一种低复杂度大规模MIMO信道估计方法与流程

本发明涉及无线通信
技术领域：
，尤其涉及一种低复杂度大规模MIMO信道估计方法。
背景技术：
：多输入多输出(multiple-inputmultiple-output，MIMO)技术是下一代移动通信核心技术，其核心思想是在收发端分别采用多根天线进行信号的发送和接收，在保持高频谱效率的同时大幅度提高信号传输质量。传统小规模MIMO系统不能满足当今通信技术的高速发展，促使大规模MIMO通信技术快速发展。在大规模MIMO系统中，基站通过装备大量天线为移动用户提供更高的频谱效率、数据传输速率和吞吐量以及更好的通信质量。然而当天线数目越来越大时，现有小规模MIMO系统的一些算法已不能在大规模MIMO中适用，如何降低算法复杂度是解决大规模MIMO技术的关键难题。对降低大规模MIMO系统复杂度的研究是很有必要的。目前大量文献对大规模MIMO系统低复杂度进行研究，其中在高效信道估计上，现有的文献大都采用的是最小均方误差(minimummeansquareerror，MMSE)对信道进行估计，然而采用MMSE算法需要对高维矩阵求逆导致复杂度变高，因此研究如何通过截短级数来避免矩阵求逆运算来降低复杂度，从而获取准确的信道状态信息(channelstateinformation，CSI)是一个必须解决的课题。高效的获取CSI是大规模MIMO系统性能优势的一个关键问题，大量学者对TDD大规模MIMO系统中上行链路进行了深入研究：移动用户向基站发射训练信号，基站接收到信号后采用MMSE算法对上行链路的CSI进行估计，然后基站将上行链路得到估计值的共轭转置作为下行链路的CSI，相对于基站天线数而言移动用户数量较少。同时由于多蜂窝系统中采用非正交训练信号进行信道估计时会产生导频污染，导频污染进而影响CSI估计的精度。现有文献采用频域/时域复用技术抑制导频污染，但在估计CSI时利用MMSE算法需要对高维矩阵求逆，导致复杂度很高，如何避免矩阵求逆来进行CSI估计，缺乏对这方面的研究。技术实现要素：发明目的：本发明针对现有技术存在的问题，提供一种低复杂度大规模MIMO信道估计方法。技术方案：本发明所述的低复杂度大规模MIMO信道估计方法包括：建立向量形式的MIMO信道模型；根据建立的MIMO信道模型，利用MMSE算法对信道矩阵进行估计，得到信道估计值以及与真实的信道矩阵的估计误差；对信道估计值采用Kapteyn级数多项式展开，并对级数进行截短，得到最终的信道估计结果和估计误差。进一步的，所述建立向量形式的MIMO信道模型，具体包括：建立MIMO信道模型为：Y＝HP+N；式中，Y表示接收矩阵，H表示信道矩阵，且·～CN(*,Δ)表示·服从均值为*方差为Δ的高斯分布，vec(·)表示矩阵·的向量形式，表示H的均值矩阵，R表示信道协方差矩阵，P表示发射导频矩阵，N表示噪声矩阵，且表示N的均值矩阵，S表示噪声协方差矩阵；采用向量化算子将建立的信道模型向量化，得到向量形式：式中，y＝vec(Y)，PT表示P的转置矩阵，I表示单位矩阵，表示Kronecker乘积，h＝vec(H)，n＝vec(N)。进一步的，所述MMSE算法得到的信道估计值为：h^mmse=h‾+RP~H(P~RP~H+S)-1(y-P~h‾-n‾)]]>式中，表示的共轭。进一步的，所述MMSE算法得到的估计误差为：式中，tr(·)表示矩阵的迹。进一步的，所述最终的信道估计结果为：h^Kapteyn-mmse=h‾+RP~Σn=0NαwnXnΣk=0KJn(k)X2k(y-P~h‾-n‾)]]>式中，λn表示矩阵的n阶特征值，wn=ΔQ0(I),n=02Qn(I),n=1,2,...,Qn(I)=Σm=0[n-12]2n-2m-1·(n-2m)2(n-m-1)!m!nn-2m+1In-2m+1,X=I-α(P~RP~H+S),]]>Xn表示X的n次方，N表示矩阵展开的阶数，K≤N。进一步的，所述最终的信道误差为：MSEKapteyn-mmse=tr(R+RP~HBN(P~RP~H+S)BNHP~R-2RP~HBNP~R)]]>式中，有益效果：本发明与现有技术相比，其显著优点是：本发明利用截短Kapteyn级数来代替MMSE估计算法中矩阵逆的计算，从而实现低复杂度的信道估计，同时可以获得比Taylor级数来代替MMSE估计算法中矩阵求逆计算更快的收敛速率。附图说明图1为本发明的大规模MIMO系统模型实物图；图2为本发明在不同场景下与Taylor-MMSE和MMSE算法的MSE与多项式阶数之间的关系图；图3为本发明在不同场景下与Taylor-MMSE和MMSE算法的MSE与SNR之间的关系图。具体实施方式本实施例的低复杂度大规模MIMO信道估计方法具体包括以下步骤：S1、建立向量形式的MIMO信道模型。假设大规模MIMO信道模型中，基站装备Nr根接收天线，发射端装备Nt根天线，如图1所示。则S1具体包括：S11、建立MIMO信道模型为：Y＝HP+N；式中，Y表示接收矩阵，表示信道矩阵，且·～CN(*,Δ)表示·服从均值为*方差为Δ的高斯分布，vec(·)表示矩阵·的向量形式，表示H的均值矩阵，说明可能存在视距传播，表示信道协方差矩阵，且是半正定的，表示发射导频矩阵，B表示导频序列的长度，通常满足B≥Nt2，表示噪声矩阵，服从循环复高斯白噪声分布，且表示N的均值矩阵，表示噪声协方差矩阵，通常表示接收机噪声干扰和来自其他相关发射机干扰，后者在大量文献中常被称为导频污染；S12、采用向量化算子将建立的信道模型向量化，得到向量形式：式中，y＝vec(Y)，PT表示P的转置矩阵，I表示单位矩阵，表示Kronecker乘积，h＝vec(H)，n＝vec(N)。S2、根据建立的MIMO信道模型，利用MMSE算法对信道矩阵进行估计，得到信道估计值以及与真实的信道矩阵的估计误差。其中，得到的信道估计值为：式中，表示的共轭。估计误差为：式中，tr(·)表示矩阵的迹。如果接收机已获取信道和噪声的统计特性，根据上式可计算得到不足的是涉及到矩阵的求逆运算该运算的计算复杂度很高，导致不能快速计算得到S3、对信道估计值采用Kapteyn级数多项式展开，并对级数进行截短，得到最终的信道估计结果和估计误差。具体的，S3具体步骤为：依据Kapteyn级数定义，对于任何正定矩阵对所有m∈M，如果矩阵的特征值|λm(X)|＜1，有式中，为了将式1写成求和形式以及将按照定义展开，化简得到式中同理，根据式1，可得到如下计算公式：式3中E为误差项，N表示矩阵展开的阶数，K≤N，在N→∞,K→∞时，E→0。然后利用式3，将展开，得到基于Kapteyn级数展开的低复杂度信道估计，估计结果如下：式中根据式4，利用计算得到如下MSE计算公式：式中由于α决定多项式展开的收敛速度，本文选择λn表示矩阵的n阶特征值，使得矩阵的谱半径最小，从而获得更快的收敛率。为了验证本发明的性能，将基于Kapteyn级数多项式展开的本发明与Taylor-MMSE和MMSE算法分别对比，分析截短多项式及其阶数因子对复杂度的影响，对比结果如图2和图3所示，可以看出，本发明的性能优于Taylor-MMSE和MMSE算法。以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。当前第1页1 2 3