CN114697164A - 信道估计方法、装置、电子设备和存储介质 - Google Patents
信道估计方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114697164A CN114697164A CN202011596996.9A CN202011596996A CN114697164A CN 114697164 A CN114697164 A CN 114697164A CN 202011596996 A CN202011596996 A CN 202011596996A CN 114697164 A CN114697164 A CN 114697164A
- Authority
- CN
- China
- Prior art keywords
- matrix
- sub
- frequency domain
- channel estimation
- result
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 493
- 230000009467 reduction Effects 0.000 claims abstract description 66
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims description 57
- 238000009825 accumulation Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 abstract description 14
- 238000001914 filtration Methods 0.000 abstract description 12
- 239000013598 vector Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 208000011231 Crohn disease Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000844 transformation Methods 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
- 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
- H04L25/0224—Channel estimation using sounding signals
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Complex Calculations (AREA)
Abstract
本申请涉及一种信道估计方法、装置、电子设备和存储介质,应用于通信技术领域,其中,方法包括:获取导频位置信道的频域信道估计结果;确定与频域信道估计结果对应的噪声功率;获取与导频位置信道对应的频域自相关矩阵和时域自相关矩阵;将频域自相关矩阵进行降维处理,得到降维矩阵;确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数;根据最小均方误差准则的滤波系数和频域信道估计结果,计算得到导频位置信道的时频域信道估计结果。以解决现有技术中,采用SVD(奇异值分解)等方法进行基于最小均方误差准则的信道估计,计算得到滤波系数后,对RS位置的信道进行滤波的过程,由于维度较高,计算量较大的问题。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种信道估计方法、装置、电子设备和存储介质。
背景技术
当前,在OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)系统中,通常采用载频辅助调制的信道估计方法,即在发射数据流中插入导频信号,在接收端提取导频,通过计算得到导频位置上的信道响应,再利用插值的方法估计其它没有导频位置上的信道响应。
发明内容
发明人发现,在正交频分复用系统中,对RS(导频)序列的LS(最小二乘信道)估计结果,利用MMSE(minimum mean-square error,最小均方差)准则进行时频域的滤波抑噪,此过程中会引入比较大的运算量,因此,需要对进行基于最小均方误差准则的信道估计。
相关技术中,采用SVD(奇异值分解)等方法对MMSE的计算过程进行化简,由于,矩阵分解本身也存在一定的复杂度,并且,计算得到滤波系数后,对RS位置的信道进行滤波的过程,由于维度较高,计算量较大。
本申请提供了一种信道估计方法、装置、电子设备和存储介质,用以解决现有技术中,采用SVD(奇异值分解)等方法对基于MMSE的信道估计计算过程进行化简,由于,矩阵分解本身也存在一定的复杂度,并且,计算得到滤波系数后,对RS位置的信道进行滤波的过程,由于维度较高,计算量较大的问题。
第一方面,本申请实施例提供了一种信道估计方法,包括:
获取所述导频位置信道的频域信道估计结果;
确定与所述频域信道估计结果对应的噪声功率;
获取与所述导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
将所述频域自相关矩阵进行降维处理,得到降维矩阵;
确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数;
根据所述最小均方误差准则的滤波系数和所述频域信道估计结果,计算得到所述导频位置信道的时频域信道估计结果。
可选的,所述将所述频域自相关矩阵进行降维处理,得到降维矩阵,包括:
将所述频域自相关矩阵转换为频域实数矩阵,所述频域实数矩阵包括所述频域自相关矩阵的实部矩阵和虚部矩阵;
对所述频域实数矩阵进行第一变换,得到第一变换结果,所述第一变换结果中矩阵维度为所述频域实数矩阵维度的一半;
对所述第一变换结果进行第二变换,得到第二变换结果,所述第二变换结果为三角阵、对角阵和所述三角阵的正交矩阵的乘积;
根据所述对角阵生成满足预设条件的子对角阵,所述子对角阵的维度小于所述对角阵的维度;
确定所述三角阵中与所述子对角阵对应的子三角阵;
确定与所述子三角阵对应的子三角阵的正交矩阵;
将所述子对角阵、所述子三角阵和子三角阵的正交矩阵作为所述降维矩阵。
可选的,所述对所述频域实数矩阵进行第一变换,得到第一变换结果,所述第一变换结果中矩阵维度为所述频域实数矩阵维度的一半,包括:
将所述频域实数矩阵的两端均乘以第一系数,得到第一中间矩阵,所述第一系数为第一预设矩阵和所述第一预设矩阵的转置矩阵的乘积;
对所述第一中间矩阵进行变换,得到第二中间矩阵,所述第二中间矩阵为第一预设矩阵的转置矩阵、第三中间矩阵和第一预设矩阵的乘积,所述第三中间矩阵为主对角线元素为第一中间子矩阵和第二中间子矩阵、其他元素为0的矩阵,所述第一中间子矩阵和所述第二中间子矩阵的维度为所述频域实数矩阵维度的一半。
可选的,所述对所述第一变换结果进行第二变换,得到第二变换结果,所述第二变换结果为三角阵、对角阵和所述三角阵的正交矩阵的乘积,包括:
对所述第一中间子矩阵进行奇异值分解,得到第一分解结果;
对所述第二中间子矩阵进行奇异值分解,得到第二分解结果;
将所述第一分解结果中的元素设置在所述第一中间子矩阵的位置,将所述第二分解结果中的元素设置在所述第二中间子矩阵的位置得到第四中间矩阵;
将所述第一预设矩阵的转置矩阵、所述第四中间矩阵和所述第一预设矩阵的乘积进行变换,得到所述第二变换结果,所述第二变换结果为所述三角阵、所述对角阵和所述三角阵的正交矩阵的乘积。
可选的,所述第一预设矩阵是根据第一预设子矩阵和第二预设子矩阵构建得到的,所述第一预设子矩阵为单位矩阵,所述第二预设子矩阵为副对角线的元素为1的矩阵。
可选的,所述确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数,包括:
获得所述时域自相关矩阵与所述降维矩阵的克罗内克积矩阵;
根据所述克罗内克积矩阵和所述噪声功率,基于最小均方差准测计算得到所述最小均方误差准则的滤波系数。
可选的,所述降维矩阵包括子对角阵、子三角阵和子三角阵的正交矩阵,所述获得所述时域自相关矩阵与所述降维矩阵的克罗内克积矩阵,包括:
获得所述时域自相关矩阵与所述子对角阵的子克罗内克积矩阵;
根据所述子克罗内克积矩阵、所述子三角阵和所述子三角阵的正交矩阵得到所述克罗内克积矩阵。
可选的,所述获得所述时域自相关矩阵与所述子对角阵的克罗内克积矩阵,包括:
提取所述子对角阵中的非零元素集合;
计算所述非零元素集合中的每个元素与所述时域自相关矩阵的乘积,得到乘积结果;
将所述乘积结果设置在所述子克罗内克积矩阵的对应位置,将所述子克罗内克积矩阵中的剩余位置设置为0。
可选的,所述根据所述对角阵生成满足预设条件的子对角阵,所述子对角阵的维度小于所述对角阵的维度,包括:
将所述对角阵中的非零元素按照数值大小进行排序,得到排序结果;
将所述排序结果按照数值大小依次累加;
每累加一个数值,判断得到的累加结果的占比是否大于或等于预设值;
若否,继续累加,直至所述累加结果的占比大于或等于所述预设值;
若是,将所述累加结果对应的所述对角阵中的元素作为所述子对角阵中的元素,得到所述子对角阵。
第二方面,本申请实施例提供了一种信道估计装置,包括:
第一获取模块,用于获取所述导频位置信道的频域信道估计结果;
第一确定模块,用于确定与所述频域信道估计结果对应的噪声功率;
第二获取模块,用于获取与所述导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
降维模块,用于将所述频域自相关矩阵进行降维处理,得到降维矩阵;
第二确定模块,用于确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数;
信道估计模块,用于根据所述最小均方误差准则的滤波系数和所述频域信道估计结果,计算得到所述导频位置信道的时频域信道估计结果。
可选的,所述降维模块具体用于:
将所述频域自相关矩阵转换为频域实数矩阵,所述频域实数矩阵包括所述频域自相关矩阵的实部矩阵和虚部矩阵;
对所述频域实数矩阵进行第一变换,得到第一变换结果,所述第一变换结果中矩阵维度为所述频域实数矩阵维度的一半;
对所述第一变换结果进行第二变换,得到第二变换结果,所述第二变换结果为三角阵、对角阵和所述三角阵的正交矩阵的乘积;
根据所述对角阵生成满足预设条件的子对角阵,所述子对角阵的维度小于所述对角阵的维度;
确定所述三角阵中与所述子对角阵对应的子三角阵;
确定与所述子三角阵对应的子三角阵的正交矩阵;
将所述子对角阵、所述子三角阵和子三角阵的正交矩阵作为所述降维矩阵。
可选的,所述降维模块具体用于:
将所述频域实数矩阵的两端均乘以第一系数,得到第一中间矩阵,所述第一系数为第一预设矩阵和所述第一预设矩阵的转置矩阵的乘积;
对所述第一中间矩阵进行变换,得到第二中间矩阵,所述第二中间矩阵为第一预设矩阵的转置矩阵、第三中间矩阵和第一预设矩阵的乘积,所述第三中间矩阵为主对角线元素为第一中间子矩阵和第二中间子矩阵、其他元素为0的矩阵,所述第一中间子矩阵和所述第二中间子矩阵的维度为所述频域实数矩阵维度的一半。
可选的,所述降维模块具体用于:
对所述第一中间子矩阵进行奇异值分解,得到第一分解结果;
对所述第二中间子矩阵进行奇异值分解,得到第二分解结果;
将所述第一分解结果中的元素设置在所述第一中间子矩阵的位置,将所述第二分解结果中的元素设置在所述第二中间子矩阵的位置得到第四中间矩阵;
将所述第一预设矩阵的转置矩阵、所述第四中间矩阵和所述第一预设矩阵的乘积进行变换,得到所述第二变换结果,所述第二变换结果为所述三角阵、所述对角阵和所述三角阵的正交矩阵的乘积。
可选的,所述第一预设矩阵是根据第一预设子矩阵和第二预设子矩阵构建得到的,所述第一预设子矩阵为单位矩阵,所述第二预设子矩阵为副对角线的元素为1的矩阵。
可选的,所述第二确定模块,具体用于:
获得所述时域自相关矩阵与所述降维矩阵的克罗内克积矩阵;
根据所述克罗内克积矩阵和所述噪声功率,基于最小均方差准测计算得到所述最小均方误差准则的滤波系数。
可选的,所述降维矩阵包括子对角阵、子三角阵和子三角阵的正交矩阵,所述第二确定模块,具体用于:
获得所述时域自相关矩阵与所述子对角阵的子克罗内克积矩阵;
根据所述子克罗内克积矩阵、所述子三角阵和所述子三角阵的正交矩阵得到所述克罗内克积矩阵。
可选的,所述第二确定模块,具体用于:
提取所述子对角阵中的非零元素集合;
计算所述非零元素集合中的每个元素与所述时域自相关矩阵的乘积,得到乘积结果;
将所述乘积结果设置在所述子克罗内克积矩阵的对应位置,将所述子克罗内克积矩阵中的剩余位置设置为0。
可选的,所述降维模块,具体用于:
将所述对角阵中的非零元素按照数值大小进行排序,得到排序结果;
将所述排序结果按照数值大小依次累加;
每累加一个数值,判断得到的累加结果的占比是否大于或等于预设值;
若否,继续累加,直至所述累加结果的占比大于或等于所述预设值;
若是,将所述累加结果对应的所述对角阵中的元素作为所述子对角阵中的元素,得到所述子对角阵。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现第一方面所述的信道估计方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的信道估计方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该方法,通过获取导频位置信道的频域信道估计结果;确定与频域信道估计结果对应的噪声功率;获取与导频位置信道对应的频域自相关矩阵和时域自相关矩阵;将频域自相关矩阵进行降维处理,得到降维矩阵;确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数;根据最小均方误差准则的滤波系数和频域信道估计结果,计算得到导频位置信道的时频域信道估计结果。如此,对频域自相关矩阵进行降维,降低了计算量。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的信道估计方法的流程图;
图2为本申请另一实施例提供的信道估计方法的流程图;
图3为本申请另一实施例提供的信道估计方法的流程图;
图4为本申请另一实施例提供的信道估计方法的流程图;
图5为本申请另一实施例提供的信道估计方法的流程图;
图6为本申请另一实施例提供的信道估计方法的流程图;
图7为本申请另一实施例提供的信道估计方法的流程图;
图8为本申请另一实施例提供的信道估计方法的流程图;
图9为本申请一实施例提供的信道估计装置的结构图;
图10为本申请一实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在OFDM系统中,为了提高传输速率和质量,需要进行有效的信道估计。当前,考虑到OFDM系统中,信道在时域和频域中的独立性,可以将信道估计分解为频域上的信道估计和时域上的信道估计两个部分。
而无论是频域上的信道估计还是时域上的信道估计,均包含两部分,一为对参考信号部分信道的估计,另一为对数据部分信道的插值。
其中,当对参考信号部分信道进行估计时,可以采用以下信道模型实现:
YP=XPH+W (1)
其中,H为信道响应,XP为发送端在导频位置发送的信号,YP为接收端从接收数据流中提取的导频信号,W为观测噪声。
对RS(导频)序列的LS(最小二乘信道)估计结果,利用MMSE(最小均方差)准则进行时频域的滤波抑噪,此过程中会引入比较大的运算量,因此,需要对MMSE准则计算过程进行简化。采用SVD(奇异值分解)等方法对MMSE的计算过程进行化简,由于,矩阵分解本身也存在一定的复杂度,并且,计算得到滤波系数后,对RS位置的信道进行滤波的过程,由于维度较高,计算量较大。
为解决上述问题,本申请一实施例中提供了一种信道估计方法,该方法可以应用于任意一种形式的电子设备中,如终端和服务器中。如图1所示,该信道估计方法,包括:
步骤101、获取导频位置信道的频域信道估计结果。
一些实施例中,获取的导频位置信道的频域信道估计结果可以为,最小二乘(LS,Least-Square)信道估计结果。
步骤102、确定与频域信道估计结果对应的噪声功率。
本实施例中,噪声功率可以通过功率延时分布(Power delay profile,PDP)估计得到。
步骤103、获取与导频位置信道对应的频域自相关矩阵和时域自相关矩阵。
一些实施例中,自相关矩阵为原矩阵和相关矩阵为同一矩阵的矩阵。
具体地,对于自相关矩阵,相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数。
且,自相关矩阵是共轭对称的正定托普利兹(toeplitz)矩阵。
本实施例中,将频域自相关矩阵表示为RF,时域自相关矩阵表示为RT。
步骤104、将频域自相关矩阵进行降维处理,得到降维矩阵。
一些实施例中,通过对频域自相关矩阵降维处理后,在后续计算信道估计值时,减少了计算量。
具体的,将频域自相关矩阵进行降维处理,得到降维矩阵,包括:
步骤201、将频域自相关矩阵转换为频域实数矩阵,频域实数矩阵包括频域自相关矩阵的实部矩阵和虚部矩阵。
一些实施例中,频域自相关矩阵为复数矩阵,因此,可以将其以实部和虚部进行表示:
进一步的,由于RF的特征值与频域实数矩阵的特征值相同,并且RF的特征向量也可以由该频域实数矩阵特征向量进行转化,因此,可以将RF的SVD分解转变成对频域实数矩阵的特征值与特征向量求解问题。
步骤202、对频域实数矩阵进行第一变换,得到第一变换结果,第一变换结果中矩阵维度为频域实数矩阵维度的一半。
具体的,步骤202包括:
步骤301、将频域实数矩阵的两端均乘以第一系数,得到第一中间矩阵,第一系数为第一预设矩阵和第一预设矩阵的转置矩阵的乘积。
一些实施例中,定义第一系数为K·KT,在频域实数矩阵两端均乘以第一系数后,得到以下第一中间矩阵:
其中,第一预设矩阵是根据第一预设子矩阵和第二预设子矩阵构建得到的,第一预设子矩阵为单位矩阵,第二预设子矩阵为副对角线的元素为1的矩阵。
步骤302、对第一中间矩阵进行变换,得到第二中间矩阵,第二中间矩阵为第一预设矩阵的转置矩阵、第三中间矩阵和第一预设矩阵的乘积,第三中间矩阵为主对角线元素为第一中间子矩阵和第二中间子矩阵、其他元素为0的矩阵,第一中间子矩阵和第二中间子矩阵的维度为频域实数矩阵维度的一半。
将第一预设矩阵K代入上述中间部分展开得到:
因此:
步骤203、对第一变换结果进行第二变换,得到第二变换结果,第二变换结果为三角阵、对角阵和三角阵的正交矩阵的乘积。
基于上述相关实施例,第一变换结果为第一预设矩阵的转置矩阵、第三中间矩阵和第一预设矩阵的乘积,即:
得到第一变换结果后,需要进行第二变换,得到第二变换结果。
具体的,步骤203包括:
步骤401、对第一中间子矩阵进行奇异值分解,得到第一分解结果。
步骤402、对第二中间子矩阵进行奇异值分解,得到第二分解结果。
步骤403、将第一分解结果中的元素设置在第一中间子矩阵的位置,将第二分解结果中的元素设置在第二中间子矩阵的位置得到第四中间矩阵。
步骤404、将第一预设矩阵的转置矩阵、第四中间矩阵和第一预设矩阵的乘积进行变换,得到第二变换结果,第二变换结果为三角阵、对角阵和三角阵的正交矩阵的乘积。
基于上述相关实施例,将得到的第四矩阵代回第一矩阵后,得到:
在得到上式变换结果后,由于RF的特征向量经过了一系列变换,得到的特征向量不能保证正交性,因此,还需要进一步对特征向量进行正交化。
步骤204、根据对角阵生成满足预设条件的子对角阵,子对角阵的维度小于对角阵的维度。
一些实施例中,在将频域实数矩阵进行变换,得到第一变换结果后,可以将2n×2n维度的频域实数矩阵求特征值与特征向量问题转化为两个n×n的第三子中间矩阵求解特征值和特征向量问题,减少了计算量。
具体的,根据对角阵生成满足预设条件的子对角阵,子对角阵的维度小于对角阵的维度,包括:
步骤501、将对角阵中的非零元素按照数值大小进行排序,得到排序结果。
步骤502、将排序结果按照数值大小依次累加。
步骤503、每累加一个数值,判断得到的累加结果的占比是否大于或等于预设值。
其中,累加结果的占比,为累加结果占所有非零元素累加结果的比例。
步骤504、若否,继续累加,直至累加结果的占比大于或等于预设值。
步骤505、若是,将累加结果对应的对角阵中的元素作为子对角阵中的元素,得到子对角阵。
基于上述相关实施例,计算得到的特征值为对角阵VF,由于绝大部分能量集中在最大的几个特征值上。根据PCA降维的思想,只需要保留最大的几个特征值,以及其对应的特征向量,就能保存基本完整的RF矩阵,从而对对角阵进行降维。
因此,本实施例中,预设值可以根据实际情况进行设置,此处不做限定,例如,预设值可以为99.99%,将对角阵中的元素从大至小依次累加,每累加一个特征值,便将累加结果的占比与预设值比较,直到累加结果的占比大于预设值,则剩余的特征值丢弃,从而,使对角阵的维度进行降维,大大降低了计算量。
步骤205、确定三角阵中与子对角阵对应的子三角阵。
基于上述相关实施例,由于对角阵为频域实数矩阵的特征值,三角阵为频域实数矩阵的特征向量,确定了子对角阵后,便可以将三角阵中只保留与特征值对应的特征向量,从而使三角阵的维度也降低,得到子三角矩阵。
步骤206、确定与子三角阵对应的子三角阵的正交矩阵。
基于上述相关实施例,三角阵的维度降低后得到子三角阵,由于三角阵的正交矩阵与三角阵对应,因此,子三角阵确定后,其对应的子三角阵的正交矩阵便也可以确定。
步骤207、将子对角阵、子三角阵和子三角阵的正交矩阵作为降维矩阵。
基于上述相关实施例,在得到子对角阵、子三角阵和子三角阵的正交矩阵后,将三者的乘积作为降维矩阵,进而计算最小均方误差准则的滤波系数。
步骤105、确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数。
具体的,确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数,包括:
步骤601、获得时域自相关矩阵与降维矩阵的克罗内克积矩阵。
步骤602、根据克罗内克积矩阵和噪声功率,基于最小均方差准测计算得到最小均方误差准则的滤波系数。
一些实施例中,可以根据最小均方差(MMSE)准则,确定最小均方误差准则的滤波系数,确定的最小均方误差准则的滤波系数可以为:
W=R(R+σ2·I)-1;
其中,W为最小均分误差估计准则的滤波系数,R为时频域自相关矩阵,σ2为噪声功率,I为单位矩阵。
基于上述相关实施例,降维矩阵包括子对角阵、子三角阵和子三角阵的正交矩阵,将降维矩阵其代入上述最小均分误差估计准则的滤波系数公式,进一步简化,得到最小均方误差准则的滤波系数为:
具体的,获得时域自相关矩阵与降维矩阵的克罗内克积矩阵,包括:
步骤701、获得时域自相关矩阵与子对角阵的子克罗内克积矩阵。
步骤702、根据子克罗内克积矩阵、子三角阵和子三角阵的正交矩阵得到克罗内克积矩阵。
一些实施例中,根据上述公式,可知,在计算最小均方误差准则的滤波系数时,仅需要获取降维矩阵中的子对角阵与时域自相关矩阵的子对角阵的子克罗内克积矩阵,单位矩阵I与三角阵的第一子克罗内克积矩阵,以及单位矩阵I与三角阵的正交矩阵的第二子克罗内克积矩阵,从而计算得到最小均方误差准则的滤波系数。
具体的,获得时域自相关矩阵与子对角阵的子克罗内克积矩阵,包括:
步骤801、提取子对角阵中的非零元素集合。
步骤802、计算非零元素集合中的每个元素与时域自相关矩阵的乘积,得到乘积结果。
步骤803、将乘积结果设置在子克罗内克积矩阵的对应位置,将子克罗内克积矩阵中的剩余位置设置为0。
若VF是N维对角阵,计算N个矩阵RVi,0≤i≤N-1,计算方法如下:
其中,求逆可以采用Cholesky算法。然后按如下规则从这N个矩阵恢复出RVeff:
RVeff=0,else
本实施例中,由于只计算了RT与VF中的非零元素,因此,降低了计算最小均方误差准则的滤波系数的运算量。
步骤106、根据最小均方误差准则的滤波系数和频域信道估计结果,计算得到导频位置信道的时频域信道估计结果。
在根据最小均分误差估计系数和频域信道估计结果,计算时频域信道估计结果时可以采用的公式为:
基于上述相关实施例,将最小均分误差估计系数代入上述公式,得到:
假设原RF是MF×MF维的自相关矩阵,经过降维后,取有效特征值数量为N。的估计公式中,VF可以从MF×MF降为N×N的对角阵。UF可以从MF×MF降为MF×N。如果时域自相关矩阵的维度是MT×MT,则原时频域滤波系数W的维度为MT·MF×MT·MF,现在可以分解成W1和W2两次滤波。
W1是MT·N×MT·MF维的系数,即对于每个时域OFDM符号而言,做MT·MF阶滤波,但是只需要计算产生N个点的值。
W2是MT·MF×MT·N维的系数,即对于每个时域OFDM符号而言,做MT·N阶滤波,MF个点的值都需要计算。
输出结果即为MMSE法则下信道估计的准确结果。
基于同一构思,本申请实施例中提供了一种信道估计装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图9所示,该装置主要包括:
第一获取模块901,用于获取导频位置信道的频域信道估计结果;
第一确定模块902,用于确定与频域信道估计结果对应的噪声功率;
第二获取模块903,用于获取与导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
降维模块904,用于将频域自相关矩阵进行降维处理,得到降维矩阵;
第二确定模块905,用于确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数;
信道估计模块906,用于根据最小均方误差准则的滤波系数和频域信道估计结果,计算得到导频位置信道的时频域信道估计结果
基于同一构思,本申请实施例中提供了一种电子设备,如图10所示,该电子设备主要包括:处理器1001、通信接口1002、存储器1003和通信总线1004,其中,处理器1001、通信接口1002和存储器1003通过通信总线1004完成相互间的通信。其中,存储器1003中存储有可被至处理器1001执行的程序,处理器1001执行存储器1003中存储的程序,实现如下步骤:
获取导频位置信道的频域信道估计结果;
确定与频域信道估计结果对应的噪声功率;
获取与导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
将频域自相关矩阵进行降维处理,得到降维矩阵;
确定与时域自相关矩阵、降维矩阵和噪声功率对应的最小均方误差准则的滤波系数;
根据最小均方误差准则的滤波系数和频域信道估计结果,计算得到导频位置信道的时频域信道估计结果。
上述电子设备中提到的通信总线1004可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该通信总线1004可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口1002用于上述电子设备与其他设备之间的通信。
存储器1003可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器1001的存储装置。
上述的处理器1001可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述实施例中所描述的信道估计方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种信道估计方法,其特征在于,包括:
获取导频位置信道的频域信道估计结果;
确定与所述频域信道估计结果对应的噪声功率;
获取与所述导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
将所述频域自相关矩阵进行降维处理,得到降维矩阵;
确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数;
根据所述最小均方误差准则的滤波系数和所述频域信道估计结果,计算得到所述导频位置信道的时频域信道估计结果。
2.根据权利要求1所述的信道估计方法,其特征在于,所述将所述频域自相关矩阵进行降维处理,得到降维矩阵,包括:
将所述频域自相关矩阵转换为频域实数矩阵,所述频域实数矩阵包括所述频域自相关矩阵的实部矩阵和虚部矩阵;
对所述频域实数矩阵进行第一变换,得到第一变换结果,所述第一变换结果中矩阵维度为所述频域实数矩阵维度的一半;
对所述第一变换结果进行第二变换,得到第二变换结果,所述第二变换结果为三角阵、对角阵和所述三角阵的正交矩阵的乘积;
根据所述对角阵生成满足预设条件的子对角阵,所述子对角阵的维度小于所述对角阵的维度;
确定所述三角阵中与所述子对角阵对应的子三角阵;
确定与所述子三角阵对应的子三角阵的正交矩阵;
将所述子对角阵、所述子三角阵和子三角阵的正交矩阵作为所述降维矩阵。
3.根据权利要求2所述的信道估计方法,其特征在于,所述对所述频域实数矩阵进行第一变换,得到第一变换结果,所述第一变换结果中矩阵维度为所述频域实数矩阵维度的一半,包括:
将所述频域实数矩阵的两端均乘以第一系数,得到第一中间矩阵,所述第一系数为第一预设矩阵和所述第一预设矩阵的转置矩阵的乘积;
对所述第一中间矩阵进行变换,得到第二中间矩阵,所述第二中间矩阵为第一预设矩阵的转置矩阵、第三中间矩阵和第一预设矩阵的乘积,所述第三中间矩阵为主对角线元素为第一中间子矩阵和第二中间子矩阵、其他元素为0的矩阵,所述第一中间子矩阵和所述第二中间子矩阵的维度为所述频域实数矩阵维度的一半。
4.根据权利要求3所述的信道估计方法,其特征在于,所述对所述第一变换结果进行第二变换,得到第二变换结果,所述第二变换结果为三角阵、对角阵和所述三角阵的正交矩阵的乘积,包括:
对所述第一中间子矩阵进行奇异值分解,得到第一分解结果;
对所述第二中间子矩阵进行奇异值分解,得到第二分解结果;
将所述第一分解结果中的元素设置在所述第一中间子矩阵的位置,将所述第二分解结果中的元素设置在所述第二中间子矩阵的位置得到第四中间矩阵;
将所述第一预设矩阵的转置矩阵、所述第四中间矩阵和所述第一预设矩阵的乘积进行变换,得到所述第二变换结果,所述第二变换结果为所述三角阵、所述对角阵和所述三角阵的正交矩阵的乘积。
5.根据权利要求3所述的信道估计方法,其特征在于,所述第一预设矩阵是根据第一预设子矩阵和第二预设子矩阵构建得到的,所述第一预设子矩阵为单位矩阵,所述第二预设子矩阵为副对角线的元素为1的矩阵。
6.根据权利要求1所述的信道估计方法,其特征在于,所述确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数,包括:
获得所述时域自相关矩阵与所述降维矩阵的克罗内克积矩阵;
根据所述克罗内克积矩阵和所述噪声功率,基于最小均方差准测计算得到所述最小均方误差准则的滤波系数。
7.根据权利要求6所述的信道估计方法,其特征在于,所述降维矩阵包括子对角阵、子三角阵和子三角阵的正交矩阵,所述获得所述时域自相关矩阵与所述降维矩阵的克罗内克积矩阵,包括:
获得所述时域自相关矩阵与所述子对角阵的子克罗内克积矩阵;
根据所述子克罗内克积矩阵、所述子三角阵和所述子三角阵的正交矩阵得到所述克罗内克积矩阵。
8.根据权利要求7所述的信道估计方法,其特征在于,所述获得所述时域自相关矩阵与所述子对角阵的子克罗内克积矩阵,包括:
提取所述子对角阵中的非零元素集合;
计算所述非零元素集合中的每个元素与所述时域自相关矩阵的乘积,得到乘积结果;
将所述乘积结果设置在所述子克罗内克积矩阵的对应位置,将所述子克罗内克积矩阵中的剩余位置设置为0。
9.根据权利要求2所述的信道估计方法,其特征在于,所述根据所述对角阵生成满足预设条件的子对角阵,所述子对角阵的维度小于所述对角阵的维度,包括:
将所述对角阵中的非零元素按照数值大小进行排序,得到排序结果;
将所述排序结果按照数值大小依次累加;
每累加一个数值,判断得到的累加结果的占比是否大于或等于预设值;
若否,继续累加,直至所述累加结果的占比大于或等于所述预设值;
若是,将所述累加结果对应的所述对角阵中的元素作为所述子对角阵中的元素,得到所述子对角阵。
10.一种信道估计装置,其特征在于,包括:
第一获取模块,用于获取所述导频位置信道的频域信道估计结果;
第一确定模块,用于确定与所述频域信道估计结果对应的噪声功率;
第二获取模块,用于获取与所述导频位置信道对应的频域自相关矩阵和时域自相关矩阵;
降维模块,用于将所述频域自相关矩阵进行降维处理,得到降维矩阵;
第二确定模块,用于确定与所述时域自相关矩阵、所述降维矩阵和所述噪声功率对应的最小均方误差准则的滤波系数;
信道估计模块,用于根据所述最小均方误差准则的滤波系数和所述频域信道估计结果,计算得到所述导频位置信道的时频域信道估计结果。
11.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现权利要求1-9任一项所述的信道估计方法。
12.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-9任一项所述的信道估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011596996.9A CN114697164A (zh) | 2020-12-28 | 2020-12-28 | 信道估计方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011596996.9A CN114697164A (zh) | 2020-12-28 | 2020-12-28 | 信道估计方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114697164A true CN114697164A (zh) | 2022-07-01 |
Family
ID=82132380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011596996.9A Pending CN114697164A (zh) | 2020-12-28 | 2020-12-28 | 信道估计方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114697164A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055263A (zh) * | 2023-03-06 | 2023-05-02 | 南京创芯慧联技术有限公司 | 信道估计方法、装置、通信设备及存储介质 |
CN117395104A (zh) * | 2023-12-13 | 2024-01-12 | 为准(北京)电子科技有限公司 | 正交频分复用系统中信道估计方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102118350A (zh) * | 2011-03-25 | 2011-07-06 | 河南科技大学 | 基于奇异值分解频域滤波移动WiMAX下行系统信道估计方法 |
CN102143098A (zh) * | 2010-12-03 | 2011-08-03 | 无锡物联网产业研究院 | 一种正交频分复用系统中的信道估计方法及装置 |
CN103997473A (zh) * | 2014-05-13 | 2014-08-20 | 华为技术有限公司 | 一种信号干扰的滤波方法及相关装置 |
-
2020
- 2020-12-28 CN CN202011596996.9A patent/CN114697164A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102143098A (zh) * | 2010-12-03 | 2011-08-03 | 无锡物联网产业研究院 | 一种正交频分复用系统中的信道估计方法及装置 |
CN102118350A (zh) * | 2011-03-25 | 2011-07-06 | 河南科技大学 | 基于奇异值分解频域滤波移动WiMAX下行系统信道估计方法 |
CN103997473A (zh) * | 2014-05-13 | 2014-08-20 | 华为技术有限公司 | 一种信号干扰的滤波方法及相关装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055263A (zh) * | 2023-03-06 | 2023-05-02 | 南京创芯慧联技术有限公司 | 信道估计方法、装置、通信设备及存储介质 |
CN117395104A (zh) * | 2023-12-13 | 2024-01-12 | 为准(北京)电子科技有限公司 | 正交频分复用系统中信道估计方法及装置 |
CN117395104B (zh) * | 2023-12-13 | 2024-02-09 | 为准(北京)电子科技有限公司 | 正交频分复用系统中信道估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110677361B (zh) | 正交时频空系统的信号均衡方法、均衡器及存储介质 | |
JP4554679B2 (ja) | Mimo通信システムのための反復固有ベクトル計算 | |
Huang et al. | Adaptive multi-channel least mean square and Newton algorithms for blind channel identification | |
CN114697164A (zh) | 信道估计方法、装置、电子设备和存储介质 | |
Taheri et al. | Reweighted l1-norm penalized LMS for sparse channel estimation and its analysis | |
Inouye et al. | Super-exponential algorithms for multichannel blind deconvolution | |
CN110730145B (zh) | 一种正交时频空系统线性均衡方法、装置与电子设备 | |
CN114697178A (zh) | 导频位置信道的估计方法、装置、存储介质及电子设备 | |
CN111385230B (zh) | 一种基于维纳自适应的信道估计的方法及系统 | |
Karakütük et al. | Channel matrix recursion for blind effective channel order estimation | |
Lima et al. | Set-membership constrained frequency-domain algorithm | |
CN107592115B (zh) | 一种基于非均匀范数约束的稀疏信号恢复方法 | |
US11050492B1 (en) | Subspace-based blind identification algorithm of ocean underwater acoustic channel for multi-channel FIR filter | |
EP1714449B1 (en) | Method and apparatus to perform channel estimation for a communication system | |
KR101008070B1 (ko) | 주파수 영역 등화 방법 및 장치 | |
CN113055318B (zh) | 一种信道估计方法 | |
US9318232B2 (en) | Matrix spectral factorization for data compression, filtering, wireless communications, and radar systems | |
CN115378775A (zh) | 一种低复杂度otfs波形统一近似消息传递均衡方法及装置 | |
Lacruz et al. | Robust sparse channel estimation for OFDM system using an iterative algorithm based on complex median | |
Wax et al. | FIR-SIMO channel order determination by invariant-signal-subspace matching | |
Merched | A unified approach to reduced-redundancy transceivers: Superfast linear and block-iterative generalized decision feedback equalizers | |
Zhang et al. | A new transform domain LMS algorithm | |
CN116488964A (zh) | 一种基于ar模型的mmse信道估计算法 | |
CN116668241A (zh) | 一种基于ar模型的迭代mmse信道估计方法 | |
Ma et al. | An algorithm based on nonlinear PCA and regulation for blind source separation of convolutive mixtures |
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 |