一种基于迭代的信道估计方法与流程

本发明属于无线通信技术领域，特别涉及无线通信的多小区多用户大规模天线技术，具体是指一种基于迭代的信道估计方法在大规模天线系统中的应用。

背景技术：

mimo(multiple-inputmultiple-output)技术，是指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量的一种多入多处技术。该技术能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量。

而随着无线通信技术的高速发展，传统的mimo技术已经不能满足人们对传输无线数据的要求。因此，多用户多输入多输出(mu-mimo)无线通信系统得到了广泛地应用。mu-mimo是“multi-usermultiple-inputmultiple-output”的缩写，是一种多用户多入多出技术，能让用户的路由器同时与多个设备沟通的技术，其中，上行mu-mimo:不同用户使用相同的时频资源进行上行发送(单天线发送)，从接收端来看，这些数据流可以看作来自一个用户终端的不同天线，从而构成了一个虚拟的mimo系统，即上行mu-mimo；下行mu-mimo:将多个数据流传输给不同的用户终端，多个用户终端以及enb构成下行mu-mimo系统；下行mu-mimo可以在接收端通过消除/零陷的方法，分离传输给不同用户的数据流；下行mu-mimo还可以通过在发送端采用波束赋形的方法，提前分离不同用户的数据流，从而简化接收端的操作。这一技术能够在多个小区多个用户同时通信的同时保证无线数据传输的速率和准确率。然而，mu-mimo无线通信系统相比于传统的mimo系统，还存在着信道状态信息的随机性以及小区间用户的干扰等缺陷问题。

在上行多小区多用户mimo系统中，一般情况下，基站通过本小区不同用户发送各自的训练序列进行信道估计，在信道估计和检测中会存在严重的训练和信息序列互扰，使得信道估计和系统性能下降。因此，怎样通过更好的估计方法来提高信道估计准确性对系统性能的改善有着重大意义。

技术实现要素：

针对现有的信道估计精度不足，本发明提出了一种基于迭代的信道估计方法，用于上行多小区多用户大规模天线系统中。在本发明中，接收端通过接收的导频序列获得估计信道，并用最小均方误差(mmse)进行解码，从解码信号中筛选出符合条件的信号并添加到原导频序列中，组成新的导频序列，重新对信道进行估计。

本发明采取如下技术方案：

一种基于迭代的信道估计方法，其特征在于，包括如下步骤：

步骤一，设计发送与接收信号方程，包括创建训练矩阵及与训练矩阵对应的接收信号；

步骤二，基于迭代的信道估计，利用步骤一的方程重新估计信道。

进一步的，所述步骤一中，创建训练矩阵包括：

1.1设定训练序列，假定系统有l个小区，每个小区有一个基站和k个用户，每个基站配有m根天线，且小区之间存在同频干扰。假定第l个小区的第k个用户先发送长度为τ的训练序列φlk＝(φlk,1,φlk,2,…,φlk,τ)，其中φlk,1,φlk,2,…,φlk,τ，k＝1,2,…,k是第l个小区的第k个用户分别在第1,2,…,τ时刻发送的训练符号；l＝1,2,...,l；l≥1、k≥1、m≥1，且取自然数(整数)，τ＞0。

1.2得出lk×τ的训练矩阵，令为k×τ矩阵，则φ＝(φ1,φ2,…,φl)^h为lk×τ的训练矩阵，其中上标h表示向量或矩阵的转置。

进一步的，所述步骤一中，训练矩阵对应的接收信号的创建包括

1.3创建信号矩阵x，假设信道的相干时间为t，在相干时间内，发送端每个用户发送t个数据信息。则相干时间内，发送端发送kl×t维的信号矩阵x，即x＝(x1,x2,…,xt)；其中，表示第t时刻发送端kl个用户发送的信号，0≤t≤t，t＞0；

1.4信道环境不变，假设第1个基站中与φ和x对应的接收信号分别为：

其中，h＝[h1,h2,…,hl]，hl表示第l个基站中的用户到第1个基站天线的信道增益，显然hl为m×k的矩阵；b＝diag[b1,b2,…,bl]，其中bl为k×k的对角矩阵，表示第l个基站中的用户到第1个基站天线的大尺度衰弱因子；y＝(y1,y2,…,yt)表示m×t维的矩阵，yt表示第t时刻基站端接收到的m×1维信号向量，其中，t＝1,2,…,t；w0和w1均表示高斯白噪声，ρ0和ρ1均为信噪比。

更进一步的，所述lk×τ的训练矩阵φ＝[ikik…ik]^h，φ中包含l个ik，每个ik表示k阶单位阵。

进一步的，所述步骤二包括：

2.1首次估计信道，根据发送的训练矩阵φ和相应的接收信号y0，用mmse估计方法估计信道h；

2.2用mmse解码方法在接收端对接收信号进行解码，由估计信道可得到解码滤波矩阵；

2.3解码信号筛选，筛选出m个时刻前l-1个小区的信号矩阵，其中m＞0，得到接收信号矩阵；

2.4重新估计信道，mmse准则估计信道得到新的信道矩阵，

2.5利用重新估计的信道进行基于迭代信道的mmse解码。

更进一步的，所述步骤2.1具体为：

根据发送的训练矩阵φ和相应的接收信号y0，用mmse估计方法估计信道h，可得估计信道：

其中为m×lk的矩阵，令其中为m×k的矩阵。

更进一步的，所述步骤2.2具体为：

用mmse解码方法在接收端对接收信号进行解码，由估计信道可得到解码滤波矩阵为：

其中：σ²＝1+ρ1tr(ba^-1b)。在相干时间t内，接收端通过mmse准则可以得到t组前l-1个小区的解码信号。

更进一步的，所述步骤2.3具体为：利用解码信号的筛选准则对信号进行筛选，经过信号的筛选，假设可以筛选出m个时刻前l-1个小区的信号矩阵，并用前l-1个小区的信号去估计第l个小区信号，在ti时刻，在接收信号中减去前l-1个小区的估计接收信号得到第l个小区的估计接收信号可以表示为：

则估计出的第l个小区发送信号信息：

可以以获得kl×m维信号矩阵及相对应的m×m维接收信号矩阵记：

其中，xl,i＝(xl1,i,xl2,i,…,xlk,i)^h，i＝t1,t2,…,tm，l＝1,2,…,l。

更进一步的，所述步骤2.3中解码信号的筛选，利用的筛选准则为

准则一，发送端不同小区用户信号取自同一星座qpsk，

且在第t时刻，

或者，

准则二，发送端相邻小区用户信号分别取自星座图qpsk，qpsk1，

qpsk1＝exp(jπ/4)×qpsk，

更进一步的，所述步骤2.4具体为：从筛选出的m个时刻信号矩阵中选出s列和矩阵φ组成新的训练序列矩阵f，使矩阵f秩为最大，并将对应s个时刻的接收信号矩阵和矩阵y0组成新的接收矩阵y00。重新用mmse准则估计信道得到新的信道矩阵：

由估计信道可得mmse解码滤波矩阵为：

更进一步的，所述步骤2.5具体为：用新估计的信道矩阵和新的解码滤波矩阵gdmmse进行解码，则第一个小区的第k个用户的mmse解码可以表示为：

其中，

本发明的有益效果：与现有的基于导频序列的信道估计相比，本发明提出的信道估计方法提高了信道估计准确性，其复杂度略高，但本发明有极好的信道估计精度，并大幅度提高了系统性能。

附图说明

图1为实施例2的条件下关于信道估计误差的仿真图；

图2为实施例2的条件下关于信道估计性能的仿真图。

具体实施方式

下面结合附图对本发明优选实施例作详细说明，使得本方案更加清楚明白。

实施例1

本实施例公开了一种在涉及无线通信的多小区多用户大规模天线应用的基于迭代的信道估计方法，该方法具体包括以下步骤：

一.设计发送与接收信号方程

假定系统有l个小区，每个小区有一个基站和k个用户，每个基站配有m根天线，且小区之间存在同频干扰。假定第l个小区的第k个用户先发送长度为τ的训练序列，即φlk＝(φlk,1,φlk,2,…,φlk,τ)，其中φlk,1,φlk,2,…,φlk,τ，k＝1,2,…,k是第l个小区的第k个用户分别在第1,2,…,τ时刻发送的训练符号。令为k×τ矩阵，φ＝(φ1,φ2,…,φl)^h为lk×τ的训练矩阵，上标h表示向量或矩阵的转置(以下同)。然后假设信道的相干时间为t，在相干时间内，发送端每个用户发送t个数据信息。则相干时间内，发送端发送kl×t维的信号矩阵x，即x＝(x1,x2,…,xt)。其中，表示第t时刻，发送端kl个用户发送的信号。由于信道环境不变，假设第1个基站中与φ和x对应的接收信号分别为：

其中，h＝[h1,h2,…,hl]，hl表示第l个基站中的用户到第1个基站天线的信道增益，显然hl为m×k的矩阵。b＝diag[b1,b2,…,bl]，其中bl为k×k的对角矩阵，表示第l个基站中的用户到第1个基站天线的大尺度衰弱因子。y＝(y1,y2,…,yt)表示m×t维的矩阵，yt表示第t时刻基站端接收到的m×1维信号向量，其中，t＝1,2,…,t。在本发明中，令φ＝[ikik…ik]^h，φ中包含l个ik，每个ik表示k阶单位阵(以下同)。w0和w1均表示高斯白噪声。ρ0和ρ1均为信噪比。

为了提高信道估计准确性，本发明通过将解码信号筛选后添加到训练序列中，提出一种基于迭代的信道估计方法。具体如下所述：

二.基于迭代的信道估计，包括以下5个步骤，

1.首次估计信道

根据发送的训练矩阵φ和相应的接收信号y0，用mmse估计方法估计信道h，可得估计信道：

其中为m×lk的矩阵。令其中为m×k的矩阵。

2.接收端解码

用mmse解码方法在接收端对接收信号进行解码，由估计信道可得到解码滤波矩阵为：

其中：σ²＝1+ρ1tr(ba^-1b)。在相干时间t内，接收端通过mmse准则可以得到t组前l-1个小区的解码信号。

3.解码信号筛选

本发明中将提出两种发送端星座图选择方法。第一种方法中，发送端不同小区用户信号取自同一星座qpsk。第二种方法中，发送端相邻小区用户信号分别取自星座图qpsk，qpsk1。其中：

qpsk1＝exp(jπ/4)×qpsk

且在第t时刻，方法1中的用户信号筛选准则为：

而方法2对于解码信号的筛选准则为：

经过信号的筛选，假设可以筛选出m个时刻前l-1个小区的信号矩阵，并用前l-1个小区的信号去估计第l个小区信号，在ti时刻，在接收信号中减去前l-1个小区的估计接收信号得到第l个小区的估计接收信号可以表示为：

则估计出的第l个小区发送信号信息：

因此可以以获得kl×m维信号矩阵及相对应的m×m维接收信号矩阵记：其中，

xl,i＝(xl1,i,xl2,i,…,xlk,i)^h

i＝t1,t2,…,tm，l＝1,2,…,l。

4.重新估计信道

从筛选出的m个时刻信号矩阵中选出s列和矩阵φ组成新的训练序列矩阵f，使矩阵f秩为最大，并将对应s个时刻的接收信号矩阵和矩阵y0组成新的接收矩阵y00。重新用mmse准则估计信道得到新的信道矩阵：

由估计信道可得mmse解码滤波矩阵为：

5.基于迭代信道的mmse解码

用新估计的信道矩阵和新的解码滤波矩阵gdmmse进行解码，则第一个小区的第k个用户的mmse解码数据可以表示为：

其中，

实施例2

参考附图1是在m＝128，不同信道估计下的信道估计误差比较的仿真图，图2是m＝128，不同信道估计下平均误码率的比较仿真图。

本实施例公开了一种在涉及无线通信的多小区多用户大规模天线应用的基于迭代的信道估计方法，该方法具体包括以下步骤：

一.设计发送与接收信号方程

假定系统有3个小区，每个小区有一个基站和3个用户，每个基站配有128根天线，且小区之间存在同频干扰。假定第l个小区的第k个用户先发送长度为τ＝3的训练序列，即φlk＝(φlk,1,φlk,2,φlk,3)，令为3×3矩阵，φ＝(φ1,φ2,φ3)^h为9×3的训练矩阵，上标t表示向量或矩阵的转置(以下同)。然后假设信道的相干时间为t＝128，在相干时间内，发送端每个用户发送128个数据信息。则相干时间内，发送端发送9×128维的信号矩阵x，即x＝(x1,x2,…,x128)。其中，表示第t时刻，发送端9个用户发送的信号。由于信道环境不变，假设第1个基站中与φ和x对应的接收信号分别为：

其中，h＝(h1,h2,h3)，h1，h2，h3都是128×3的矩阵。b＝diag(b1,b2,b3)，b1，b2，b3都是3×3的对角矩阵，y＝(y1,y2,…,y128)表示128×128维的矩阵，yt表示第t时刻基站端接收到的128×1维信号向量。在本发明中，令φ＝(i3,i3,i3)^h。w0和w1均表示高斯白噪声。ρ0和ρ1均为信噪比。

二.基于迭代的信道估计

1.估计信道

根据发送的训练矩阵φ和相应的接收信号y0，用mmse估计方法估计信道h，可得估计信道

其中为128×9的矩阵。令其中为128×3的矩阵。

2.接收端解码

用mmse解码方法在接收端对接收信号进行解码，由估计信道可得到解码滤波矩阵为：

则第t时刻,第一个小区第k个用户的mmse解码可以表示如下：

而第二个小区的第k个用户的mmse解码可以表示为：

在相干时间t内，接收端通过mmse准则可以得到128组前两个小区的解码信号。

3.解码信号筛选

本发明中将提出两种发送端星座图选择方法。第一种方法中，发送端不同小区用户信号取自同一星座qpsk。第二种方法中，发送端相邻小区用户信号分别取自星座图qpsk，qpsk1。其中：

qpsk1＝exp(jπ/4)×qpsk。

且在第t时刻，方法1中的用户信号筛选准则为：

即前2个小区中第k个用户解码的信号都相同。而方法2对于解码信号的筛选准则为：

经过信号的筛选，假设可以筛选出m个时刻前2个小区的信号矩阵，并用前2个小区的信号去估计第3个小区信号，在ti时刻，在接收信号中减去前2个小区的估计接收信号得到第3个小区的估计接收信号可以表示为：

则估计出的第3个小区发送信号信息：

因此可以获得kl×m维信号矩阵及相对应的m×m维接收信号矩阵记：

其中，

xl,i＝(xl1,i,xl2,i,…,xlk,i)^h

i＝t1,t2,…,tm，l＝1,2,…,l。

4.基于迭代的信道估计

从筛选出的m个时刻信号矩阵中选出s列和矩阵φ组成新的训练序列矩阵f，使矩阵f秩为最大，并将对应s个时刻的接收信号矩阵和矩阵y0组成新的接收矩阵y00。重新用mmse准则估计信道得到新的信道矩阵：

由估计信道可得mmse解码滤波矩阵为：

5.基于迭代信道的mmse解码

用新估计的信道矩阵和新的解码滤波矩阵gdmmse进行解码，则第一个小区的第k个用户的mmse解码可以表示为：

其中，

如图1所示，是在上述实施例2的条件下，关于信道估计误差的仿真图。从图1中可以看出，本发明提出的信道估计方法与传统的基于训练序列的信道估计方法相比，本发明中的信道估计方法的提高了信道估计精度，降低了信道估计误差。而方法2可以使迭代后新的训练序列矩阵f达到满秩，继而更加提高信道估计的准确性。如图2所示，是在上述实施例1的条件下，关于系统性能的仿真图,系统性能用目标小区用户解码平均错误概率做依据。从图2中可以看出，由于本发明中的信道估计方法提高了信道估计的准确性，继而提高了系统性能，降低了解码误码率，而方法2下，由于迭代估计过程中导频序列达到满秩，系统性能有了极大地提高。

本领域的普通技术人员应当认识到，以上实例仅用来说明本发明，而并非作为对本发明的限定，只要在本发明的范围内，对以上实例的变化，变形都将落在本发明的保护范围。