一种低复杂度大规模MIMO信道估计方法与流程

技术特征：

1.一种低复杂度大规模MIMO信道估计方法，其特征在于该方法包括：

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。

2.根据权利要求1所述的低复杂度大规模MIMO信道估计方法，其特征在于：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)，P^T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)。

3.根据权利要求2所述的低复杂度大规模MIMO信道估计方法，其特征在于：所述MMSE算法得到的信道估计值为：

${\hat{h}}_{mmse}=\stackrel{\‾}{h}+R{\tilde{P}}^H{(\tilde{P}R{\tilde{P}}^H+S)}^{-1}(y-\tilde{P}\stackrel{\‾}{h}-\stackrel{\‾}{n})$

式中，表示的共轭。

4.根据权利要求2所述的低复杂度大规模MIMO信道估计方法，其特征在于：所述MMSE算法得到的估计误差为：

式中，tr(·)表示矩阵的迹。

5.根据权利要求2所述的低复杂度大规模MIMO信道估计方法，其特征在于：所述最终的信道估计结果为：

${\hat{h}}_{Kapteyn-mmse}=\stackrel{\‾}{h}+R\tilde{P}\underset{n=0}{\overset{N}{\Σ}}{\mathrm{\αw}}_n{X}^n\underset{k=0}{\overset{K}{\Σ}}{J}_n\left(k\right)X^{2k}(y-\tilde{P}\stackrel{\‾}{h}-\stackrel{\‾}{n})$

式中，λ_n表示矩阵的n阶特征值，

Xⁿ表示X的n次方，N表示矩阵展开的阶数，K≤N。

6.根据权利要求5所述的低复杂度大规模MIMO信道估计方法，其特征在于：所述最终的信道误差为：

${\mathrm{MSE}}_{Kapteyn-mmse}=tr(R+R{\tilde{P}}^H{B}_N(\tilde{P}R{\tilde{P}}^H+S)B_N^H\tilde{P}R-2R{\tilde{P}}^H{B}_N\tilde{P}R)$

式中，