一种基于多阶信道预测方法、预测系统及应用技术方案

本发明专利技术属于信道预测技术领域，公开了一种基于多阶信道预测方法、预测系统及应用，确定信道模型，并将经典的Prony方法推广为矢量形式，提出算法1；通过算法1并利用使用已获取的信道矢量样本，对未来信道矢量进行预测。本发明专利技术针对massive MIMO的实际挑战‑‑移动性问题提出了基于多阶信道预测方法，在已知信道样本足够精确时能够逼近无误差的信道预测。如果已知信道样本不精确，本发明专利技术基于子空间结构和信道观测的长期统计信息提升样本精度，进而可以提升信道预测精度；本发明专利技术能应用于5G基站中，或者未来的通信基站，以及其他的无线发射或接收装置中。

A prediction method, system and application based on multi-level channel

【技术实现步骤摘要】
一种基于多阶信道预测方法、预测系统及应用
本专利技术属于无线通信的信道预测
，尤其涉及一种基于多阶信道预测方法、预测系统及应用。
技术介绍
目前，最接近的现有技术：大规模多输入多输出系统(massivemultiple-inputmultiple-output,或者massiveMIMO)，是5G蜂窝系统的关键推动力之一。与具有较少天线的传统MIMO相比，massiveMIMO至少在理论上可以提供更高的频谱效率和能量效率。基本概念之一基于以下事实：随着基站天线数量的增加，目标UE的矢量信道与干扰UE的矢量信道的正交性逐渐增加，从而允许基站通过低复杂度的预编码来消除干扰。但它的前提是基站已知信道状态信息(ChannelStateInformation,CSI)。众所周知，CSI的获取是massiveMIMO中的一个巨大问题。在理论文献中关注度最高的CSI获取难题是导频污染问题。由于有限的相干时间和相干带宽，相邻小区中的UE使用非正交的导频序列，从而导致残留信道估计误差，进而限制了massiveMIMO的最终性能。大量的文献在尝试解决这个问题。解决方案包括角/幅度域识别，导频协调，多小区最小均方误差(M-MMSE)等。尽管人们对massiveMIMO寄予厚望，但在实际系统性能方面，一些最新的现场试验却令人失望。尤其在移动性场景中，CSI的获取可能会受到严重影响。这与无线信道的时变性质有关，无线信道本身会限制其相干时间，即CSI被认为过期前的持续时间。在实际的蜂窝网络中，由于高度复杂的5G协议，调度，资源分配和编解码算法，基站的处理延迟是不可避免的。这意味着即使在中等移动性的场景下，处理延迟最终也可能比相干时间更长，从而使已获取的CSI无法用于多用户波束成形。换句话说，从基站获取CSI的时间到CSI在多用户预编码中使用的时间中间，CSI已经有了很大变化。这就是本专利技术所说的massiveMIMO的“移动性诅咒”，例如在，实际系统典型的4毫秒CSI延迟下，当基站天线数量为32或者64时，如果用户的移动速度从3km/h提升到30km/h，系统性能降低了50％左右。当天线数量更多时，性能下降会更多。移动性造成的CSI过期对massiveMIMO尤其有害，因为massiveMIMO依靠高精度CSI实现大的复用增益。K.T.Truong和R.W.Heath研究了在信道时间变化的简单自回归模型下信道过期的影响，并提出了线性有限脉冲响应(FIR)Wiener预测器，但计算复杂度较高，性能增益也并不明显(详见图4-6的性能曲线)。综上所述，现有技术存在的问题是：在工业测试的初始阶段出现了一个有可能破坏massiveMIMO的实际部署效果的严峻挑战：用户移动性引起的信道多普勒。实际上，在中等移动场景下，例如30km/h的用户设备(UE)速度下，与低移动性的场景相比，性能下降了50％，这是由massiveMIMO对信道信息的高度敏感性引起的，而有关该主题的绝大多数理论论文都没有预见到这个挑战。解决上述技术问题的难度：由于用户移动所造成的信道的时变性决定了信道的相干时间，在UE移动速度为30km/h的中低速场景下，以3.5GHz的中心频率为例，信道的相干时间可能在4毫秒-5毫秒之间，一旦超过这个相干时间，基站就无法利用已有的信道信息进行有效波束赋形，从而导致用户间干扰。而基站的信号处理时延经常大于相干时间，从而不可避免的产生信道老化问题。与相干时间类似的定义是相干距离，即用户移动多长距离之后信道就被认为过期。在5G的3.5GHz载频下，相干距离仅仅4厘米左右(约为半波长)，因此当用户位置发生几厘米的微小移动后，信道信息就已经老化，导致用户间干扰，从而极大限制了massiveMIMO的系统性能。在实际环境中，无线信道复杂多变，多径个数可能非常庞大，尤其在富散射环境中，比如密集城区，径的个数可达几百条，每条径都有各自不同的多普勒分量(相位变化速度)，导致很难通过已有信道信息去预测未来信道。另外，由于massiveMIMO基站天线数量巨大，传统的基于每个天线进行预测的算法复杂度极高。因此移动性给无线设备商造成了巨大的挑战，是5G商业化过程中遇到的最大难题之一。解决上述技术问题的意义：移动性对5G的实际部署造成了巨大性能损失。本专利技术以较低的计算复杂度实现了精准的信道预测，可以使massiveMIMO在移动场景下的频谱效率(吞吐率)提升至少一倍，从而大大提升massiveMIMO乃至5G的商用价值。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于多阶信道预测方法、预测系统及应用。本专利技术是这样实现的，一种基于多阶信道预测方法，所述基于多阶信道预测方法包括：确定信道模型，并将经典的Prony方法推广为矢量形式，提出算法1。通过算法1并利用使用已获取的信道矢量样本，对未来信道矢量进行预测。进一步，所述确定信道模型方法为：(1)考虑某个小区中的任意UE(用户设备)。基站的天线形成一个均匀的平面阵列(UPA)，与商用系统类似，这个阵列包含Nv行Nh列天线1。将基站天线数用Nt表示，将UE天线数用Nr。显然，Nt＝NvNh。整个带宽包含Nf个子载波，相邻子载波间距为△f。该信道由P条径组成，每条径具有一定角度，延迟，多普勒和复振幅。分别用θp,ZOD,φp,AOD,θp,ZOA,φp,AOA表示第p条径的俯仰出发角、水平出发角、俯仰到达角、水平到达角。它们的取值范围为：θp,ZOD,θp,ZOA∈[0,π],(1)以及：对任何p＝1,…,Pp＝1,…,P.为了使角度表示更加严谨，在俯仰角为0或π的情况下，将水平角设置为零。也就是说，式(1)-式(3)的角度取值范围的限定只是为了理解方便，与预测方法无关，在计算过程中不需要考虑。在某个时间t和频率为f的子载波的下行信道表示为第s个基站天线和第u个UE天线之间的信道被建模为：其中，βp和τp分别为第p条径的复幅度和时延。λ0是中心频率的波长。是具有水平到达角φp,AOA和俯仰到达角θp,ZOA的球面单位向量：类似的，球面单位向量的定义为：其中，是3D直角坐标系中第u个UE天线的位置向量。类似的，是基站的第s个天线的位置向量。指数项是第p条径的多普勒，其中t表示时间。ωp的定义为其中是UE速度向量：其中，v、φv、θv分别是UE移动速度、行进水平角、行进俯仰角。需要注意的是，平移或旋转坐标系对信道模型没有实质影响。在不失一般性的前提下，将原点定在位于天线面板左下角的第一个基站天线上，天线面板在YZ平面上。定义一个以θ为俯仰出发角，φ为水平出发角的3D导向矢量(steeringvector)：其中，以及：其中，Dh和Dv分别为基站的水平和垂直天线间距。(2)用来表示在时间t和频率f上基站的所有天线到第u个UE天线之间的信道。将所有Nf个子载波上的信道写成矩阵形式：<本文档来自技高网...

【技术保护点】
1.一种基于多阶信道预测方法，其特征在于，所述基于多阶信道预测方法包括：确定信道模型，并将经典的Prony方法推广为矢量形式，获得N阶的预测算法；通过N阶的预测算法并利用已获取的信道矢量样本，对未来信道矢量进行预测。/n

【技术特征摘要】
1.一种基于多阶信道预测方法，其特征在于，所述基于多阶信道预测方法包括：确定信道模型，并将经典的Prony方法推广为矢量形式，获得N阶的预测算法；通过N阶的预测算法并利用已获取的信道矢量样本，对未来信道矢量进行预测。


2.如权利要求1所述的基于多阶信道预测方法，其特征在于，所述确定信道模型的方法包括：
(1)某个小区中的任意UE，基站的天线形成一个均匀的平面阵列UPA，包含Nv行Nh列天线；将基站天线数用Nt表示，将UE天线数用Nr表示；Nt＝NvNh；整个带宽包含Nf个子载波，相邻子载波间隔为△f；该信道由P条径组成，每条径具有一定角度，延迟，多普勒和复振幅；
分别用θp，ZOD，φp，AOD，θp，ZOA，φp，AOA表示第p条径的俯仰出发角、水平出发角、俯仰到达角、水平到达角；
在某个时间t和频率为f的子载波的下行信道表示为第s个基站天线和第u个UE天线之间的信道被建模为：



其中，βp和τp分别为第p条径的复幅度和时延；λ0是中心频率的波长；是具有水平到达角φp，AOA和俯仰到达角θp，ZOA的球面单位向量：



球面单位向量为：



其中，是3D直角坐标系中第u个UE天线的位置向量；类似的，是基站的第s个天线的位置向量；指数项是第p条径的多普勒，其中t表示时间；ωp为其中表示UE速度向量：



其中，v、φv、θv分别是UE移动速度、行进水平角、行进俯仰角；
以θ为俯仰出发角，φ为水平出发角的3D导向矢量：



其中，



以及：



其中，Dh和Dv分别为基站的水平和垂直天线间距；
(2)用表示在时间t和频率f上基站的所有天线到第u个UE天线之间的信道；将所有Nf个子载波上的信道写成矩阵形式：



其中，fi是第i个子载波的频率，并满足1≤i≤Nf；根据式得：
Hu(t)＝ACu(t)B
其中，由户个3-D导向矢量组成：






其中，b(τp)，(p＝1，…，P)为：



矩阵是一个对角阵；第p个对角元素(p＝1，…，P)为：



b(τp)是第p条径的时延响应向量，即频域的导向矢量；
将公式Hu(t)＝ACu(t)B向量化，得到向量化的信道：



其中，



其中，vp是一个广义的导向矢量，反映宽带多天线系统中第p条径的在空域和频域的响应。


3.如权利要求1所述的基于多阶信道预测方法，其特征在于，所述Prony方法包括：
有信号y(k)的K个数据样本，信号y(k)由N个指数衰减信号组成：



其中，αn和fn(1≤n≤N)分别是极点阻尼系数和极点频率；βn是复振幅，1≤n≤N，在信道预测的场景下，将y(k)视为均匀间隔的信道估计样本；利用多项式：



其中，sn＝-αn+j2πfn，n＝1，…，N；显然pN＝1而且为P0(z)的零点；对于任意的



其中，是由于为P0(z)的零点；如下齐次线性差分方程成立：



通过求解以下方程组获得系数pn：



或等效地，以下线性方程组：
Yp＝-h
其中，Y是一个Hankel方阵：









等式Yp＝-h的最小二乘解为：



其中，需要K≥2N个样本去计算所有的pn，n＝0，…，N-1。


4.如权利要求1所述的基于多阶信道预测方法...

【专利技术属性】
技术研发人员：尹海帆，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42