CN114726687A - 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 - Google Patents
一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 Download PDFInfo
- Publication number
- CN114726687A CN114726687A CN202210296390.6A CN202210296390A CN114726687A CN 114726687 A CN114726687 A CN 114726687A CN 202210296390 A CN202210296390 A CN 202210296390A CN 114726687 A CN114726687 A CN 114726687A
- Authority
- CN
- China
- Prior art keywords
- channel
- irs
- zero
- base station
- row
- 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
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
- H04L25/0204—Channel estimation of multiple channels
-
- 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
- H04B7/04013—Intelligent reflective surfaces
-
- 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
- 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/145—Passive relay 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
-
- 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
-
- 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
-
- 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
一种智能反射面(Intelligent reflecting surface,IRS)辅助毫米波大规模多输入多输出(Multiple‑Input Multiple‑Output,MIMO)系统的信道估计方法,该方法步骤如下:基站接收不同用户通过上行链路发送的导频信号;将信道模型转化为角度域级联信道;分析角度域级联信道的行列结构稀疏性;将信道估计问题转化成压缩感知(compressed sensing,压缩感知)重构问题,采用压缩感知算法分别结合角度域级联信道的行和列结构稀疏性进行信道估计;最后将角度域角度域信道转换为空间信道来获得估计的级联信道。本发明的技术效果是利用IRS技术增强毫米波大规模MIMO系统的性能,采用压缩感知算法提高IRS辅助的无线通信系统的信道估计精度,降低导频开销。
Description
技术领域
本发明涉及无线网络技术领域,具体涉及一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法。
背景技术
作为第五代无线网络的关键技术之一,大规模多输入多输出可以大大提高系统吞吐量,扩大小区覆盖范围。然而,所需的高复杂性和硬件成本以及增加的能耗仍然是尚未解决的关键问题。另外,毫米波频带中存在大量未使用频谱资源,将大规模MIMO技术从sub-6GHz扩展到毫米波频带通常需要更复杂的信号处理以及更昂贵和更耗能的硬件(例如,射频链)。因此,为未来的无线网络寻找创新、频谱和节能且经济高效的解决方案的研究仍然势在必行。
IRS最近被提出作为重新配置无线网络的一种有前途的新技术。一方面,利用先进材料构建的大量可重构元件,IRS可以基于信道状态信息以期望的模式反射电磁信号,通过自适应地调整IRS的相移矩阵,以实现更好的通信容量。另一方面,与传统的类似技术如中继或MIMO波束形成不同,无源IRS系统既不需要耗能的有源射频器件,也不需要复杂的基带信号处理模块,满足了未来通信系统对绿色节能技术的需求。
在IRS辅助的毫米波大规模MIMO系统中,信道状态信息的捕获是一项具有挑战性的任务:一方面由于高维数信道和IRS系统的无源特性,不能发射、接收或处理任何导频信号来实现信道估计。另一方面由于IRS通常由数百个单元组成,因此要估计的信道维度比传统系统中的大得多,这将导致信道估计中导频的过度开销,不能满足现实通信技术发展的需求。
发明内容
本发明的目的在于提供一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法,以解决上述背景技术中提出的问题。
技术方案:为实现上述发明目的,本发明采用如下技术方案:
一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法,包括以下步骤:
步骤1,建立系统模型和信道模型,其中基站和IRS都配备了半波长均匀平面阵列UPA,包括路径损耗参数、基站以及IRS处的方位角和仰角;
步骤2,在接收端,通过对接收信号Y的变换,根据角度域级联信道的稀疏性将信道估计问题转化成压缩感知恢复问题;
步骤3,并分析角度域级联信道的行列结构稀疏性;
步骤4,采用压缩感知算法分别结合级联信道的行列结构稀疏性对级联信道进行估计。
进一步地,所述步骤1中:
系统模型为由一个基站和一个IRS组成的大规模MIMO系统,同时为K个单天线用户服务,基站和IRS天线数分别是M=M1×M2和N=N1×N2,M1和M2分别表示基站天线阵列的横向和纵向天线单元数,N1和N2分别表示IRS天线阵列的横向和纵向天线单元数;不考虑基站与用户间的直接路径,基站与IRS间采用Saleh-Valenzuela信道模型,H1表示IRS与基站间的信道,H2表示用户与IRS间的信道,并通过H2,k表示IRS与用户k间的信道,L1是IRS与基站间的有效路径数,L2,k是IRS与用户k间的有效路径数,Θ是IRS处的反射矢量矩阵,S是导频信号。
进一步地,所述步骤2中:
下行链路时,设W为采集的基站波束形成向量,第k个用户接收到基站在Q个时隙发送的信号为:
Yk=H1diag(Θ)H2,kWS+Nk=H1diag(H2,k)ΘS+N
取级联信道为H=H1diag(H2),在虚拟角度域,H表示为:
进一步地,所述步骤3中:
将级联信道表示为:
其中和只有一个非零元素,在阵列矢量位于UM和UN的方向上;从上式,发现对于每个完整的反射路径(l1,l2)只有一个非零元素,该元素的行列索引取决于和因此只有L1个非零列,其中每个非零列只有L2,k个非零行,非零元素总数为L1L2,k<<MN。
进一步地,所述步骤3中,角度级联通道的双重稀疏性分别从行和列的角度总结如下:
进一步地,所述步骤4包括如下分步骤:
步骤4-1,估计完全公共非零列的支撑集:
联合来估计进而消除噪声的影响;用M×1维矩阵g来存储列功率和,选择g中L1个幅度最大的元素来估计完全公共列支撑集其中τ(x,L)是一个修剪算子,其作用是筛选出x中L个幅度最大的元素,其余元素置零,另外Γ(x)用来表示x的支撑集,Γ(x)={i,x(i)≠0};
步骤4-2,计算出部分公共非零列的支撑集:
先用每个用户k的2L2,k索引估计行支持集然后从所有中选择与最大次数相关联的Lc个索引值来估计部分行支持集 与的2L2,k个最相关的行作为新的行支撑索引n*,通过更新的使用最小二乘算法获得估计的稀疏向量对中元素降序排列后,取前L2,k个最大的值,按照索引的顺序排列,作为最终输出的解;通过去除已经估计的非零元素的影响来更新残差向量 为N×1维向量用来所选列索引的次数,选择中Lc个最大值的元素的索引来估计
步骤4-3,计算出每个用户的特定的行支撑集:
步骤4-4,根据最小二乘法获得相应的信道估计矩阵,并将角度信道转换为空间信道来获得估计的级联信道:
进一步地,所述步骤4-2具体包含如下分步骤:
本发明提出了一种智能反射面辅助毫米波系统的信道估计方法,其优点是:
1)本发明方法通过分析角度域级联信道,找到了级联信道的行列结构稀疏性,并将级联信道估计问题转化为稀疏信号恢复问题,可以直接使用传统的压缩感知算法。
2)本发明方法提出了采用CoSaMP算法分别集成级联信道的行和列结构稀疏性进而解决压缩感知重构问题,避免了每次迭代原子的重复选择对信道估计精度造成的不良影响。
3)本发明方法所需的导频开销低于其他两个传统方案,并且估计精度最高。
附图说明
图1是本发明实施例中的信道估计方法流程图。
图2是本发明实施例中的应用场景。
图3是本发明实施例中的信道估计方法在不同导频开销情况下的归一化均方误差(NMSE)性能。
图4是本发明实施例中的信道估计方法与其他两种信道估计方法在不同信噪比下的信道估计的NMSE性能。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
本实施例的网络架构如图2所示,图示场景:
考虑TDD模式下,由一个基站和一个IRS组成的毫米波大规模MIMO系统,同时为K=16个单天线用户服务。由于信道互易性,可以通过估计上行链路的信道状态信息来获得下行链路的信道状态信息。其中基站和IRS都配备了半波长均匀平面阵列(UPA),天线数和元件数分别是M=8×8=64和N=16×16=256,IRS和基站之间的路径数量是L1=5,并且从第k个用户到IRS的路径数量被设置为L2k=8。对于所有空间角度都被假设在量化网格上。考虑IRS的离散相移,IRS反射矩阵Θ的每个元素选自基站与IRS和IRS与用户间的距离分别是d1=10m,d2=100m,信噪比定义为取值范围为0-10dB。
一种IRS辅助毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的信道估计方法,本实施例中,该方法包括以下步骤:
步骤(1):设定该系统的直接链路被障碍物阻挡,IRS提供虚拟直接链路,使用正交导频传输策略,基站在Q个时隙内通过下行链路将已知导频符号发送给IRS,IRS接收基站发送的导频信号进行处理,并通过IRS反射将导频信号传输至用户。
将毫米波大规模MIMO无线信道视为级联信道H(即从用户通过IRS到基站的信道),表示从IRS到基站的信道, 表示从用户到IRS的信道,采用广泛使用的Saleh-Valenzuela通道模型将H1表示为:
其中,L1是基站与IRS之间的有效路径数,和分别代表表示由路径损耗、基站的方位角(仰角)和第l1路径的IRS的方位角(仰角)组成的复合增益,其中上标中的r表示接收端,t表示发送端。IRS与用户k间的信道也可以表示为:
其中,L2,k是用户侧与IRS之间的有效路径数,分别代表表示由路径损耗、IRS与用户第l2路径IRS处的方位角(仰角)组成的复合增益。分别代表与基站和IRS相关的归一化阵列操纵矢量。以配备N1×N2(N=N1×N2)UPA的IRS为例,可以表示为:
其中n1=[0,1,...,N1-1],n2=[0,1,...,N2-1],λ是载波波长,天线之间的间距为d=λ/2
采取正交导频传输策略,基站在Q个时隙内通过下行链路将已知导频符号发送给用户,即,在第q(q=1,2,...,Q)个时隙内,第k个用户接收到的基站发送的有效信号(不考虑基站与用户间的直接通信)为
yk,q=H1diag(θq)h2,kωk,qsk,q+nk,q=H1diag(h2,k)θqωk,qsk,q+nk,q
其中sk,q是基站发送给第k个用户的导频信号,ωk,q是基站采用的波束形成向量,θq=[θq,1,...,θq,N]T是IRS处的N×1维的反射矢量,θq,n是第q个时隙是IRS第n个单元(n=1,...,N)的反射系数,nk,q~CN(0,σ2IM)是功率为σ2的噪声。
步骤(2):将IRS辅助的毫米波大规模MIMO系统信道模型转换为角度域级联信道,并将信道估计问题转换成压缩感知重构问题,包括以下步骤:
设Hk=H1diag(h2,k)是第k个用户的级联信道,在波束成形阶段,我们只需要级联信道Hk的信息即可进行联合主动和被动波束成形,即优化ω和θ以最大化接收器处的接收信号功率,在虚拟角度域, 可以表示为:
第k个用户接收到的基站发送的有效信号为:
yk,q=Hkθqωk,qsk,q+nk,q
当Q个时隙传输完成时,第k个用户接收到的信号矩阵为:
Yk=HkΘωk,q+Nk
这里假设sk,q=1,Yk=[yk,1,...,yk,Q],Θ=[θ1,...,θQ],Nk=[nk,1,...,nk,Q]。
结合上式,可以得到:
步骤(3):分析级联信道进行稀疏结构分析。
步骤(4):通过将级联信道的稀疏结构与CoSaMP算法相结合,提出了基于压缩感知算法的级联信道估计方案。
本实施例中,其所述的步骤(3)过程如下:
级联信道可以表示为:
其中和只有一个非零元素,在阵列矢量位于UM和UN的方向上。从上式,可以发现对于每个完整的反射路径(l1,l2)只有一个非零元素,该元素的行列索引取决于和因此只有L1个非零列,其中每个非零列只有L2,k个非零行,非零元素总数为L1L2,k<<MN。
更重要的是,不同的稀疏信道也表现出了行列结构稀疏性。首先,由于不同用户通过公共IRS与基站通信,因此从IRS到基站的信道H1对所有用户都是公共的。从上式,可以发现与用户索引k无关,因此中的非零元素位于完全共用路径的L1上。其次,由于不同的用户将共享IRS和用户之间的部分散射,可能在IRS享受部分公用路径,这些路径具有相同的方位角(仰角)。设表示的公用路径数,则对于总是存在被共用。也就是说,对于每个公共非零行l1(l1=1,2,...,L1),只有Lc个非零行。角度级联通道的这种双重稀疏性可以分别从行和列的角度总结如下:
基于上述行列结构稀疏性,结合经典的CoSaMP算法,可以联合估计不同用户的级联信道,以提高信道估计精度。
本实施例中,步骤(4)过程如下:
(4-1)估计完全公共非零列的支撑集:
从信道的虚拟角度域表示,可以发现的非零列是与接收端功率高的行相对应的,因此可以联合来估计进而消除噪声的影响。用1×M维矩阵g来存储列功率和,选择g中L1个幅度最大的元素来估计完全公共行支撑集其中τ(x,L)是一个修剪算子,其作用是筛选出x中L个幅度最大的元素,其余元素置零,另外Γ(x)用来表示x的支撑集(Γ(x)={i,x(i)≠0})。
(4-2)计算出部分公共非零行的支撑集:
先用每个用户k的2L2,k索引估计行支持集然后从所有中选择与最大次数相关联的Lc个索引值来估计部分行支持集 与的2L2,k个最相关的行作为新的行支撑索引n*,通过更新的使用最小二乘算法获得估计的稀疏向量对中元素降序排列后,取前L2,k个最大的值,按照索引的顺序排列,作为最终输出的解。通过去除已经估计的非零元素的影响来更新残差向量为N×1维向量用来所选列索引的次数,选择中Lc个最大值的元素的索引来估计如下:
(4-3)计算出每个用户的特定的列支撑集:
(4-4)根据最小二乘法获得相应的信道估计矩阵,并将角度信道转换为空间信道来获得估计的级联信道:
本实施例公开的智能反射面辅助毫米波系统的信道估计方法的效果通过以下实验进一步说明:
从图3显示出了不同导频开销对归一化均方误差(NMSE)性能的影响。如图所示,首先,可以观察到所有估计方案的估计性能随着导频开销的增加而增强;其次,为了获得相同的估计精度,所提出的基于DS-CoSaMP的方案所需的导频开销低于其他两个传统方案。然而,当IRS和所有用户之间没有公共路径时,即Lc=0,行列结构稀疏性将被简化为行结构稀疏性。因此,所提出的基于DS-CoSaMP和基于行结构稀疏性的方案的NMSE性能是相同的。随着IRS和用户之间公共路径数量的增加,所提出方案的NMSE性能可以得到改善,逐渐接近完美信道。
从图4所显示的各种算法在不同信噪比下的信道估计的NMSE性能。为了便于分析,假设导频开销为Q=32,最大迭代次数为iteration=8,从图中可以看出,本发明实施例所提的DS-CoSaMP算法估计精度最高,并且其估计精度随着信噪比的增长而越来越高。
综上所述,本实施例公开了一种IRS辅助大规模MIMO毫米波系统的信道估计方法,通过利用压缩感知算法来解决压缩感知重构问题,有效地实现了IRS辅助毫米波大规模MIMO系统的信道估计。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (7)
1.一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法,其特征在于:所述信道估计方法包括以下步骤:
步骤1,建立系统模型和信道模型,其中基站和IRS都配备了半波长均匀平面阵列UPA,包括路径损耗参数、基站以及IRS处的方位角和仰角;
步骤2,在接收端,通过对接收信号Y的变换,根据角度域级联信道的稀疏性将信道估计问题转化成压缩感知恢复问题;
步骤3,并分析角度域级联信道的行列结构稀疏性;
步骤4,采用压缩感知算法分别结合级联信道的行列结构稀疏性对级联信道进行估计。
2.根据权利要求1所述的一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法,其特征在于:所述步骤1中:
系统模型为由一个基站和一个IRS组成的大规模MIMO系统,同时为K个单天线用户服务,基站和IRS天线数分别是M=M1×M2和N=N1×N2,M1和M2分别表示基站天线阵列的横向和纵向天线单元数,N1和N2分别表示IRS天线阵列的横向和纵向天线单元数;不考虑基站与用户间的直接路径,基站与IRS间采用Saleh-Valenzuela信道模型,H1表示IRS与基站间的信道,H2表示用户与IRS间的信道,并通过H2,k表示IRS与用户k间的信道,L1是IRS与基站间的有效路径数,L2,k是IRS与用户k间的有效路径数,Θ是IRS处的反射矢量矩阵,S是导频信号。
6.根据权利要求1所述的一种智能反射面辅助毫米波大规模MIMO系统的信道估计方法,其特征在于:所述步骤4包括如下分步骤:
步骤4-1,估计完全公共非零列的支撑集:
联合来估计进而消除噪声的影响;用M×1维矩阵g来存储列功率和,选择g中L1个幅度最大的元素来估计完全公共列支撑集其中τ(x,L)是一个修剪算子,其作用是筛选出x中L个幅度最大的元素,其余元素置零,另外Γ(x)用来表示x的支撑集,Γ(x)={i,x(i)≠0};
步骤4-2,计算出部分公共非零列的支撑集:
先用每个用户k的2L2,k索引估计行支持集然后从所有中选择与最大次数相关联的Lc个索引值来估计部分行支持集 与的2L2,k个最相关的行作为新的行支撑索引n*,通过更新的使用最小二乘算法获得估计的稀疏向量对中元素降序排列后,取前L2,k个最大的值,按照索引的顺序排列,作为最终输出的解;通过去除已经估计的非零元素的影响来更新残差向量 为N×1维向量用来所选列索引的次数,选择中Lc个最大值的元素的索引来估计
步骤4-3,计算出每个用户的特定的行支撑集:
步骤4-4,根据最小二乘法获得相应的信道估计矩阵,并将角度信道转换为空间信道来获得估计的级联信道:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210296390.6A CN114726687B (zh) | 2022-03-24 | 2022-03-24 | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210296390.6A CN114726687B (zh) | 2022-03-24 | 2022-03-24 | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114726687A true CN114726687A (zh) | 2022-07-08 |
CN114726687B CN114726687B (zh) | 2023-06-30 |
Family
ID=82240618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210296390.6A Active CN114726687B (zh) | 2022-03-24 | 2022-03-24 | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114726687B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115765900A (zh) * | 2022-10-27 | 2023-03-07 | 大连海事大学 | 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法 |
CN116094556A (zh) * | 2022-12-15 | 2023-05-09 | 重庆邮电大学 | 基于irs辅助太赫兹mimo通信系统的空间多路复用方法 |
CN116506262A (zh) * | 2023-06-29 | 2023-07-28 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
CN117061028A (zh) * | 2023-04-21 | 2023-11-14 | 重庆邮电大学空间通信研究院 | 一种ris辅助毫米波通信的信道估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187323A (zh) * | 2020-09-29 | 2021-01-05 | 国网江苏省电力有限公司丹阳市供电分公司 | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 |
CN112565121A (zh) * | 2020-12-07 | 2021-03-26 | 电子科技大学 | 用于智能反射面辅助的大规模mimo系统的半盲信道估计方法 |
CN113179231A (zh) * | 2021-04-15 | 2021-07-27 | 内蒙古大学 | 一种毫米波大规模mimo系统中波束空间信道估计方法 |
-
2022
- 2022-03-24 CN CN202210296390.6A patent/CN114726687B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187323A (zh) * | 2020-09-29 | 2021-01-05 | 国网江苏省电力有限公司丹阳市供电分公司 | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 |
CN112565121A (zh) * | 2020-12-07 | 2021-03-26 | 电子科技大学 | 用于智能反射面辅助的大规模mimo系统的半盲信道估计方法 |
CN113179231A (zh) * | 2021-04-15 | 2021-07-27 | 内蒙古大学 | 一种毫米波大规模mimo系统中波束空间信道估计方法 |
Non-Patent Citations (2)
Title |
---|
WU Q, ETC.: "Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network", 《IEEE》, vol. 58, no. 1, pages 106 - 112, XP011768215, DOI: 10.1109/MCOM.001.1900107 * |
朱美溶: "智能反射面辅助毫米波MlSO系统的信道估计", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115765900A (zh) * | 2022-10-27 | 2023-03-07 | 大连海事大学 | 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法 |
CN115765900B (zh) * | 2022-10-27 | 2024-02-27 | 大连海事大学 | 一种叠加导频模式下智能反射面辅助的大规模mimo系统上行传输方法 |
CN116094556A (zh) * | 2022-12-15 | 2023-05-09 | 重庆邮电大学 | 基于irs辅助太赫兹mimo通信系统的空间多路复用方法 |
CN116094556B (zh) * | 2022-12-15 | 2024-05-14 | 重庆邮电大学 | 基于irs辅助太赫兹mimo通信系统的空间多路复用方法 |
CN117061028A (zh) * | 2023-04-21 | 2023-11-14 | 重庆邮电大学空间通信研究院 | 一种ris辅助毫米波通信的信道估计方法 |
CN116506262A (zh) * | 2023-06-29 | 2023-07-28 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
CN116506262B (zh) * | 2023-06-29 | 2023-10-13 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114726687B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111181619B (zh) | 基于深度强化学习的毫米波混合波束成形设计方法 | |
CN114726687B (zh) | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 | |
CN110166103B (zh) | 一种毫米波mu-miso系统的新型混合波束成形结构及设置方法 | |
CN101867402B (zh) | 一种自适应天线选择的mimo系统及其应用方法 | |
CN109302224B (zh) | 用于大规模mimo的混合波束赋形算法 | |
CN109714091B (zh) | 一种在毫米波mimo系统中基于分层设计的迭代混合预编码方法 | |
CN108933745A (zh) | 一种基于超分辨率角度和时延估计的宽带信道估计方法 | |
CN114285702B (zh) | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 | |
CN110138425B (zh) | 低复杂度阵列天线多输入多输出系统混合预编码算法 | |
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 | |
CN110661555B (zh) | 用于大规模mimo的部分连接的移相器网络的混合预编码算法 | |
CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
CN113824478B (zh) | 离散透镜天线阵列辅助的宽带毫米波多用户大规模mimo上行频谱效率优化方法 | |
CN114466390A (zh) | 一种基于智能反射面辅助的swipt系统性能优化方法及系统 | |
CN113411107A (zh) | 一种基于波束束的毫米波大规模mimo系统宽带信道估计方法 | |
Kaushik et al. | Energy efficient ADC bit allocation and hybrid combining for millimeter wave MIMO systems | |
JP7170863B2 (ja) | アナログプリコーディング及びアナログ結合を可能にする方法 | |
CN110636018B (zh) | 一种网格补偿大规模mimo信道估计方法 | |
CN113992254B (zh) | 智能反射面辅助无线通信系统波束成形方法 | |
CN113824477B (zh) | 离散透镜天线阵列辅助的多用户大规模mimo优化方法 | |
Kaushik et al. | Energy efficiency maximization in millimeter wave hybrid MIMO systems for 5G and beyond | |
CN112367104B (zh) | 用于毫米波mimo的基于移相器的联合空分复用方法 | |
CN112636800B (zh) | 基于毫米波大规模mimo多用户场景的混合预编码方法 | |
Hadji et al. | Channel estimation based on low‐complexity hierarchical codebook design for millimeter‐wave MIMO systems | |
CN114039638A (zh) | 一种混合波束成形器与模数转换器联合设计方法 |
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 |