CN114665930B - 去蜂窝大规模mimo系统的下行链路盲信道估计方法 - Google Patents

Abstract

本发明公开了一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法，包括：建立去蜂窝大规模MIMO的系统模型；对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道；分析下行链路数据传输阶段，定义有效信道增益；根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导；对下行链路信道盲估计进行总结。本发明可以使用更少的资源去估计去蜂窝大规模MIMO的下行链路有效增益。

Description

去蜂窝大规模MIMO系统的下行链路盲信道估计方法

技术领域

本发明属于无线通信技术领域，具体涉及一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法。

背景技术

随着移动互联网的飞速发展，移动宽带用户呈现了爆发式的增长。然而，由于受到了能量，频谱以及成本等多重制约，目前的商用的移动通信系统无法满足未来互联网中用户的超大流量，超低时延和超高可靠性等持续发展的是需求，所以新一代通信系统就成为了各个通信强国研究的重点。随着3GPP中5G第一阶段标准Release15的冻结，世界各国在推动5G商用部署的同时均已陆续启动6G技术概念的设计和研发工作。我国已经与2018年10月开始了6G相关概念的设计研发，去蜂窝大规模MIMO就是其中的技术之一。

去蜂窝大规模MIMO(见图1)的初步原型是分布式天线系统(DAS)。DAS本质上一种多小区多用户MIMO系统，但是由于小区间的干扰、多个基站的协作十分复杂等问题，DAS始终未在实际商用移动通信中广泛使用。为了解决这一问题，去蜂窝大规模MIMO被提出。去蜂窝大规模MIMO将大量装有一个或者多根的接入点(AP)分布在一个较大的区域，通过回程链路将数据传输到中央处理单元，并利用相同的时频资源为多用户服务。其“以用户为中心”的思想，减小了AP与用户之间的距离，获得空间宏分集增益，大幅度降低路径损耗等原因受到人们广泛关注。

通常，当基站天线数量较大时，瑞利衰落信道变硬，因此有效信道增益接近其平均值。因此，使用该增益的平均值进行信号检测非常有效。然而，对于少量或中等数量的天线，增益仍可能显著偏离其平均值。此外，在信道不硬化的传播环境中，使用有效增益的平均值代替其真实值，即使使用大量天线，也可能导致性能不佳。所以一种可以估计有效信道增益的方法可以很好的提高系统性能。

发明内容

解决的技术问题：对于少量或中等数量的天线，增益仍可能显著偏离其平均值。此外，在信道不硬化的传播环境中，使用有效增益的平均值代替其真实值，即使使用大量天线，也可能导致性能不佳。

技术方案：。

一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法，所述估计方法包括以下步骤：

S1，建立去蜂窝大规模MIMO的系统模型；该去蜂窝大规模MIMO的系统模型中包含M个AP和K个用户，所有AP和用户都配有一根单天线，随机分布在一个大的区域内；所有用户都通过回程网络连接到中央处理器；所有M个AP同时为同一资源中的所有K个用户服务，上行和下行链路传输都通过TDD操作进行；

S2，对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道；第m个AP对其和第k个用户之间的信道系数g_mk执行线性MMSE估计如下：

式中，m＝1，2，....，M，k′＝1，2，...，K，k＝1，2，...，K，k≠k′； 表示第k个用户发送的导频序列，/>τ_u，p是第m个AP接收到的由K个导频的线性叠加的向量的行数；/> 是上行链路导频符号的归一化发射信噪比；W_up，m是加性噪声，且是独立同分布的随机变量；/>是已知的导频序列；β_mk代表信道系数g_mk的大尺度衰落系数；

S3，分析下行链路数据传输阶段，定义有效信道增益；

S4，根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导；

S5，对下行链路信道盲估计进行总结。

进一步地，步骤S1中，令g_mk表示第m个AP和第k个用户之间的信道系数，考虑Rayleigh不相关衰落信道模型，则：

其中β_mk代表大尺度衰落系数，h_mk代表小尺度衰落系数，且h_mk是i.i.d.CN(0，1)RVs。

进一步地，步骤S2中，对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道的过程包括以下步骤：

信道估计误差为 和/>是不相关的，估计和估计误差是联合高斯分布的，在统计上是独立的；令γ_mk表示信道估计的均方，则：

进一步地，步骤S3中，分析下行链路数据传输阶段，定义有效信道增益的过程包括以下步骤：

在下行链路数据传输阶段，AP使用信道估计来定义预编码器，对于共轭波束形成，预编码器由信道估计的共轭组成；由第m个AP发送到所有用户的数据信号是：

其中q_k是第k个用户的数据符号，E{|q_k|²}＝1，均值和单位方差都为零且不相关；ρ_d表示与数据符号相关的归一化发射SNR，η_mk表示功率控制系数；数据信号满足每个AP的以下平均功率约束：

功率约束改写为：

第k个用户接收有所有AP发送的信号的线性组合为：

其中表示有效信道增益；w_d，k表示接收器处的噪声。

进一步地，步骤S4中，根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导的过程包括以下步骤：

计算第k个用户在每个相干区间内接收到的样本平均功率：

其中，r_d，k(n)是第k个用户处接收到的第n个样本，r_d是在下行链路传输中所花费的每个相干间隔的符号数，利用大数定律，得到τ_d→∞，

当K和τ_d较大时，将δ_k表示如下：

根据接收到的样本来估计有效信道增益的振幅：

如果平方根的参数是正的，令估计值|a_kk|等于E{|a_kk|}；当M较大时，a_kk的实部高概率大于a_kk的虚部，将a_kk的相位设为零；|a_kk|的估计为真a_kk的估计：a_kk＝|a_kk|。

进一步地，步骤S5中，对下行链路信道盲估计进行总结的过程包括以下步骤：

对于每个相干间隔，使用τ_d样本的数据块r_d，k，计算δ_k；第k个用户获得则有效的信道增益a_kk估计如下：

有益效果：

本发明提出了一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法，在进行去蜂窝大规模MIMO系统中进行下行链路信道估计的时候不需要任何下行导频，AP通过接收用户发送的上行链路导频信号来获取信道状态信息，用户可以直接从相干间隔期间接收的数据中盲估计其有效信道增益。本发明可以使用更少的资源去估计去蜂窝大规模MIMO的下行链路有效增益。数值结果表明，在非硬化传播环境中，与下行波束成形训练方案和通过其平均值逼近有效信道增益的传统方法相比，本发明的信道估计方法明显更优。

附图说明

图1为去蜂窝大规模MIMO的模型示意图；

图2为去蜂窝大规模MIMO系统的下行链路盲信道估计方法流程图。

具体实施方式

下面的实施例可使本专业技术人员更全面地理解本发明，但不以任何方式限制本发明。

参见图2，本实施例提出一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法，该估计方法包括以下步骤：

S1，建立去蜂窝大规模MIMO的系统模型；如图1所示，该去蜂窝大规模MIMO的系统模型中包含M个AP和K个用户，所有AP和用户都配有一根单天线，随机分布在一个大的区域内；所有用户都通过回程网络连接到中央处理器；所有M个AP同时为同一资源中的所有K个用户服务，上行和下行链路传输都通过TDD操作进行。

S2，对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道；第m个AP对其和第k个用户之间的信道系数g_mk执行线性MMSE估计如下：

式中，m＝1，2，....，M，k′＝1，2，...，K，k＝1，2，...，K，k≠k′； 表示第k个用户发送的导频序列，/>τ_u，p是第m个AP接收到的由K个导频的线性叠加的向量的行数；/> 是上行链路导频符号的归一化发射信噪比；W_up，m是加性噪声，且是独立同分布的随机变量；/>是已知的导频序列；β_mk代表信道系数g_mk的大尺度衰落系数。

S3，分析下行链路数据传输阶段，定义有效信道增益。

S4，根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导。

S5，对下行链路信道盲估计进行总结。

具体步骤如下：

第一步：建立去蜂窝大规模MIMO的系统模型。

在去蜂窝大规模MIMO系统中有M个AP和K个用户，所有AP和用户都配有一根单天线，他们随机分布在一个大的区域内。此外，所有用户都通过回程网络连接到中央处理器。假设所有M个AP同时为同一资源中的所有K个用户服务。上行和下行链路传输都通过TDD操作进行。令g_mk表示第m个AP和第k个用户之间的信道系数，考虑Rayleigh不相关衰落信道模型，则

其中β_mk代表了大尺度衰落，h_mk代表了小尺度衰落，且h_mk是i.i.d.CN(0，1)RVs(独立同分布且均值为0方差为1的随机变量)。m＝1，...，M，K＝1，...K。

第二步：对上行链路训练进行信道估计。

在上行链路训练期间，所有用户同步地向所有AP发送自己的导频序列。每个AP需要在每一个相干间隔中估计一次通道。令表示第k个用户发送的导频序列，其中，/>假设任意的两个导频序列要么相同，要么正交，即

第m个AP接收一个τ_u，p×1向量，它是由K个导频的线性叠加而成：

其中，是上行链路导频符号的归一化发射信噪比，W_up，m是加性噪声，且是独立同分布的随机变量。第m个AP通过将接收到的导频向量投影到已知的导频序列/>上来处理该导频向量，

其中，式(4)中的第二项表示上行链路导频污染效应。式(2)中的上行链路导频设计确保了/>是一个充分统计量，基于它的估计是最优的。所以第m个AP对信道g_mk执行线性MMSE估计如下：

其中，

信道估计误差为根据定义，/>和/>是不相关的，此外，估计和估计误差是联合高斯分布的，因此在统计上是独立的。令γ_mk表示信道估计的均方，则：

第三步：分析下行链路数据传输阶段，定义有效信道增益。

在下行链路数据传输阶段，AP使用信道估计来定义预编码器。对于共轭波束形成，预编码器由信道估计的共轭组成。因此，由第m个AP发送到所有用户的数据信号是

其中q_k是第k个用户的数据符号，E{|q_k|²}＝1，均值和单位方差都为零且不相关。令ρ_d表示与数据符号相关的归一化发射SNR。最后，令η_mk，m＝1，...，M，k＝1，...，K表示功率控制系数，需要满足每个AP的以下平均功率约束：

将式(8)替换为式(9)，功率约束可以重写为：

第k个用户接收有所有AP发送的信号的线性组合为：

其中表示有效信道增益。令w_d，k表示接收器处的噪声。

第四步：对下行信道有效信道增益进行推导。

进行盲信道估计时，先计算第k个用户在每个相干区间内接收到的样本平均功率：

其中，r_d，k(n)是第k个用户处接收到的第n个样本，τ_d是在下行链路传输中所花费的每个相干间隔的符号数，从式(11)中利用大数定律，我们得到τ_d→∞，且

因为是很多项的总和，可以利用它的平均值来近似，因此，当K和r_d较大时，可以将δ_k表示如下：

即使K很小，近似值依旧很好。

有效信道增益的振幅可以通过等式(14)接收到的样本来估计：

如果平方根的参数是正的，令估计值|a_kk|等于E{|a_kk|}。为了完整性，第k个用户还需要估计a_kk的相位。当M较大时，a_kk的实部高概率大于a_kk的虚部，所以a_kk的相位很小，设为零。因此，设|a_kk|的估计为真a_kk的估计：a_kk＝|a_kk|。

第五步：对下行链路信道盲估计进行总结。

盲下行信道估计的算法总结如下：

对于每个相干间隔，使用τ_d样本的数据块r_d，k，根据式(12)计算δ_k；第k个用户获得有效的信道增益a_kk估计如下：

为了实现算法，第k个用户需要知道η_mk和的值，但是由于这些值仅取决于大尺度衰落系数，而大尺度衰落系数在很多相干间隔内保持不变，所以这些值第k个用户是知道的。

Claims (1)

1.一种去蜂窝大规模MIMO系统的下行链路盲信道估计方法，其特征在于，所述估计方法包括以下步骤：

S1，建立去蜂窝大规模MIMO的系统模型；该去蜂窝大规模MIMO的系统模型中包含M个AP和K个用户，所有AP和用户都配有一根单天线，随机分布在一个大的区域内；所有用户都通过回程网络连接到中央处理器；所有M个AP同时为同一资源中的所有K个用户服务，上行和下行链路传输都通过TDD操作进行；

S2，对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道；第m个AP对其和第k个用户之间的信道系数g_mk执行线性MMSE估计如下：

式中，m＝1，2，....，M，k′＝1，2，…，K，k＝1，2，…，K，k≠k′； 表示第k个用户发送的导频序列，/>τ_u，p是第m个AP接收到的由K个导频的线性叠加的向量的行数；/> 是上行链路导频符号的归一化发射信噪比；W_up，m是加性噪声，且是独立同分布的随机变量；/>是已知的导频序列；β_mk代表信道系数g_mk的大尺度衰落系数；

S3，分析下行链路数据传输阶段，定义有效信道增益；

S4，根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导；

S5，对下行链路信道盲估计进行总结；

步骤S1中，令g_mk表示第m个AP和第k个用户之间的信道系数，考虑Rayleigh不相关衰落信道模型，则：

其中β_mk代表大尺度衰落系数，h_mk代表小尺度衰落系数，且h_mk是i.i.d.CN(0，1)RVs；

步骤S2中，对上行链路训练，所有用户同步地向所有AP发送自己的导频序列，每个AP在每一个相干间隔中估计一次信道的过程包括以下步骤：

信道估计误差为 知/>是不相关的，估计和估计误差是联合高斯分布的，在统计上是独立的；令γ_mk表示信道估计的均方，则：

步骤S3中，分析下行链路数据传输阶段，定义有效信道增益的过程包括以下步骤：

在下行链路数据传输阶段，AP使用信道估计来定义预编码器，对于共轭波束形成，预编码器由信道估计的共轭组成：由第m个AP发送到所有用户的数据信号是：

其中q_k是第k个用户的数据符号，E{|q_k|²}＝1，均值和单位方差都为零且不相关；ρ_d表示与数据符号相关的归一化发射SNR，η_mk表示功率控制系数；数据信号满足每个AP的以下平均功率约束：

功率约束改写为：

第k个用户接收有所有AP发送的信号的线性组合为：

其中表示有效信道增益；w_d，k表示接收器处的噪声；

步骤S4中，根据相干间隔期间接收的数据的渐近性质，对下行信道有效信道增益进行推导的过程包括以下步骤：

计算第k个用户在每个相干区间内接收到的样本平均功率：

其中，r_d，k(n)是第k个用户处接收到的第n个样本，τ_d是在下行链路传输中所花费的每个相干间隔的符号数，利用大数定律，得到τ_d→∞，

当K和τ_d较大时，将δ_k表示如下：

根据接收到的样本来估计有效信道增益的振幅：

如果平方根的参数是正的，令估计值|a_kk|等于E{|a_kk|}；当M较大时，a_kk的实部高概率大于a_kk的虚部，将a_kk的相位设为零；|a_kk|的估计为真a_kk的估计：a_kk＝|a_kk|；

步骤S5中，对下行链路信道盲估计进行总结的过程包括以下步骤：

对于每个相干间隔，使用τ_d样本的数据块r_d，k，计算δ_k；第k个用户获得则有效的信道增益a_kk估计如下：