本发明涉及一种混合大规模mimo-ofdm系统信道估计方法,尤其适用于无线通信技术领域使用的一种低训练开销的混合大规模mimo-ofdm系统信道估计方法。
背景技术:
大规模多输入多输出正交频分复用(multipleinputmultipleoutput-orthogonalfrequencydivisionmultiplexing,mimo-ofdm)系统由于频谱和能量效率高,已成为一种有广泛应用前景的无线技术。在全数字体系结构的大规模mimo-ofdm系统中,每根天线都配备了具有高分辨模数转换器(analogtodigitalconverter,adc)的射频(radiofrequency,rf)链,因而增加了成本。为了降低成本,具有rf链路和adc数量的混合模拟/数字体系结构得到了广泛应用。
为了实现混合大规模mimo-ofdm系统,获取准确的信道状态信息(channelstateinformation,csi)是至关重要的。由于rf链路的数量减少,传统的仅使用导频的方法需要大量的训练开销来获得准确的信道估计结果。
由于宽带信道的稀疏散射特性,通过压缩感知方法可以大幅度降低训练开销,利用这一点研究者们已经提出了一些降低训练开销的信道估计方法。假设路径角度属于大尺度衰落,而路径增益属于小尺度衰落。典型的方法是,利用接收到的无噪声信号的低秩特性,对大规模mimo系统进行基于低秩矩阵补全的半盲信道估计,该方法减少了使用导频的数量。然而,该方案中,混合大规模mimo-ofdm系统接收到的无噪声信号张量不具有低秩特性,训练开销依然较大。
技术实现要素:
针对上述技术的不足之处,提供一种与现有技术相比,能显著降低训练开销的混合大规模mimo-ofdm系统信道估计方法。
为实现上述技术目的,本发明的的一种低训练开销的混合大规模mimo-ofdm系统信道估计方法,所述混合大规模mimo-ofdm系统包括一个配备qa根天线的基站以及k个随机分布的单天线用户;混合大规模mimo-ofdm系统总共有n个子载波,被所有用户复用;基站天线采用均匀线性阵列,天线间距等于半波长;基站采用混合结构,用qr<qa个rf链路将接收信号合并到rf波段,每个rf链路配备一个高分辨率adc将数据流传给基带处理器;
s1.建立混合大规模mimo-ofdm系统信道模型、上行链路信号传输模型以及混合结构采样模型,使得基站得到一个不完整的基带信号采样张量用于信道估计;
s2.基站对其得到的不完整的基带信号采样张量进行模3展开,从而获得一个不完整的基带信号采样矩阵;基站设计矩阵补全算法,以不完整的基带信号采样矩阵为输入,输出一个完整的估计矩阵;
s3.基站将其得到的完整的估计矩阵进行模3展开逆运算,得到估计张量,然后根据该估计张量和已知的导频矩阵完成信道估计。
所述步骤s1具体包括:
s11建立信道模型:利用
其中δf=fs/n,fs表示采样率,a(θk,l)表示基站天线阵列响应向量为下式:
s12建立上行链路信号传输模型:令每个相干间隔内前个τp时隙用来上行信道估计表示为
其中
将基站所有时刻所有子载波上接收到的信号向量合并在一起从而得到一个三维接收信号张量
代入维接收信号张量
其中:
s13建立混合结构采样模型:基站采用基于开关的混合结构,每个时隙每个子载波从na根天线中随机选择nr根天线与nr个rf相连,然后利用高精度模数转换器变成基带信号;因此,基站在第t个时隙第n个子载波上的接收信号向量rt,n总共na个接收信号中只有nr个接收信号变成基带信号;设采样坐标张量ω为基站采样索引(q,t,n)的集合,即表示rt,n的第q个元素
将该映射表示为
所述步骤s2具体包括:
按照下式分别对不完整的基带信号采样张量y和采样坐标张量ω进行模3展开:
y(3)=[vec(y(:,:,1)),…,vec(y(:,:,n))]t(7)
ω(3)=[vec(ω(:,:,1)),…,vec(ω(:,:,n))]t(8)
然后设计矩阵补全算法,以不完整的模3展开矩阵y(3)作为输入,输出一个完整的低秩矩阵
其中||·||nuc表示核范数,
利用矩阵补全算法求解估计矩阵:矩阵补全算法为一个迭代算法,第i次迭代基站输出一个完整的估计矩阵x(i),并将第t次迭代输出的估计矩阵x(t)作为估计出的低秩矩阵
具体实现步骤如下:
s21:输入迭代次数t;输入不完整的模3展开矩阵y(3);
s22:初始化矩阵
s23:初始化迭代次数,令i=1;
s24:根据下式计算基站信号矩阵j(i-1):
s25:计算基站信号矩阵j(i-1)最大的奇异值对应的左奇异向量u(i)和右奇异向量v(i);
s26:基站根据下式得到完整的估计矩阵x(i):
x(i)=(1-η(i))x(i-1)-η(i)ru(i)(v(i))h(11)
s27:如果i>t则执行s38,否则令i=i+1并返回步骤s34重复计算;
s28:基站得到一个完整的估计矩阵
所述步骤s3具体包括:
s31.基站将其得到的完整的估计矩阵
s32.取出
其中
有益效果:本方法挖掘出无接收噪声下接收信号张量满足candecomp/parafac分解,进而其模3展开矩阵具有低秩性,并利用该低秩性以较低的训练开销估计信道;其能显著降低训练开销,并且可以通过增加子载波数来降低估计误差。
附图说明
图1为本发明低训练开销的混合大规模mimo-ofdm系统信道估计方法的方法流程图;
图2为本发明的混合大规模mimo-ofdm系统的示意图;
图3为本发明具体实施方式方法与子载波级矩阵补全方法以及子载波级仅导频方法所获得的系统导频估计归一化均方误差曲线的对比图。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步的介绍。
本发明的低训练开销的混合大规模mimo-ofdm系统信道估计方法,如图2所示,所述混合大规模mimo-ofdm系统包括一个配备qa根天线的基站以及k个随机分布的单天线用户;混合大规模mimo-ofdm系统总共有n个子载波,被所有用户复用;基站天线采用均匀线性阵列,天线间距等于半波长;基站采用混合结构,用qr<qa个rf链路将接收信号合并到rf波段,每个rf链路配备一个高分辨率adc将数据流传给基带处理器;
如图1所述,具体方法为:
s1.建立混合大规模mimo-ofdm系统信道模型、上行链路信号传输模型以及混合结构采样模型,使得基站得到一个不完整的基带信号采样张量用于信道估计;
s11建立信道模型:利用
其中δf=fs/n,fs表示采样率,a(θk,l)表示基站天线阵列响应向量为下式:
s12建立上行链路信号传输模型:令每个相干间隔内前个τp时隙用来上行信道估计表示为
其中
将基站所有时刻所有子载波上接收到的信号向量合并在一起从而得到一个三维接收信号张量
代入维接收信号张量
其中:
s13建立混合结构采样模型:基站采用基于开关的混合结构,每个时隙每个子载波从na根天线中随机选择nr根天线与nr个rf相连,然后利用高精度模数转换器变成基带信号;因此,基站在第t个时隙第n个子载波上的接收信号向量rt,n总共na个接收信号中只有nr个接收信号变成基带信号;设采样坐标张量ω为基站采样索引(q,t,n)的集合,即表示rt,n的第q个元素
将该映射表示为
s2.基站对其得到的不完整的基带信号采样张量进行模3展开,从而获得一个不完整的基带信号采样矩阵;基站设计矩阵补全算法,以不完整的基带信号采样矩阵为输入,输出一个完整的估计矩阵;
按照下式分别对不完整的基带信号采样张量y和采样坐标张量ω进行模3展开:
y(3)=[vec(y(:,:,1)),…,vec(y(:,:,n))]t(7)
ω(3)=[vec(ω(:,:,1)),…,vec(ω(:,:,n))]t(8)
然后设计矩阵补全算法,以不完整的模3展开矩阵y(3)作为输入,输出一个完整的低秩矩阵
其中||·||nuc表示核范数,
利用矩阵补全算法求解估计矩阵:矩阵补全算法为一个迭代算法,第i次迭代基站输出一个完整的估计矩阵x(i),并将第t次迭代输出的估计矩阵x(t)作为估计出的低秩矩阵
具体实现步骤如下:
s21:输入迭代次数t;输入不完整的模3展开矩阵y(3);
s22:初始化矩阵
s23:初始化迭代次数,令i=1;
s24:根据下式计算基站信号矩阵j(i-1):
s25:计算基站信号矩阵j(i-1)最大的奇异值对应的左奇异向量u(i)和右奇异向量v(i);
s26:基站根据下式得到完整的估计矩阵x(i):
x(i)=(1-η(i))x(i-1)-η(i)ru(i)(v(i))h(11)
s27:如果i>t则执行s38,否则令i=i+1并返回步骤s34重复计算;
s28:基站得到一个完整的估计矩阵
s3.基站将其得到的完整的估计矩阵进行模3展开逆运算,得到估计张量,然后根据该估计张量和已知的导频矩阵完成信道估计。
所述步骤s3具体包括:
s31.基站将其得到的完整的估计矩阵
s32.取出
其中
图3是小区内有一个装有64根天线和32个rf链路的基站,8个单天线用户,使用256个子载波进行上行信道估计时,采用本具体实施方式信道估计方法(proposed)与子载波级矩阵补全方法(smc)以及子载波级导频方法(spo)所获得的信道估计归一化均方误差曲线对比图。采用本具体实施方式方法所获得的信道估计归一化均方误差最低。