【技术实现步骤摘要】
本专利技术属于信号通信，具体涉及一种模型数据双驱动的非平稳信道估计算法。
技术介绍
1、在第六代(6g)无线网络中，超大规模多输入多输出(u-mimo)与正交频分复用(ofdm)相结合，其中部署了数百或数千个天线用于宽带无线传输，已被设想为一种有前途的技术，以提高无线通信系统的频谱效率和传输可靠性。为了实现先进的传输方案设计，低训练开销的u-mimo-ofdm信道的准确估计至关重要。为了及时获取u-mimo-ofdm系统的信道状态信息(csi)，标准信道估计(ce)方法通常包含参考信号的csi估计和数据符号的信道插值。随着天线的大规模部署，高维u-mimo-ofdm信道恢复面临着一些挑战：当天线阵列处于大维度时，u-mimo信道的底层散射环境表现出空间非平稳。更具体地说，从发射机发射的电磁信号可能经历不同的散射组，到达接收器天线阵列的不同部分。由于以下原因，u-mimo信道的非平稳特性阻碍了传统信道估计方案的定向应用。首先，空间非平稳特性通常很难描述表征，因为信道增益、可见路径和不同散射体组之间的相互关系沿着天线阵列变化，因此很难精确建模。其次，传统的信道估计算法，如最小二乘(ls)和最小均方误差(mmse)，由于u-mimo信道的大尺寸，会导致显著的导频开销，并且在噪声环境中性能不佳。除此之外，现有的文献还研究了大规模mimo信道的稀疏结构，通过基于压缩感知的算法以实现高效的信道估计，但该类算法依赖于通道模型的细粒度知识，例如统计信息、与结构相关的参数等，在空间非平稳u-mimo信道中通常难以获得。对于现有的针对空间非平稳特性
2、中国专利技术专利，公开号cn112491758a，公开了一种空间非平稳信道估计方法和装置，该方法包括如下步骤：利用块匹配追踪算法挑选残差矢量能量不小于噪声能量的支撑块；根据挑选的所述支撑块映射出对应的总原子支撑集，从所述总原子支撑集中移除能量小于筛选阈值的抽头；利用改进的变步长自适应匹配追踪算法，对经阈值筛选后的总支撑集进行细分选择从而获得最终支撑集；根据最终支撑集得到估计信道冲激响应。虽然该方法采用改进的自适应匹配追踪算法来对粗略估计的支持集进行细化，有效的提高了最终的支持精度，但是，基于压缩感知的算法及其改进算法的计算复杂度较高，难以满足实际系统中对于信道估计的时延要求，同时，该方法未对大规模mimo场景中存在的空间非平稳特性进行处理，这会导致在实际系统的应用中产生较大的性能衰落。
3、中国专利技术专利，公开号cn116346550a，公开了超大规模mimo中的可视区域与信道估计方法及装置，方法包括：根据基站收到的来自用户的信号强度判断各个用户在基站阵列上的可视区域分布；判断各个用户的集合sk中的数是否连续，如果连续，则直接利用最小二乘法对基站收到的来自用户的导频信号进行估计；如果不连续，则对信号进行自相关后，抽取其中可用元素并构造虚拟阵列；基于所述虚拟阵列估计信号的各路径角度和路径增益；基于所述各路径角度和路径增益重建可视区域上的信号。但是，对于可视区域存在不连续假设与实际系统存在不匹配的问题，在实际应用中会产生较大的性能衰减。除此之外，该方法不涉及插值算法，这使得大规模mimo系统下的信道估计开销巨大，导频位置的估计精度的提升也会受到传统算法的限制。
4、中国专利技术专利，公开号cn116032699a，公开了一种面向超大规模mimo系统的稀疏信道估计方法，该方法包括：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。虽然该方法对大规模mimo信道的稀疏性进行建模，并利用无求逆块的稀疏变分贝叶斯推断算法对待估计的参数进行多轮迭代更新以提高信道的估计精度，但是这样的优化方式很依赖于对于稀疏信道的准确建模，在对于大规模mimo进行建模的时候没有考虑到信道存在的空间非平稳特征，这使得信道古今的精度在后续的迭代过程的提升受限。更重要的是，基于压缩感知的算法依赖于通道模型的细粒度知识，例如统计信息、与结构相关的参数等，这在空间非平稳u-mimo信道中难以获得，同时，算法中的多轮迭代会使得算法整体的复杂度很好，难以满足实际移动场景下对于信道估计的低时延要求。
技术实现思路
1、为解决现有技术中存在的技术问题，本专利技术的目的在于提供一种模型数据双驱动的非平稳信道估计算法。
2、为实现上述目的，达到上述技术效果，本专利技术采用的技术方案为：
3、一种模型数据双驱动的非平稳信道估计算法，包括以下步骤：
4、首先设计具有空间非平稳特性的u-mimo-ofdm系统模型，再进行基于模型驱动的图像轮廓空间非平稳参数提取，用以重构导频位置的信道时频响应，同时级联基于数据驱动的增强残差网络非平稳信道插值，将重构的导频信道时频响视为低分辨率图像，将整个信道的时频响视为高分辨率图像，利用增强残差网络的优插值和去噪能力，基于内在相关性准确恢复整个非平稳信道。
5、进一步的，设计具有空间非平稳特性的u-mimo-ofdm系统模型的步骤包括：
6、假设基站接收端配置nbs根接收天线，构成均匀线性天线阵列，天线间隔λ表示发送信号波长，用户端部署nue根发送天线；资源块在时域上表示为nts个时隙，在频域上划分为nsc个子载波间隔，假设发送的信号是全1的导频，则经过傅里叶变换后的空间频率域上的接收信号表示为：
7、y(n,i)＝h(n,i)+w(n,i)
8、其中，n∈{1,…,nts}，i∈{1,…,nsc}，表示u-mimo-ofdm信道的时频响应，w(n,i)代表零均值单位方差的加性高斯白噪声；
9、收发端间的空间非平稳信道建模为：
10、
11、其中，k表示第k个子帧，lk(n)为路径数，为路径l的增益，和分别表示到达角和出发角，为路径l对应的信号时延，δf表示为子载波间隔，表示为路径l的可视区域；分别代表基站和用户端的空域导向矢量，计算公式为：
12、
13、
14、表示为选择向量，用于描述可视区域中的有效天线索引，计算公式为：
15、
16、如果第m根天线索引属于路径l的可视区域中，则向量p的第m个位置置为1，否则置0。
17、进一步的，进行基于模型驱动的图像轮廓空间非平稳参数提取，用以重构导频位置的信道时频响应的步骤包括：
18、(1-1)进行转域操作，得到空间时延域和角度时延域接收信号三维彩色图像；
19、(1-2)对彩色图像进行二值化，本文档来自技高网...
【技术保护点】
1.一种模型数据双驱动的非平稳信道估计算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，设计具有空间非平稳特性的U-MIMO-OFDM系统模型的步骤包括：
3.根据权利要求1所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，进行基于模型驱动的图像轮廓空间非平稳参数提取，用以重构导频位置的信道时频响应的步骤包括：
4.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，步骤(1-1)中，进行转域操作的步骤包括：
5.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，步骤(1-3)中，对步骤(1-2)所得图像提取明亮斑块或有效路径的轮廓信息和中心坐标的步骤包括：
6.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，步骤(1-4)中，进行信道重构的步骤包括：
7.根据权利要求1所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，基于数据驱动的增强残差网络非平稳信道插值的步骤包括
8.根据权利要求7所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，所述增强残差网络结构包括输入层、残差层、上采样层；所述输入层为3×3×3卷积核尺寸的三维卷积层；所述残差层由4个残差块组成，每个残差块包含9×3×3卷积核的三维卷积层、BN层、ReLu激活函数，残差层中引入跳跃连接方式；所述上采样层采用卷积核尺寸为1×2×2的反卷积层结构。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的一种模型数据双驱动的非平稳信道估计算法。
...【技术特征摘要】
1.一种模型数据双驱动的非平稳信道估计算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，设计具有空间非平稳特性的u-mimo-ofdm系统模型的步骤包括：
3.根据权利要求1所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，进行基于模型驱动的图像轮廓空间非平稳参数提取，用以重构导频位置的信道时频响应的步骤包括：
4.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，步骤(1-1)中，进行转域操作的步骤包括：
5.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计算法，其特征在于，步骤(1-3)中，对步骤(1-2)所得图像提取明亮斑块或有效路径的轮廓信息和中心坐标的步骤包括：
6.根据权利要求3所述的一种模型数据双驱动的非平稳信道估计...
【专利技术属性】
技术研发人员：刘中华，张舜卿，周祎，吕岑佳，
申请(专利权)人：江苏亨鑫科技有限公司，
类型：发明
国别省市：
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。