CN114726685B - 一种低复杂度的大规模mimo通信系统下行链路信道估计方法 - Google Patents
一种低复杂度的大规模mimo通信系统下行链路信道估计方法 Download PDFInfo
- Publication number
- CN114726685B CN114726685B CN202210211539.6A CN202210211539A CN114726685B CN 114726685 B CN114726685 B CN 114726685B CN 202210211539 A CN202210211539 A CN 202210211539A CN 114726685 B CN114726685 B CN 114726685B
- Authority
- CN
- China
- Prior art keywords
- gamma
- updating
- matrix
- representing
- alpha
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 208000011231 Crohn disease Diseases 0.000 claims description 2
- 229940127554 medical product Drugs 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种低复杂度的大规模MIMO通信系统下行链路信道估计方法,步骤1:基站采用了一个具有Mt根天线的均匀线性阵列,下行链路中的移动用户装配Mr根天线的均匀线性阵列,在T个时刻内,基站发送导频信号矩阵S,则移动用户接收到的信号为Y=SAT(β)WBT+N。步骤2:将接收信号进行向量化。步骤3:初始化参数。步骤4:设置迭代次数计数变量j=1。步骤5:固定q(α),q(γ),β,B,更新q(w)。步骤6:固定q(w),q(γ),β,B,更新q(α)。步骤7:固定q(w),q(α),β,B,更新q(γ)。步骤8:固定q(w),q(α),q(γ),β,更新B。步骤9:固定q(w),q(α),q(γ),B,更新β。步骤10:判断迭代计数变量j是否达到上限J或γ是否收敛,如果都不满足,则迭代计数变量j=j+1,并返回步骤5。步骤11:估计最终的信道H。本发明在信道估计性能上有明显的提升,同时复杂度较低。
Description
技术领域
本发明属于无线通信领域,涉及一种多输入多输出(Multi-input Multi-output,MIMO)通信系统的信道估计方法,具体来说是一种基于变分贝叶斯推理(variationalBayesian inference,VBI)的低复杂度大规模MIMO通信系统的下行链路信道估计方法。
背景技术
大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术是下一代无线通信的研究热点和关键技术之一。将大规模MIMO技术应用于无线通信中,可获得较高的信道增益,同时其极低的系统功耗可以使得信号的覆盖范围得到有效扩大。相比于传统无线通信系统,大规模MIMO系统具有很高的频谱利用率、能量效率和系统的鲁棒性能。
信道信息的获取在通信系统中占有举足轻重的地位,然而在无线通信系统中信道信息都是不可知的,因此信道估计是无线通信中极为重要的技术,信道估计的精度将直接影响整个通信系统的性能。同时,随着天线规模的扩大,信道矩阵的维度也随之线性增长,高计算复杂度的问题愈发成为信道估计技术的制约因素。为了降低计算复杂度,现有方法在进行信道估计时大多将用户端的阵列信息并入路径增益矩阵中,进而利用复杂度较低的行稀疏特性进行信道估计。目前,人们已经提出了很多利用行稀疏特性的方法解决大规模MIMO信道估计问题,例如在文献J.Dai,A.Liu and V.K.N.Lau,FDD Massive MIMO ChannelEstimation with Arbitrary 2D-Array Geometry,IEEE Transactions on SignalProcessing,vol.66,no.10,pp.2584-2599,15May,2018中提出了一种基于离网稀疏贝叶斯学习的大规模MIMO通信系统的信道估计方法,由于此方法忽略了用户端的阵列反馈信息,因此会损失一定的信道估计性能。
发明内容
针对现有方法的不足,本发明将提出一种低复杂度的基于VBI的大规模MIMO通信系统的下行链路信道估计方法。
用于实现本发明的技术解决方案包括如下步骤:
步骤1:基站采用了一个具有Mt根天线的均匀线性阵列,下行链路中的移动用户装配Mr根天线的均匀线性阵列,在T个时刻内,基站发送导频信号矩阵S,则移动用户接收到的信号为Y=SAT(β)WBT+N。
步骤2:将接收信号进行向量化。
步骤3:初始化参数。
步骤4:设置迭代次数计数变量j=1。
步骤5:固定q(α),q(γ),β,B,更新q(w)。
步骤6:固定q(w),q(γ),β,B,更新q(α)。
步骤7:固定q(w),q(α),β,B,更新q(γ)。
步骤8:固定q(w),q(α),q(γ),β,更新B。
步骤9:固定q(w),q(α),q(γ),B,更新β。
步骤10:判断迭代计数变量j是否达到上限J或γ是否收敛,如果都不满足,则迭代计数变量j=j+1,并返回步骤5。
步骤11:估计最终的信道。
本发明的有益效果为:
利用VBI方法,本发明获得了一种低复杂度基于变分贝叶斯推理的大规模MIMO通信系统的下行链路信道估计方法。与现有方法相比,本发明在信道估计性能上有明显的提升,同时本发明的计算复杂度为明显低于现有方法的/>
附图说明
图1是本发明实施流程图。
图2在信噪比为0dB,发送端天线Mt为150,用户天线Mr为8根,网格数设定为200时,导频时刻T由40到90变化时对信道进行500次估计,仿真结果如图2所示。
图3在导频时刻为50,发送端天线Mt为100,用户天线Mr为8根,网格数设定为200时,信噪比从-10dB到10dB变化时对信道进行500次估计,仿真结果如图3所示。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明的实施如图1所示,包括如下:
(1)基站采用了一个具有Mt根天线的均匀线性阵列,下行链路中的移动用户数装配Mr根天线的均匀线性阵列,在T个时刻内,基站发送维度为T×Mt的导频信号矩阵S,移动用户接收到的信号为Y=SAT(β)WBT+N,其中:
AT(β)=[aT(θ1+β1),aT(θ2+β2),...,aT(θN+βN)]表示发送端阵列流型矩阵,
表示导向矢量,n=1,2,...,N,
(·)T表示转置,
λ表示载波波长,d为相邻天线阵元之间的间距,
表示对角域/>均匀划分成N个网格点,即/>
中的元素βi表示θi上的角度偏差,
W代表N×Mr维的稀疏矩阵,
B代表Mr×Mr维的未知矩阵,
N代表T×Mr维均值为0,精度为α的高斯白噪声矩阵。
(2)将接收信号重新排列,可得y=ΦBw+n,其中:
y=vec(Y),Φ(β)=SAT(β),w=vec(W),n=vec(N),
vec(·)代表向量化,
代表克罗内科积,
(3)初始化参数:μm=0N,γ=0N,a=b=10-10,μm表示wm的均值,BT为Y的右奇异向量,其中:
0N表示维度为N×1的0向量。
(4)设置迭代次数计数变量j=1。
(5)固定q(α),q(γ),β,B,更新q(w):
其中:
q(α),q(γ),q(w)分别表示α,γ,w的近似后验概率密度函数,
表示均值为μ,方差为Σ的复高斯分布,
wm代表W的第m列向量,
bm表示B的第m列向量,
(·)H表示共轭转置,
diag(·)表示对角运算矩阵。
(6)固定q(w),q(γ),β,B,更新q(α):
q(α)=Γ(α;aα,bα),
其中:
Γ(·|a,b)表示形状参数为a,速率参数为b的伽马分布,
aα=TMr+a,
||·||2表示矩阵的2范数,tr(·)表示矩阵的迹。
(7)固定q(w),q(α),β,B,更新q(γ):
其中:
γ表示w的精度向量,
γn表示γ的第n个元素,
[·]n,n表示矩阵的第n个对角线元素。
(8)固定q(w),q(α),q(γ),β,更新B:
其中:
gm=tr(Φ(β)ΣmΦH(β)),m=1,2,...,Mr。
(9)固定q(w),q(α),q(γ),B,更新β:
其中:
sign(·)表示取正负号运算,
ζ=[ζ(β1),ζ(β2),…ζ(βN)]T,
ζ(βn)=2Re(a′(θn+βn)HSHSa(θn+βn)c1+a′(θn+βn)HSHc2),n=1,2,...,N,
Re(·)表示取实部运算,
表示U的第n行,/>表示Σm的第(i,i)个元素,
(·)*代表共轭运算,
a′(θn+βn)表示a(θn+βn)在θn+βn处的导数。
(10)判断迭代计数变量j是否达到上限J=100或γ是否收敛,如都不满足,则迭代计数变量j=j+1,并返回(5)。
(11)估计最终的信道H:H=Φ(β)UBT。
下面通过列举仿真实验结果对本发明的效果做进一步阐述。
为了评估本方法的性能,假设基站装配了一个具有Mt=100根天线的均匀线性阵列,下行链路的工作频率为2170MHz,无线信道由3GPP spatial channel model(SCM)模型随机产生,基站发送导频信号矩阵S,S的每个元素均为零均值单位方差的独立高斯分布,加性噪声假设为高斯白噪声。
实验条件
采用本发明在信噪比为0dB,发送端天线Mt为150,用户天线Mr为8根,网格数设定为200时,导频时刻T由40到90变化时对信道进行500次估计,仿真结果如图2所示。
采用本发明在在导频时刻为50,发送端天线Mt为100,用户天线Mr为8根,网格数设定为200时,信噪比从-10dB到10dB变化时对信道进行500次估计,仿真结果如图3所示。
实验分析
从图2和图3可以看出,本发明可以精确地估计出大规模MIMO通信系统的下行链路信道信息,其NMSE性能明显优于现有方法。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技术所创的等效方式或变更均应包含在本发明的保护范围之内。
Claims (1)
1.一种低复杂度的大规模MIMO通信系统下行链路信道估计方法,其特征在于,包括如下步骤:
步骤1:基站采用了一个具有Mt根天线的均匀线性阵列,下行链路中的移动用户装配Mr根天线的均匀线性阵列,在T个时刻内,基站发送维度为T×Mt的导频信号矩阵S,移动用户接收到的信号为Y=SAT(β)WBT+N;
步骤2:将接收信号进行向量化;
步骤3:固定q(α),q(γ),β,B,更新q(w);
步骤4:固定q(w),q(γ),β,B,更新q(α);
步骤5:固定q(w),q(α),β,B,更新q(γ);
步骤6:固定q(w),q(α),q(γ),β,更新B;
步骤7:固定q(w),q(α),q(γ),B,更新β;
步骤8:判断迭代计数变量j是否达到上限J或γ是否收敛,如果都不满足,则迭代计数变量j=j+1,并返回步骤3;
步骤9:估计最终的信道;
所述步骤1中:
AT(β)=[aT(θ1+β1),aT(θ2+β2),...,aT(θN+βN)]表示发送端阵列流型矩阵,
表示导向矢量,
(·)T表示转置,
λ表示载波波长,d为相邻天线阵元之间的间距,
表示对角域/>均匀划分成N个网格点,即/>
中的元素βi表示θi上的角度偏差,
W代表N×Mr维的稀疏矩阵,
B代表Mr×Mr维的未知矩阵,
N代表T×Mr维均值为0,精度为α的高斯白噪声矩阵;
所述步骤2中对接收信号进行向量化的方法:
y=ΦBw+n,
其中:y=vec(Y),Φ(β)=SAT(β),w=vec(W),n=vec(N),vec(·)代表向量化,
代表克罗内科积;
所述步骤3中更新q(w)的方法:
其中:
表示均值为μ,方差为Σ的复高斯分布,
wm代表W的第m列向量,
bm表示B的第m列向量,
(·)H表示共轭转置,
diag(·)表示对角运算矩阵;
所述步骤4中更新q(α)的方法:
q(α)=Γ(α;aα,bα),
其中:
Γ(·|a,b)表示形状参数为a,速率参数为b的伽马分布,
aα=TMr+a,
||·||2表示矩阵的2范数,tr(·)表示矩阵的迹;
所述步骤5中更新q(γ)的方法:
其中:
γ表示w的精度向量,
γn表示γ的第n个元素,
[·]n,n表示矩阵的第n个对角线元素;所述步骤6中更新B的方法:
其中:
U=[μ1,μ2,...,μMr],
gm=tr(Φ(β)ΣmΦH(β));
所述步骤7中更新β的方法:
其中:
sign(·)表示取正负号运算,
δ=[ζ(β1),ζ(β2),…ζ(βN)]T,
Re(·)表示取实部运算,
表示U的第n行,/>表示Σm的第(i,i)个元素,
(·)*代表共轭运算,
a'(θn+βn)表示a(θn+βn)在θn+βn处的导数;
所述步骤9中估计最终信道的方法:
H=Φ(β)UBT;
还包括:初始化参数μm=0N,γ=0N,a=b=10-10,以及设置迭代次数计数变量初始值为j=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211539.6A CN114726685B (zh) | 2022-03-04 | 2022-03-04 | 一种低复杂度的大规模mimo通信系统下行链路信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210211539.6A CN114726685B (zh) | 2022-03-04 | 2022-03-04 | 一种低复杂度的大规模mimo通信系统下行链路信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114726685A CN114726685A (zh) | 2022-07-08 |
CN114726685B true CN114726685B (zh) | 2024-04-09 |
Family
ID=82236015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210211539.6A Active CN114726685B (zh) | 2022-03-04 | 2022-03-04 | 一种低复杂度的大规模mimo通信系统下行链路信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114726685B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337199A (zh) * | 2018-01-17 | 2018-07-27 | 江苏大学 | 一种基于稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 |
CN108494445A (zh) * | 2018-01-17 | 2018-09-04 | 江苏大学 | 一种基于上行链路信道信息辅助的大规模mimo通信系统的下行链路信道估计方法 |
CN110636017A (zh) * | 2019-08-19 | 2019-12-31 | 江苏大学 | 一种基于变分贝叶斯推断的大规模mimo系统的下行链路信道估计方法 |
-
2022
- 2022-03-04 CN CN202210211539.6A patent/CN114726685B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108337199A (zh) * | 2018-01-17 | 2018-07-27 | 江苏大学 | 一种基于稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 |
CN108494445A (zh) * | 2018-01-17 | 2018-09-04 | 江苏大学 | 一种基于上行链路信道信息辅助的大规模mimo通信系统的下行链路信道估计方法 |
CN110636017A (zh) * | 2019-08-19 | 2019-12-31 | 江苏大学 | 一种基于变分贝叶斯推断的大规模mimo系统的下行链路信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114726685A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108234101B (zh) | 能效最大化导频信号设计方法及大规模多天线系统 | |
CN108832976B (zh) | 一种大规模mimo系统的上行链路信道估计方法 | |
CN108337199B (zh) | 一种基于稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 | |
CN110138427B (zh) | 基于部分连接的大规模多输入多输出混合波束赋形算法 | |
CN107294590B (zh) | 一种基于上行训练的数模混合波束赋形方法 | |
CN108964725B (zh) | 时变大规模mimo网络中信道参数的稀疏估计方法 | |
CN112737649B (zh) | 一种基于角度网格优化与范数约束的毫米波信道估计方法 | |
Kim et al. | FDD-based cell-free massive MIMO systems | |
Xie et al. | Dictionary learning for channel estimation in hybrid frequency-selective mmWave MIMO systems | |
CN104539340A (zh) | 一种基于稀疏表示和协方差拟合的稳健波达角估计方法 | |
CN109639604A (zh) | 一种基于实值稀疏贝叶斯学习的大规模mimo通信系统的下行链路信道估计方法 | |
CN115208442A (zh) | 一种超大规模阵列通信系统的两阶段波束训练方法 | |
CN106130938B (zh) | Tdd大规模mimo系统多用户联合信道估计方法 | |
CN114726685B (zh) | 一种低复杂度的大规模mimo通信系统下行链路信道估计方法 | |
CN110719127B (zh) | 一种具有恒模约束的毫米波mimo系统波束成形方法 | |
CN109787672B (zh) | 基于参数学习的大规模mimo格点偏移信道估计方法 | |
CN115865148B (zh) | 一种非理想信道下的去蜂窝mimo鲁棒性波束赋形方法 | |
CN110636017B (zh) | 一种基于变分贝叶斯推断的大规模mimo系统的下行链路信道估计方法 | |
CN110649953B (zh) | 一种基于变分贝叶斯学习的在具有冲击噪声情况下的信道估计方法 | |
CN111666688B (zh) | 一种修正的角度失配结合稀疏贝叶斯学习的信道估计算法 | |
Wen et al. | Reduced-dimension design of MIMO AirComp for data aggregation in clustered IoT networks | |
Srivastava et al. | MSBL-based simultaneous sparse channel estimation in SC wideband mmWave hybrid MIMO systems | |
CN113055061A (zh) | 一种大规模mimo系统的低复杂度预编码方法 | |
CN105827294A (zh) | 一种上行大规模mimo联合优化基站天线数和用户发射功率的方法 | |
Huang et al. | Deep stochastic optimization for algorithm-specific pilot design in massive MIMO |
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 |