一种基于共享信道和压缩感知的大规模MIMO信道估计方法技术

本发明专利技术公开了一种基于共享信道和压缩感知的MIMO信道估计方法，属于无线通信技术领域。本发明专利技术包括：步骤1：根据接收信号Z、导频Θ和信道矩阵在角度域的分解Ur和Ut计算测量矩阵Φ，感知测量值Y，其中Y＝ZΗUr。步骤2：基于共享信道参数Sc、测量矩阵Φ和测量值Y，利用压缩感知方法计算步骤3：根据步骤2得到的利用关系式求解出信道矩阵估计值本发明专利技术的信道估计不需要稀疏度，且比传统子空间追踪算法具有更小的误差。

【技术实现步骤摘要】

本专利技术涉及无线通信
，特别是涉及一种在大规模MIMO系统中利用共享信道信息和压缩感知的信道估计方法。
技术介绍
MIMO技术指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量。当MIMO两端天线数提高到无限大时，目标终端所接收到的信号将不包含热噪声和大范围衰落(这些都会被目标基站的多天线传过来的信号平均掉)，此时基站的容量取决于它服务的用户数量，而不是基站所覆盖的范围，唯一影响该系统性能将是由于导频复用带来的邻区干扰，即导频污染。压缩感知，又称压缩采样，压缩传感。作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知重构算法主要包括凸优化法和贪婪匹配追踪算法。信道估计，就是从接收数据中将信道参数估计出来的过程。在实际环境中，由于有限的局部散射环境，用户能够接收到基站发射信号的角度个数是有限的，因而可以利用大规模MIMO信道在角度域的稀疏性，采用压缩感知理论进行信道估计。在慢速时变的环境中，由于时间相关性，当前时刻与前一时刻有着部分相同的空间信道，传统的压缩感知方法，如文献“Subspacepursuitforcompressivesensingsignalreconstruction”(W.DaiandO.Milenkovic,IEEETrans.Inf.Theory,vol.55,no.5,pp.2230–2249,2009.)中提出的子空间追踪算法并没有利用这些信息。文献“CompressiveSensingwithPriorSupportQualityInformationandApplicationtoMassiveMIMOChannelEstimationwithTemporalCorrelation”(RaoXiongbin，LauVincentK.N.Source:IEEETransactionsonSignalProcessing,v63,n18,p4914-4924,September15,2015)中利用共享信道这一先验信息和子空间追踪算法得到了比传统子空间追踪算法更准确的信道估计结果，但是该改进算法需要提前给定稀疏度，在实际环境中难以获取。
技术实现思路
本专利技术充分利用在慢速时变环境下，当前时刻与前一时刻有着部分相同空间信道即共享信道这一信息，采用压缩感知的方法，缩小索引集的搜索范围，获取更准确的信道估计结果。解决了稀疏度未知情况下利用已知共享信道信息进行自适应搜索的问题，在稀疏度获取困难且不断变化的情况下更具实用价值。在基站端与移动端均为均匀线阵的大规模MIMO系统中，信道矩阵在角度域可以表示为：其中Ha∈CN×M，Ur∈CN×N，Ut∈CM×M，Ur、Ut均为酉矩阵，其中M对应基站端的天线数、N对应移动端的天线数。本说明书中用Cm×n表示m×n矩阵的通式，上标“H”表示共轭转置。角度域信道矩阵Ha中非零元素为独立同分布的复高斯变量，均值为0，方差为1，非零元素(p,q)表示从基站第q个发送方向到移动端第p个接收方向的一条空间路径。由于基站端有限的局部散射环境，到达移动端的发送方向q的个数是有限的，角度域信道呈现出稀疏性，即Ha中非零列向量是稀疏的；此外，与移动端天线数目相比，移动端具有相对丰富的局部散射路径数时，移动端的p个接收方向都有接收信号，即Ha列向量中的元素同时为零或同时非零，因此本专利技术采用多测量向量压缩感知方法求解Ha，从而基于实现信道估计。本专利技术的基于共享信道和压缩感知的大规模MIMO信道估计方法，用于基站端和移动端均为均匀线阵的MIMO系统中，包括以下步骤：步骤1：根据移动端接收信号Z、导频Θ和信道矩阵在角度域所对应的酉矩阵Ur、Ut，分别计算压缩感知模型中对应的测量矩阵Φ、感知测量值Y。所述移动端接收信号为：其中导频Θ∈CM×T且tr(ΘΘΗ)＝T，T为每根发射天线的导频长度，tr(·)表示矩阵的迹；W为噪声，W∈CN×T且W中元素为独立同分布的复高斯变量，均值为0，方差为1；P为基站发射天线的信噪比。本专利技术所采用的压缩感知模型为该模型中，Φ表示测量矩阵，Y表示感知测量值、N′表示噪声，X表示稀疏信号。基于该模型，根据接收信号Z、导频Θ、酉矩阵Ur、Ut可计算得到测量矩阵为Φ，感知测量值为Y。步骤2：根据步骤1中的压缩感知模型和共享信道参数Sc用压缩感知的方法求解稀疏信号估计值共享信道参数Sc为当前时刻与前一时刻索引集中相同索引的数目，即当前时刻与前一时刻相同发射方向的个数，Sc为系统参数可直接获取。索引集X[1]、X[2]…X[M]∈C1×N，稀疏信号X＝[X[1]Τ,…,X[M]Τ]Τ，上标“T”表示矩阵转置，即索引集Γ为稀疏信号X中非零行向量、Ha中非零列向量索引的集合。当前时刻索引集为Γn，前一时刻索引集为Γn-1，且｜Γn-1∩Γn｜＝Sc，Su＝｜Γn｜，｜Γn｜表示Γn中索引的个数，Su为稀疏信号X的稀疏度，其中Γn-1为系统参数可直接获取。所述压缩感知的方法为：初始化迭代次数d＝0，索引集Γ＝φ，残差R＝Y，步长σ＝0后迭代执行步骤(a)-(f)：(a)合并索引集Γ、Γx、Γy，得到索引集Γa，即Γa＝Γ∪Γx∪Γy。表示由索引集Γb中索引确定的ΦΗR中对应行向量组成的矩阵，符号“‖‖2”表示2范数，上标“[·]”表示取对应行向量，下标“[·]”表示取对应列向量。其中{1,2,…,M本文档来自技高网...

【技术保护点】
一种基于共享信道和压缩感知的大规模MIMO信道估计方法，用于基站端和移动端均为均匀线阵的MIMO系统中，其特征在于，包括下列步骤：步骤1：获取信道矩阵在角度域分解Ur、Ut，其中Ur为N×N酉矩阵，Ut为M×M酉矩阵，M表示、N表示移动端的接收天线数；获取移动端获取接收信号Z、导频Θ，根据公式Y＝ZΗUr计算测量矩阵Φ、感知测量值Y，其中T为基站端每根发射天线的导频长度；步骤2：基于MIMO系统的共享信道参数Sc，基于测量矩阵Φ、感知测量值Y迭代求解稀疏信号估计值201：初始化迭代次数d＝0，索引集Γ＝φ，残差R＝Y，步长σ＝0；202：取索引集Γa＝Γ∪Γx∪Γy，其中其中Γn‑1表示前一时刻索引集，|Γb|表示索引集Γb的个数，符号“|| ||2”表示2范数，上标“[·]”表示取对应行向量，即表示由索引集Γb中索引确定的ΦΗR中对应行向量组成的矩阵；|Γc|表示索引集Γc的个数，符号“\”表示两个集合相减；203：根据公式且计算参数G，其中下标“[·]”表示取对应列向量，即表示由索引集Γa中索引确定的Φ中对应列向量组成的矩阵，上标表示伪逆，即表示关于的伪逆；204：根据公式Γd+1={arg max|Γb|=Sc,Γb⊆Γn-1||G[Γb]||2}∪{arg max|Γc|=σ,Γc⊆{1,2,...,M}\Γb||G[Γc]||2}]]>计算索引集Γd+1；205：根据公式计算且计算稀疏信号估计值206：根据公式计算残差Rd+1；若则执行步骤208；否则执行步骤207；207：若||Rd+1||2＞||R||2，则更新步长σ＝σ+Δ，再执行步骤202，其中Δ为预设步长增量；否则更新索引集Γ＝Γd+1，残差R＝Rd+1，迭代次数d＝d+1，再执行步骤202；208：令稀疏信号估计值并输出；步骤3：根据公式得到信道矩阵估计值...

【技术特征摘要】
2015.12.31 CN 20151102641041.一种基于共享信道和压缩感知的大规模MIMO信道估计方法，用于基站端和移动端均
为均匀线阵的MIMO系统中，其特征在于，包括下列步骤：
步骤1：获取信道矩阵在角度域分解Ur、Ut，其中Ur为N×N酉矩阵，Ut为M×M酉矩阵，M表
示、N表示移动端的接收天线数；获取移动端获取接收信号Z、导频Θ，根据公式
Y＝ZΗUr计算测量矩阵Φ、感知测量值Y，其中T为基站端每根发射天线的
导频长度；
步骤2：基于MIMO系统的共享信道参数Sc，基于测量矩阵Φ、感知测量值Y迭代求解稀疏
信号估计值201：初始化迭代次数d＝0，索引集Γ＝φ，残差R＝Y，步长σ＝...

【专利技术属性】
技术研发人员：范禹涛，杨海芬，刘冬，郑植，林水生，阎波，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51