【技术实现步骤摘要】
用户活跃检测和用户信道估计方法、电子设备及存储介质
[0001]本申请涉及通信
,尤其涉及一种用户活跃检测和用户信道估计方法、电子设备及存储介质。
技术介绍
[0002]在mMTC(massive Machine Type Communication,大规模机器类型通信)系统中,由于天线数量庞大,若在基站的接收器中使用高分辨率模数转换器将会使成本十分高昂,因此为了节省成本通常在接收器中使用低分辨率的模数转换器。相关技术中,通过引入量化效应来减小低分辨率模数转换器对用户活跃检测和用户信道估计准确性的影响,但这种方式对于导频测量矩阵的要求较高,因此对不同应用场景的普适性较差。
技术实现思路
[0003]本申请实施例的主要目的在于提出一种用户活跃检测和用户信道估计方法,通过引入表征用户活跃情况和系统信道的分层联合稀疏性来进行用户活跃检测和用户信道估计,能够更好地模拟大规模机器类型通信系统的真实物理架构性能,从而提高用户活跃检测和用户信道估计的准确性,并且具备较好的普适性。
[0004]为实现上述目的,本申请实施例的第一方面提出了一种用户活跃检测和用户信道估计方法,所述方法包括:
[0005]建立mMTC上行链路的传输系统模型;其中,所述传输系统模型包括基站侧和用户侧,所述基站侧和所述用户侧之间通过系统信道进行通信,所述用户侧用于根据用户活跃情况向所述基站侧发送导频信号;
[0006]根据所述传输系统模型和用户活跃情况,构建先验概率模型;
[0007]根据用户活跃情况和所 ...
【技术保护点】
【技术特征摘要】
1.一种用户活跃检测和用户信道估计方法,其特征在于,所述方法包括:建立mMTC上行链路的传输系统模型;其中,所述传输系统模型包括基站侧和用户侧,所述基站侧和所述用户侧之间通过系统信道进行通信,所述用户侧用于根据用户活跃情况向所述基站侧发送导频信号;根据所述传输系统模型和用户活跃情况,构建先验概率模型;根据用户活跃情况和所述系统信道的角度域建立联合变量;其中,所述联合变量用于表征用户活跃情况和所述系统信道的分层联合稀疏性;将所述联合变量输入所述先验概率模型,得到所述联合变量的对数概率密度;根据所述导频信号和所述联合变量进行似然概率计算,得到所述导频信号关于所述联合变量的对数似然概率;根据所述对数概率密度和所述对数似然概率构建最大化后验概率问题;对所述最大化后验概率问题进行最大最小化求解,得到用户活跃检测结果和用户信道估计结果。2.根据权利要求1所述的方法,其特征在于,在所述传输系统模型中,所述基站侧包括一个具备M根天线的基站,所述用户侧包括N个单天线的用户端设备;所述用户端设备具有偶发性活跃的特点,第n个所述用户端设备的活跃情况表述为:其中,n为[1,N]之间的正整数,active表示所述用户端设备处于活跃状态,none表示所述用户端设备处于非活跃状态,所述用户端设备处于活跃状态时向所述基站侧发送所述导频信号;所述导频信号为包含T个符号的导频序列信号,所述导频信号表述为:其中,s
n
表示第n个所述用户端设备的活跃情况,h
n
∈C
M
×1为第n个用户端设备和基站侧的信道,为包含发射功率和信道路径损耗的功率系数,表示分配给第n个用户端设备的导频序列,V∈C
M
×
T
为具有零均值和协方差矩阵的复高斯噪声矩阵,H=[h1,Λ,h
N
]∈C
M
×
N
为所述用户侧与基站侧之间的信道矩阵,S=diag[s1,Λ,s
N
]为描述所述用户端设备的活跃情况的对角阵,为所述用户侧与所述基站侧之间的大尺度衰落矩阵,为用户侧的导频序列矩阵;所述用户侧与所述基站侧之间的角度域信道矩阵为:其中,为所述用户侧与所述基站侧之间的角度域信道矩阵,H=[h1,Λ,h
N
]∈C
M
×
N
为所述用户侧与基站侧之间的信道矩阵,表示所述用户侧
与所述基站侧之间的阵列响应信道矩阵;角度域信道矩阵的第m行,第n列元素服从如下高斯分布:其中,m为[1,M]之间的正整数,表示角度域信道矩阵的第m行,第n列的元素,γ
(m,n)
为高斯分布精度,CN(*)表示N维复数向量空间函数;γ
(m,n)
的概率密度为:其中,Γ(a)为伽马函数,a和b均为大于零的超参数。3.根据权利要求2所述的方法,其特征在于,在所述先验概率模型中,第n个所述用户端设备的活跃概率密度为:其中,q
s
表示用户端设备活跃的先验概率,q
s
的取值范围为(0,1),s
n
表示第n个所述用户端设备的活跃情况。4.根据权利要求3所述的方法,其特征在于,所述联合变量为:其中,为所述用户侧与所述基站侧之间的角度域信道矩阵,S=diag[s1,Λ,s
N
]为描述所述用户端设备的活跃情况的对角阵;当s
n
=1时,第n个所述用户端设备处于活跃状态,联合变量X的第m行,第n列元素的分布函数为:其中,X
(m,n)
表示联合变量X的第m行,第n列元素,s
n
表示第n个所述用户端设备的活跃情况,表示角度域信道矩阵的第m行,第n列的元素,γ(
m,n
)为高斯分布精度;当s
n
=0时,第n个所述用户端设备处于非活跃状态,X
(m,n)
为零,此时X
(m,n)
的分布函数为:其中,δ(*)表示冲击函数,CN(*)表示N维复数向量空间函数,X
(m,n)
表示联合变量X的第m行,第n列元素,s
n
表示第n个所述用户端设备的活跃情况,表示角度域信道矩阵的第m行,第n列的元素,ε为大于零的超参数。5.根据权利要求4所述的方法,其特征在于,所述对数概率密度的函数式为:
其中,x为联合变量X的向量化实部分量,为x的第i
r
=(n
‑
1)M+1个元素,s
n
表示第n个所述用户端设备的活跃情况,q
s
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。