基于EVD-ILSP的半盲信道估计方法技术

本发明专利技术公开了一种基于EVD‑ILSP的半盲信道估计方法，主要解决传统半盲信道估计方法使用有限数量的样本数据对信道估计造成误差的问题。其实现方案是，1)目标小区基站接收数据信号和导频信号，并求解数据信号的协方差矩阵；2)采用EVD算法对协方差矩阵进行特征值分解，计算带有模糊度的信道估计值；3)利用目标小区基站接收各用户的导频信号求解模糊度因子估计值，得到目标小区的初始信道估计值；4)根据2)和3)的结果，用ILSP算法得到最终的信道估计值。本发明专利技术提高了系统的频带利用效率，减小了因有限样本接收数据信号带来的信道估计误差，可用于在多小区多用户大规模MIMO系统中进行基站信号与用户之间的信道估计。

Semi-blind Channel Estimation Based on EVD-ILSP

The invention discloses a semi-blind channel estimation method based on EVD ILSP, which mainly solves the problem of channel estimation error caused by the traditional semi-blind channel estimation method using a limited number of sample data. The realization scheme is as follows: 1) the base station of the target cell receives the data signal and pilot signal, and solves the covariance matrix of the data signal; 2) the covariance matrix is decomposed by the EVD algorithm to calculate the channel estimation with ambiguity; 3) the pilot signal of each user is received by the base station of the target cell to solve the ambiguity factor estimation, and the initial channel estimation of the target cell is obtained. Value; 4) According to the results of 2) and 3), the final channel estimation is obtained by ILSP algorithm. The invention improves the frequency band utilization efficiency of the system, reduces the channel estimation error caused by limited sample receiving data signals, and can be used for channel estimation between base station signals and users in multi-cell, multi-user and large-scale MIMO systems.

【技术实现步骤摘要】
基于EVD-ILSP的半盲信道估计方法
本专利技术属于无线通信
，特别涉及一种半盲信道估计方法，可用于在多小区多用户大规模MIMO系统中进行基站信号与用户之间的信道估计。
技术介绍
随着现代社会移动数据量和接入设备数的激增以及物联网IoT、电子银行、电子商务等新业务出现，人们对于通信的需求越来越大，要求也越来越高。传输速度更高、容量更大、时延更小、能耗更低、安全性更高的通信技术成为当前通信研究领域的关注热点。大规模MIMO具有高频谱利用率、低功耗、少延迟等优势，因此成为下一代移动通信的核心技术之一。在多小区多用户大规模MIMO系统中各小区用户之间导频复用导致的导频污染问题是该系统的瓶颈问题，有效的信道估计方法可以有效的抑制导频污染。信道估计方法可以分为基于导频或训练序列的信道估计方法、半盲估计方法和盲信道估计方法。前者由于需要将大量的导频信号加入到传输信号中，占用了频带资源，引起冗余，降低了数据传输速率。因此对盲信道估计和半盲信道估计方法的研究成为了对大规模MIMO系统研究的热点问题。盲信道估计方法是利用信道的输入、输出信号的统计信息在无需导频或训练数据的情况下估计信道参数。虽然该方法的频谱利用率高，但是计算复杂度也较高，算法收敛速度慢，且估计精度与传输信号的统计特性有关。所以半盲信道估计方法作为一种折中的方法，利用少量的短导频信号，以及输入、输出信号的统计信息优化跟踪信道参数。比如基于子空间的半盲信道估计方法，通过接收数据信号的二阶统计特性，通过特定的算法进行分解得到初步信道估计矩阵，再利用少量接收导频信号解决初步估计值的模糊问题得到最终的信道估计值。也有的半盲信道估计方法是对接收数据信号子空间进行分区信道估计，或者通过子空间投影法进行信道估计，获取信道状态信息。2007年，B.Muquet提出了基于EVD算法的半盲信道估计方法，但是在实际的大规模MIMO系统中，由于空间上的基站天线数目受限造成系统信道不完全正交，以及使用有限的样本接收数据代替真实信道数据，使得该方法对多小区多用户大规模MIMO系统的信道估计存在较大误差。
技术实现思路
本专利技术的目的在于针对上述新技术的不足，提供一种在多小区多用户大规模MIMO系统中基于EVD-ILSP的半盲信道估计方法，以减小估计误差，提高信道估计精度。为实现上述目的，本专利技术的实现方案包括如下：(1)在第j小区的接收端接收第j小区信号和临近小区干扰的数据信号和导频信号1≤j≤L，其中，L为小区总数；(2)设定接收数据符号的长度为N，计算接收数据符号的协方差矩阵其中，N为任意非零正整数；(3)对协方差矩阵进行特征值分解,求出左特征值向量矩阵Uj、特征值矩阵∑j和右特征值向量矩阵Vj，取特征值矩阵∑j的所有特征值中最大的前K个特征值在左特征值向量矩阵Uj中所对应的K列，组成特征向量矩阵其中K为小区内用户数；(4)根据通信理论，将初始信道估计值表示为其中，C为表示信道估计模糊度的模糊度矩阵，然后利用接收到的导频符号计算模糊度矩阵C的估计值(5)用模糊度矩阵的估计值代替(4)中的C，计算出初始信道估计值(6)将初始信道估计值作为ILSP算法的迭代初始值，设定两次相邻迭代结果之间的误差的阈值为s，其中，0≤s≤1，将两次相邻迭代结果的误差小于s时的后一次迭代结果，作为最终信道估计值本专利技术与现有技术相比具有以下优点：1)本专利技术是在多小区多用户大规模MIMO系统中采用基于EVD半盲信道估计方法，所用导频或训练序列较少并且比较短，提高了系统的频带利用效率。2)本专利技术采用了将EVD分解算法与ILSP迭代算法相结合的方法，与现有的基于子空间的半盲信道估计算法相比，避免了因有限样本接收数据信号带来的信道估计误差的问题，具有更高的准确度。3)本专利技术在传统半盲信道估计算法中引进了迭代思想，提升了估计的精度。附图说明图1为本专利技术的实现流程图；图2为本专利技术中使用的多小区多用户大规模MIMO系统模型图；图3为本专利技术中使用的时分双工TDD模式下数据传输示意图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。参照图2，本专利技术中使用的多小区多用户大规模MIMO系统，包括：L个小区，L≥2，每个小区内包含一个基站和K个用户，K≥1，每个基站配置M根天线，M＞＞K，每个用户均使用单天线接收和发送信号。第j小区的基站在接收来自本小区K个用户的发射信号外，还会接收到来自相邻小区的各个用户发射的干扰信号，造成导频污染。参照图3，本专利技术中使用的时分双工TDD模式，在数据传输过程中，同一频段内的不同时隙上分别发射上行链路导频信号、处理信号、下行链路数据信号以及上行链路数据信号。参照图1，本专利技术提出的基于EVD-ILSP的半盲信道估计方法，主要对小区基站接收的数据信号以及导频信号进行相关处理得到信道矩阵，其详细步骤如下：步骤1，在第j小区的接收端接收第j小区信号和临近小区干扰的数据信号和导频信号接收到的数据信号表示为：其中，pu为信号传输的功率，Gjl为l小区各用户到j小区基站的信道矩阵,l＝1,2,…,L，L表示小区总数，Xj表示第j小区接收到的数据符号信息，表示第j小区接收到的数据符号噪声。接收到的导频信号表示为：其中，pu为信号传输的功率，Np为导频符号的长度，Gjl为l小区各用户到j小区基站的信道矩阵,l＝1,2,…,L，L表示小区总数，表示第j小区接收到的导频符号信息，是第j小区接收到的导频符号噪声。步骤2，计算接收数据符号的协方差矩阵设定接收数据符号的长度为N，根据下式计算接收数据符号的协方差矩阵其中，N为任意非零正整数，[·]H表示矩阵的共轭转置。步骤3，对协方差矩阵进行特征值分解,求出特征向量矩阵现有对进行特征值分解的算法有SVD算法和EVD算法，本实例采用但不限于EVD算法，其实现如下：(3a)设第j小区的信道矩阵为Gjj，将协方差矩阵右乘Gjj，得到的特征值方程：其中，M是小区基站的天线数，pu为信号传输的功率，IK为K阶单位矩阵，K表示小区内用户数。(3b)求解该特征值方程在数字域上的全部根：λ0＝[λ1,λ2,…,λn]，λ0中的元素即为的所有特征值，再利用λ0构成特征值矩阵∑j：其中，n为的秩；(3c)将所有的特征值逐个带入如下方程：(3d)从(3c)的方程中解出矩阵所有线性无关的特征向量[ξ1ξ2…ξn]，将这些特征向量构成左特征值向量矩阵Uj，再对Uj求逆后得到右特征值向量矩阵Vj；(3e)取特征值矩阵∑j的所有特征值中最大的前K个特征值在左特征值向量矩阵Uj中所对应的K列，K表示小区内用户数，组成特征向量矩阵步骤4，计算模糊度矩阵C的估计值(4a)根据通信理论，将初始信道估计值表示为其中，C为表示信道估计模糊度的模糊度矩阵；(4b)根据下式计算模糊度系数计算矩阵An：其中，Dj为第j小区的大尺度衰落因子，为导频符号的对角线上的所有符号组成的对角矩阵，pu为信号传输的功率；(4c)根据下式计算模糊度复数矩阵(4c1)根据下式计算An的分解矩阵其中，(·)I表示取矩阵中元素的虚部，(·)R表示取矩阵中元素的实部。(4c2)根据下式计算模糊度矩阵其中，yj(n)为接收导频符号的第n列，(·)T表示矩阵的转置，表示将矩阵内的元素用虚数表示；(4d)根据下式计算模糊度对角本文档来自技高网...

【技术保护点】
1.一种基于EVD‑ILSP的半盲信道估计方法，其特征在于，包括如下：(1)在第j小区的接收端接收第j小区信号和临近小区干扰的数据信号

【技术特征摘要】
1.一种基于EVD-ILSP的半盲信道估计方法，其特征在于，包括如下：(1)在第j小区的接收端接收第j小区信号和临近小区干扰的数据信号和导频信号1≤j≤L,其中L为小区总数；(2)设定接收数据符号的长度为N，计算接收数据符号的协方差矩阵其中，N为任意非零正整数；(3)对协方差矩阵进行特征值分解,求出左特征值向量矩阵Uj、特征值矩阵∑j和右特征值向量矩阵Vj，取特征值矩阵∑j的所有特征值中最大的前K个特征值在左特征值向量矩阵Uj中所对应的K列，组成特征向量矩阵其中K为小区内用户数；(4)根据通信理论，将初始信道估计值表示为其中，C为表示信道估计模糊度的模糊度矩阵，然后利用接收到的导频符号计算模糊度矩阵C的估计值(5)用模糊度矩阵的估计值代替(4)中的C，计算出初始信道估计值(6)将初始信道估计值作为ILSP算法的迭代初始值，设定两次相邻迭代结果之间的误差的阈值为s，其中，0≤s≤1，将两次相邻迭代结果的误差小于s时的后一次迭代结果，作为最终信道估计值2.根据权利要求1所述的方法，其中(1)中的数据信号表示如下：其中，pu为信号传输的功率，Gjl为l小区各用户到j小区基站的信道矩阵,l＝1,2,…,L，L表示小区总数，Xj表示第j小区接收到的数据符号信息，表示第j小区接收到的数据符号噪声。3.根据权利要求1所述的方法，其中(1)中的导频信号表示如下：其中，pu为信号传输的功率，Np为导频符号的长度，Gjl为l小区各用户到j小区基站的信道矩阵,l＝1,2,…,L，L表示小区总数，表示第j小区接收到的导频符号信息，是第j小区接收到的导频符号噪声。4.根据权利要求1所述的方法，其中(2)中计算接收数据符号的协方差矩阵通过如下公式计算：其中，[·]H表示矩阵的共轭转置。5.根据权利要求1所述的方法，其中(3)中对协方差矩阵进行特征值分解，按如下步骤进行：(3a)设第j小区的信道矩阵为Gjj，将协方差矩阵右乘Gjj，得到的特征值方程：其中，M是小区基站的天线数，pu为信号传输...

【专利技术属性】
技术研发人员：刘毅，肖玲玲，秦凡，崔頔，南海涵，张海林，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61