【技术实现步骤摘要】
基于在线空间信号阵列处理方法的大规模MIMO系统的数据驱动信道参数估计方法
本专利技术涉及通信领域，具体涉及一种基于在线空间信号阵列处理方法的大规模MIMO系统的数据驱动信道参数估计方法。
技术介绍
随着无线通信网络对高速数据业务的需求呈指数增加，充分利用稀缺的频谱资源是至关重要的。现如今，MIMO技术是通过利用频谱的空间复用来大大提升频谱利用率的有效方法，且其还能提高传输的可靠性和能量效率。直观的来说，增加天线数量可以通过利用更多的空间自由度来进一步提高频谱利用率，因此大规模MIMO(M-MIMO)技术就此提出，且成为5G系统的关键技术之一。从理论出发，如果给定准确的信道状态信息，那么M-MIMO系统便可以利用最大的复用和增益来实现更高的频谱利用率，同时还能通过更精准的波束形成将辐射能量集中到目标UEs上，从而提升能量效率。M-MIMO系统中实现高效的频谱利用率和能量效率依赖于基站获得的信道状态信息，因此，如何获得准确的信道状态信息是M-MIMO技术的关键。在MIMO系统中，通常采用导频来估计信道状...
【技术保护点】
1.一种基于在线空间信号阵列处理方法的大规模MIMO系统的数据驱动信道参数估计方法，其特征在于，所述在线空间信号阵列处理方法应用于大规模MIMO系统中，在接受天线阵列为方阵情况下，通过接受信号的协方差矩阵估计出信道参数，信道参数包括波达方向和信道幅度增益；/n所述在线空间信号阵列处理方法包括：/n采用Y表示天线阵列接收到的信号，通过最优梯度下降法估计得到接受信号Y进行SVD分解的左右奇异向量的主成分特征向量；/n利用主成分特征向量构造一个关于俯仰角和方位角相关变量的频谱函数，对谱峰所在位置的相关变量进行配对后便可计算得到波达方向，接着利用主成分特征向量和协方差矩阵构造一组线...
【技术特征摘要】
1.一种基于在线空间信号阵列处理方法的大规模MIMO系统的数据驱动信道参数估计方法，其特征在于，所述在线空间信号阵列处理方法应用于大规模MIMO系统中，在接受天线阵列为方阵情况下，通过接受信号的协方差矩阵估计出信道参数，信道参数包括波达方向和信道幅度增益；
所述在线空间信号阵列处理方法包括：
采用Y表示天线阵列接收到的信号，通过最优梯度下降法估计得到接受信号Y进行SVD分解的左右奇异向量的主成分特征向量；
利用主成分特征向量构造一个关于俯仰角和方位角相关变量的频谱函数，对谱峰所在位置的相关变量进行配对后便可计算得到波达方向，接着利用主成分特征向量和协方差矩阵构造一组线性方程组，利用克拉姆法则估计得到信道幅度增益。
2.如权利要求1所述的基于在线空间信号阵列处理方法的大规模MIMO系统的数据驱动信道参数估计方法，其特征在于，接受信号经过奇异值特征分解(SVD)后的左奇异向量和右奇异向量主成分特征向量是两个的协方差矩阵的特征分解(EVD)的信号子空间特征向量；
通过接收信号协方差矩阵的EVD分解的信号子空间特征向量来估计接受信号SVD分解的主成分奇异向量计算：
Y＝U∑VT(II)
其中，Y是接受信号，R1和R2分别是接受信号Y的两种协方差矩阵，βi是每条路径上的增益，a(ui)和b(vi)是与波达方向相关的方向矩阵，ui和vi是和波达方向相关的变量，xi是用户传输的信号，W是传输过程中的噪声干扰，∑是对Y进行SVD分解后得到的奇异值，是对角矩阵，U是Y进行SVD分解得到的左奇异向量，V则是右奇异向量，E{·}则表示期望，∧u和∧z1分别表示对R1进行EVD分解后的信号子空间特征值和噪声子空间特征值，UP和Uz则表示R1进行EVD分解后的信号子空间特征向量和噪声子空间的特征向量，同理，∧v和∧z2，VP和Vz分别是R2进行EVD分解后的特征值和特征向量。
3.如权利要求1所...
【专利技术属性】
技术研发人员：周鑫，殷锐，王安定，袁建涛，
申请(专利权)人：浙江大学城市学院，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。