联合上下行字典学习和信道估计方法及装置制造方法及图纸

本发明专利技术提供一种应用于大规模天线系统的联合上下行字典学习和信道估计方法及装置，包括：基于非凸双时间尺度随机优化问题对应的第一目标函数，对上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典；基于稀疏编码向量和当前时间段的上下行字典，进行下行信道估计；其中，第一目标函数是基于对数的期望形式，第一目标函数与上下行接收信号、上下行字典和稀疏编码向量相关，其目标是最小化稀疏编码向量的稀疏度，第一目标函数的约束条件满足小于或等于模型匹配误差。本发明专利技术用以实现通过在线字典更新捕获通信场景中的信道特性变化，通过使用有限的导频开销，提高动态场景下下行信道估计的准确度。确度。确度。

【技术实现步骤摘要】
联合上下行字典学习和信道估计方法及装置


[0001]本专利技术涉及无线通信
，尤其涉及一种联合上下行字典学习和信道估计方法及装置。

技术介绍

[0002]在大规模多输入多输出(Multi
‑
input Multi
‑
output,MIMO)技术的应用中，基站需要准确获取下行链路的信道状态信息(Channel State Information,CSI)。当前的大多数蜂窝系统，特别是具有对称流量和延迟敏感应用的系统，都是在频分双工(Frequency Division Duplexing,FDD)模式下运行的。然而，相比于时分双工(Time Division Duplexing,TDD)，FDD系统获得下行CSI更具挑战性。首先，基站必须主动向用户传输导频符号，并请求下行CSI反馈。在这种情况下，传统的下行信道估计方法需要与基站侧天线数量成正比的训练和反馈开销，这会导致严重的导频开销问题。其次，在实际的移动通信场景中，即使导频序列长度等于基站天线数量，传统的下行信道估计方法也会由于有限的信道相干时间而失败。
[0003]为克服上述挑战，通过压缩感知(Compressed Sensing,CS)技术利用信道在角域上的稀疏性已经应用于许多现有的下行信道估计工作中。其中基于离散傅里叶变换(Discrete Fourier Transform,DFT)的方法只适用于均匀线性阵列(Uniform Linear Array,ULA)且存在方向不匹配导致的建模误差。而基于字典学习的稀疏信道模型是数据驱动的，因此可以适应任何天线阵列。此外，利用上下行信道之间存在的角度互易特性，可以实现上行辅助下行信道估计。考虑到日趋移动化的动态通信场景，上述基于CS和上行辅助的下行信道估计方法都不能很好地捕捉动态通信环境下的信道特征变化，因此不能很好地应用于移动场景。
[0004]因此亟需一种应用于动态场景下的下行信道估计方法。

技术实现思路

[0005]本专利技术提供一种联合上下行字典学习和信道估计方法及装置，用以解决现有技术中难以对动态场景进行下行信道估计，动态场景下下行信道估计的准确度低的缺陷，实现通过在线字典更新捕获通信场景中的信道特性变化，提高动态场景下下行信道估计的准确度，并降低系统的导频开销。
[0006]本专利技术提供一种联合上下行字典学习和信道估计方法，应用于大规模天线系统，包括：
[0007]收集相同时隙内的上下行接收信号；
[0008]基于非凸双时间尺度随机优化问题对应的第一目标函数，对所述上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典；
[0009]基于所述稀疏编码向量和当前时间段的上下行字典，进行下行信道估计；
[0010]其中，所述第一目标函数是基于对数的期望形式，所述第一目标函数与所述上下
行接收信号、所述上下行字典和所述稀疏编码向量相关，其目标是最小化稀疏编码向量的稀疏度，由上下行字典共同构成的组合字典矩阵满足每列向量的二范数小于等于预设阈值时，所述第一目标函数的约束条件满足小于或等于模型匹配误差；
[0011]所述上下行字典用于表征信道特性变化，所述下行信道估计在每个时隙执行，所述上下行字典在长期时间尺度上更新，所述长期时间尺度包括多个时隙。
[0012]根据本专利技术提供的一种联合上下行字典学习和信道估计方法，基于非凸双时间尺度随机优化问题对应的第一目标函数，对所述上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典，包括：
[0013]根据松弛的双时间尺度原始
‑
对偶分解理论将所述非凸双时间尺度随机优化问题分成一系列短期信道估计子问题和一个长期字典学习子问题，对应地，所述第一目标函数包括所述短期信道估计子问题对应的第二目标函数和所述长期字典学习子问题对应的第三目标函数；
[0014]基于所述第二目标函数，确定稀疏编码向量；
[0015]基于所述第三目标函数，更新上下行字典确定下一时间段的上下行字典。
[0016]根据本专利技术提供的一种联合上下行字典学习和信道估计方法，基于所述第二目标函数，确定稀疏编码向量，包括：
[0017]确定所述第二目标函数的非凸部分和凸部分；
[0018]基于所述第二目标函数的非凸部分的一阶泰勒展开式，确定所述非凸部分的代理函数；
[0019]基于所述第二目标函数的凸部分以及所述非凸部分的代理函数，确定所述第二目标函数对应的目标代理函数；
[0020]基于所述上下行字典和所述目标代理函数，进行J次迭代获得所述短期信道估计子问题的平稳解，得到所述稀疏编码向量。
[0021]根据本专利技术提供的一种联合上下行字典学习和信道估计方法，基于所述第三目标函数，更新上下行字典确定下一时间段的上下行字典，包括：
[0022]确定所述第三目标函数对应的凸代理函数；
[0023]基于所述凸代理函数，更新上下行字典确定下一时间段的上下行字典；
[0024]其中，所述凸代理函数包括所述第三目标函数对应的目标代理函数和所述第三目标函数的约束函数对应的约束代理函数；
[0025]所述目标代理函数包括所述第三目标函数的近似、所述第三目标函数关于所述上下行字典的一阶泰勒展开项、所述第三目标函数关于拉格朗日乘子的一阶泰勒展开项，以及所述第三目标函数关于所述上下行字典和所述拉格朗日乘子的二次项；
[0026]所述约束代理函数包括所述约束函数的近似、所述约束函数关于所述上下行字典的一阶泰勒展开项、所述约束函数关于拉格朗日乘子的一阶泰勒展开项，以及所述约束函数关于所述上下行字典和所述拉格朗日乘子的二次项。
[0027]根据本专利技术提供的一种联合上下行字典学习和信道估计方法，基于所述凸代理函数，更新上下行字典确定下一时间段的上下行字典，包括：
[0028]获取当前的迭代参数组，所述迭代参数组包括上下行字典和拉格朗日乘子；
[0029]基于所述迭代参数组和所述凸代理函数，进行迭代更新所述上下行字典，确定一
组所述凸代理函数对应的最优解；
[0030]基于所述迭代参数组和所述最优解，确定下一时间段的上下行字典。
[0031]根据本专利技术提供的一种联合上下行字典学习和信道估计方法，根据松弛的双时间尺度原始
‑
对偶分解理论将所述非凸双时间尺度随机优化问题分成一系列短期信道估计子问题和一个长期字典学习子问题，包括：
[0032]根据松弛的双时间尺度原始
‑
对偶分解理论将所述非凸双时间尺度随机优化问题在第t个信道统计相干时间分成一系列短期信道估计子问题和一个长期字典学习子问题；
[0033]其中，信道统计时间尺度的相干时间包括若干帧，每帧包含多个时隙。
[0034]本专利技术还提供一种联合上下行字典学习和信道估计装置，包括：
[0035]信号收集模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合上下行字典学习和信道估计方法，其特征在于，应用于大规模天线系统，包括：收集相同时隙内的上下行接收信号；基于非凸双时间尺度随机优化问题对应的第一目标函数，对所述上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典；基于所述稀疏编码向量和当前时间段的上下行字典，进行下行信道估计；其中，所述第一目标函数是基于对数的期望形式，所述第一目标函数与所述上下行接收信号、所述上下行字典和所述稀疏编码向量相关，其目标是最小化稀疏编码向量的稀疏度，由上下行字典共同构成的组合字典矩阵满足每列向量的二范数小于等于预设阈值时，所述第一目标函数的约束条件满足小于或等于模型匹配误差；所述上下行字典用于表征信道特性变化，所述下行信道估计在每个时隙执行，所述上下行字典在长期时间尺度上更新，所述长期时间尺度包括多个时隙。2.根据权利要求1所述的联合上下行字典学习和信道估计方法，其特征在于，基于非凸双时间尺度随机优化问题对应的第一目标函数，对所述上下行接收信号进行联合上下行的字典学习和信道估计，确定稀疏编码向量，以及更新上下行字典，包括：根据松弛的双时间尺度原始
‑
对偶分解理论将所述非凸双时间尺度随机优化问题分成一系列短期信道估计子问题和一个长期字典学习子问题，对应地，所述第一目标函数包括所述短期信道估计子问题对应的第二目标函数和所述长期字典学习子问题对应的第三目标函数；基于所述第二目标函数，确定稀疏编码向量；基于所述第三目标函数，更新上下行字典确定下一时间段的上下行字典。3.根据权利要求2所述的联合上下行字典学习和信道估计方法，其特征在于，基于所述第二目标函数，确定稀疏编码向量，包括：确定所述第二目标函数的非凸部分和凸部分；基于所述第二目标函数的非凸部分的一阶泰勒展开式，确定所述非凸部分的代理函数；基于所述第二目标函数的凸部分以及所述非凸部分的代理函数，确定所述第二目标函数对应的目标代理函数；基于所述上下行字典和所述目标代理函数，进行J次迭代获得所述短期信道估计子问题的平稳解，得到所述稀疏编码向量。4.根据权利要求2所述的联合上下行字典学习和信道估计方法，其特征在于，基于所述第三目标函数，更新上下行字典确定下一时间段的上下行字典，包括：确定所述第三目标函数对应的凸代理函数；基于所述凸代理函数，更新上下行字典确定下一时间段的上下行字典；其中，所述凸代理函数包括所述第三目标函数对应的目标代理函数和所述第三目标函数的约束函数对应的约束代理函数；所述目标代理函数包括所述第三目标函数的近似、所述第三目标函数关于所述上下行字典的一阶泰勒展开项、所述第三目标函数关于拉格朗日乘子的一阶泰勒展开项，以及所述第三目标函数关于所述上下行字典和所述拉格朗...

【专利技术属性】
技术研发人员：滕颖蕾，赵杨柳，刘安，满毅，张勇，郭达，胡聪颖，蔚亚鑫，王炳晖，李朋霖，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：