【技术实现步骤摘要】
一种基于张量分解的数据辅助时变信道估计方法
[0001]本专利技术属于无线通信
,具体涉及一种适用于毫米波大规模MIMO系统的基于张量分解的数据辅助时变信道估计方法。
技术介绍
[0002]毫米波(Millimeter Wave,mmWave)作为未来移动通信的关键技术之一,能够提供更广阔的带宽和更高的通信速率。但毫米波传输损耗大,易受干扰影响,将其与大规模多输入多输出(Multiple
‑
Input Multiple
‑
Output,MIMO)技术结合,能够在补偿传播损耗的同时获取分集和复用增益。而大规模的天线阵列涉及海量的信道系数,这给信道估计带来了巨大的挑战。
[0003]近年来,张量模型广泛应用于在信号处理领域,一些研究利用张量的多维结构特性实现毫米波MIMO系统下的信道估计。
[0004]基于张量分解的信道估计技术能够通过有效利用毫米波大规模MIMO信道的高维结构信息,获得较好的估计结果。周舟等人(ZHOU Z,FANG J,YANG L,et al.Channel Estimation for Millimeter
‑
Wave Multiuser MIMO Systems via PARAFAC Decomposition[J].IEEE Transactions on Wireless Communications,2016,15(11):7501
‑
7516.)针对毫米波多用户MIMO系统的静态窄带上行链路, ...
【技术保护点】
【技术特征摘要】
1.一种适用于毫米波大规模MIMO系统的基于张量分解的数据辅助时变信道估计方法,其特征在于,具体步骤为:步骤1:将接收信号建模为三阶张量的形式;步骤2:通过CP分解的方式得到估计的因子矩阵;步骤3:通过基于相关性的方法提取出信道的到达角(AoAs);并在基于相关性方法的基础上,采用遍历搜索的方式,提取出信道的离开角(AoDs);步骤4:对若干个时间块的接收信号所获得的角度信息进行不同方式的融合;步骤5:基于估计得到的角度信息,通过张量展开的方式估计多普勒频移和路径增益;步骤6:基于估计得到的信道参数重构出完整的时变信道。2.根据权利要求1所述的基于张量分解的数据辅助时变信道估计方法,其特征在于,步骤1中所述接收信号,设计如下:面向采用混合预编码射频结构的毫米波MIMO系统窄带上行通信链路,对于单用户单基站的情况,将一个训练帧划分为T个连续的时间帧,每个时间帧又分为M1个子帧,每一个子帧相当于一个时隙;移动端(MS)在每个时隙对发送的信号进行不同的预编码,每个时隙发送的预编码信号表示为:其中,为每个时隙下发送的数据符号,该符号是未知且独立的,表示复数域,M
RF
×
1表示其维度信息,假设采用二进制相移键控(BPSK)的调制方式,则d
m
(t)∈{
±
1},为基带预编码矩阵,为射频预编码矩阵,M
T
为MS端的天线数量,M
RF
=1为MS端的射频链数量,N
R
和N
RF
分别为基站端(BS)的天线和射频链数量,并满足N
RF
<<N
R
;在BS端对接收信号的建模,第t个时间帧下第m个子帧的接收信号为:其中,和分别为第t个时间帧中第m个子帧的接收信号和信道矩阵,表示服从复高斯分布的加性高斯白噪声向量,表示用来检测信号的接收矩阵,令表示对发送信号进行的预编码操作;采用几何信道模型对毫米波信道进行建模,并根据高移动性场景的特性,对毫米波时变信道做出近似,假设每个时间帧的信道是保持不变的,进而将信道矩阵表示为:其中,j表示虚数,表示多普勒频移,T
S
表示采样周期,a
k
表示第k条路径的复增益,θ
k
和分别为第k条路径的到达角(AoA)和离开角(AoD),和分别表示BS端和MS端的天线阵列向量,符号表示两个向量的外积,K表示该信道的路径总数量;
假设两端均采用单位线性阵列(ULA),其导向矢量表示为:其中,λ表示载波波长,d代表天线阵列中相邻阵元的间距,通常设置d=λ/2,(
·
)
T
表示转置操作;则第t个时间帧的接收信号为:其中,为对角阵,表示一个时间帧中传输的数据符号,diag(
·
)表示对向量进行对角化操作,N(t)表示加性高斯白噪声矩阵,对应第k条路径的到达角域的信息,对应第k条路径的离开角域及发送符号的信息,为预编码矩阵;由于一个训练帧由多个连续的时间帧组成,在BS端可以将T个连续时间帧中的接收信号建模为三阶张量其满足CP分解的形式:其中,定义表示第k条路径时间域的信息,a=[a1…
a
K
]
T
视为该张量的幅值向量,
·
表示张量的CP分解的形式,为加性高斯白噪声张量,{X,Y,Z}为无噪声干扰时,接收信号张量的三个因子矩阵,即:3.根据权利要求2所述的基于张量分解的数据辅助时变信道估计方法,其特征在于,步骤2中,对于接收信号张量使用ALS方法对张量进行CP分解,获得估计的因子矩阵{X,Y,Z}。4.根据权利要求3所述的基于张量分解的数据辅助时变信道估计方法,其特征在于,步骤3中所述对信道角度信息的提取,具体过程如下:通过基于相关性的方法,根据估计的因子矩阵{X}提取出信道的AoAs,即θ
k
:
其中,为估计的因子矩阵X的第k列,J是一维搜索数目,(
·
)
H
表示共轭转置操作,|
·
|表示取模,||
·
||2表示2
‑
范数,argmax(
·
)表示使其最大化;对于信道的AoDs,由于传输的调制数据符号是未知的,在基于相关性的基础上采用遍历的搜索方式进行提取,即:其中,为因...
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。