本发明涉及一种毫米波mimo信道估计方法,具体而言,涉及一种多天线面板结构的毫米波mimo信道估计方法,属于毫米波通信技术领域。
背景技术:
在现有的大规模mimo(multiple-inputmultiple-output)系统中,基站端配有大量天线,相邻天线之间的距离较小。为了保证各天线之间的独立性,可以采用波长更短的毫米波作为信号载体进行数据传输。
这种毫米波大规模mimo系统主要采用全连接和部分连接两种天线连接结构。其中,全连接结构是指每一个射频链路与所有阵列天线相连接。与全连接结构相比,部分连接结构的硬件复杂度更低,该结构是指大规模天线阵列被划分成了多个子阵列,每一个子阵列分别与一个射频链路相连接。近些年,出于进一步降低系统硬件成本的考虑,研究者在毫米波部分连接结构的基础上又提出了集成天线技术(antennainpackage),即在天线端使用多个天线面板,每个天线面板分别集成多根天线,这种结构被称为多天线面板结构(multi-panelantennaarray)。
信道估计是毫米波系统进行有效通信和预编码的基础,由于多天线面板结构的毫米波mimo系统中基站端的天线数目庞大,且各天线面板间与用户间信号的有效路径发射角各不相同,因此也就导致各个天线面板与用户间的信道信息存在一定差异,从而使得传统的毫米波系统的信道估计方法无法直接使用于多天线面板结构的毫米波mimo系统。
综上所述,如何在现有技术的基础上提出一种针对多天线面板结构的毫米波mimo系统的快速、精确、复杂度低的信道估计方法也就成为了目前业内研究人员亟待解决的问题。
技术实现要素:
鉴于现有技术存在上述缺陷,本发明的目的是提出一种多天线面板结构的毫米波mimo信道估计方法,包括如下步骤:
s1、构建采用部分连接结构的多天线面板的毫米波mimo系统,系统包括基站发射端以及用户接收端;
s2、各天线面板分别在多个时隙内向所述用户接收端发射导频序列;
s3、所述用户接收端接收各天线面板在不同时隙下发送的信号对接收信号分块存储;
s4、所述用户接收端使用联合压缩感知算法对各天线面板的信道进行联合恢复。
优选地,s1具体包括如下步骤:
构建采用部分连接结构的多天线面板的毫米波mimo系统,系统包括基站发射端以及用户接收端,所述基站发射端配有np个天线面板,每根射频链通过nα个相位变换器与各天线面板相连,且各天线面板间存在物理间隔,所述用户接收端为单天线结构。
优选地,s2具体包括如下步骤:
将连续m个时隙定义为一个时间块t,在每个时间块t中,仅有一个天线面板向所述用户接收端发送导频序列{si:si=1,i=1,2,…m},np个天线面板依次在np个时间块内向所述用户接收端发送导频。
优选地,s3包括如下步骤:
所述用户接收端在一个时间块t中的接收信号为
优选地,s3具体包括如下步骤:
s31、将用户接收端在第(i-1)×m+j个时隙内的接收信号表示为
y((i-1)×m+j)=hitfjsj+n,
其中,y((i-1)×m+j)为第(i-1)×m+j个时隙内的接收信号,
其中,hi为第i个天线面板与用户间的信道信息,αl为第i个天线面板与用户间的第l个散射信道的信道增益,
其中,a(θl)为导向矢量,
s32、基站发射端在任意时间块内所使用的预编码矩阵相同,则用户接收端在第i个时间块内的接收信号可以表示为
yit=hitf+nt,
其中,
s33、用户接收端在np个时间块内接收的信号为
用户接收端将接收信号y分块存储为
s34、根据用户接收端接收信号的存储形式,将np个时间块内的接收信号表示为
y=fth+n,
其中,
s35、将第i个天线面板与用户接收端间信道向量hi之间的关系表示为
hi=aξ,
其中,a=[a(θ1)a(θ2)…a(θl)]、为l个散射信道的导向矢量的合并矩阵,ξ=[α1α2…αl]t、为l个散射信道的信道增益的向量;
s36、综合上述步骤,np个时间块内的接收信号可重新表示为
y=fth+n=ftadz+n。
优选地,s4包括如下步骤:
所述用户接收端使用所述基站发射端的预编码矩阵作为观测矩阵,角度码本作为稀疏基,利用不同天线面板的信道向量间存在相同的稀疏特性的特点,采用联合压缩感知算法对天线面板与用户接收端间的信道进行联合恢复。
优选地,所述联合压缩感知算法包括如下步骤:
首先,用户接收端分别对np个时间块内的接收信号yi分别进行范数计算,以求得最优的接收信号yi;
随后,通过对第i个时间块的信道信息进行估计,得出稀疏向量的非零索引,接着通过最小二乘法求得稀疏矩阵的非零值;
最后,利用角度量化码本对信道信息进行恢复。
与现有技术相比,本发明的优点主要体现在以下几个方面:
本发明利用了不同天线面板的信道向量间存在相同的稀疏特性这一特点,设计出了一种联合压缩感知算法,使得系统能够在保证信道估计精度的前提下、以较低的复杂度对各天线面板与用户间的信道信息进行联合恢复,不仅充分地保证了本发明方法的使用效果、同时也提升了方法整体的效率及精确性。
此外,本发明也为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于其他关于毫米波mimo信道估计的技术方案中,具有十分广阔的应用前景。
以下便结合实施例附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明方法的流程示意图;
图2为本发明方法中的算法流程示意图;
图3为本发明一实施例与使用传统正交匹配追踪算法对信道进行恢复的实施例的对比图。
具体实施方式
如图1所示,本发明揭示了一种多天线面板结构的毫米波mimo信道估计方法,包括如下步骤:
s1、构建采用部分连接结构的多天线面板的毫米波mimo系统,系统包括基站发射端以及用户接收端。
s2、各天线面板分别在多个时隙内向所述用户接收端发射导频序列。
s3、所述用户接收端接收各天线面板在不同时隙下发送的信号对接收信号分块存储。
s4、所述用户接收端使用联合压缩感知算法对各天线面板的信道进行联合恢复。
s1具体包括如下步骤:
构建采用部分连接结构的多天线面板的毫米波mimo系统,系统包括基站发射端以及用户接收端,所述基站发射端配有np个天线面板,每根射频链通过nα个相位变换器与各天线面板相连,且各天线面板间存在一定物理间隔,所述用户接收端为单天线结构。
s2具体包括如下步骤:
将连续m个时隙定义为一个时间块t,在每个时间块t中,仅有一个天线面板向所述用户接收端发送导频序列{si:si=1,i=1,2,…m},np个天线面板依次在np个时间块内向所述用户接收端发送导频。
总体而言,s3的步骤可以概括为:
所述用户接收端在一个时间块t中的接收信号为
s3具体包括如下步骤:
s31、将用户接收端在第(i-1)×m+j个时隙内的接收信号表示为
y((i-1)×m+j)=hitfjsj+n,
其中,y((i-1)×m+j)为第(i-1)×m+j个时隙内的接收信号,
其中,hi为第i个天线面板与用户间的信道信息,αl为第i个天线面板与用户间的第l个散射信道的信道增益,
其中,a(θl)为导向矢量,
s32、基站发射端在任意时间块内所使用的预编码矩阵相同,则用户接收端在第i个时间块内的接收信号可以表示为
yit=hitf+nt,
其中,
对上述等式进行简单的数学变换,则用户端在第i个时间块内的接收信号可重写为
yi=fthi+n。
s33、用户接收端在np个时间块内接收的信号为
用户接收端将接收信号y分块存储为
s34、根据用户接收端接收信号的存储形式,将np个时间块内的接收信号表示为
y=fth+n,
其中,
s35、将第i个天线面板与用户接收端间信道向量hi之间的关系表示为
hi=aξ,
其中,a=[a(θ1)a(θ2)…a(θl)]、为l个散射信道的导向矢量的合并矩阵,ξ=[α1α2…αl]t、为l个散射信道的信道增益的向量。
为了能够进一步降低信道估计过程中的复杂度,并有效地利用毫米波信道具有的稀疏特性,本发明采用角度量化的字典矩阵
对上述信道向量hi进行重写,则
hi=adzi,
其中,
h=adz,
其中,
s36、综合上述步骤,np个时间块内的接收信号可重新表示为
y=ftn+n=ftadz+n。
总体而言,s4的步骤可以概括为:
所述用户接收端使用所述基站发射端的预编码矩阵作为观测矩阵,角度码本作为稀疏基,利用各天线面板与用户间信号的有效路径的发射角近似相同、因而在不同天线面板的信道向量间存在相同的稀疏特性的这一特点,采用联合压缩感知算法对天线面板与用户接收端间的信道进行联合恢复。
具体而言,s4包括如下步骤:
s41、定义稀疏向量zi的非零索引集合为
supp(zi)={q∈[1:n]|{zi}q|≥0},
由于基站与用户处于远场,则天线面板之间的间距与用户与基站之间的间距相比可以忽略,这意味着每个天线面板与用户间信号的有效路径的发射角近似相同。换句话说,虽然不同稀疏向量间的非零值不相同,但不同的稀疏向量间存在着共同的非零索引,即对上式进行变换得到
s42、用户接收端使用基站发射端的预编码矩阵f作为观测矩阵,角度码本ad作为稀疏基,利用上述不同天线面板的信道向量间存在相同的稀疏特性的这一特点,采用本发明的联合压缩感知算法对天线面板与用户间的信道进行联合恢复,求解
其中,‖·‖l1表示l1范数。
如图2所示,本发明中所述联合压缩感知算法的原理大致为:
首先,用户接收端分别对np个时间块内的接收信号yi分别进行范数计算,以求得最优的接收信号yi。随后,通过对第i个时间块的信道信息进行估计,得出稀疏向量的非零索引,接着通过最小二乘法求得稀疏矩阵的非零值。最后,利用角度量化码本对信道信息进行恢复。
所述联合压缩感知算法的体现方法如下:
1、用户端在np个时间块内的接收信号可以表示为
y=fth+n=ftadz+n。
2、分别对np个时间块内的接收信号yi进行范数计算,以求得最优的接收信号yi。即
所得i即为最优的接收信号yi的索引。
3、对第i个时间块的信道信息进行估计。即用户端使用第i个时间块内的接收信号yi作为观测所得向量,第i个时间块内基站所使用的预编码矩阵f作为观测矩阵,角度域码本ad作为稀疏基,利用正交匹配追踪算法求解以下这个最优化问题,
可在得到稀疏向量
由于
则本方案通过一次正交匹配追踪算法的求解可以获知稀疏向量
4、通过最小二乘法求得稀疏矩阵的非零值。用户端利用上一步所得的非零值索引,使用最小二乘法对稀疏矩阵的非零值进行恢复,
其中,
5、利用角度量化码本对信道信息进行恢复。用户端使用算法计算所得的稀疏矩阵
下面结合仿真实验对本发明方法的性能进行分析。
本发明的仿真实验采用均匀线性天线阵列,基站端的天线面板个数为np=4且每个天线面板上的天线个数为nα=16。各天线面板与用户间的有效路径数l=1,角度量化码本中n=120。
本仿真实验将本发明中采用联合压缩感知算法对信道进行联合恢复的方案与采用正交匹配追踪算法对信道进行恢复的方案相比较,从图3的结果中可以看到当在相同信噪比的情况下,使用本发明的算法恢复的信道信息所产生的nmse要远远小于使用传统正交匹配追踪算法恢复信道时所产生的nmse。
综上所述,本发明利用了不同天线面板的信道向量间存在相同的稀疏特性这一特点,设计出了一种联合压缩感知算法,使得系统能够在保证信道估计精度的前提下、以较低的复杂度对各天线面板与用户间的信道信息进行联合恢复,不仅充分地保证了本发明方法的使用效果、同时也提升了方法整体的效率及精确性。
此外,本发明也为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于其他关于毫米波mimo信道估计的技术方案中,具有十分广阔的应用前景。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。