
首先需要介绍子带(subband)的概念,也就是一组连续的子载波占用的频带。在实际系统里,子带占用的带宽等于一个或多个资源块(RBs)的频域宽度,并且通常小于信道的相干带宽。换句话说,信道的频率响应在此间隔内是平坦的,并且在每个子带内只需估计一次信道。在本发明中,Nf表示子载波数或子频带数。
根据3rd Generation Partner Project(简称3GPP)提出的5G信道模型,在第m条径,第s根天线,第u个用户上的多径时域多极化信道响应模型如下式:
定义到达端圆顶角(ZOA),离开端圆顶角(ZOD),到达端方位角(AOA),离开端方位角(AOD)分别为 为天线振子方向图。交叉极化比值(简称XPR)为κm。代表了随机初始相位值的组合。λ0是中心频率的波长。代表球坐标系用AOA和ZOA表示的单位向量:
部分互易性在FDD模式下,相关标准也给出了具体的定义。也就是指小尺度参数,在上行信道和下行信道中是互易的。具体指角度分布ZOA,ZOD,AOA,AOD,以及每条径的功率和时延,还有XPR。而其他的信道参数是不具备互易性的,例如,上行和下行的初始随机相位,频段,以及路损。
在现行的5G标准Rel-16(R-16)版本中,基站部署了UPA形式的天线阵列。在这样的天线拓扑结构下,基站天线数Nt=NvNhNp,其中Nv是每一行的天线单元数,Nh是每一列的天线单元数,Np是极化数。同时需要引入3D导向矢量
其中Dh,Dv代表水平和垂直方向上天线单元之间的间距。
基于这样的多径信道模型,在5G标准的R-16版本中,为了获取CSI信息采用了增强型II码本(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换(DFT)操作,利用了空域和频域中的稀疏性。也就是,基站首先向其服务的UE广播CSI-RS,这里的CSI-RS是未经过波束赋形的。UE然后估计其宽带信道矩阵。随后,UE对宽带预编码矩阵执行二维DFT投影变换,其中该矩阵的每列是每个子频带的预编码器。最后,UE将变换矩阵中的所有占主要分量的预编码器的参数(量化之后的)连同它们在变换矩阵中的对应的列序号一起发送回基站。
然而,上述R-16码本方案存在CSI估计精度不够、反馈开销较大、通用性不强等缺陷。
对此,本发明实施例提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于基站,如图1所示,该方法包括:
S1,对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
优选地,所述上行或下行信道在空域和频域上的协方差矩阵R(X,S)、R(X,F)为:
R(X,S)=E{H(X)(t)(H(X)(t))H},R(X,F)=E{(H(X)(t))T(H(X)(t))*},
其中,X={U,D},U代表上行,D代表下行。
为了便于说明,根据上述多径信道模型,推导出下式:
B(X)是代表时延参数的宽带形式的矩阵,由下式给出:
B(X)=[b(X)(τ1) b(X)(τ2) … b(X)(τM)]T,
其中,b(X)(τm),m=1,…,M是每条径的时延响应,定义为:
其中每一个元素都由多径信道公式中的系数生成,如下式:
优选地,获取所述上行或下行信道的功率矩阵中值较大的前Na个元素所在的行,从所述空域特征向量中选择所述行对应的Na个特征向量;
获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的列,从所述频域特征向量中选择所述列对应的Na个特征向量。
优选地,所述功率矩阵为:
G(t)=(U(X,S))H H(X)(t)(U(X,F))*
其中,NC>0;|G(ti)|α表示对矩阵G(ti)的每个元素的绝对值分别取α次方,α>0。
优选地,所述预编码向量wn为:
S2,基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
优选地,所述将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,包括:
将第n个CSI-RS端口的第k个子载波上接收到的信号yn,k(t)在频域上进行叠加后得到yn(t),基于yn(t)进行下行信道估计得到gn(t),对gn(t)进行量化得到反馈系数;其中,n=1,2,…,Na,
所述根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数,包括:
优选地,所述用户终端在第n个CSI-RS端口的第k个子载波上接收到的信号yn,k(t)为:
S3,接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,在配置有MIMO天线的FDD系统,设计了一种高性能的码本,基于部分信道互易性的宽带预编码码本利用了统计信道信息在空间域和频域的低维结构;本发明所提出的宽带预编码的码本方案与经典预编码方法(5G标准中使用的)有根本区别:经典的预编码是在基站天线发射信号时对它们应用波束赋形权向量(即预编码器),UE接收所有发射天线在空中叠加后的信号。这样的过程是由基站单独完成的,而UE侧需要做较为复杂的运算,例如2DDFT运算或矩阵压缩/降维操作,将压缩后的信息反馈给基站。相反,本发明提出的码本方案需要基站和UE的联合操作。总体而言,由于空频域预编码器由基站单独计算和应用,这样的操作对UE是透明的,UE不必知道预编码器本身。因此所提出的训练和反馈方案大大降低了UE侧的计算负担,UE不再需要进行复杂的矩阵降维或压缩操作。为了获得用于反馈的系数,UE只需执行等效信道的估计和频域中的信号相加,同时反馈的开销也较低。另外由于宽带预编码是由协方差矩阵的特征向量产生,相比Rel-16采用的DFT形式的码本,更能充分利用信道的稀疏性,信道之间的抗干扰能力更强,估计更加准确。并且,本发明提出的码本方案不依赖于特定的天线拓扑结构,如果使用非UPA结构的天线阵列,我们的宽带码本方案依然有效。
进一步地,作为优选方案,本发明提供的FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,从宽带上行或下行链路信道估计中进行空频域的投影后,找到占主要信道能量的投影向量(即特征值较大的前Na个特征向量),然后根据这些投影向量设计下行链路联合预编码器。这种方式利用了信道在角度、时延域的稀疏性,只对投影后不可忽略系数进行采样,从而显著降低了信道估计开销。在实际应用中,投影是通过宽带信道在空域和频域上的协方差矩阵的特征向量来实现的,信道稀疏性即为协方差矩阵的低秩性。在本方案中,下行信道重构是基于信道协方差矩阵的先验知识进行设计,设计的思路是使得UE仅测量与宽带协方差矩阵的不可忽略特征向量相对应的信号空间,而协方差矩阵的零空间被自动忽略。这将有助于减少UE侧的反馈开销和计算复杂度。更具体地说,基站根据协方差矩阵的Na个特征向量发送导频信号(即CSI-RS)。
下面以下行链路为例,对基于下行信道在空域和频域上的协方差矩阵特征向量获取预编码矩阵、并进行信道估计的过程进行进一步说明。
删除上标X,默认考虑下行链路。将以上两个协方差矩阵进行特征分解:
R(S)=U(S)Σ(S)U(S)H,R(F)=U(F)Σ(F)U(F)H
其中U(S),U(F)代表空域和频域的特征向量矩阵。
宽带空频联合预编码向量为:
定义空频域的特征值投影为:
G(t)=(U(S))HH(U)(t)(U(F))*
然后通过NC(NC>0)次上行信道采样计算出功率矩阵:
并选取功率矩阵中值较大的前Na个元素对应的行和列。其中第n个元素的行序号为rn,列序号为cn。那么对应的空域和频域的预编码向量分别为:
基于以上预编码向量,基站端先进行CSI-RS在空域的预编码,然后发送给用户,用户进行等效信道的估计,并在频域叠加后得到:
上述实施例提出的PCR-E码本方案,需要基站进行特征值分解运算,基站的计算复杂度略高。
为了进一步减轻基站计算复杂度,本发明实施例还提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,利用离散傅里叶变换矩阵(DFTmatrix)作为基底构造空频域预编码向量。在此方案下,需要基站天线拓扑结构为UPA、ULA或UCA形式配置,而前一种方案不需要此前提条件。
本发明实施例还提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,如图2所示,应用于基站,该方法包括:
S1,以二维DFT矩阵为基底分别构造Nt个空域预编码向量及Nf个频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数。
其中,Na个空域预编码向量可以有重复,Na个频域预编码向量也可以有重复,但由于不同CSI-RS端口的空频联合预编码器需要不同,因此两个向量不能同时重复。
优选地,获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的行,从所述空域预编码向量中选择所述行对应的Na个特征向量;
获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的列,从所述频域预编码向量中选择所述列对应的Na个特征向量。
其中,ω=e-2πj/K或ω=e2πj/K,Nv、Nh、Np分别为UPA阵列中每一行的天线单元数、每一列的天线单元数、天线振子极化数,|SHH(X)(ti)F|α为对矩阵SHH(X)(ti)F的每个元素的绝对值取α次方,α>0。
优选地,所述预编码向量wn为:
具体地,首先定义DFT矩阵:
频域预编码向量从F=E(Nf)中选择。
与PCR-E码本类似,选择在Nc个上行信道采样时间内,功率矩阵中幅值最大的Na个元素的所在的位置,即所在的行和列,第n个元素对应的行序号表示为rn,列序号表示为cn。进而,分别给出了空域和频域的预编码。其中表示S的第rn列,表示F的第cn行。最后PCR-D码本的宽带预编码向量为
S2,基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
S3,接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
具体地,基站生成预编码矩阵后,剩下的操作,以及用户端的操作均与PCR-E码本方案相同,此处不再赘述。
本发明实施例提供的PCR-D码本方案,在计算预编码向量时可以利用快速傅里叶变换(FFT),从而大幅度减轻基站计算复杂度。
本发明提供的方法,通过BS和UE的联合操作,经过宽带预编码后的参考信号的发送和接收成为可能。其基本思想是通过从宽带上行链路信道估计中进行空频域的投影,找到占主要信道能量的投影向量,然后根据这些投影值的位置设计下行链路联合预编码器。这种方式利用了信道在角度、时延域的稀疏性,只对投影后不可忽略系数进行采样,从而显著降低了信道估计开销。在实际应用中,投影是通过宽带信道在空域和频域上的协方差矩阵的特征向量(PCR-E码本方案)或二维DFT矩阵(PCR-D码本方案)来实现的。如果通过协方差矩阵方式实现,信道稀疏性即为协方差矩阵的低秩性,而二维DFT矩阵的投影方法,信道稀疏性能够很好的通过角度-时延域的多径分布稀疏性来保障。
利用Matlab仿真平台进行仿真实验来验证本发明提出的PCR-E码本方案及PCR-D码本方案的性能,其中,PCR-E码本方案中的预编码矩阵基于下行信道在空域和频域上的协方差矩阵计算得到,对比方案为目前标准中的Rel-16码本及基于深度学习的CRNet码本。仿真所采用的主要参数如下:
基站部署UPA天线配置(M,N,P)=(2,8,2)/(4,8,2),M,N,P分别代表每行的天线单元数,每列的天线单元数和天线单元的极化数。天线单元的间距垂直方向和水平方向分别为0.5倍波长和0.8倍波长,极化的方向为45°;
信道模型采用3GPP提出的CDL-A和CDL-D模型。在CDL-A模型中,总共包含23个簇,460条径,每个簇包含20条多径,没有直射径(LOS),其他的角度谱和功率谱,以及信道参数均参考3GPP提出的CDL模型的相应设置;
频段设置使用经典5G频段,上行3.5GHz,下行3.4GHz,带宽为20MHz,51个资源块(RBs),子载波间隔30kHz;
发射端波束赋形方法使用本征迫零方法(EZF),接收端采用最小均方干扰抑制(MMSE-IRC)技术;
用户数假设8个用户,用户天线采用单接收天线,双极化配置,极化方向为0°,90°。
设置发射天线配置为Nt=64,子载波个数Nf=51。
在PCR-E码本方案下,投影到空域和频域中的信道幅值分布如图3所示,由图3可以看出稀疏性非常明显,信道能量仅仅分布在少量的特征向量上面。因此可以用少量的特征向量去估计下行信道。
对于PCR-E码本方案在频谱效率(SE)方面的表现,同样设置发射天线为Nt=64,然后设置总共选取的向量数Na=32。尽管在方案下信道特征向量索引非常多,但是PCR-E和PCR-D方案都只需要2Na=64个标量的反馈即可完成信道估计。基站天线数分别为32和64时,本发明提供的PCR-E码本与现有的Rel-16码本在CDL-A模型下不同信噪比下的频谱效率分别如图4和图5所示,由图4-5可知,本发明提出的PCR-E码本的性能远优于目前的Rel-16码本,并且非常接近信道信息精确已知的理想情况。
接下来分析参数Na对于PCR-E码本性能的影响,因为Na既影响到反馈的开销,也影响到信道估计的精度,在性能和复杂度之中需要作出取舍。PCR-E码本在CDL-A模型下Na各取值对应的频谱效率如图6所示,由图6可知,Na=32时已经非常逼近理想情况,也就是说,PCR-E码本的导频训练和反馈开销得到了大大降低,同时保持了估计精度。而通过权衡复杂度和信道估计精度,实际应用中可以根据需求选择合适的Na。值得注意的是,PCR-E方案在Na=8时(UE需反馈2Na=16个复系数)的性能与Rel-16码本反馈64个复系数时的性能相当,由于Rel-16码本同时还要UE反馈32个索引值,因此PCR-E方案只需要不到1/4的反馈开销即可实现与Rel-16码本相近的性能。
PCR-D码本方案下,信道经过DFT投影后,幅值在频域和空域分量上的分布如图7所示,可以看出稀疏性比PCR-E更低,这是由于PCR-D方案中,生成特征向量码本的是DFT的向量。但是与Rel-16码本相比,由于避免了UE侧复杂的矩阵压缩运算,且不需要UE反馈DFT向量的索引,因此PCR-D的计算复杂度和反馈开销都比Rel-16码本更低,因此具有很高的实用性。
基于同一发明构思,本发明实施例提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
基于同一发明构思,本发明实施例提供一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种基站,包括:
处理单元,用于对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种基站,包括:
处理单元,用于以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种用户终端,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种用户终端,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种基站,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种基站,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种用户终端,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种用户终端,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
本发明实施例提供一种可读存储介质,其特征在于,
所述可读存储介质内存储有计算机程序,当所述计算机程序被处理器执行时,实现如上述任一实施例所述的方法。
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 (23)
1.一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于基站,其特征在于,该方法包括:
对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
2.如权利要求1所述的方法,其特征在于,获取所述上行或下行信道的功率矩阵中值较大的前Na个元素所在的行,从所述空域特征向量中选择所述行对应的Na个特征向量;
获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的列,从所述频域特征向量中选择所述列对应的Na个特征向量。
5.一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于基站,其特征在于,该方法包括:
以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
6.如权利要求5所述的方法,其特征在于,获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的行,从所述空域预编码向量中选择所述行对应的Na个特征向量;
获取上行或下行信道的功率矩阵中值较大的前Na个元素所在的列,从所述频域预编码向量中选择所述列对应的Na个特征向量。
9.如权利要求1-8任一项所述的方法,其特征在于,所述将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,包括:
将第n个CSI-RS端口的第k个子载波上接收到的信号yn,k(t)在频域上进行叠加后得到yn(t),基于yn(t)进行下行信道估计得到gn(t),对gn(t)进行量化得到反馈系数;其中,n=1,2,…,Na,
所述根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数,包括:
12.如权利要求1-4任一项所述的方法,其特征在于,所述上行或下行信道在空域和频域上的协方差矩阵R(X,S)、R(X,F)为:
R(X,S)=E{H(X)(t)(H(X)(t))H},R(X,F)=E{(H(X)(t))T(H(X)(t))*},
其中,X={U,D},U代表上行,D代表下行。
13.一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,其特征在于,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
14.一种FDD大规模MIMO系统中基于信道部分互易性的信道估计方法,应用于用户终端,其特征在于,包括:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
15.一种基站,其特征在于,包括:
处理单元,用于对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
16.一种基站,其特征在于,包括:
处理单元,用于以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
发送与处理单元,用于基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收与处理单元,用于接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
17.一种用户终端,其特征在于,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
18.一种用户终端,其特征在于,包括:
接收单元,用于接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
处理单元,用于将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
发送单元,用于将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
19.一种基站,其特征在于,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解,得到Nt个空域特征向量及Nf个频域特征向量;分别从所述空域特征向量和频域特征向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,Na≤NtNf;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
20.一种基站,其特征在于,该基站包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
以二维DFT矩阵为基底分别构造空域预编码向量及频域预编码向量,分别从所述空域预编码向量及频域预编码向量中选择Na个特征向量做克罗内克积运算,得到预编码矩阵;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
基于所述预编码矩阵对信道状态信息参考信号CSI-RS进行预编码后,通过子载波发送至用户终端,以使用户终端将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数,或者根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
接收所述反馈系数,并基于所述反馈系数对下行信道进行估计。
21.一种用户终端,其特征在于,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从对上行或下行信道在空域和频域上的协方差矩阵分别进行特征分解得到的Nt个空域特征向量及Nf个频域特征向量中选择的Na个特征向量做克罗内克积运算得到;其中,Na≤NtNf;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
22.一种用户终端,其特征在于,该用户终端包括:处理器、存储器和收发机;
其中,处理器,用于读取存储器中的程序并执行下列过程:
接收基站发送的基于预编码矩阵编码后的信道状态信息参考信号CSI-RS;所述预编码矩阵为分别从以二维DFT矩阵为基底分别构造的空域预编码向量及频域预编码向量中选择的Na个特征向量做克罗内克积运算得到;其中,所述基站部署的天线阵列为UPA、ULA或UCA形式,Na≤NtNf,Nt和Nf分别为基站天线数和子载波数;
将CSI-RS端口的子载波信号在频域上叠加后进行下行信道估计并量化得到反馈系数;或,根据CSI-RS端口的子载波信号进行下行信道估计后在频域上叠加并量化得到反馈系数;
将所述反馈系数发送至基站,以使基站基于所述反馈系数对下行信道进行估计。
23.一种可读存储介质,其特征在于,
所述可读存储介质内存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210072852.6A CN114448757B (zh) | 2022-01-21 | 2022-01-21 | Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210072852.6A CN114448757B (zh) | 2022-01-21 | 2022-01-21 | Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114448757A true CN114448757A (zh) | 2022-05-06 |
CN114448757B CN114448757B (zh) | 2024-07-16 |
Family
ID=81367816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210072852.6A Active CN114448757B (zh) | 2022-01-21 | 2022-01-21 | Fdd大规模mimo系统中基于信道部分互易性的信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114448757B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115361257A (zh) * | 2022-07-14 | 2022-11-18 | 鹏城实验室 | 上行大规模mimo稀疏信道估计方法及相关设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107086886A (zh) * | 2017-04-14 | 2017-08-22 | 重庆邮电大学 | 大规模mimo系统融合迫零与泰勒级数展开的双层预编码设计 |
CN109951220A (zh) * | 2016-04-01 | 2019-06-28 | 华为技术有限公司 | 一种预编码矩阵指示的反馈方法及装置 |
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 |
CN111342912A (zh) * | 2018-12-18 | 2020-06-26 | 华为技术有限公司 | 一种信道测量方法和通信装置 |
CN112042245A (zh) * | 2018-02-23 | 2020-12-04 | 上海诺基亚贝尔股份有限公司 | 基于互易性的csi报告配置 |
WO2021081847A1 (zh) * | 2019-10-30 | 2021-05-06 | 华为技术有限公司 | 一种信道测量方法和通信装置 |
CN112889224A (zh) * | 2018-10-23 | 2021-06-01 | 上海诺基亚贝尔股份有限公司 | Mu-mimo系统中基于波束的预处理 |
CN113131978A (zh) * | 2019-12-30 | 2021-07-16 | 大唐移动通信设备有限公司 | 一种基于信道互易性的预编码矩阵配置方法及装置 |
CN113169773A (zh) * | 2018-12-07 | 2021-07-23 | 高通股份有限公司 | 用于信道状态信息增强的基子集反馈 |
-
2022
- 2022-01-21 CN CN202210072852.6A patent/CN114448757B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109951220A (zh) * | 2016-04-01 | 2019-06-28 | 华为技术有限公司 | 一种预编码矩阵指示的反馈方法及装置 |
CN107086886A (zh) * | 2017-04-14 | 2017-08-22 | 重庆邮电大学 | 大规模mimo系统融合迫零与泰勒级数展开的双层预编码设计 |
CN112042245A (zh) * | 2018-02-23 | 2020-12-04 | 上海诺基亚贝尔股份有限公司 | 基于互易性的csi报告配置 |
CN112889224A (zh) * | 2018-10-23 | 2021-06-01 | 上海诺基亚贝尔股份有限公司 | Mu-mimo系统中基于波束的预处理 |
CN113169773A (zh) * | 2018-12-07 | 2021-07-23 | 高通股份有限公司 | 用于信道状态信息增强的基子集反馈 |
CN111342912A (zh) * | 2018-12-18 | 2020-06-26 | 华为技术有限公司 | 一种信道测量方法和通信装置 |
WO2021081847A1 (zh) * | 2019-10-30 | 2021-05-06 | 华为技术有限公司 | 一种信道测量方法和通信装置 |
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 |
CN113131978A (zh) * | 2019-12-30 | 2021-07-16 | 大唐移动通信设备有限公司 | 一种基于信道互易性的预编码矩阵配置方法及装置 |
Non-Patent Citations (2)
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》, vol. 38, no. 12, 31 December 2020 (2020-12-31) * |
岳光荣;李卿;: "干扰对齐通信网络和新接入用户的共存性研究", 电子与信息学报, no. 06, 15 June 2013 (2013-06-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115361257A (zh) * | 2022-07-14 | 2022-11-18 | 鹏城实验室 | 上行大规模mimo稀疏信道估计方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114448757B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | An overview of low-rank channel estimation for massive MIMO systems | |
EP4167629A1 (en) | Measurement reporting method and apparatus | |
Papadopoulos et al. | Massive MIMO technologies and challenges towards 5G | |
EP3035556B1 (en) | Method and apparatus for transmitting common signal in hybrid beamforming | |
EP3993281A1 (en) | Precoding processing method and device | |
CN105577587B (zh) | 一种60GHz室内场景下MIMO系统信道估计方法及装置 | |
US20200403659A1 (en) | Channel state information feedback method, terminal device, and network device | |
WO2022021443A1 (zh) | 一种预编码方法及装置 | |
CN109478948A (zh) | 一种信道信息传输装置、方法和系统 | |
EP3921948A1 (en) | Method and apparatus for beamspace processing based on multiple beamspace bases | |
Yin et al. | A partial channel reciprocity-based codebook for wideband FDD massive MIMO | |
CN114448757B (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 | |
US20230261832A1 (en) | Methods of csi-rs beamforming in angle-delay domains for type ii port selection codebook | |
WO2022066747A1 (en) | Device and method for performing csi reporting for type ii port selection codebook | |
US20240030981A1 (en) | Channel state information feedback method and communication apparatus | |
KR20210016293A (ko) | 주파수 도메인 압축을 위한 공동-분극 피드백 | |
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 | |
CN114448758B (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 | |
CN115515153A (zh) | 通道相位校正的方法和相关装置 | |
US20240162947A1 (en) | Communication method and apparatus | |
Pan et al. | WMMSE-based multiuser MIMO beamforming: A practice-oriented design and LTE system performance evaluation | |
WO2018115974A2 (zh) | 用于大规模mimo系统的波束形成的方法和设备 | |
WO2023020034A1 (zh) | 一种权值确定方法及装置 | |
Esswie et al. | Directional spatial channel estimation for massive FD-MIMO in next generation 5G networks | |
Almosa | Downlink Achievable Rate Analysis for FDD Massive MIMO Systems |
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 |