专利名称：宽带移动通信中利用压缩感知减少导频数的信道估计方法
技术领域：
本发明涉及一种用于宽带移动通信系统的利用压縮感知的信道估计方法， 确切地说，涉及一种用于宽带移动通信系统中利用信道的稀疏特性，基于压缩 感知的理论降低信道估计所需的导频个数而实现的信道估计方法，属于宽带移 动通信的信道估计技术领域。
背景技术：
在宽带移动通信的传输过程中，如果信道的时延扩展超过符号周期，就将
引起频率选择性衰落，这在高速率传输数据时更为严重；而且，收发两端之间 的相对移动、振荡器漂移和相位噪声等都将引起时间选择性衰落。上述两种衰 落的结合会带来所谓的时延-多普勒衰落，对应的信道被称为双选择性信道。当 接收端已知信道信息时，这种双选择性信道在接收端处理时能够提供较大的多 径-多普勒分集增益。因此，实际通信中，接收端往往要通过信道估计来获得这 个分集增益。
目前，接收端估计信道的方法可以分为两类基于训练的方法和盲估计方 法。在基于训练的信道估计方法中，发送端发送一些收发两端都已知的训练序 列，接收端则根据该训练序列和相应的接收信号来估计信道。盲估计方法是利 用信号的统计特性来进行信道估计。虽然盲估计方法在占用资源方面更为有效， 但是通常需要在接收端进行复杂的信号处理，并且，在快速时变信道中容易发 生错误传播。因此，本发明方法采用基于训练的方法进行信道估计。
已有部分学者对双选择性信道的估计进行了研究，但是，通常假设信道具
有丰富的多径(参见《Design and Analysis of MMSE Pilot-Aided Cyclic-Prefixed Block Transmissions for Doubly Selective Channels》，刊于IEEE Trans. Signal Processing, vol. 56, Mar. 2008， pp. 1148-1160 )。实际上，在宽带移动通信信道中只有很少的可分辨径，尤其是在带宽很宽、信号持续时间较长的情况下(参见
《Cluster Characteristics in a MIMO Indoor Propagation Environment^ ，子寸于IEEE Transactions on Wireless Communications, vol. 6, Apr. 2007, pp. 1465—1475 )。在这 些信道中，大部分的多径能量集中在时延-多普勒域的很小区域内，因而称其为 稀疏信道。因而本发明方法是针对稀疏信道的一种新型信道估计方法。
近几年，出现了一种新的采样理论一一压缩采样，或称压缩感知(CS , compressed sampling or compressed sensing ),该方法是在采样过程的同时，实现 信号压缩，即以低于奈奎斯特速率的采样率进行采样，并能以极高的准确率恢 复出原信号(参见《Compressed sensing》，刊于IEEE Transactions on Information Theory, vol. 52， Apr.2006, pp. 1289—1306 )。
利用压缩感知技术对数据进行处理必须具备一个重要的假设前提，即数据 的稀疏性。例如，当给定7^^的矩阵^/ = [(^|(^|...|^]时，其中y,表示矩阵的z'列
时， 一个长度为W的实信号x可以表示为x = |>,K (1)。
当上述公式(l)中的s,系数只有夂个不等于零时，信号x可被称为K-稀疏 信号。在压缩感知技术中，可以对信号x进行欠采样(即以低于奈奎斯特速率 进行釆样)，并在接收端进行恢复。在实现时，通过引入第二个MxW(《〈A/〈A0 的杀巨阵(U,并计算y二①x， 4f到y = Ox = Oi|/s = 0s , (2)。
式中，s = ^, f， r表示矩阵的转置。由于M〈^V， y即为采样并压缩 后的信号。在接收端，先根据接收信号y恢复s,进而恢复x。但是由于上述公 式(2)中的方程组个数小于未知变量个数，因此，5,的解有无穷多组。考虑到 信号的稀疏性，对信号的恢复问题等价于寻找上述公式(2)的一个最稀疏的解。 目前，已有很多文献提出了对信号进行重建的方法，如Basis Pursuit算法 (参见《Compressed Sensing》,刊于IEEE Transactions on Information Theory, vol. 52, Apr.2006, pp. 1289—1306 )、 Orthogonal Matching Pursuit算法(参见《Signal Recovery from Random Measurements via Orthogonal Matching Pursuit》，刊于 IEEE Transactions on Information Theory, vol. 53， Dec. 2007， pp.4655-4666 )等等。最小二乘(LS, least square)算法是一种传统的信道估计方法。但因其没 有利用信道的稀疏特性，只适用于密集信道，因而不适用于稀疏信道。为获得 较好的信道估计性能，基于LS准则的信道估计要求较大的导频能量开销。对于 稀疏的选择性信道，如果充分利用其稀疏性，采用压缩感知技术对其进行估计， 可以降低导频数目。该技术在单载波和多载波信号传输中，已有具体的理论分 析(参见《Learning Sparse Doubly-Selective Channels》，刊于University of Wisconsin-Madison Technical Report ECE-08-02, June 2008, pp. 1-10 ),但是至今 还没有考虑具体的实际应用场合。
目前，长期演进(LTE, Long Term Evolution )以及LTE Advance宽带移动 通信系统受到了广泛关注，其中的信道估计方法也是重要的研究方面。但是， 现有的导频插入方式都没有考虑信道的稀疏特性，因而需要较大的导频开销。 因此，如何对传统方法进行改进就成为业内科技人员的一项研究热点。
发明内容
有鉴于此，本发明的目的是提供一种在宽带移动通信系统中利用压缩感知 减少导频数的信道估计方法，也就是利用信道的稀疏特性，基于压缩感知理论 来减少系统中信道估计所需的导频数，并能够保证性能的信道估计方法。该方 法不仅有效地估计出信道，并且大大降低了系统的能量开销。
为了达到上述目的，本发明提供了 一种用于宽带移动通信系统中利用压缩 感知减少导频个数的信道估计方法，其特征在于该方法基于压缩感知技术中 利用较少测量值能够恢复稀疏信号的原理，以及基于宽带移动通信系统中信道 的稀疏特点，降低系统估计信道时所需的导频符号个数；所述方法包括下列操 作步骤
(1)在发送端发送导频符号^"，式中，下标("WeW,"是对正交频分复 用OFDM符号时频域进行欠采样的格点子集，即插入的导频符号的位置集合；Z 和*分别表示在时间轴和频率轴上的格点索引；所述插入的导频符号应均匀分布
在时频域中，且应保证该导频符号的个数l们^cx^g5FxD，式中，Wl表示集合^
10中的元素个数，c为常数，F为信号收发空间的自由度，"为信道的稀疏度；
(2) 对于发送的导频符号；^，在接收端得到相应的接收符号为 、t=^^/^+zw，式中，//,》为在频域的信道实际数值，Z,j为加性高斯白噪 声；这样得到导频符号位置处的信道在其频域的估计值为
/^=， = ///A+l,其中，^,是插入的导频符号的位置集合(/，/t)eW中的格
点位置处的信道估计值；
(3) 将得到的信道估计值々,j排列为l们维的向量y;令h表示信道在时延
-多普勒域、时延域或多普勒域的系数，则根据步骤(2)能够计算得到WI维向
fy = Uh + z，式中，U为感知矩阵，z为噪声向量；
(4) 根据步骤(3)的接收向量y以及U，并考虑到h的稀疏性，利用压縮 感知重建算法中的1-范数方法求解得到信道在时延-多普勒域、时延域或多普勒 域的系数h;该求解计算方法为满足y二Uii + z，并且具有最小llfill,的ii作为h 的解，其中的llJ^表示fi的l-范数；
(5) 利用傅立叶变换，将信道在时延-多普勒域、时延域或多普勒域的系 数h变换到频域的信道估计值，从而完成信道的估计。
本发明是一种用于宽带移动通信系统中利用压缩感知技术减少导频数的信 道估计方法，该方法的特点是利用信道的稀疏特性，基于压缩感知理论来减少 系统中信道估计所需的导频符号个数，并能够保证系统的传输性能。该方法可 降低信道估计所需的导频数，大大降低系统的能量开销，并同时保证有效地估 计出信道。本发明具有很好的推广应用前景。
图1是本发明用于宽带移动通信系统中利用压缩感知减少导频个数的信道 估计方法操作步骤流程图。
图2是在时频域的OFDM符号示意图，其中黑色方块为插入导频的位置。
11图3是双选择性信道在时延-多普勒域中的稀疏表示图。图中的黑点表示在 时延-多普勒域的不同信道路径。
图4是频率选择性信道在时延域中的稀疏表示图。图中的每条直线表示在 时延域具有数值的对应时延点。
图5是时间选择性信道在多普勒域中的稀疏表示图。图中的每条直线表示 在多普勒域具有数值的对应频点。
图6是M个发射天线和W个接收天线组成的MIMO信道示意图。 图7是CoMP系统的一个具体实例示意图。
图8是在单天线系统中、在时延域稀疏的选择性信道，利用最小二乘(LS， least square )方法和本发明的压缩感知方法(间隔12个子载波或间隔8个子载 波插入导频)分别进行信道估计得到的均方误差比较图。
图9是在单天线系统中、在时延-多普勒域稀疏的双选择性信道，分别利用 LS方法和本发明中的压缩感知方法进行信道估计得到的均方误差比较图。
具体实施例方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例仿 真情况对本发明作进一步的详细描述。
参见图1，介绍本发明用于宽带移动通信系统中利用压缩感知减少导频个 数的信道估计方法，该方法基于压缩感知技术中利用较少测量值能够恢复稀疏 信号的原理，以及基于宽带移动通信系统中信道的稀疏特点，降低系统估计信 道时所需的导频符号个数；该方法包括下列操作步骤
(1 )在发送端发送导频符号；^ ，式中，下标(/,A:)eW,矽是对OFDM符 号时频域进行欠采样的格点子集，即插入的导频符号的位置集合；/和/t分别表 示在时间轴和频率轴上的格点索引；所述插入的导频符号应均匀分布在时频域 中，且应保证该导频符号的个数Wl^cxlogSFxD，式中，1^l表示集合W中的元 素个数，c为常数，F为信号收发空间的自由度，Z)为信道的稀疏度；
12(2 )对于发送的导频符号Aj ，在接收端得到相应的接收符号为 式中，/^为在频域的信道实际数值'Z,j为加性高斯白噪
声；这样得到导频符号位置处的信道在其频域的估计值为
A,A=^l = if,*+，，其中，A^是插入的导频符号的位置集合(/,"eW中的格
'P" 'P" '
点位置处的信道估计值；
(3) 将得到的信道估计值A,4排列为l^l维的向量y;令h表示信道在时延 -多普勒域、时延域或多普勒域的系数，则根据步骤(2)能够计算得到l^维向 fy = Uh + z,式中，U为感知矩阵，z为噪声向量；
(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩
感知重建算法中的1-范数方法求解得到信道在时延-多普勒域、时延域或多普勒
域的系数h;该求解计算方法为满足y^Ufi + z,并且具有最小llfill,的ii作为h 的解，其中的il^l,表示i!的l-范数；
(5) 利用傅立叶变换，将信道在时延-多普勒域、时延域或多普勒域的系 数h变换到频域的信道估计值，从而完成信道的估计。
本发明利用压缩感知理论对宽带移动通信系统中的信道进行估计的方法， 主要应用于兼具下述(A)和(B)两种特性的组合信道
(A )单天线系统、集中式多天线系统(参见图6 )或分布式多天线系统(参 见图7);
(B)在时延-多普勒域稀疏的双选择性信道(参见图3)、在时延域稀疏的 频率选捧性信道(参见图4 )或在多普勒域稀疏的时间选择性信道(参见图5 )。 下面分别介绍本发明在不同应用场合的实现方法的具体操作步骤 在用于单天线系统中的、在时延-多普勒域稀疏的双选择性信道时，本发明 方法的具体操作步骤如下
(1 )在发送端发送导频符号A"式中，下标(/,"e^， W是对OFDM符 号时频域进行欠采样的格点子集，即插入导频的位置集合。/表示在时间轴上的格点索引，yt表示在频率轴上的格点索引。图2是OFDM符号的时频域示意图， 其中黑色方块为插入导频的位置。导频符号应均匀分布在时频域中，这里应保 证导频符号的个数Wl^cxlog5FxD，式中，1^l表示集合^中的元素个数，c为 常数，F为信号收发空间的自由度，D为信道的稀疏度。
在传统的LS方法中，导频符号的个数应满足《2义。 ，其中，^,为时延-
多普勒域可以分辨的时延和多普勒偏移总数。这里可以看出，利用压缩感知进 行信道估计的本发明方法，其降低的导频数在0(A^,/D)量级上。(参见《Learning Sparse Doubly-Selective Channels》，子ll于 University of Wisconsin-Madison Technical Report ECE-08-02, June 2008， pp. 1-10 )。
(2) 对于步骤(1)中发送的导频符号A，H在接收端得到相应的接收符
号为X,4二AJ,A+Z,4,式中，//,4为信道在频域的实际数值，Z,4为加性高斯
噪声；这样得到导频符号位置处的信道在其频域的估计值为 /^=， = //"+^，其中，l是插入的导频符号的位置集合(/，"e^中的格
点位置处的信道估计值。
(3) 将步骤(2)得到的信道估计值A,4排列为l^维的向量y，再令h表
示信道在时延-多普勒域的系数，则根据步骤(2)可以计算得到y二Uh + z,式 中，U为感知矩阵，其元素为信道频域系数和信道中时延-多普勒域系数之间转 换的参数，z为噪声向量。
(4 )根据步骤(3 )的接收向量y以及U ，并考虑到h的稀疏性，利用压缩 感知重建算法中的l-范数方法求解得到信道在时延-多普勒域的系数h;该求解 计算方法为满足y二Uii + z，并且具有最小lliill,的fi作为h的解，其中的ii&ii,表 示li的l-范数。
(5 )利用二维傅立叶变换，将时延-多普勒域的系数h变换到频域的信道估 计值，即完成信道的估计。
参见图6和图7，介绍在用于MIMO ( Multiple Input Multiple Output)的集中式天线或CoMP ( Coordinated Multi-Point transmission/reception)的分布式天 线的多天线系统中的、在时延-多普勒域稀疏的双选择性信道时，本发明方法的 操作步骤如下所示
图6是一个M输入W输出的MIMO信道示意图。图7是为了提高LTE小 区信道容量尤其是小区边缘信道容量而出现的一种分布式天线机制，即 LTE-Advanced在LTE的基础上引入协同多点传输CoMP。图7只是CoMP的一 个示例，其中两个演进型eNB ( evolved Node B )分别i殳有两个发送天线，共同 向两个用户终端UE (user equipment)发送信息。
(1 )每个发送天线都发送导频符号，式中，下标(7，"e矽，矽是对每 个发送天线发送的OFDM符号时频域进行欠采样的格点子集，即插入的导频符 号的位置集合；/和/t分别表示在时间轴和频率轴上的格点索引。所述插入的导 频符号应均匀分布在时频域中(如图2中的黑色方块，即插入的导频位置所示)， 这里应保证导频符号的个数l^^cxlog5FxZ)，式中，Pl表示集合i 中的元素个 数，c为常数，F为信号收发空间的自由度，D为信道的稀疏度；且此时在各个 不同发送天线上插入的导频符号序列各自分别呈正交状态，即每个天线的导频 符号在时频域的位置不重叠。
(2) 对于第/个发送天线发送的导频符号/^,在第y个接收天线得到相应
的接收符号为^^二Z/a/^+Zw，式中，自然数f是发送天线的序号，其取值范 围为[l， M];自然数)是接收天线的序号，其取值范围为[l， 7V]; /^为在频 域的信道实际数值，为加性高斯白噪声；这样得到第/个发送天线和第/个 接收天线之间、导频符号位置处的信道在其频域的估计值为
A,;=V = i/,4+l,其中，/^是插入的导频符号的位置集合(/,WG^中的格
点位置处的信道估计值。
(3) 将步骤(2)得到的信道估计值/^排列为IWI维的向量y，再令h表 示信道在时延-多普勒域的系数，则根据步骤(2)能够计算得到WI维向量感知矩阵，其元素为信道频域系数和信道中时延-多普勒 域系数之间转换的参数，z为噪声向量。
(4)根据步骤(3)的接收向量y以及U，并考虑到h的稀疏性，利用压缩
感知重建算法中的l-范数方法求解得到信道在时延-多普勒域的系数h;该求解 计算方法为满足y二Uii + z,并且具有最小l^l〖的ii作为h的解，其中的Hi^表 示&的l-范凄史；
(5 )利用二维傅立叶变换，将信道在时延-多普勒域的系数h变换到频域的 信道估计值，从而完成第z个发送天线和第7'个接收天线之间的信道的估计。
上述介绍的本发明方法都是针对时延-多普勒域稀疏的双选择性信道实现 的，其中分别包括单天线系统、集中式多天线MIMO系统和分布式多天线CoMP 系统。本发明同样也适用于在时延域稀疏的频率选择性信道和在多普勒域稀疏 的时间选择性信道。
下面先介绍其中用于单天线系统中的、在时延域稀疏的频率选择性信道的 估计方法，其具体操作步骤如下
(1 )在发送端发送导频符号/V ，式中，下标(/，々)G"， W是对OFDM符
号时频域进行欠采样的格点子集，即插入的导频符号的位置集合；/和/t分别表 示在时间轴和频率轴上的格点索引。所述插入的导频符号应均匀分布在时频域 中(参见图2所示的OFDM符号的时频域，其中黑色块部分为插入导频的位置)， 且应保证该导频符号的个数l们^cxlog5FxD,式中，1^l表示集合W中的元素个 数，^为常数，F为信号收发空间的自由度，O为信道的稀疏度。
(2 )对于步骤(1 )中发送的导频符号A,4,在接收端得到对应的接收符号 为^^/^;^+、，式中，/^为在频域的信道实际数值，z,^为加性高斯白噪
声；这样得到导频符号位置处的信道在其频域的估计值为 戌4=^ = 〃"+^，其中，/^是插入的导频符号的位置集合(/,We^中的格
点位置处的信道估计值。
16(3) 将步骤(2)得到的信道估计值AJ非列为l^l维的向量y;令b表示
信道在时延-多普勒域的系数，则根据步骤(2)能够计算得到l们维向量 y = Uh + z，式中，U为感知矩阵，其元素为傅立叶变换的参数，z为噪声向量。
(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩
感知重建算法中的l-范数方法求解得到信道在时延域的系数h;该求解计算方 法为满足y二Uli + z，并且具有最小lli^的ii作为h的解，其中的iifiii,表示fi的
l國范数；
(5 )利用傅立叶变换，将信道在时延域的系数h变换到频域的信道估计值， /人而完成信道的估计。
本发明方法在用于单天线系统中的、在多普勒域稀疏的时间选择性信道时 的操作步骤与该方法在用于上述单天线系统中的、在时延域稀疏的频率选择性
信道时的操作步骤基本相同，不再赘述。只是其中步骤(3)中，h表示信道在 多普勒域的系数，根据步骤(2)能够计算得到l^维向量y:uh + z时，式中， u为感知矩阵，其元素为信道频域系数和信道多普勒域系数之间转换的参数，z 为噪声向量。
再介绍本发明方法在用于包括MIMO的集中式天线或CoMP的分布式天线 的多天线系统中的、在时延域稀疏的频率选择性信道时的具体操作步骤
(1 )每个发送天线都发送导频符号iV ,式中，下标(/,"e^， W是对每 个发送天线发送的OFDM符号时频域进行欠采样的格点子集，即插入的导频符 号的位置集合；/和A分别表示在时间轴和频率轴上的格点索引；所述插入的导 频符号应均匀分布在时频域中，且应保证该导频符号的个数IW & cxlog5 Fx", 式中，IA表示集合W中的元素个数，c为常数，F为信号收发空间的自由度， D为信道的稀疏度。
(2)对于第，个发送天线发送的导频符号;^，在第y个接收天线得到相应
的接收符号为、,=///^/4+^4，式中，自然数/是发送天线的序号，其取值范
围为[l， M];自然数)是接收天线的序号，其取值范围为[l, 7V]; //,,为在频域的信道实际数值，、，为加性高斯白噪声；这样得到第/个发送天线和第/个 接收天线之间、导频符号位置处的信道在其频域的估计值为
，1=1 = /^+，，其中，A,是插入的导频符号的位置集合(/，/t)e^中的格
' /V ' P" '"
点位置处的信道估计值。
(3) 将得到的信道估计值4,排列为l们维的向量y;再令h表示信道在时
延域的系数，则根据步骤(2)能够计算得到l^维向量y^Uh + z,式中，U为 感知矩阵，其元素为傅立叶变换的参数，z为噪声向量。
(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩 感知重建算法中的l-范数方法求解得到h;该求解计算方法为满足y二Uii + z，
并且具有最小lliill,的fi作为h的解，其中iifiii,表示ii的l-范数。
(5) 利用傅立叶变换，将信道在时延域的系数h变换到频域的信道估计值， 从而完成第/个发送天线和第j个接收天线之间的信道估计。
本发明方法在用于MIMO的集中式天线或CoMP的分布式天线的多天线系 统中的、在多普勒域稀疏的频率选择性信道时的操作步骤与该方法在上述用于 MiMO的集中式天线或CoMP的分布式天线的多天线系统中的、在时延域稀疏 的频率选择性信道时的操作步骤基本相同，不再详述；只是其中步骤(3)中， h表示信道在多普勒域的系数，根据步骤(2 )能够计算得到i矽i维向量y = Uh + z 时，式中，U为感知矩阵，其元素为信道频域系数和信道多普勒域系数之间转 换的参数，z为噪声向量。
本发明方法能够用于包括长期演进LTE ( Long Term Evolution )和全球微波 4妾入互才喿作性WiMax ( World Interoperability for Microwave Access )的宽带移动 通信系统的信道估计。
本发明已经进行了多次实施试验，下面介绍本发明方法的两个试验实施例。
第一个实施例给出了在单天线系统中、时延域稀疏的选择性信道的估计结 果。利用LTE协议所使用的信道模型(参见《3GPP TR 25.996 v6.1.0》，刊于http:〃www.3gpp.org),采用空间信道模型SCM ( Spacial Channel Model)链路参 数中车载情况对应的信道；即考虑信道有6径，对应的相对路径功率分別为[O.O， -1.0, -9.0, -10.0, -15.0, -20.0]dB，对应的时延分别为[O， 310， 710, IO卯，1730, 2510]ns。每个发送的OFDM符号包括2048个子栽波，其中可用于数据发送的 子载波为1320个。设定带宽为『=20MHz ，时间长度为r = 1ms,即LTE标准中 的14个OFDM符号的持续长度。
在实施试验中，分别给出了传统LS估计方法和本发明两种测试情况的均 方误差(MSE， mean square error)对比。在LS方法中，间隔6个子载波插一 个导频符号。而在本发明的两种测试情况中，分别在频域间隔12个子载波插一 个导频符号和间隔8个子载波插一个导频符号。这样在总共的2048个子载波中， LS方法的导频占用了 220个子载波；而本发明第一种情况的导频占用了 110个 子载波，第二种情况的导频占用了 160个子载波。仿真的信噪比从0dB到10dB。
图8是第一个实施例对应的仿真结果。纵坐标为估计出的信道值和实际信 道值两者之间的MSE,以对应的log形式表示。虚线所示是传统的LS方法， 实线所示是本发明中的CS方法。其中，带有的曲线对应的是间隔12个 子载波插入导频的MSE性能，带有"+"的曲线对应的是间隔8个子载波插入 导频的MSE性能。可以看出，CS方法的曲线和LS方法的曲线非常接近，且 插入导频越多越接近。因此，利用信道的稀疏性来设计信道估计方法可以降低 所需导频数，并且保证了信道估计的性能。
第二个实施例给出了在单天线系统中、时延-多普勒域稀疏的双选#^生信道 的估计结果。设定带宽为^^45KHz,时间长度为J^45ms。考虑信道有22径， 其在时延-多普勒域的位置随机产生，且幅度服从高斯分布。子载波在45*45的 OFDM时频块里随机插入，子载波总数为2025个。在LS方法中插入225个导 频，而CS方法中插入135个导频。
图9是第二个实施例对应的仿真结果。虚线表示传统的LS方法，实线 表示本发明中的CS方法。可以看出，在双选择性的稀疏信道中，利用压缩 感知技术来估计信道不仅降低了导频数，而且还提高了估计的性能。
权利要求
1、一种用于宽带移动通信系统中利用压缩感知减少导频个数的信道估计方法，其特征在于该方法基于压缩感知技术中利用较少测量值能够恢复稀疏信号的原理，以及基于宽带移动通信系统中信道的稀疏特点，降低系统估计信道时所需的导频符号个数；所述方法包括下列操作步骤(1)在发送端发送导频符号pl，k，式中，下标(l，k)∈υ，υ是对正交频分复用OFDM符号时频域进行欠采样的格点子集，即插入的导频符号的位置集合；l和k分别表示在时间轴和频率轴上的格点索引；所述插入的导频符号应均匀分布在时频域中，且应保证该导频符号的个数|υ|≥c×log5F×D，式中，|υ|表示集合υ中的元素个数，c为常数，F为信号收发空间的自由度，D为信道的稀疏度；(2)对于发送的导频符号pl，k，在接收端得到相应的接收符号为xl，k＝Hl，kpl，k+zl，k，式中，Hl，k为在频域的信道实际数值，zl，k为加性高斯白噪声；这样得到导频符号位置处的信道在其频域的估计值为<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><msub> <mover><mi>H</mi><mo>^</mo> </mover> <mrow><mi>l</mi><mo>,</mo><mi>k</mi> </mrow></msub><mo>=</mo><mfrac> <msub><mi>x</mi><mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi></mrow> </msub> <msub><mi>p</mi><mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi></mrow> </msub></mfrac><mo>=</mo><msub> <mi>H</mi> <mrow><mi>l</mi><mo>,</mo><mi>k</mi> </mrow></msub><mo>+</mo><mfrac> <msub><mi>z</mi><mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi></mrow> </msub> <msub><mi>p</mi><mrow> <mi>l</mi> <mo>,</mo> <mi>k</mi></mrow> </msub></mfrac><mo>,</mo> </mrow>]]></math> id="icf0001" file="A2009100794410002C1.tif" wi="46" he="10" top= "159" left = "19" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>其中， id="icf0002" file="A2009100794410002C2.tif" wi="6" he="5" top= "160" left = "83" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>是插入的导频符号的位置集合(l，k)∈υ中的格点位置处的信道估计值；(3)将得到的信道估计值 id="icf0003" file="A2009100794410002C3.tif" wi="6" he="5" top= "184" left = "86" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>排列为|υ|维的向量y；令h表示信道在时延-多普勒域、时延域或多普勒域的系数，则根据步骤(2)能够计算得到|υ|维向量y＝Uh+z，式中，U为感知矩阵，z为噪声向量；(4)根据步骤(3)的接收向量y以及U，并考虑到h的稀疏性，利用压缩感知重建算法中的1-范数方法求解得到信道在时延-多普勒域、时延域或多普勒域的系数h；该求解计算方法为满足<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><mi>y</mi><mo>=</mo><mi>U</mi><mover> <mi>h</mi> <mo>~</mo></mover><mo>+</mo><mi>z</mi><mo>,</mo> </mrow>]]></math> id="icf0004" file="A2009100794410002C4.tif" wi="21" he="4" top= "235" left = "102" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>并且具有最小 id="icf0005" file="A2009100794410002C5.tif" wi="7" he="4" top= "235" left = "157" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>的 id="icf0006" file="A2009100794410002C6.tif" wi="2" he="3" top= "235" left = "172" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>作为h的解，其中的 id="icf0007" file="A2009100794410002C7.tif" wi="7" he="4" top= "245" left = "49" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>表示 id="icf0008" file="A2009100794410002C8.tif" wi="2" he="3" top= "245" left = "68" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>的1-范数；(5)利用傅立叶变换，将信道在时延-多普勒域、时延域或多普勒域的系数h变换到频域的信道估计值，从而完成信道的估计。
2、 根据权利要求1所述的方法，其特征在于所述方法适用于宽带移动通 信系统中兼具下述两种特性的各种组合信道(A) 单天线系统、或集中式多天线系统、或分布式多天线系统；(B) 在时延-多普勒域稀疏的双选择性信道、或在时延域稀疏的频率选择 性信道、或在多普勒域稀疏的时间选择性信道。
3、 根据权利要求1或2所述的方法，其特征在于所述方法在用于单天线 系统中的、在时延-多普勒域稀疏的双选择性信道时，包括下列操:作步骤(1 )在发送端发送导频符号Aj ,式中，下标(/,"e^， W是对正交频分 复用OFDM符号时频域进行欠采样的格点子集，即插入的导频符号的位置集 合；/和/t分别表示在时间轴和频率轴上的格点索引；所述插入的导频符号应均 匀分布在时频域中，且应保证该导频符号的个数l们^cxlog5Fx"，式中，Kl表 示集合W中的元素个数，c为常数，F为信号收发空间的自由度，Z)为信道的稀 疏度；(2) 对于发送的导频符号Pa,在接收端得到相应的接收符号为 x"二^u/^+、p式中，/^为在频域的信道实际数值，r"为加性高斯白噪 声；这样得到导频符号位置处的信道在其频域的估计值为i^=^ = //,*+，，其中，^是插入的导频符号的位置集合(/J)eW中的格点位置处的信道估计值；(3) 将得到的信道估计值/^排列为l^l维的向量y;令h表示信道在时延 -多普勒域的系数，则根据步骤(2)能够计算得到IW维向量y:Uh + z,式中， U为感知矩阵，其元素为信道频域系数和信道中时延-多普勒域系数之间转换的 参数，z为噪声向量；(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩 感知重建算法中的l-范数方法求解得到信道在时延-多普勒域的系数h;该求解 计算方法为满足y:UJi + z，并且具有最小ii们i,的ii作为h的解，其中的iifiii，表示fi的l-范数；(5 )利用二维傅立叶变换，将信道在时延-多普勒域的系数h变换到频域的 信道估计值，从而完成信道的估计。
4、根据权利要求1或2所述的方法，其特征在于所述方法在用于包括多 输入多输出MIMO的集中式天线或协同多点传输CoMP的分布式天线的多天线 系统中的、在时延-多普勒域稀疏的双选择性信道时，包括下列操作步骤(1 )每个发送天线都发送导频符号Pa ,式中，下标(/,々)eW, W是对每 个发送天线发送的OFDM符号时频域进行欠采样的格点子集，即插入的导频符 号的位置集合；/和A:分别表示在时间轴和频率轴上的格点索引；所述插入的导 频符号应均匀分布在时频域中，且应保证该导频符号的个数I们^ c x log5 F x /), 式中，IW表示集合W中的元素个数，cr为常数，F为信号收发空间的自由度， D为信道的稀疏度；且此时在各个不同发送天线上插入的导频符号序列应呈正 交状态，即每个天线的导频符号在时频域的位置不重叠；(2) 对于第/个发送天线发送的导频符号~ ，在第y个接收天线得到相应的接收符号为:^=///4;^+^4,式中，自然数/是发送天线的序号，其取值范 围为[l， M];自然数y是接收天线的序号，其取值范围为[l, iV]; //,>为在频 域的信道实际数值，、为加性高斯白噪声；这样得到第/个发送天线和第j'个 接收天线之间、导频符号位置处的信道在其频域的估计值为= 其中，戌，是插入的导频符号的位置集合(/,"e^中的格点位置处的信道估计值；(3) 将得到的信道估计值/^排列为l"维的向量y;令h表示信道在时延-多普勒域的系数，则根据步骤(2)能够计算得到l矽l维向量y二Uh + z，式中， U为感知矩阵，其元素为信道频域系数和信道中时延-多普勒域系数之间转换的参数，z为噪声向量；(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩感知重建算法中的l-范数方法求解得到信道在时延-多普勒域的系数b;该求解 计算方法为满足y二uii+z，并且具有最小iiiiii,的ii作为h的解，其中的iifiii，表示&的l-范数;(5 )利用二维傅立叶变换，将信道在时延-多普勒域的系数h变换到频域的 信道估计值，从而完成第/个发送天线和第_/个接收天线之间的信道的估计。
5、根据权利要求1或2所述的方法，其特征在于所述方法在用于单天线 系统中的、在时延域稀疏的频率选择性信道时，包括下列操作步骤(1 )在发送端发送导频符号Pa ，式中，下标(/, W G矽，i 是对OFDM符 号时频域进行欠采样的格点子集，即插入的导频符号的位置集合；/和A分别表 示在时间轴和频率轴上的格点索引；所述插入的导频符号应均匀分布在时频域 中，且应保证该导频符号的个ltl们^cxlog5FxZ)，式中，l侈l表示集合W中的元 素个数，c为常数，F为信号收发空间的自由度，D为信道的稀疏度；(2) 对于发送的导频符号A，P在接收端得到相应的接收符号为 ^t二〃u^a+Z/"式中，〃a为在频域的信道实际数值，2/4为加性高斯白噪 声；这样得到导频符号位置处的信道在其频域的估计值为/^=^ = ///4+^，其中，/^是插入的导频符号的位置集合(/A)eW中的格点位置处的信道估计值；(3) 将步骤(2)的信道估计值7^排列为l们维的向量y;令h表示信道在时延域的系数，则根据步骤(2)能够计算得到l们维向量y二Uh + z,式中，U 为感知矩阵，其元素为傅立叶变换的参数，z为噪声向量；(4) 根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩 感知重建算法中的l-范数方法求解得到信道在时延域的系数h;该求解计算方 法为满足y^:Uii + z，并且具有最小llfill,的Ii作为h的解，其中的llfill,表示ii的l-范数；(5 )利用傅立叶变换，将信道在时延域的系数h变换到频域的信道估计值，从而完成信道的估计。
6、 根据权利要求5所述的方法，其特征在于所述方法在用于单天线系统 中的、在多普勒域稀疏的时间选择性信道时的操作步骤与该方法在用于单天线 系统中的、在时延域稀疏的频率选择性信道时的操作步骤基本相同，只是其中 步骤(3)中，h表示信道在多普勒域的系数，根据步骤(2)能够计算得到l们维向量y二Uh + z时，式中，U为感知矩阵，其元素为信道频域系数和信道多普 勒域系数之间转换的参数，z为噪声向量。
7、 根据权利要求1或2所述的方法，其特征在于所述方法在用于包括 MIMO的集中式天线或CoMP的分布式天线的多天线系统中的、在时延域稀疏 的频率选择性信道时，包括下列操作步骤/ ， 、<S人A ，乂工Z4i丄ir A扁'V—已jtK衬旦 _V r+7-t~ J二 /7 7-、 r —0 r>;j4" "ft—、i 乂 "tg^i—x5^i^八-;^^)i""义izt""r;^"丁， ， -、 t ，「屮j、、t,ft^cv , v可 个发送天线发送的OFDM符号时频域进行欠采样的格点子集，即插入的导频符 号的位置集合；/和A分别表示在时间轴和频率轴上的格点索引；所述插入的导 频符号应均匀分布在时频域中，且应保证该导频符号的个数|们^ cxlog5 F x D ， 式中，WI表示集合W中的元素个数，c为常数，F为信号收发空间的自由度， D为信道的稀疏度；(2 )对于第/个发送天线发送的导频符号，在第j'个接收天线得到相应的接收符号为Xw二H,Jw+Zw,式中，自然数/是发送天线的序号，其取值范围为[l, M];自然数乂是接收天线的序号，其取值范围为[l， 7V]; ///4为在频 域的信道实际数值，zy为加性高斯白噪声；这样得到第/个发送天线和第y个 接收天线之间、导频符号位置处的信道在其频域的估计值为々"=^ = 〃"+1,其中，/^是插入的导频符号的位置集合(/,"e矽中的格点位置处的信道估计值；(3)将得到的信道估计值7^排列为l^维的向量y;令h表示信道在时延域的系数，则根据步骤(2)能够计算得到l^l维向量y-Uh + z,式中，U为感知矩阵，其元素为傅立叶变换的参数，z为噪声向量；(4)根据步骤(3)的接收向量y以及U,并考虑到h的稀疏性，利用压缩 感知重建算法中的l-范数方法求解得到h;该求解计算方法为满足y^uii + z, 并且具有最小lliill,的ii作为h的解，其中iifiii,表示ii的l-范数；(5 )利用傅立叶变换，将信道在时延域的系数h变换到频域的信道估计值， 从而完成第/个发送天线和第/个接收天线之间的信道估计。
8、 根据权利要求7所述的方法，其特征在于所述方法在用于包括MIMO 的集中式天线或CoMP的分布式天线的多天线系统中的、在多普勒域稀疏的频 率选择性信道时的操作步骤与该方法在用于包括MIMO的集中式天线或CoMP 的分布式天线的多天线系统中的、在时延域稀疏的频率选择性信道时的操作步 骤基本相同，只是其中步骤(3)中，h表示信道在多普勒域的系数，根据步骤(2)能够计算得到IW维向量y^Uli + z时，式中，U为感知矩阵，其元素为信 道频域系数和信道多普勒域系数之间转换的参数，z为噪声向量。
9、 根据权利要求1所述的方法，其特征在于所述方法能够用于包括长期 演进LTE和全球微波接入互操作性WiMax的宽带移动通信系统的信道估计。
全文摘要
一种用于宽带移动通信系统中利用压缩感知减少导频个数的信道估计方法，它是基于压缩感知技术中利用较少测量值能够恢复稀疏信号的原理，以及基于宽带移动通信系统中信道的稀疏特性，降低系统估计信道时所需的导频符号个数实现的，并能够保证系统的信道估计性能。该方法能够很好地解决现有技术中的信道估计方式都没有考虑信道的稀疏特性，因而需要较大的导频开销的缺陷，并着重对传统方法进行了下述改进利用信道稀疏性设计一种新的信道估计方法来降低导频数，大大降低系统的能量开销，并保证有效地估计出信道。本发明具有很好的推广应用前景。
文档编号H04L25/03GK101494627SQ20091007944
公开日2009年7月29日 申请日期2009年3月11日 优先权日2009年3月11日
发明者于光炜, 别志松, 徐文波, 凯 牛, 王东昊, 超 董, 贺志强 申请人:北京邮电大学