具有动态训练设计的大规模mimo系统中的信道估计的方法和设备的制造方法
【技术领域】
[0001] 本发明总体上涉及大规模多输入多输出（MHTO)通信系统的信道估计。特别的，本 发明涉及计算要求降低的该信道估计。
【背景技术】
[0002] 由于各种优点，例如，高数据传输速率、高波束形成增益和高空间分辨率，大规模 MHTO通信已经在将来应用到移动通信系统方面引起来相当大的兴趣。在大规模MM0系统 中，发射器具有非常多的发射天线，例如，多于1〇〇。在估计大规模Mnro信道时，大量的发射 天线通常导致在信道估计时计算要求高并且需要大量的训练资源（例如，正交时间/频率 资源）。希望在移动通信系统的操作中减少这些要求。
[0003] US20130182594公开了一种通过将发射天线进行分组以训练来降低信道估计 复杂度的技术。通过每组中用于估计的天线来减少天线的数量，信道估计要求较少的运 算。然而，没有考虑利用空间相关性来提高信道估计的精度。因为没有考虑信道相关性， 所以US20130272263和US20140254702公开的复杂度降低的技术还存在估计精度问题。 US8837621教导了只在天线的子集上传输导频参考信号并且使用空间内插获得其他天线的 信道估计。然而，当天线间的空间相关性不够高时，会产生高估计误差。
[0004] 本领域需要一种具有改进的估计精度同时保持计算和训练资源的低需求的估计 大规模MM0信道的技术。
【发明内容】
[0005] 本发明的方面提供一种对具有多个发射天线的第一通信装置与具有单个接收天 线的第二通信装置通信的大规模M頂0信道进行估计的方法。所述大规模MM0信道具有表 征所述发射天线之间的空间相关性的信道协方差矩阵。在所述方法中，所述第一通信装置 将所述发射天线划分为多个天线组，每个所述天线组都包括所述发射天线的子集，以便能 够达到预先确定的信道估计精度等级。对于单个天线组，确定一个或多个训练信号，所述一 个或多个训练信号用于估计与属于所述单个天线组的所述发射天线的子集相关的一组信 道。特别的，基于所述空间相关性、最多可允许的训练信号的总数和传输信噪比（SNR)，确定 所述天线组的数量、构成所述单个天线组的所述发射天线的子集以及用于所述单个天线组 的所述一个或多个训练信号，从而能够达到所述预先确定的信道估计精度等级。
[0006] 优选的，在能够达到所述预先确定的信道估计精度等级的约束下，通过识别天线 组的最大数量来确定天线组的数量。识别出的最大数量小于或等于最多可允许的训练信号 的总数。
[0007] 在一个实施例中，所述发射天线的划分包括以下步骤。第一步骤是，计算在不划分 所述发射天线时达到的第一信道估计精度等级，由此，所述预先确定的信道估计精度等级 可以与所述第一信道估计精度等级相关。第二步骤如下。给定试验数量的天线组，为每个天 线组确定所述发射天线的候选子集和所述一个或多个训练信号的候选数量，以便通过将所 述发射天线划分为试验数量的天线组计算达到的第二信道估计精度等级。特别的，基于所 述空间相关性、所述传输SNR、所述试验数量的天线组、以及每个天线组的一个或多个训练 信号的候选数量，计算所述第二信道估计精度。在第三步骤中，对不同的试验数量重复第二 步骤，直到通过一个试验数量获得的第二信道估计精度等级优于预先确定的性能等级。将 天线组的数量确定为前述的一个试验数量。第四步骤是，对于每个天线组，将构成该天线组 的所述发射天线的子集确定为与前述一个试验数量相关的发射天线的候选子集。
[0008] 在包括多个无线电天线、无线电收发单元和一个或多个处理器的基站中实现本公 开的方法。
[0009] 如下文的实施例所示的公开了本发明的其他方面。
【附图说明】
[0010] 图1是示例性地示出本发明公开的方法的流程图。
[0011] 图2描述了示出执行发射天线的分组的步骤的一个一般流程的流程图。
[0012] 图3描述了示出根据本发明的一个实施例的划分发射天线的步骤的流程图。
[0013] 图4描述了根据将发射天线划分为多个天线组，第一通信装置一个接一个的将各 组训练信号发送到第二通信装置，由此对大规模M頂0信道进行估计。
【具体实施方式】
[0014] 本发明的方面是提供一种估计大规模MM0信道的方法。基于下述观察提出该方 法。
[0015] 考虑具有N个发射天线的第一通信装置与具有单个接收天线的第二通信装置通 信的大规模MMO信道。令h为大规模MM0信道的NX1的复合信道增益向量，R为由R= E{hhH}给出的信道协方差矩阵，其中，（*)?表示复共辄转置。假设R是第一和第二通信装 置已知的，并且其长时间保持大致不变。另外，在执行h的估计的较短期间内，h保持不变。 通常将该期间称为信道相干时间。希望通过从N个发射天线向第二通信装置发送一个或多 个训练符号来估计h。
[0016] 下述文献给出了估计h的已知技术：L.Choi等，"用于TOD大规模MM0系统的下 行培训技术：有记忆的开环和闭环训练（DownlinktrainingtechniquesforFDDmassive MIMOsystems:open-loopandclosed-looptrainingwithmemory)'，IEEEJournalof SelectedTopicsinSignalProcessing，第 5 期，第 8 卷，802-814 页，2014 年 10 月，通过 引用的方式将其公开合并到本文中。首先，通过下式对R执行特征分解：
[0017] R=QAQh (1)
[0018] 其中，A是具有作为对角元素的R的特征值的对角矩阵。Q是包含R的特征向量 的矩阵。认为m个训练信号用于估计h，其中，m〈N。表示为NXm的矩阵S的最佳训练信号 为：
[0019] S = （2)
[0020] 其中，Y是传输信噪比（SNR)，Q(1:m)是由对应于R的m个最大特征值的m个特 征向量构成的矩阵。第二通信装置接收到的信号表示为mXl的矩阵y，由下式给出：
[0021] y=SHh+n(3)
[0022] 其中，n是mXl的噪声向量。基于最小均方误差（MMSE)估计方法的估计产生h的 估计，该估计表示为由下式给出：
[0023]
[0024] 其中，I^mXm的单位矩阵。估计的信道协方差矩阵| 为：
[0025]
[0026] 估计的均方误差（MSE)n由下式给出：
[0030] 其中，的第i个最大特征值。显而易见的是，由⑷得到的』需要执行⑴ 的特征分解操作，然后执行（4)中的矩阵逆操作运算。这两个操作中的每一个的复杂度都 是N3级。由此可见，执行信道估计的总复杂度是0 (N3)，从而导致在N可以非常大甚至大于 100的大规模MM0系统所需的运算量巨大。
[0031] 本发明人已经进行了形成提出本发明的基础的以下观察。如果将N个发射天线划 分成G组相邻天线，并且如果忽视任何两个天线组之间的相关性，则可以通过对每个天线 组独立地执行信道估计来实现大规模M頂0的信道估计。执行大规模M頂0的信道估计的总 复杂度仅约为0 (N3/G3)。如果将N个发射天线划分成的天线组的数量较大，则可显著地降 低计算要求。因此希望G尽可能大。然而，由于忽略了G个天线组之间的互相关性，所以G 值较大会导致估计误差增加。本发明已经观察到，由于大量的发射天线，大规模MM0系统 的发射天线之间的天线间隔远小于用于使用较少数量的发射天线的移动通信系统（例如， 现今的长期演进（LTE)系统通常使用8个发射天线）的天线间隔。不足的天线间隔和无线 传播期间的有限散射都会导致相对高的空间相关性。与低空间相关性的情况相比，高空间 相关性使得最大特征值比其他的特征值更突出，从而导致在m值相同的情况下更加准确的 进行信道估计。该观察对以下的天线分组设计来说是有用的。利用预先确定的性能中可容 忍的损失值（例如，MSE增加5% )，在给定m值的情况下，确定并选择G的最大值，以便得 到的性能损失处于该可容忍的损失内。本发明采用了该方法。
[0032] 令义为第g个天线组中