大规模MIMO系统下行链路中的单用户相位噪声补偿抑制方法与流程

本发明属于无线通信技术领域，涉及基于期望最大化算法的大规模mimo系统下行链路单用户相位噪声补偿抑制方法。

背景技术

在无线通信系统中，大规模mimo系统由于其较高的频谱效率和能量效率而被广泛认为是下一代移动通信的核心技术，通过在基站部署数百根天线，大规模mimo可以实现在相同的时间和频率资源下同时为数十个用户服务，从而显著提高频谱效率。随着基站天线数n(n>>1)的增加，大规模mimo的天线增益可以使每个用户的发送信号的功率以1/n的比例降低，从而显著提高能量效率。

然而，大规模mimo通信系统的信号在传输过程中，除了经历信道的衰落以外，还要受到射频器件非线性因素的影响，这两个因素使在接收端系统的性能降低。通信系统中射频前端的非理想部分主要包括相位噪声，iq幅度相位不平衡，功率放大器非线性失真等，相位噪声，实际上是对频率源频率稳定度的一种表征。通常情况下，频率稳定度分为长期频率稳定度和短期频率稳定度。所谓短期频率稳定度，是指由随机噪声引起的相位起伏或频率起伏。至于因为温度、老化等引起的频率慢漂移，则称之为长期频率稳定度。通常主要考虑的是短期稳定度问题，可以认为相位噪声就是短期频率稳定度，只不过是一个物理现象的两种不同表示方式。对于振荡器，频率稳定度是它在整个规定的时间范围内产生相同频率的一种量度。如果信号频率存在瞬时的变化，不能保持不变，那么信号源就存在着不稳定性，起因就是相位噪声。

在大规模mimo通信系统中，发送端与接收端都需要产生相应的载波以完成相应的射频与基带间的频谱转换。然而产生载波的晶体振荡器与锁相环存在一定的差异性，造成了载波频率与目标频率存在短时的随机差异，进而造成所产生的正弦波信号发生随机相位跳变，表现为相位噪声。对于正交频分的调制方式，相位噪声会产生公共相位误差和载波间干扰，这将严重影响系统的性能。

技术实现要素：

本发明的目的在于提供一种针对大规模mimo-ofdm系统下行链路的相位噪声补偿抑制改进方法,提高信号传输的可靠性，降低误码率。

本发明采用了期望最大化算法，期望最大化算法是一种求解位置随机变量的后验分布的算法，通过不断地迭代，得到样本已知的条件下的隐藏变量的均值与方差。

为了便于本领域内技术人员对本发明技术方案的理解，首先对本发明采用的系统模型进行说明。

考虑带有相位噪声的mimoofdm系统下行链路的模型，发射端有m根天线，接收端有1根天线，发射端第m根天线和接收端天线之间的时域信道矢量记为其中l为信道矢量的长度。对于每个ofdm符号，接收端的时域信号表达式为

其中，r^(t)∈c^n×1是时域接收信号，n是ofdm子载波的个数，是第m根发射天线到接收端天线的信道toeplitz矩阵，它的第1列为其中01×(n-l)表示元素全为0、长度为n-l的行矢量。p∈c^n×n表示所有发射端天线上共有的相位噪声矩阵，其中θn表示ofdm符号中第n个时刻的相位噪声采样值。f∈c^n×n是归一化的fft矩阵，它的第n行第k个元素为是预编码矩阵，hm＝diag{[hm,1,hm,2,…,hm,n]^t}，且*表示对矩阵取共轭运算，d∈c^n×1是包含数据和导频的频域发送符号序列。n^(t)∈c^n×1是时域的复高斯白噪声序列，n^(t)＝cn(0,σ²i)。

可以分解为以下的形式：

把(2)代入(1)得

对上式作fft，则频域的接收信号为

将式(4)进行如下的变形：

其中，由于相位噪声的值很小，利用近似关系可以把(5)进一步变形为

其中，θ＝[θ1,θ2,…,θn]^t为实高斯分布的相位噪声矢量，即θ＝n(0,φ)。1是n维全1列向量。由于θ的协方差矩阵φ为实对称矩阵，其特征值是实数，并且可以用正交矩阵进行相似对角化

φ＝vλv^t(7)

其中λ＝diag{[λ1,λ2,…,λn]^t}是以φ的从大到小的顺序排列的特征值为对角元素的对角矩阵，v是正交矩阵，它的每一列是λ对应列的特征值的单位特征向量。如果对相位噪声矢量进行线性变换

θ＝vx(8)

根据高斯分布的性质可知，x～n(0,λ)，由于λ为对角矩阵，所以x的各个分量之间是相互独立的。通过计算可以发现，λ中的对角元只有前若干项的值较大，其他元素和前若干项相比很小，因此可以只取其中的前t项元素来近似，则λ为t×t的对角阵，相应的v也取对应的前t列，则变成了n×t维矩阵。将(8)代入(6)，可得

本发明通过如下步骤实现：

s1、利用导频对应位置的接收符号计算相位噪声的公共相位误差并进行补偿，然后进行数据符号的判决，将判决结果作为以下迭代的初始值；

s2、通过以下的步骤来实现变分贝叶斯算法的迭代：

s21、计算x的后验分布的均值和方差：

其中，

s22、计算数据符号d的估计值

s23、循环步骤s21—s22，在已知接收信号的条件下数据符号的估计值d将收敛于一个稳定的值。

本发明的有益效果为能够实现大规模mimo系统中高阶调制方式下的数据符号的判决，有效抑制相位噪声带来的不利影响，显著提高系统性能。

附图说明

图1是本发明使用的相位噪声影响下的大规模mimo系统下行链路示意图；

图2是本发明实现相位噪声估计补偿抑制的流程图；

图3是64qam调制下采用不同导频和特征值的数量对系统性能ber曲线的影响对比图；

图4是64qam调制下对不同水平对系统性能ber曲线的影响对比图；

具体实施方式

下面结合附图对本发明进行详细的描述：

s1、在初始情况下，利用导频对应位置的接收符号计算相位噪声的公共相位误差并进行补偿，然后进行数据符号的判决，将判决结果作为以下迭代的初始值，具体的做法为：

其中，是公共相位误差，s表示星座点的集合。

s2、通过以下的步骤来实现变分贝叶斯推断算法的迭代：

s21、计算x的后验分布的均值和方差：

s22、计算数据符号d的估计值

s29、循环步骤s21—s22，在已知接收信号的条件下数据符号的估计值将收敛于一个稳定的值。

图3是采用不同相位噪声协方差矩阵的特征值个数以及导频个数的情况下该期望最大化算法对系统性能ber曲线的影响对比图，图4是针对不同相位噪声水平使用期望最大化算法的性能ber曲线对比图，仿真均采用64qam调制方式，图3取1mhz频率偏移下的相位噪声水平为-90dbc/hz，图4取1mhz频率偏移下的相位噪声水平为-90dbc/hz、-88dbc/hz和-86dbc/hz。信道均采用稀疏度为4的多径快衰落信道，抽头数为64，每发送一个ofdm符号信道变化一次，接收天线数为64，ofdm子载波个数为512，算法迭代次数为2。

从图3可以看出，在相位噪声存在的情况下，没有利用本发明所提出的相位噪声抑制算法时，系统性能会受到极大的影响，而当利用本发明所提出的算法时，系统性能很接近无相位噪声的理想曲线。并且可以看出，当特征值个数为3、导频数量为4时，算法已经能够实现良好的性能，这意味着该算法所需的复杂度和导频资源的代价都是很小以至于可以忽略的。

从图4中可以看出，针对不同相位噪声水平的系统，本发明的补偿抑制算法均取得了良好的效果。工程上，1mhz频率偏移下的相位噪声水平一般不低于-90dbc/hz。而图4中的1mhz频率偏移下的相位噪声水平最高取到了-86dbc/hz，这说明该算法可以对抗水平范围较为广泛的相位噪声，具有较大的实用价值。