CN114884776B - 信道估计方法、装置、电子设备及存储介质 - Google Patents
信道估计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114884776B CN114884776B CN202210404982.5A CN202210404982A CN114884776B CN 114884776 B CN114884776 B CN 114884776B CN 202210404982 A CN202210404982 A CN 202210404982A CN 114884776 B CN114884776 B CN 114884776B
- Authority
- CN
- China
- Prior art keywords
- angle set
- matrix
- initial
- angle
- target
- 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
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
-
- 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)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供一种信道估计方法、装置、电子设备及存储介质,该方法,包括:确定导频信号中信道路径对应的角度集合以及初始感知矩阵;计算所述初始感知矩阵各列与信号残差的内积绝对值,得到角度集合初始索引;对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;基于所述角度集合偏置索引,对所述角度集合进行迭代更新,得到全局感知矩阵以及新的角度集合;从导频信号中减去当前所要更新径以外的所有径的影响,再次迭代;基于目标全局感知矩阵列以及目标角度集合,计算得到路径增益和原始信道。本发明可以解决现有技术中毫米波信道功率泄露的缺陷,实现降低信道路径间的互相干扰,提高估计信道路径角度的准确性。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种信道估计方法、装置、电子设备及存储介质。
背景技术
在第五代移动通信(5G,Fifth Generation)时代,车联网、物联网、虚拟现实、智能城市等新兴应用快速发展,对高数据速率、容量和频谱效率的需求激增,但由于sub-6GHz频段的可用频谱不断拥挤和稀缺,而毫米波频段可用资源丰富,有较大带宽可以支持千兆数据速率,因此,毫米波在5G通信中占据重要地位。
鉴于毫米波信道的稀疏特性,压缩感知技术在毫米波信道估计中得到了广泛地研究与应用。该技术把稀疏多径信道估计看作一个稀疏恢复问题,首先将原始待估计的信道矩阵转换为离散角度空间的一个稀疏矩阵,基于角度网格来描述路径方向和增益。稀疏矩阵中的每个元素对应一个角度网格点,代表一对离散的收发角度;元素取值即为对应传播方向的路径增益系数。由于毫米波信道的空间稀疏性,转换到角度域的高维矩阵中仅有少部分增益系数为非零值,采用正交匹配追踪等稀疏恢复方法可恢复出这些非零系数和路径方向。不过,上述方法只有在信号真实传播路径的离开角和到达角恰好位于角度网格的量化格点上时,所恢复出的路径角度才是精确的。实际场景中的路径角度随机出现,不大可能完全位于量化格点上,因此会有功率泄露的问题存在。此外,在多径场景下,产生的功率泄露还会导致路径间出现相互干扰,使得角度估计的准确性大为降低。
因此,需要提供一种方案,可以解决毫米波信道中的功率泄露问题。
发明内容
本发明提供一种信道估计方法、装置、电子设备及存储介质,用以解决现有技术中毫米波信道功率泄露的缺陷,实现降低信道路径间的互相干扰,提高估计信道路径角度的准确性。
本发明提供一种信道估计方法,包括:
确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
根据本发明提供的信道估计方法,所述确定导频信号中信道路径对应的角度集合以及初始感知矩阵,包括:
遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到所述初始角度集合;
基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
根据本发明提供的信道估计方法,所述对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引,包括:
基于预设的网格细化精度、信号接收发送两端的天线数量和天线阵列响应向量,对所述角度集合初始索引对应的目标角度范围进行网格细化,得到局部感知矩阵;
计算所述局部感知矩阵中各列与信号残差的内积绝对值,基于所述局部感知矩阵中的最大内积绝对值对应的列,得到所述角度集合偏置索引。
根据本发明提供的信道估计方法,所述基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列,包括:
基于所述角度集合偏置索引,以及预设的网格细化精度、迭代次数和上次迭代的角度偏移量,确定本次迭代的角度偏移量;
基于本次迭代的角度偏移量、所述信号接收发送两端的天线数量,得到所述新的角度集合;
基于所述新的角度集合、所述模拟合并矩阵和所述模拟波束成形矩阵,得到所述全局感知矩阵列;
保存所述新的角度集合和所述全局感知矩阵列。
根据本发明提供的信道估计方法,所述基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道,包括:
基于所述目标全局感知矩阵列,计算得到所述导频信号对应信道路径的复增益系数;
基于所述复增益系数,以及所述目标角度集合,得到所述原始信道。
本发明还提供一种信道估计装置,包括:
第一计算模块,用于确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
第二计算模块,用于计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
第三计算模块,用于对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
第四计算模块,用于基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
第五计算模块,用于基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
信道恢复模块,用于基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
根据本发明提供的信道估计装置,所述第一计算模块,包括:
信号强度计算单元,用于遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
第一矩阵获取单元,用于基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
角度集合确定单元,用于基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到所述初始角度集合;
第二矩阵获取单元,用于基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述信道估计方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述信道估计方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述信道估计方法。
本发明提供的信道估计方法、装置、电子设备及存储介质,通过对角度集合初始索引对应的目标角度范围进行网格细化,即基于压缩感知的网格局部细化;并基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵以及新的角度集合,并保存所估计径的角度对和对应的全局感知矩阵列;从接收信号中减去当前所要更新径以外的所有径的影响,消除径间干扰,并基于已消除径间干扰的当前径进行再次迭代,更新全局感知矩阵和角度集合,并更新所保存的当前径对应的角度对和全局感知矩阵列,即基于多网格径间循环迭代干扰消除的信道估计,可减轻基于压缩感知估计信道时的功率泄露和径间干扰问题。本发明提供的方法具有较低的导频开销,并能有效提高信道估计的精度。
本发明提供的方法基于压缩感知的网格局部细化和径间循环迭代干扰消除的信道估计方案,适用于角度随机的毫米波多径信道场景。
因此,本发明提供的信道估计方法,可以解决现有技术中毫米波信道功率泄露的缺陷,实现降低信道路径间的互相干扰,提高估计信道路径角度的准确性。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的信道估计方法的流程示意图之一;
图2是本发明提供的毫米波大规模多入多出技术系统模型;
图3是本发明提供的信道估计方法的流程示意图之二;
图4是本发明提供的两径信道在无功率泄露情况下的虚拟信道示意图;
图5是本发明提供的两径信道在有功率泄露情况下的虚拟信道示意图;
图6是本发明提供的信道估计归一化均方误差仿真结果图;
图7为本发明提供的误码率仿真结果图;
图8是本发明提供的信道估计装置的结构示意图;
图9是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图9描述本发明的信道估计方法、装置、电子设备及存储介质。
如图1所示,本发明还提供一种信道估计方法,包括:
步骤110、确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合。
可以理解的是,导频信号也即是接收端对应的接收信号。
本发明的信道估计方法应用于图2所示的毫米波大规模多入多出技术(MIMO,Multiple-Input Multiple-Output)系统模型。该模型的收发双方均采用混合波束成形的下行单基站单用户通信。基于信道互易性,本发明同样适用于上行场景。
如图2所示,发送端(即:基站端)部署了Nt根天线,Nt,RF条射频链路;接收端(即:用户端)部署了Nr根天线,Nr,RF条射频链路。在发送端,数据和导频信号首先经过基带处理传输到Nt,RF条射频链路上,再通过移相器和Nt根天线连接;在接收端,Nr根天线接收到的信号通过移相器传输到各自所对应的Nr,RF条射频链路上,最后经过基带处理获得原始信道信息。在本实施例中,设定发送端和接收端通过Ns条数据流进行通信,且满足Ns≤Nt,RF≤Nt和Ns≤Nr,RF≤Nr。
在发送端发送维度为Ns×Nsymbol的基带导频数据S,其中,Nsymbol表示发送端一个时隙所发送的符号数。S经过维度为Nt,RF×Ns的基带预编码矩阵FBB和维度为Nt×Nt,RF的模拟预编码矩阵FRF后,由Nt根天线以指向特定接收方向的高增益窄波束的形式发送出去。以一个符号为例,所发送的Nt×1维信号x可由下式表示:
x=FRFFBBs (1)
其中,s表示维度为Ns×1的导频信号,其平均功率为1,即满足|s|2=1。
信号x经过窄带准静态衰落无线信道传输后到达接收端,则在接收端的Nr×1维接收信号r可表示为:
r=HFRFFBBs+n (2)
其中,H为Nr×Nt维的信道矩阵,n为服从独立复高斯分布的加性高斯白噪声向量。
接收端的相控阵天线通过维度为Nr×Nr,RF的模拟合并矩阵WRF和维度为Nr,RF×Ns的基带合并矩阵WBB完成对r的合并处理,输出Ns×1维的信号:
其中,W=WRFWBB∈Nr×Ns和F=FRFFBB∈Nt×Ns分别表示接收端和发送端的联合波束成形矩阵。
此外,发送端和接收端的模拟波束成形矩阵FRF和WRF可通过波束搜索获得,分别由参考信号接收功率(RSRP,Reference Signal Receiving Power)最高的前Nt,RF和Nr,RF列波束成形向量组成,以取得最佳波束方向。
模拟波束成形向量可以取自预先定义的一个码字集合,例如BeamSteering码本或者DFT码本等方式实现。本发明采用DFT码本,码本中第m个码字第n根天线对应的加权系数Un,m为:
其中,N为天线的数量,M为码字的数量。码本中包含所有备选码字,每个码字为一个模拟波束成形向量,并对应一个特定的波束方向。
当收发端分别进行Nsymbol次测量和合并后,(3)式可表示为:
Y=WHHFS+WHN (5)
其中,Y表示接收信号矩阵,N表示噪声矩阵。
本发明可以应用于窄带几何毫米波信道(S-V,Saleh-Valenzuela),其信道模型如下所示:
其中,L表示信道中路径的数量,αl为第l条径所对应的复增益,服从零均值,方差为1的复高斯分布。和/>分别表示第l条径的到达角(AOA)和离开角(AOD),取值范围为[0,2π]的随机值。/>和/>分别表示接收端和发送端的天线阵列响应向量,当天线阵列为均匀线性阵列时,其阵列响应向量表示如下:
其中,λ表示波长,d表示天线阵元之间的距离,其值一般为半波长。
式(6)中的信道模型可以表示为矩阵形式:
其中其维度为Nr×L;/> 其维度为L×L;/>其维度为Nt×L。
由于毫米波信道在角度域的稀疏性,可以将(9)式表示为角度域的虚拟信道,其形式如下:
其中,Hv∈Nr×Nt, 和/>均为离散傅里叶变换的酉矩阵,分别表示了到达角和离开角在[0,2π]内虚拟角度域的量化,其量化精度分别为1/Nr和1/Nt,到达角的量化角度/>和到达角的量化角度/>可表示为:
通过(10)式的变换,可以将非稀疏的信道矩阵H表示为稀疏矩阵Hv,在角度域量化为Nr×Nt个格点,每个格点上的元素表示对应的路径增益。当信道实际的到达角和离开角恰好落在量化格点上时,Hv中非零值的个数与信道径数L相等,且满足L<<Nr×Nt,即Hv为稀疏矩阵。但在实际场景中,到达角和离开角取值是随机连续分布的,而和/>的量化精度有限,Hv中的量化格点只能表示有限对固定的到达角和离开角组合,所以随机角度不大可能完全位于量化格点上。此时会出现功率泄露的问题,即Hv中非零值的个数大于信道径数L,但Hv仍为稀疏矩阵。以上这两种情况下,虚拟信道Hv都能清楚地反映出毫米波信道在角度域的稀疏性,即仅有少量格点上的元素为非零值。因此,可以采用压缩感知算法将Hv的估计转化为稀疏重构问题,并根据式(12)恢复出原始信道矩阵H:
为了采用压缩感知算法实现Hv的稀疏重构,本发明仍考虑图2所示的混合波束成形通信系统模型,将式(12)代入式(5)的接收信号表达式中,得:
其中,vec(·)表示向量化运算,表示克罗内克积,/>为感知矩阵,维度为NsymbolNs×NtNr,其每一列对应一组量化角度/>和/>hv表示虚拟信道的向量形式,维度为NrNt×1,n′表示噪声向量。至此,对信道H的估计就转化为了对稀疏向量hv的求解问题。
从以上分析可以看出,实际场景中到达角和离开角的连续随机分布特性会在将原始信道H转换为角度域的虚拟信道Hv的过程中产生功率泄漏问题,从而影响最终信道估计的性能。如果仅通过简单地增加和/>的矩阵维度,细化Hv中的网格来提高估计精度,将会导致过高的计算复杂度。另外,在对多径信道进行估计时,功率泄露还会导致严重的径间干扰,使得信道估计性能进一步恶化。因此,如何提高网格量化精度和消除多径间的干扰对提高信道估计精度至关重要。
步骤120、计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引。
可以理解的是,计算初始感知矩阵Φ与信号残差bk-1的内积,取其内积绝对值最大的列λk,也即相关值最大列,其中k表示第k条路径;并记录该列对应的到达角和离开角的索引,到达角索引记为离开角索引记为/>
步骤130、对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引。
可以理解的是,以索引对应的到达角和离开角为中心,对其周围的角度,即目标角度范围进行更精确的局部细化,并将所对应的局部达到角集合和离开角集合分别表示为/>局部感知矩阵表示为Φlocal。
计算局部感知矩阵Φlocal与信号残差bk-1的内积,取其内积绝对值最大的列ηk,记录该列所对应的局部到达角索引和局部离开角的角度索引/>也即是角度集合偏置索引,并更新偏移量offsett,offsetr。
步骤140、基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列。
可以理解的是,在初始的离开角集合和达到角集合上,增加相应的偏移量,并更新全局到达角集合和离开角集合/>以及全局感知矩阵Φfinal。
当未处理完所有径,但已达到规定的网格细化迭代次数时,保存当前径的到达角、离开角和对应的感知矩阵列,并从接收信号中减去所有已估出径的影响,即计算更新信号残差,以用于下一次的计算。
步骤150、基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合。
可以理解的是,当初始处理完所有径之后,进入径间干扰消除阶段,从接收信号中减去当前所要更新径以外的所有径的影响,再次迭代更新并保存当前径的到达角、离开角和对应的感知矩阵列。
步骤160、基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
可以理解的是,本实施例中,通过对角度集合初始索引对应的目标角度范围进行网格细化,即基于压缩感知的网格局部细化;并基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵以及新的角度集合,并保存所估计径的角度对和对应的全局感知矩阵列;从导频信号中减去当前所要更新径以外的所有径的影响,消除径间干扰,并基于已消除径间干扰的当前径进行再次迭代,更新全局感知矩阵和角度集合,并更新所保存的当前径对应的角度对和全局感知矩阵列,即基于多网格径间循环迭代干扰消除的信道估计,可减轻基于压缩感知估计信道时的功率泄露和路径之间的干扰问题。
在一些实施例中,所述确定导频信号中信道路径对应的角度集合以及初始感知矩阵,包括:
遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到所述初始角度集合;
基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
可以理解的是,分别遍历发送端和接收端的模拟波束成形向量,并计算每个波束对所对应的信号强度RSRP。RSRP定义如下式所示:
同时在发送端和接收端根据RSRP值分别选取前Nt,RF和Nr,RF个模拟波束成形向量构成FRF和WRF,然后再根据式(14)计算感知矩阵Φ,另外,初始化残差b0,记为b0=y,初始的角度偏移量设为offsett=0,offsetr=0,初始估计到达角的角度集合离开角的角度集合/>初始感知矩阵(即:初始估计感知矩阵)Φest=0。
可以理解的是,计算感知矩阵Φ的各列与残差b的内积,并取其内积绝对值最大的列索引λk,其中内积绝对值最大的列也是其相关值最大的列,表达式如下:
其中,表示感知矩阵Φ的第i列。根据λk可计算得到该列对应的到达角索引和离开角索引,分别记为/>
其中,表示向上取整运算。
在一些实施例中,所述对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引,包括:
基于预设的网格细化精度、信号接收发送两端的天线数量和天线阵列响应向量,对所述角度集合初始索引对应的目标角度范围进行网格细化,得到局部感知矩阵;
计算所述局部感知矩阵中各列与信号残差的内积绝对值,基于所述局部感知矩阵中的最大内积绝对值对应的列,得到所述角度集合偏置索引。
可以理解的是,以对应的到达角和离开角为中心,分别对其周围的角度进行更精确的局部细化,细化精度表示为J,则细化后的到达角和离开角的局部角度集合分别为局部感知矩阵Φlocal可以表示为:
随着迭代次数的增加,量化的角度范围不断缩小,网格细化的精度不断提高,从而网络格点越接近实际角度,估计越准确。
根据(16)式计算局部感知矩阵Φlocal与残差bk-1的内积,取其内积绝对值最大的列,记为ηk,并根据(17)式计算该列所对应的局部角度网格点索引更新后的角度偏移量表达式如下;
在一些实施例中,所述基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列,包括:
基于所述角度集合偏置索引,以及预设的网格细化精度、迭代次数和上次迭代的角度偏移量,确定本次迭代的角度偏移量;
基于本次迭代的角度偏移量、所述信号接收发送两端的天线数量,得到所述新的角度集合;
基于新的角度集合、所述模拟合并矩阵和所述模拟波束成形矩阵,得到所述全局感知矩阵列;
保存所述新的角度集合和所述全局感知矩阵列。
可以理解的是,在初始的到达角集合和离开角集合中都增加(19)式中相应的更新角度偏移量offsett、offsetr后,按照下式重新计算全局新的到达角度集合离开角集合/>和全局感知矩阵Φfinal:
当没处理完所有的K条径,但已达到预设的网格细化迭代次数时,根据下式保存当前径的到达角、离开角和感知矩阵列,并利用最小二乘法从接收信号中减去所有已估出径的影响,从而更新残差。
Φk=Φfinal(:,λk)
Φest=[Φest,Φk]
hest=pinv(Φest HΦest)Φest Hy
bk=y-Φesthest
其中,pinv()表示伪逆。
可以理解的是,当初始处理完所有的K条径之后,进入径间干扰消除阶段,判断是否已经重新更新完K-1条径。如果已经更新完,进入步骤150,否则根据下式从接收信号中减去当前所要更新径k以外的所有径的影响,计算残差:
Φdel=Φest(:,[k])=[]
hest=pinv(Φdel HΦdel)Φdel Hy (22)
bk=y-Φdelhest
其中,Φdel为需要删除径的感知矩阵。更新完残差之后,再根据(16)-(20)式迭代更新角度集合和全局感知矩阵。
当已达到预设的网格细化迭代次数时,根据下式更新所保存的当前径k对应的的到达角、离开角和感知矩阵列:
其中,为当前更新径的到达角/离开角向量和感知矩阵列。
在一些实施例中,所述基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道,包括:
基于目标全局感知矩阵列,计算得到所述导频信号对应信道路径的复增益系数;
基于所述复增益系数,以及所述目标角度集合,得到所述原始信道。
可以理解的是,根据下式利用最终估计出的到达角集合离开角集合/>和感知矩阵Φest,计算出所有K条路径的复增益系数/>并恢复出原始信道Hest:/>
在一些实施例中,信道估计方法的步骤如下:
步骤210:首先分别遍历发送端和接收端的模拟波束成形向量,并计算每个波束对所对应的信号强度RSRP。
同时根据RSRP值分别选取发送端的前Nt,RF和接收端的Nr,RF个模拟波束成形向量构成FRF和WRF,然后再根据式(14)计算感知矩阵Φ。另外,初始化残差b0,记为b0=y,初始的角度偏移量设为offsett=0,offsetr=0,初始估计到达角集合离开角集合初始感知矩阵Φest=0。
步骤220:在通信过程中,接收端收到发送端发射的信号,并根据接收信号进行信道估计。如图2所示,假设信道路径数已知为K,首先判断是否已估计出所有的路径。若已经估计完所有的径,则进入步骤290,否则进入230。
步骤230::判断是否已达到规定的网格细化迭代次数iter,达到则进入步骤280,否则进入步骤240。由于当迭代次数iter为2时,其网格已足够精细,所以本实施例将网格细化迭代次数iter设为2。
步骤240:计算感知矩阵Φ的各列与残差b的内积,并取其内积绝对值最大的列索引λk,其中内积绝对值最大的列也是其相关值最大的列,表达式如式(16)。
步骤250:以对应的到达角和离开角为中心,对其周围的角度进行更精确的局部细化,细化精度表示为J,则细化后的到达角和离开角对应的局部角度集合和局部感知矩阵Φlocal可以表示如式(18)。
随着迭代次数的增加,量化的角度范围不断缩小,网格细化的精度不断提高,从而网络格点越接近实际角度,估计越准确。
步骤260:此步骤与步骤240类似,根据式(16)计算局部感知矩阵Φlocal与残差bk-1的内积,取其内积绝对值最大的列,记为ηk,并根据式(17)计算该列所对应的局部角度网格点索引更新后角度偏移量。
步骤270:在初始的到达角角度集合、离开角角度集合中都增加式(19)中相应的更新角度偏移量offsett、offsetr后,按照式(20)重新计算全局和感知矩阵Φfinal。
步骤280:此步骤分为步骤281和步骤282;
步骤281,当没处理完所有的K条径,但已达到预设的网格细化迭代次数时,保存当前径的到达角、离开角和感知矩阵列,并利用最小二乘法从接收信号中减去所有已估出径的影响,从而更新残差。更新完残差之后,返回步骤220。
步骤282,当处理完所有的K条径,且已达到预设的网格细化迭代次数时,根据式(23)更新当前径k的到达角、离开角和感知矩阵列。之后,进入步骤290。
步骤290:判断是否已经重新更新完K-1条径。如果已经更新完,进入步骤300,否则根据式(22)从接收信号中减去当前所要更新径k以外的所有径的影响,计算残差。更新完残差之后,返回步骤230。
步骤300:根据式(24)利用最终估计出的到达角集合离开角集合/>和感知矩阵Φest计算出所有K条路径的复增益系数/>并恢复出原始信道Hest。
在另一些实施例中,发送端配置Nt根天线,接收端配备Nr根天线,发送端基站和接收端用户都采用混合波束成形结构,并且天线阵列结构为均匀线性阵列(ULA,UniformLinear Array)。信道采用一种窄带几何毫米波信道,非视距径,到达角和离开角均在[0,2π]内均匀分布。
信道估计算法分为三个阶段:一是粗估计阶段,首先对[0,2π]内的角度进行量化,求得初始感知矩阵,再计算接收信号和初始感知矩阵的内积绝对值最大列,从而获得到达角和离开角的初始索引;二是细估计阶段,对到达角和离开角的初始索引的附近角度范围进行细化,再进一步求得局部感知矩阵,并计算接收信号与局部感知矩阵的内积绝对值最大列,获得到达角和离开角的角度偏置索引;三是径间循环迭代干扰消除阶段,在估计出所有路径的到达角和离开角之后,再从接收信号中减去当前所要更新径以外的所有径的影响,去除径间干扰,更新当前径的角度估计,提高信道估计精度。信道估计算法具体流程如图3所示。
图4为两径信道在无功率泄露情况下的虚拟信道示意图,图5为两径信道在有功率泄露情况下的虚拟信道示意图,图4和图5中的两条路径角度和虚拟信道量化的精度均为收发端天线数,横坐标均为发送端发射天线索引,纵坐标为接收端接收天线索引,竖坐标为式(10)Hv中收发天线索引位置对应的元素幅值|Hv|。从图4和图5中可以很清楚地看出,当无功率泄漏时,两条通信路径对应的格点幅值远远大于相邻格点;当有功率泄漏时,虽然仍可以很清楚地看出两条径所在位置,但相邻格点的幅值也不可忽略。
图6为信道估计归一化均方误差仿真结果图,其横坐标是信噪比,单位为分贝,纵坐标是归一化均方误差,单位为分贝;图7为误码率仿真结果图,其横坐标是信噪比,单位为分贝,纵坐标为误码率。仿真中,发送端和接收端均配备16根天线、6根RF链路,多径数量为2,调制方式为正交相移键控(QPSK,Quadrature Phase Shift Keying),天线合并方式为迫零均衡合并。
本发明采用的算法为Proposed Algorithm,对比算法Ideal CSI、MG OMP和OMP,其中,Ideal CSI为采用理想的实际到达角和离开角,相当于性能上界;MG OMP算法是在不进行径间循环迭代干扰消除的基础上,完成信道估计;OMP是传统的正交匹配追踪算法,不考虑到达角和离开角的随机角度的影响,仅根据初始量化网格精度估计角度。从仿真结果可知,Proposed Algorithm达到了更好的信道估计性能,与MG OMP算法相比,均方根误差更低且比特出错概率更接近Ideal CSI提供的性能上界,由于正交匹配追踪算法只能获得初始量化后的角度,所以其信道估计的性能较差。
综上所述,本发明提供的信道估计方法,包括:确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵以及新的角度集合,并保存所估计径的角度对和对应的全局感知矩阵列;从接收信号中减去当前所要更新径以外的所有径的影响,消除径间干扰,再次迭代更新全局感知矩阵和角度集合,并更新所保存的当前径对应的角度对和全局感知矩阵列;基于所保存的全局感知矩阵列以及新的角度集合,计算得到路径增益和原始信道。
本发明提供的方法可以应用于毫米波大规模多入多出技术天线系统传输模型上,通过对角度集合初始索引对应的目标角度范围进行网格细化,即基于压缩感知的网格局部细化;并基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵以及新的角度集合,并保存所估计径的角度对和对应的全局感知矩阵列;从接收信号中减去当前所要更新径以外的所有径的影响,消除径间干扰,并基于已消除径间干扰的当前径进行再次迭代,更新全局感知矩阵和角度集合,并更新所保存的当前径对应的角度对和全局感知矩阵列,即基于多网格径间循环迭代干扰消除的信道估计,可减轻基于压缩感知估计信道时的功率泄露和径间干扰问题。本发明提供的方法具有较低的导频开销,并能有效提高信道估计的精度。
本发明提供的方法基于压缩感知的网格局部细化和径间循环迭代干扰消除的信道估计方案,适用于角度随机的毫米波多径信道场景。
因此,本发明提供的信道估计方法,可以解决现有技术中毫米波信道功率泄露的缺陷,实现降低信道路径间的互相干扰,提高估计信道路径角度的准确性。
下面对本发明提供的信道估计装置进行描述,下文描述的信道估计装置与上文描述的信道估计方法可相互对应参照。
如图8所示,本发明提供的信道估计装置800,包括:第一计算模块810、第二计算模块820、第三计算模块830、第四计算模块840、第五计算模块850和信道恢复模块860。
第一计算模块810,用于确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
第二计算模块820,用于计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
第三计算模块830,用于对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
第四计算模块840,用于基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
第五计算模块850,用于基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
信道恢复模块860,用于基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
在一些实施例中,所述第一计算模块810,包括:
信号强度计算单元,用于遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
第一矩阵获取单元,用于基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
角度集合确定单元,用于基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到所述初始角度集合;
第二矩阵获取单元,用于基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
下面对本发明提供的电子设备、计算机程序产品及存储介质进行描述,下文描述的电子设备、计算机程序产品及存储介质与上文描述的信道估计方法可相互对应参照。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行信道估计方法,该方法包括:
确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的信道估计方法,该方法包括:
确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的信道估计方法,该方法包括:
确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种信道估计方法,其特征在于,包括:
确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
2.根据权利要求1所述的信道估计方法,其特征在于,所述确定导频信号中信道路径对应的角度集合以及初始感知矩阵,包括:
遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到初始角度集合;
基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
3.根据权利要求1所述的信道估计方法,其特征在于,所述对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引,包括:
基于预设的网格细化精度、信号接收发送两端的天线数量和天线阵列响应向量,对所述角度集合初始索引对应的目标角度范围进行网格细化,得到局部感知矩阵;
计算所述局部感知矩阵中各列与信号残差的内积绝对值,基于所述局部感知矩阵中的最大内积绝对值对应的列,得到所述角度集合偏置索引。
4.根据权利要求2所述的信道估计方法,其特征在于,所述基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列,包括:
基于所述角度集合偏置索引,以及预设的网格细化精度、迭代次数和上次迭代的角度偏移量,确定本次迭代的角度偏移量;
基于本次迭代的角度偏移量、所述信号接收发送两端的天线数量,得到所述新的角度集合;
基于所述新的角度集合、所述模拟合并矩阵和所述模拟波束成形矩阵,得到所述全局感知矩阵列;
保存所述新的角度集合和所述全局感知矩阵列。
5.根据权利要求1-4任一项所述的信道估计方法,其特征在于,所述基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道,包括:
基于所述目标全局感知矩阵列,计算得到所述导频信号对应信道路径的复增益系数;
基于所述复增益系数,以及所述目标角度集合,得到所述原始信道。
6.一种信道估计装置,其特征在于,包括:
第一计算模块,用于确定导频信号中信道路径对应的角度集合以及初始感知矩阵,所述角度集合包括离开角集合和达到角集合;
第二计算模块,用于计算所述初始感知矩阵各列与信号残差的内积绝对值,基于所述初始感知矩阵中最大内积绝对值对应的列,得到角度集合初始索引;
第三计算模块,用于对所述角度集合初始索引对应的目标角度范围进行网格细化,得到角度集合偏置索引;
第四计算模块,用于基于所述角度集合偏置索引,对所述角度集合进行迭代更新,并基于更新的角度集合对所述初始感知矩阵进行迭代更新,得到全局感知矩阵列以及新的角度集合,并保存所述新的角度集合和所述全局感知矩阵列;
第五计算模块,用于基于从所述导频信号中减去当前所要更新信道路径以外的所有信道路径的影响,对所述全局感知矩阵列和所述新的角度集合进行迭代更新,得到目标全局感知矩阵列和目标角度集合,并保存所述目标全局感知所述矩阵和目标角度集合;
信道恢复模块,用于基于所述目标全局感知矩阵列和所述目标角度集合,计算得到路径增益和原始信道。
7.根据权利要求6所述的信道估计装置,其特征在于,所述第一计算模块,包括:
信号强度计算单元,用于遍历所述导频信号中的模拟波束成形向量,确定每个模拟波束成形向量对应的信号强度;
第一矩阵获取单元,用于基于所述信号强度,从所述模拟波束成形向量中选取多个目标向量,并基于所述多个目标向量构成模拟合并矩阵和模拟波束成形矩阵;
角度集合确定单元,用于基于信号接收发送两端的天线数量,确定所述信号接收发送两端的离散傅里叶变换矩阵,得到初始角度集合;
第二矩阵获取单元,用于基于所述模拟合并矩阵、所述模拟波束成形矩阵和所述初始角度集合,得到所述初始感知矩阵。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述信道估计方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述信道估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210404982.5A CN114884776B (zh) | 2022-04-18 | 2022-04-18 | 信道估计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210404982.5A CN114884776B (zh) | 2022-04-18 | 2022-04-18 | 信道估计方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114884776A CN114884776A (zh) | 2022-08-09 |
CN114884776B true CN114884776B (zh) | 2023-09-22 |
Family
ID=82670252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210404982.5A Active CN114884776B (zh) | 2022-04-18 | 2022-04-18 | 信道估计方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114884776B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007035993A1 (en) * | 2005-09-29 | 2007-04-05 | Prescient Networks Pty Ltd | Channel tracking for mimo receivers |
WO2013029226A1 (zh) * | 2011-08-29 | 2013-03-07 | 北京邮电大学 | 一种信道参数估计方法和系统 |
CN105656819A (zh) * | 2016-03-21 | 2016-06-08 | 电子科技大学 | 一种基于压缩感知和大规模mimo的自适应信道估计方法 |
CN107566305A (zh) * | 2017-08-15 | 2018-01-09 | 南京邮电大学 | 一种低复杂度的毫米波系统信道估计方法 |
CN109906588A (zh) * | 2016-11-04 | 2019-06-18 | 华为技术有限公司 | 用于传输子空间选择的系统和方法 |
WO2019174743A1 (en) * | 2018-03-16 | 2019-09-19 | Huawei Technologies Co., Ltd. | Receiver and transmitter for multipath angle estimation |
WO2020173627A1 (en) * | 2019-02-28 | 2020-09-03 | British Telecommunications Public Limited Company | Channel estimation in mimo systems |
-
2022
- 2022-04-18 CN CN202210404982.5A patent/CN114884776B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007035993A1 (en) * | 2005-09-29 | 2007-04-05 | Prescient Networks Pty Ltd | Channel tracking for mimo receivers |
WO2013029226A1 (zh) * | 2011-08-29 | 2013-03-07 | 北京邮电大学 | 一种信道参数估计方法和系统 |
CN105656819A (zh) * | 2016-03-21 | 2016-06-08 | 电子科技大学 | 一种基于压缩感知和大规模mimo的自适应信道估计方法 |
CN109906588A (zh) * | 2016-11-04 | 2019-06-18 | 华为技术有限公司 | 用于传输子空间选择的系统和方法 |
CN107566305A (zh) * | 2017-08-15 | 2018-01-09 | 南京邮电大学 | 一种低复杂度的毫米波系统信道估计方法 |
WO2019174743A1 (en) * | 2018-03-16 | 2019-09-19 | Huawei Technologies Co., Ltd. | Receiver and transmitter for multipath angle estimation |
WO2020173627A1 (en) * | 2019-02-28 | 2020-09-03 | British Telecommunications Public Limited Company | Channel estimation in mimo systems |
Non-Patent Citations (3)
Title |
---|
A Low-Complexity Joint User Activity, Channel and Data Estimation for Grant-Free Massive MIMO Systems;Q. Zou, H. Zhang, D. Cai and H. Yang;IEEE Signal Processing Letters;第vol. 27卷;1290-1294 * |
一种全新的MIMO-OFDM信道估计和导频方案;胡旸;尹长川;乐光新;;北京邮电大学学报(第01期);全文 * |
基于贝叶斯压缩感知的毫米波MIMO信道估计;吴;王萍;;计算机应用与软件(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114884776A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110519189B (zh) | 高度移动场景下基于压缩感知的毫米波信道估计方法 | |
EP3348001B1 (en) | Systems and methods for beam selection for hybrid beamforming | |
US8218671B2 (en) | Receiving apparatus, receiving method and communication system | |
CN107566305B (zh) | 一种低复杂度的毫米波系统信道估计方法 | |
JP5666581B2 (ja) | Mu−mimo通信システムの送信機のためのプリコーディング方法 | |
US8369438B2 (en) | Iterative tree search-based precoding technique for multiuser MIMO communication system | |
CN110380997B (zh) | 基于自适应压缩感知的毫米波信道估计方法 | |
CN114124623B (zh) | 一种无线通信信道估计方法和装置 | |
CN106330284B (zh) | 一种低复杂度大规模mimo信道估计方法 | |
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 | |
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 | |
CN108650200B (zh) | 高低频混合组网系统的低频辅助信道估计方法 | |
CN109120316B (zh) | 一种基于最大化最小相位差值的混合波束成形方法 | |
CN109617579B (zh) | 增强型诺依曼大规模mimo预编码方法 | |
CN114520699B (zh) | 可重构智能表面辅助毫米波通信的低复杂度信道估计方法 | |
CN113315560A (zh) | 一种紧凑型平面阵列Massive MIMO系统的波束赋形方法 | |
CN114567525B (zh) | 一种信道估计方法及装置 | |
KR20210128841A (ko) | Mimo를 지원하는 무선 통신 시스템에서 채널 추정 방법 및 장치 | |
CN110650104A (zh) | 改进的基于fft域稀疏信道估计方法 | |
US20240089152A1 (en) | Angular domain channel estimation method based on matrix reconstruction for symmetrical nonuniform array | |
CN114884776B (zh) | 信道估计方法、装置、电子设备及存储介质 | |
CN115022134B (zh) | 基于非迭代重构网络的毫米波大规模mimo系统信道估计方法及系统 | |
CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
CN113630160B (zh) | 一种大规模mimo检测方法、装置、设备和存储介质 | |
Castanheira et al. | A multi-user linear equalizer for uplink broadband millimeter wave 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 |