一种大规模mu-mimo系统信道估计方法
【技术领域】
[0001 ] 本发明属于MU-MIMO系统信号处理技术领域，更具体地，涉及一种大规模MU-MMO 系统信道估计方法。
【背景技术】
[0002] MHTO技术能提高无线信道容量，即在不增加带宽和天线发送功率的情况下显著提 高频谱利用率。但是，传统的MMO技术依然不能满足当代呈指数上涨的无线传输速率的需 求。在2010年，贝尔实验室提出了大规模MIMO的概念。与传统MMO相比，大规模MMO将天线 的数量进行了数量级的提高，基站使用数以百计的天线，同时对用户提供服务。大规模MIMO 继承了MMO系统的所有优点，并且大大地提高了这些优点。大规模MBTO系统使得通信更加 稳健、更加安全、更加有效。
[0003] 大规模多用户MMO(MU-Mnro)系统是基站天线数目非常大并同时服务于多个用户 的系统，信道模型采用的是有限物理散射信道模型。在大规模MU-MMO系统中，接收端信道 的均衡和检测都需要精确的信道状态信息(CSI)。但是，当基站天线数目和用户数目都非常 大时，信道矩阵的维度变的非常大，信道估计问题也变得非常复杂，因此信道估计已成为近 年来研究的一个热点。
[0004] 传统的彳目道估计方法，例如最小二乘(LS)算法、最小均方误差(MMSE)算法等，均假 设无线信道是密集多径的，从而利用大量导频信号来实现信道估计，导致频谱资源利用率 低。并且，在大规模MU-Mnro系统中，随着用户数目和基站天线数目的增加，传统的信道估计 算法存在估计精度下降和计算复杂度非常大的缺点。于是提出了基于压缩感知的信道估计 方法。但是这类方法均需要信道的统计信息，而在实际中是很难获得的。
【发明内容】
[0005] 针对现有技术的以上缺陷或不足，本发明提供一种大规模MU-MMO系统的信道估 计方法，利用因子分析算法，可在较低的计算复杂度下，不需已知信道的统计信息就可以比 较准确的实现大规模MU-M頂0系统中的信道估计。
[0006] 为实现上述目的，本发明提供一种大规模MU-MMO系统的信道估计方法，所述方法 包括：
[0007] (1)生成KXK的正交导频信号S，在发射端发送正交导频信号S，则其在基站端的接
收信号矩阵为Y(t)=H(t)S+N(t)，其中
表示系统的信道矩阵 示噪声矩阵;K为用户数目，M为基站天线数目；
[0008] (2)消除用户间的干扰，得到每个用户在基站端的接收信号
[0009] (3)在I个不同的时刻，对每个用户在基站端的接收信号
进行采样， 得到每个用户在基站端的接收信号样本矩阵
[0010] (4)分别对Zk的实部和虚部利用主成分法进行同样的处理，估计每个用户的因子 载荷矩阵 Bk，k=l，2，...，K;
[0011] (5)根据每个用户在基站端的接收信号样本矩阵Zk和每个用户的因子载荷矩阵B k， 估计每个用户的公共因子fk，k=l，2,. . .，K;
[0012] (6)去掉噪声，根据每个用户的因子载荷矩阵Bk和公共因子f k，得到每个用户的信 道估计值为hk=Bkfk，k=l，2, . . .，K，进而得到整个信道的估计值H=[hi，h2,. . .，hK]。
[0013] 作为进一步优选的，所述正交导频信号S可以由扩频码生成。
[0014] 作为进一步优选的，步骤（2)中，所述每个用户在基站端的接收信号Z(t)具体为
，其中Sh表示S的共辄转置。
[0015] 作为进一步优选的，步骤（3)中，每个用户在基站端的接收信号样本矩阵 苴括前I-I个时刻的接收信号Zk(I)，Zk(2)，...，Zk(I-I)和当前时刻的接收信号 Zk(I)0
[0016] 作为进一步优选的，所述步骤(4)具体包括：
[0017] (4-1)分别对Zk的实部和虚部利用主成分法进行同样的处理，估计每个用户的样 本协方差矩阵Sk，k=l，2，...，K并对其做特征值分解，得到其特征值Akl 2 Ak2 2 ... 2 2 0和对应的特征向量Wil ,1*2, ...，WiM;
[0018] (4-2)估计公共因子个数Q后，进一步得到每个用户的因子载荷矩阵
[0019] 作为进一步优选的，步骤(5)中，所述每个用户的公共因子为
:表示Bk的转置，表示当前时刻的接收信号Z k(I)
的转置。
[0020] 作为进一步优选的，所述公共因子个数Q为满足 最小正整数，其中snr为信噪比。
[0021] 总体而言，按照本发明点的以上技术方案与现有技术相比，主要具备以下的技术 优点：
[0022] 1、与传统的信道估计方法（比如LS和MMSE算法)相比，本发明利用因子分析算法， 将信号的实部与虚部分开，分别利用主成分法进行处理，最终通过估计的因子载荷矩阵和 公共因子完成对整个信道的估计，在确保较低计算复杂度的同时，显著提高了信道估计的 精度；
[0023] 2、此外，与基于压缩感知的方法相比，本发明方法无需已知信道的统计信息；
[0024] 3、本发明提出的信道估计方法，便于操控，具有一定的可实施性及实用推广价值， 因而使得本发明方法可应用于具有相关关系的各种系统参数的估计中。
【附图说明】
[0025] 图1为本发明大规模MU-MIMO系统的信道估计方法的流程图；
[0026] 图2为本发明实施例的线性天线阵列模型的示意图；
[0027] 图3为本发明实施例及LS、MMSE算法实现信道估计的均方根误差与信噪比的关系 曲线图；
[0028] 图4为本发明实施例及LS、MMSE算法实现信道估计的复杂度与用户数目的关系曲 线图。
【具体实施方式】
[0029]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0030] 图1所示为本发明基于大规模MU-MIMO系统的信道估计方法的流程图，具体包括以 下步骤：
[0031] 步骤1设计生成正交导频信号S:
[0032] 生成KXK的正交码矩阵作为正交导频信号S，则SSh = KIk,所述正交导频矩阵可以 由扩频码生成，也可以由其它方式生成。在发射端发送正交导频信号S，则其在基站端的接 收信号矩阵为Y(t)=H(t)S+N(t)，其中
表示系统的信道矩阵，即平坦衰落信 道矩阵；]
表示噪声矩阵;K为用户数目，M为基站天线数目；Ik表示K阶单位矩阵； Sh表示S的共辄转置。
[0033] 步骤2消除用户间干扰：
[0034]为消除用户之间的干扰，利用正交导频信号的正交性SSh = KIk,以及接收端已知 用户发送的正交导频信号S，得到每个用户在基站端的接收信号
具体为
[0035] 步骤3估计因子载荷矩阵：
[0036] 利用主成分法提取出公共因子的系数，即因子载荷矩阵。在I个不同的时刻，对
进行采样，得到每个用户在基站端的接收信号样本矩阵 2,...，K，包括前I-I个时刻的接收信号Zk(I)，Zk(2)，...，Zk(I-I)和当前时刻的接收信号Zk ⑴。
[0037] 由于实部和虚部都具有相关性，主成分法只适用于实数，所以分别对Zk的实部和 虚部进行同样的处理，在本实施例中可以假设信号Zk为实数，说明主成分法的操作:首先， 分别估计每个用户的样本协方差矩阵Sk，k=l，2, ...，K并对其作特