基于时域训练序列的联合活跃终端检测与信道估计方法技术

本发明专利技术提出了一种基于时域训练序列的联合活跃终端检测与信道估计方法，能够适用于类似低轨卫星物联网等具有快时变信道的场景，保证快时变信道下可靠的活跃终端设备检测与信道估计性能。通过在数据符号中插入时域训练序列；利用设计出的基于时域训练序列的数据帧结构，在接收端设计了一种适用于快时变信道的活跃终端设备检测与信道估计方法，可以在得到活跃终端设备集合的基础上利用信道的结构化特性，给出信道参数的超分辨率估计，进而实现超可靠的信道估计。同时，通过充分利用信道的稀疏性和数据传输的零星流量特性，该方法可以大幅度降低时域训练序列的开销，进而降低接入延时。时。时。

【技术实现步骤摘要】
基于时域训练序列的联合活跃终端检测与信道估计方法


[0001]本专利技术涉及无线通信多址接入
，具体涉及一种基于时域训练序列的联合活跃终端检测与信道估计方法。

技术介绍

[0002]物联网中的大规模机器类通信是下一代移动通信中的关键应用场景，其旨在建立成千上万的终端设备之间，以及终端设备与人之间的通信连接，实现真正万物互联的网络。然而，基于地面基础通信设施的物联网往往难以覆盖到偏远地区的边缘设备，为其提供有效的接入服务。近年来，作为地面通信网络的扩大与补充，近地轨道卫星通信系统得到了快速发展，诸如OneWeb和SpaceX等低轨卫星通信项目取得了巨大成功。低轨卫星通信网络凭借其无缝覆盖的优势，为物联网中偏远地区物联网设备的接入提供了一个有前景的解决方案。
[0003]物联网主要由上行大规模型机器类通信驱动，其往往具有潜在终端数目大、数据传输零星流量、数据包短且速率低等特点。在这种情况下，多址接入协议在有效地支持大规模连接方面起着关键作用。为了克服ALOHA等卫星通信随机接入协议中面临的频繁碰撞问题，简化LTE和5G NR等授权接入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时域训练序列的联合活跃终端检测与信道估计方法，其特征在于，包括如下步骤：步骤1、利用活跃终端直接上行发送免授权随机接入数据帧；其中，所述免授权随机接入数据帧包含数据段和时域训练序列，其中，所述数据段包括两个以上的OTFS或者OFDM数据符号；所述时域训练序列均匀等间隔的插入到所述数据符号中；步骤2，当接收机接收到数据帧之后，从接收信号中提取时域训练序列，利用时域训练序列将所述接收信号建模成MMV形式的压缩感知问题；其中，所述接收信号建模成MMV形式的压缩感知问题具体为：R
TS
≈ΨH
TS
+W
TS
其中，H
TS
为稀疏信道矩阵，其不同列具有共同支撑集；R
TS
为不同天线、不同时隙下对应的接收信号；Ψ为不同天线、不同时隙下对应的观测矩阵；+W
TS
为不同天线、不同时隙下对应的噪声矩阵；下角标TS表示时域训练序列；步骤3，基于压缩感知算法利用不同天线、不同时隙下对应的接收信号R
TS
和观测矩阵Ψ联合恢复H
TS
，得到稀疏信道矩阵的稀疏逼近解和对应的支撑集；根据支撑集得到活跃终端集合；步骤4，利用得到的活跃终端集合和稀疏信道矩阵的稀疏逼近解，给出活跃终端对应的信道延时估计值以及多普勒频移估计值，根据信道延时估计值以及多普勒频移估计值算出对应的信道增益；根据信道延时估计值、多普勒频移估计值以及对应的信道增益，结合信道结构重建不同时刻下的冲激响应，得到相应时变信道估计结果。2.如权利要求1所述的联合活跃终端检测与信道估计方法，其特征在于，所述步骤3中，利用同时正交匹配追踪算法求解R
TS
≈ΨH
TS
+W
TS
，获得稀疏信道矩阵H
TS
的稀疏逼近解和对应的支撑集3.如权利要求2所述的联合活跃终端检测与信道估计方法，其特征在于，被识别为活跃的终端集合为K为终端总数，该集合中的元素个数即活跃终端的数量其中符号|
·
|表示取集合中的元素个数；其中，为各个终端的活动性指示因子：为各个终端的活动性指示因子：为支撑集中与第k个终端对应的支撑集索引，其中，k＝1,2,3..K，是集合Ω
k
的第q(1≤q≤|Ω
k
|)个元素分量。4.如权利要...

【专利技术属性】
技术研发人员：高镇，周星宇，乔力，万子维，郑德智，张军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：