一种面向超大规模MIMO系统的稀疏信道估计方法技术方案

本发明专利技术公开了一种面向超大规模MIMO系统的稀疏信道估计方法，所述方法包括：基于上行超大规模MIMO通信系统中信道在时延与极化域的双层块稀疏结构特征，构建信道稀疏先验模型，其中，所述信道稀疏先验模型在建立时考虑近场效应并基于球面波假设进行建模；基于所述信道稀疏先验模型，控制用户端向基站端发送导频符号，并根据所述基站端接收到的所述导频符号接收稀疏信道向量；基于无求逆块稀疏变分贝叶斯推断算法，根据所述稀疏信道向量对所述信道稀疏先验模型中的待估计参数进行迭代更新，得到信道估计值。本发明专利技术可实现高精度、低复杂度的信道估计。度的信道估计。度的信道估计。

【技术实现步骤摘要】
一种面向超大规模MIMO系统的稀疏信道估计方法


[0001]本专利技术涉及无线通信
，尤其涉及一种面向超大规模MIMO系统的稀疏信道估计方法。

技术介绍

[0002]大规模多入多出(Multiple
‑
InputMultiple
‑
Output,MIMO)作为5G新型空口关键技术之一，在当前无线通信网络中已广泛部署。通过在基站(basestation,BS)侧部署大型天线阵列获取系统增益，包括高频谱效率和容量、高能量效率以及低复杂度的信号处理等。为了满足未来6G通信的容量及速率需求，需要进一步部署更高维度天线阵列的超大规模MIMO系统以及研究相应的信号处理新方法，特别是信道估计方法以获取准确的信道状态信息(ChannelStateInformation,CSI)，它是信道均衡、预编码、波束赋形及资源分配等技术实现的基础，对于保障超大规模MIMO信号的有效传输及获取超大规模MIMO系统增益至关重要。
[0003]一方面，由于未来6G超大规模MIMO系统在基站侧配置了更大规模的天线阵列，增加了瑞利距本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，所述方法包括：基于上行超大规模MIMO通信系统中信道在时延与极化域的双层块稀疏结构特征，构建信道稀疏先验模型，其中，所述信道稀疏先验模型在建立时考虑近场效应并基于球面波假设进行建模；基于所述信道稀疏先验模型，控制用户端向基站端发送导频符号，并根据所述基站端接收到的所述导频符号接收稀疏信道向量；基于无求逆块稀疏变分贝叶斯推断算法，根据所述稀疏信道向量对所述信道稀疏先验模型中的待估计参数进行迭代更新，得到信道估计值。2.根据权利要求1所述的面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，所述信道在时延与极化域下的稀疏表示为：其中，w表示待估计稀疏信道向量，Q＝M
×
I表示极化域采样数目，I表示空间距离采样数目，M表示维度，L表示多径数目，B表示稀疏字典，表示克罗内克积。3.根据权利要求2所述的面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，w具有与h类似的块稀疏结构，称为外层块稀疏；w
l
具有块稀疏结构，称为内层块稀疏；其中，表示信道在稀疏字典B下的稀疏表示向量。4.根据权利要求3所述的面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，所述极化域为角度
‑
空间距离域，所述基于上行超大规模MIMO通信系统中信道在时延与极化域的双层块稀疏结构特征，构建信道稀疏先验模型，包括：在角度和空间距离两个维度上进行采样以构造近场条件下的信道稀疏表示矩阵，其中，对于角度域采样，采样角度表示为对于空间距离采样，相对于角度θ
l,m
的采样距离表示为其中，其中，β
Δ
表示保证稀疏信道表示矩阵的低相干性阈值。5.根据权利要求4所述的面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，所述方法还包括：构建超大规模MIMO的系统模型，所述系统模型在近场信道稀疏表示下，为：y＝Φw+n,其中，表示信号向量x的对角矩阵，表示离散傅里叶矩阵的子矩阵，K为导频符号，其中第(k,l)项为表示加性高斯白噪声，满足复高斯分布CN0,σ
‑1I
MK
)，其中σ
表示噪声精度。6.根据权利要求3所述的面向超大规模MIMO系统的稀疏信道估计方法，其特征在于，所述待估计稀疏信道向量w满足以下先验分布：其中，为非负参数，控制着w的外层块稀疏性,当γ
l
＝0时，w
l
的方差为0，表示该块中的值全为0，Λ
l
为对角矩阵，其控制着w
l
的内层块稀疏，表示为Λ
l
＝diag([Λ
l,1
,...,Λ
l,q
,...,Λ
l,Q
]
...

【专利技术属性】
技术研发人员：陈建侨，陈昊，刘龙，马楠，许晓东，张平，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：