【技术实现步骤摘要】
本专利技术属于无线通信，涉及一种基于压缩感知的mmimo leo卫星iot联合用户活跃性检测和信道估计方法。
技术介绍
1、近年来无线通信传输技术的快速发展和智能通讯设备的不断普及，大规模多入多出(massive multiple-input multiple-output，mmimo)技术凭借其可以在在发射端和接收端分别使用多个发射天线和接收天线进行信号传送和接收，充分利用空间资源，有效的提高了通信系统的频谱利用率和信息传输速率与容量，改善了通信质量，已经成为了卫星物联网的关键技术之一。而低轨(low earth orbit，leo)卫星具有大带宽、高通量、数据传输时延低等显著特点，更加适用于通信领域。将大规模mimo技术拓展应用于低轨卫星通信系统，能够充分利用大规模mimo的空间自由度，显著提高leo卫星通信系统的频谱效率和功率效率。然而leo卫星物联网面临多重挑战，包括高速运动导致的时变的传播延迟、巨大的多普勒频移、受限制的通信载荷等，为了在满足大规模海量连接的需求的同时降低成本和减少传输延迟，普遍采用免授权的多址接入技术，然而这种免授权的多用户接入方式也带来了用户活跃性检测的问题，而进行联合的用户活跃性检测、多用户检测与信道估计方案的计算复杂度过高。
2、大规模mimo技术是卫星物联网的关键技术之一。但是，基站天线数目的增多，导致信道矩阵的维度大幅增加，且在大规模iot接入的场景下，由于接收机缺少设备的调度信息，还需要识别所有活跃的用户，而进行联合的用户活跃性检测、多用户检测与信道估计方案的计算复杂度过高。在
3、因此，在mmimo大连接与leo卫星有限计算资源的现实矛盾下，如何在降低计算复杂度的同时加快收敛速度和提升恢复信号精度，以支撑海量用户连接有待进一步探索。
4、近年来，压缩感知等稀疏信号恢复方法被证实可以使用较小的导频开销达到较好的信道信息获取性能，正逐渐被研究者用于陆地大规模mimo无线信道估计中。
技术实现思路
1、本专利技术的目的是提供一种基于压缩感知的mmimo用户活跃性检测和信道估计方法，针对mmimo leo卫星物联网场景中，每个时隙的活跃用户数量远小于接入用户数量，且用户活跃状态先验未知，能够在信道估计和多用户检测之前进行用户活跃性检测，减少计算开销。
2、本专利技术目的是通过下述技术方案实现的。
3、本专利技术公开的基于压缩感知的mmimo用户活跃性检测和信道估计方法，对于在一组已知基上稀疏的信号，采用压缩感知技术能够直接以低于奈奎斯特采样率的频率采样。当天线阵列数目较多时，根据信道矩阵在变换域呈现的潜在稀疏特性，能够利用压缩感知理论，将联合用户活跃性检测和信道估计问题转换为多矢量测量问题，并利用收敛速度较快且恢复信号精度较高的同步正交匹配追踪求解，完成信道估计，使用较小的导频开销达到较好的信道信息获取性能，显著降低需要存储的采样数据规模，提高频谱利用率。
4、本专利技术公开的基于压缩感知的mmimo用户活跃性检测和信道估计方法，包括如下步骤：
5、步骤一：建立mmimo leo卫星上行传输信道模型。
6、利用mmimo leo卫星通信业务时空频分布特点，基于概率分布模型，对信道进行建模；
7、设定卫星配备有na＝nxny个接收天线组成的均匀平面阵列upa，nx和ny分别为天线沿x轴和y轴的天线数；在给定时隙内，leo卫星同时服务k个单天线，每个用户通过n个信道cu传输一个含d比特信息的短包，占用带宽为b，时延为td，且n＝btd，导频长度为m，信道编码块长度为m＝n-m；
8、将leo卫星和用户k之间在时刻t的上行链路信道冲激响应cir表示为
9、
10、其中,lk表示用户k的多径数量，l为用户k的第l条传播路径，ak,l、vk,l和τutk,l分别表示信道增益、多普勒频移和散射角度等引起的较小传输时延，是卫星侧的阵列响应矢量；
11、卫星通信中的多普勒频移主要由卫星侧移动和用户侧移动两部分引起，即但在卫星iot场景中用户移动引起的多普勒频移远小于卫星移动引起的多普勒频移，即leo卫星运动引起的多普勒频移对于相同用户的不同传播路径是相同的，即此外，传输时延τkl表示为τkl＝τklsat+τklut，其中τklsat为预设较远通信距离产生的较大传输时延，τklut为较为散射角度等引起的较小传输时延；
12、在发送端进行补偿后发送的信号表示为其中vkcps＝vksat、τkcps＝τksat；卫星端接收到的信号表示为
13、当用户终端位于没有遮挡的区域时，能够等效为视距los传播，相反会导致由多径效应产生的非los传播，所述没有遮挡的区域包括郊区、楼顶；采用rician信道模型，将上行链路信道表示为
14、
15、其中是平均信道功率，κk是rician因子,和分别表示los传播部分和非los传播部分。
16、步骤二：用户端发送信号后，基于所述mmimo leo卫星物联网上行信道传输模型，利用压缩感知理论进行导频信号接收。
17、基于式(1)在卫星侧接收到的信号ycps，利用压缩感知理论将所述导频信号写为
18、y(p)＝hx(p)+z(p) (3)
19、其中为k个用户与卫星之间的信道系数矩阵，为其元素服从独立同分布的加性复高斯噪声。
20、步骤三：卫星物联网场景中用户活跃状态先验未知，需要在信道估计和多用户检测之前进行用户活跃性检测。根据用户活跃状态，将步骤二中接收到的导频信号加入用户活跃性因子。
21、步骤三中，根据用户活跃状态，将步骤二中接收到的导频信号写为
22、y(p)＝ax(p)+z(p) (4)
23、其中bk∈{0,1}为用户活跃性因子，当bk＝1表示用户k是活跃的，反之不活跃，表示活跃用户集合。
24、步骤四：针对物联网中用户活跃性矩阵的稀疏特性以及cir稀疏特性，将步骤三中接收到的y(p)信号，用somp算法对所述稀疏信号进行恢复，并初始化。
25、步骤四中，信号的残差r(0)＝y(p)，支撑集迭代次数i＝1；首先计算多个观测向量与测量矩阵的内积，并对多个内积求和，此时再比较不同列号的内积值，选出内积值最大对应的列号作为支撑集的第一个元素。
26、步骤五：根据该支撑集元素解得当前迭代下多个稀疏向量的最小二乘解并计算各自的残差，在下一次的迭代中，再利用本次的残差计算内积得到下一次迭代的支撑集元素，直到迭代结束。
27、步骤五中，
本文档来自技高网...
【技术保护点】
1.基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：包括如下步骤，
2.如权利要求1所述的基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：步骤一实现方法为，
3.如权利要求2所述的基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：基于式(1)在卫星侧接收到的信号ycps，利用压缩感知理论将所述导频信号写为
4.如权利要求3所述的基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：步骤三中，
5.如权利要求4所述的基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：步骤四中，
6.如权利要求5所述的基于压缩感知的mMIMO用户活跃性检测和信道估计方法，其特征在于：步骤五中，
【技术特征摘要】
1.基于压缩感知的mmimo用户活跃性检测和信道估计方法，其特征在于：包括如下步骤，
2.如权利要求1所述的基于压缩感知的mmimo用户活跃性检测和信道估计方法，其特征在于：步骤一实现方法为，
3.如权利要求2所述的基于压缩感知的mmimo用户活跃性检测和信道估计方法，其特征在于：基于式(1)在卫星侧接收到的信号ycps，利用压缩感知...
【专利技术属性】
技术研发人员：杨一帆，张雨婷，曾捷，程波铭，苏联木，王紫如，卜祥元，安建平，
申请(专利权)人：北京理工大学，
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。