Mimo系统中基于向量自回归的贝叶斯压缩感知反馈方法
【专利摘要】本发明涉及一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，包括以下步骤：1)建立MIMO信道模型；2)建立VAR模型实现信道预测；3)运用贝叶斯压缩感知减少反馈速率。与现有技术相比，本发明通过引入VAR模型来描述邻接CSI的关系，并引入时空压缩为了减少信道大小的范围，并且减少信道向量的维度等优点。
【专利说明】MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法
【技术领域】
[0001]本发明涉及无线通信与网络，尤其是涉及一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法。
【背景技术】
[0002]在高速无线通信系统中，MIMO技术被广泛应用。特别地，MIMO是针对多天线产生的，通过天线阵列来实现空间分集，以提高信号质量和容量。在近几十年中，很多广播基站都安装了很多天线，从而能保证多个用户同时得到高质量的服务。基站的多天线保证了下行总速率容量的增长，该增长是与最小的发送天线和用户成线性关系的。
[0003]在本发明中，我们建立一个MMO多用户系统，M个发送天线被放置在基站端且有K个单天线的移动用户。一些空分复用接入方案会利用这种通信结构来得到增益，例如迫零污纸编码(ZF-DPC)和迫零波束成型(ZFBF)，从而实现干扰消除和最大下行总速率容量。然而，ZF-DPC或者ZFBF是在下行CSI完全已知的假设下使用的，我们在用户端估计CSI并通过一个受限信道反馈给基站。
[0004]在以前的工作中，我们已经研究过在一个时隙的CSI反馈，且提供了一些有用的分析模型来推导下行中速率容量。然而，在时变信道中(特别是缓慢变化的情况)，邻近时隙的CSI是相关的，这一特性可以用来减少反馈的速率。根据相关文献，线性预测通过实验的比较和分析被证明为最佳的方法来描述空时相关的MMO信道。
[0005]从信息压缩的角度来说，在一个反馈信道向量的冗余元素(与帧内冗余类似)和在连续反馈中的冗余元素(类似于帧间冗余)可通过量化向量被移除，这可以很大程度上减少码本的大小和反馈速率。在现有文献中提出了基于压缩反馈算法的稀疏优化，并分析了在总速率容量上的稀疏优化错误。不幸的是，由压缩感知引起的错误不能由传统的压缩感知逆变换分析出来，因为范数被认为是一个求出稀疏恢复的准则。很多人都研究了压缩感知的逆变化，也有些工作是关于压缩感知和KLT变换的混合压缩反馈的方案。
【发明内容】
[0006]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种MMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，通过引入VAR模型来描述邻接CSI的关系，并引入时空压缩为了减少信道大小的范围(对CQI的反馈速率更低)，并且减少信道向量的维度(对CDI的反馈速率更低)。
[0007]本发明的目的可以通过以下技术方案来实现:
[0008]一种MMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，包括以下步骤:
[0009]I)建立MMO信道模型；
[0010]2)建立VAR模型实现信道预测；
[0011]3)运用贝叶斯压缩感知减少反馈速率。[0012]所述的建立MMO信道模型具体为:
[0013]11) MIMO无线通信系统包含基站的M根天线和用户的K根单天线，假设每个用户的信道向量h为:
【权利要求】
1.一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，包括以下步骤: .1)建立MIMO信道模型； . 2)建立VAR模型实现信道预测； .3)运用贝叶斯压缩感知减少反馈速率。
2.根据权利要求1所述的一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，所述的建立MMO信道模型具体为: . 11)MIMO无线通信系统包含基站的M根天线和用户的K根单天线，假设每个用户的信道向量h为:
3.根据权利要求2所述的一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，所述的建立VAR模型实现信道预测具体为: .21)在MIMO信道模型中使用VAR(p)来描述向量信道为: ht = Φ iht-1+ Φ 2ht-2+...+ Φ pht-p+ Ii t 其中μ t SMXl的向量，且服从均值为0、协方差为Λ的高斯分布，表示随机扰动或者预测误差，ht为t时刻的向量信道，{Φ1； Φ2,..., Φρ}为相关系数； .22)当前时刻的信道状态与前P时刻的信道状态成线性关系，其中{Φ1;Φ2，...，Φρ}为相关系数，相关系数可通过最小二乘法进行求解，结果为:
4.根据权利要求3所述的一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，所述的运用贝叶斯压缩感知减少反馈速率具体为: S1)在用户端，对预测误差et进行压缩传送； S2)在基站端，对信道向量使用一个层次贝叶斯模型，从而解出被压缩的原始信道向量值。
5.根据权利要求4所述的一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，所述的对预测误差et进行压缩传送具体为: S11)预测误差et不是一个对角阵，故et在某种变换基下是稀疏的，则有: et = ψ 9 t 其中，Ψ是一个DCT基或者小波基，91是一个在DCT域中的MX I的向量； S12)故％可在压缩感知中使用，降采样％得到如下表达式，并在RIP条件下可被重建: Vt = Φ Ψτθ? = Φ Θ t 其中，Φ Ψτ为测量矩阵，Φ是一个NXM的矩阵，Vt用来动态得避免大多数不必要的反馈。
6.根据权利要求5所述的一种MIMO系统中基于向量自回归的贝叶斯压缩感知反馈方法，其特征在于，所述的在基站端，对信道向量使用一个层次贝叶斯模型，从而解出被压缩的原始信道向量值具体为: S21)基站端，对信道向量使用一个层次贝叶斯模型，该模型是独立同分布的，且服从一个零均值且方差为B的高斯分布，故基于Θ t、B和信道向量yt表示为:
【文档编号】H04L1/06GK103929281SQ201410131228
【公开日】2014年7月16日 申请日期:2014年4月2日 优先权日:2014年4月2日
【发明者】黄新林, 吴俊 , 陆欣璐, 钱亦宸, 李文锋 申请人:同济大学