一种基于机会波束成形的信道估计方法

本发明属于无线信道估计领域，涉及毫米波混合波束成形及基于混合波束成形中信道估计的方法，具体是一种基于机会波束成形的信道估计方法。

背景技术：

随着人们对高速率通信服务需求的不断增长，毫米波(mm-wave)频段丰富的可用频率资源已引起研究人员对毫米波通信的广泛关注。但是，众所周知，毫米波具有高的路径损耗和有限的散射。

目前，人们通常使用波束成形来减轻路径损耗的影响，由于载波频率高，可以通过将天线设计得非常小，使得具有许多天线元件的阵列达到很高的预编码增益，这样做尽管通过灵活的权重矢量的数字波束成形来减轻路径损耗，但由于当前技术的实施及成本限制，很难给毫米波系统中单根天线配一条射频(rf)链实现最优数字波束成形。所以人们研究出了基于有限数量rf链的混合波束成形作为替代，来解决该问题。

现有技术中通过引入不同的混合波束成形(hbf)来实现可靠的通信，尽管这些算法具有良好的性能，但是应用于装配许多天线单元且计算能力受限的小型设备(如：无人机)，波束成形处理复杂度较高，计算所用时间较长，需要反复计算模拟和数字波束成形向量。假设要服务的用户数量与无人机接收端的天线数量相当，由于无人机机载端的计算能力有限，传统的hbf方法可能不适用于此类环境；甚至当用户的数量比机载端中的射频链的数量大几倍时，如何实现来自多用户的信号的检测将是重要的问题。

技术实现要素：

本发明为了解决未来无人机毫米波通信问题，结合实际的应用场景提出了一种基于机会波束成形的信道估计方法，降低了计算复杂度。

所述的基于机会波束成形的信道估计方法，具体步骤如下：

所述的基于机会波束成形的信道估计方法，具体步骤如下：

步骤一、构建包括k个用户与一个无人机的信道模型；

无人机的机载端配置有nr个接收天线，l条射频链；用户端均为单天线，nr＞l；用户集合为：{1,2,...,k,...,k}；射频链集合为：{1,2,...,l,...,l}；接收天线集合为：{1,2,...,nr,...,nr}。

步骤二、针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵；

所述的正交波束生成法具体为：

首先，计算不同射频链之间的相关程度μ(θi,θj)，计算公式如下：

θi和θj为两射频链各自对应的波达角；a(·)表示波达角的阵列响应向量，n表示机载端波束成形的码本数量，δgrf为两个不同射频链之间的角度距离；

然后，将相关程度μ(θi,θj)替换为狄利克雷核函数得到：

其中，σ为旁瓣的峰值能量。

当接收天线个数nr足够大时，σ的大小近似为：

因此，在每次波束扫描时，为保证波束间的干扰足够小，δgrf≤2/nr，针对第m次扫描得到的机载端波束成形转置矩阵为

步骤三、利用机载端各次波束扫描得到的输出，计算各用户的信道所对应的码本索引向量；

针对第m次扫描，用户k的信道所对应的码本索引向量ck,m计算公式为：

其中，zk,m为用户k第m次扫描则机载端的输出；w表示机载端的模拟波束成形码本；uk,m为用户k第m次扫描时的高斯噪声。

步骤四、将码本索引向量计算公式进行变形，并对各用户的所有扫描结果串行整合；

针对用户k的所有扫描结果整合过程为：

首先，将设为第m次扫描的感应矩阵φm，并计算第m次扫描的输出：

zk,m≈φmck,m+uk,m

针对用户k所有次扫描的机载端结果整合得到zk：

zk≈φck+uk

其中，φ为用户k所有次扫描的感应矩阵；ck为用户k所有次扫描对应的信道码本索引向量矩阵；uk为用户k所有次扫描时的高斯噪声矩阵。

步骤五、利用各用户所有次扫描对应的信道码本索引向量矩阵，分别计算无人机与各用户之间的信道；

针对用户k，无人机与该用户间的信道hk表示为：

hk≈wck

其中，ck为p-离散向量。

步骤六、针对当前周期，k个用户同时发送训练信号，经过信道传播到达机载端，机载端随机选择至多l个用户同时进行通信，对各用户的信道估计进行检测；

每个用户到机载端的nr个接收信道组成的矩阵为：

hnrl表示第l个用户与机载端第nr个接收天线的信道；表示矩阵中的第l列，计算公式为：

αl,p表示第l个用户第p个路径的信道系数；θl,p表示第l个用户第p个路径的波束到达角度；p'为第l个用户的路径总数。

步骤七、利用各用户的信道估计值，计算机载端的接收估计结果

计算公式如下：

表示包含l个用户到l条射频链的基带组合矩阵，表示维度为l×k(l行k列)的复数空间；wij表示用户j对应的第i条射频链的基带参数；

表示包含射频相移网络的射频组合矩阵，表示维度为nr×l的复数空间；wnrl表示第nr个接收天线包含第l条射频相移网络的射频参数；

为l个用户发送的信号向量，x＝[x1,x2,...,xl,...,xl]^t；n为噪声向量，是一个l行1列的列向量。

步骤八、对机载端的接收估计结果进行仿真与分析，完成信道估计。

本发明的优点在于：

(1)一种基于机会波束成形的信道估计方法，考虑到无人机相比传统基站，覆盖的范围更大，覆盖范围内的用户更多，可针对未来毫米波通信场景下的多用户信号估计提供可行方案。

(2)一种基于机会波束成形的信道估计方法，考虑到机载端的波束成形算法实用化问题，基于更为实际的混合波束成形器，设计一种实用高效的信道估计算法。

附图说明

图1是本发明一种基于机会波束成形的信道估计方法的原理图；

图2是本发明一种基于机会波束成形的信道估计方法的流程图；

图3是本发明毫米波机载端波束成形系统示意图；

图4是本发明nmse与码本数量n的性能曲线；

图5是本发明nmse与信噪比snr的性能曲线。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一步的详细和深入描述。

考虑到无人机机载端的计算能力有限，为了降低计算复杂度，本发明提出一种使用模拟波束码本的混合波束形成器，来研究基于机载端的机会混合波束形成多用户检测方法。由于基站中射频链的数量有限，因此在使用传统的混合波束成形算法时，同时检测到的用户数量会受到限制。

本发明设计了一种基于机会波束成形的信道估计方法，如图1所示，首先进行用户端和机载端的信道模型构建，然后，多个用户向机载端发送t个周期的训练信号，机载端多次扫描并接收到用户的信息；接着，机载端进行用户选择并与之进行数据通信。机载端采用混合波束成形器，基于有限精度的码本，通过在多个周期对用户发给无人机的信号进行分析整合，结合压缩感知算法，得到多用户信道的准确估计。

如图2所示，具体步骤如下：

步骤一、构建包括k个用户与一个无人机的信道模型；

无人机的机载端配置有nr个接收天线，l条射频链；用户端均为单天线，nr＞l；用户集合为：{1,2,...,k,...,k}；射频链集合为：{1,2,...,l,...,l}；接收天线集合为：{1,2,...,nr,...,nr}。

步骤二、针对当前周期，利用正交波束生成法得到各次扫描下的机载端波束成形矩阵；

考虑到正交匹配搜索算法(omp)的通用性，故可以利用该算法解决本发明所提出的系统中的用户csi估计问题，假设δgrf为两个不同射频链之间的角度距离，则不同射频链之间的相关程度μ(θi,θj)计算公式如下：

θi和θj为两射频链各自对应的波达角；a(·)表示波达角的阵列响应向量，n表示机载端波束成形的码本数量，n＝1，……，n；

然后，将相关程度μ(θi,θj)替换为狄利克雷核函数根据该函数的特性得到：

其中，σ为旁瓣的峰值能量。

当接收天线个数nr足够大时，σ的大小近似为：

因此，在每次波束扫描时，为保证波束间的干扰足够小，δgrf≤2/nr，此外，对于随机生成的波束而言，也应该保证整个波束矩阵中的各列近似正交。

针对第m次扫描得到的机载端波束成形转置矩阵为

步骤三、利用机载端各次波束扫描得到的输出，计算各用户的信道所对应的码本索引向量；

针对第m次扫描，用户k的信道所对应的码本索引向量ck,m计算公式为：

其中，zk,m为用户k第m次扫描则机载端的输出；w表示机载端的模拟波束成形码本；uk,m为用户k第m次扫描时的高斯噪声。

步骤四、将码本索引向量计算公式进行变形，并对各用户的所有扫描结果串行整合；

针对用户k的所有扫描结果整合过程为：

首先，将设为第m次扫描的感应矩阵φm，并计算第m次扫描的输出：

zk,m≈φmck,m+uk,m

针对用户k所有次扫描的机载端结果整合得到zk：

zk≈φck+uk

其中，φ为用户k所有次扫描的感应矩阵；ck为用户k所有次扫描对应的信道码本索引向量矩阵；uk为用户k所有次扫描时的高斯噪声矩阵。

步骤五、利用各用户所有次扫描对应的信道码本索引向量矩阵，分别计算无人机与各用户之间的信道；

最初的接入选择时，大量用户都向机载端发送了接入请求，基站端利用混合波束成型器，结合波束扫描机制，实现对信道的有效估计。

根据机载端的码本，不难得知，针对用户k，无人机与该用户间的信道矩阵hk表示为：

hk≈wck

其中，ck为p-离散向量，表示信道在码本中对应的索引。

步骤六、针对当前周期，k个用户同时发送训练信号，经过信道传播到达机载端，机载端随机选择至多l个用户同时进行通信，对特定时刻下l个用户的信道估计进行检测；

k个用户分别发送t个周期的训练信号，机载端通过多次扫描，分别接收来自不同用户的信号；考虑到混合波束成形器的rf链数量有限，同一时间只能有l个用户与无人机进行通信，针对用户的高频信号，经过机载端的混合波束成形，转换为基带信号被接收。

机载端根据信道状态信息csi，进行用户选择并结合预编码方案与已选择的用户进行通信；采用相关的用户选择策略使得系统的速率最大。

每个用户到机载端的nr个接收信道组成的矩阵为：

hnrl表示第l个用户与机载端第nr个接收天线的信道；表示矩阵中的第l列，计算公式为：表示维度为nr×1的复数空间。

αl,p表示第l个用户第p个路径的信道系数；θl,p表示第l个用户第p个路径的波束到达角度(aoa)；p'为第l个用户的路径总数。

步骤七、利用特定时刻下l个用户的信道估计值，计算机载端的接收估计结果

计算公式如下：

如图3所示，表示包含l个用户到l条射频链的基带组合矩阵，表示维度为l×k(l行k列)的复数空间；wij表示用户j对应的第i条射频链的基带；

表示包含射频相移网络的射频组合矩阵，表示维度为nr×l的复数空间；wnrl表示第nr个接收天线包含第l条射频相移网络的射频参数；

为l个用户发送的信号向量，x＝[x1,x2,...,xl,...,xl]^t；n为噪声向量，是一个l行1列的列向量。

步骤八、对机载端的接收估计结果进行仿真与分析，完成信道估计。

本发明假设无人机数量为1，用户的数量为k，无人机开始准备接收来自多个用户的高频信号，高频信号经过波束成形器转换为基带信号被接收，并进行储存。考虑到毫米波波束成形器形成的波束较窄，落在波束外的用户无法实行有效通信，因此，需要在接收端进行多次扫描，接收来自不同用户的信号，以便后续估计更多用户的信道信息。机载端更新波束成形器，对接收信号进行接收直到储存t个周期的接收数据；针对多个周期的接收信号，结合压缩感知算法，实现对信道的有效估计。

本发明基于机会波束成形的信道估计方法，通过机载端加入扫描机制，经过有限周期后，实现用户信道的有效估计。

首先，在5g毫米波通信系统中，由于在毫米波波段，信号传播衰减较大，故采用大规模阵列产生窄带波束，并通过波束成形技术实现基站与用户间的通信。然而，考虑到硬件成本问题，传统多天线系统要求一个阵元配备一条射频链，成本较高，因此机载端需采用混合波束成形设计。

由于机载端所产生的波束具有很强的指向性，可根据信道状态信息csi，在机载端进行用户选择并结合预编码方案与已选择的用户进行通信。假设同一时间只会有l个用户与基站进行通行，则需要设计相关的用户选择策略使得系统的速率最大。

在毫米波系统中，用户的csi信息主要在上行训练中进行估计，基于现有的信道估计方法，考虑针对本发明所提出的系统设计信道估计方法。其中，需要注意的是，训练的时间和通信的时间需要小于信道的相关时间，以便于实现通信双方的正常工作。最初的接入选择时，假设大量用户都向基站发送了接入请求，考虑到毫米波波束的强指向性，传统的信道估计方法不再适用。因此，针对机会波束成形的随机扫描机制以及压缩感知的数据恢复方法，提出在基站端利用混合波束成型器，结合波束扫描机制，实现对信道的有效估计。

根据基站端的码本，不难得知，基站与第k个用户间的信道hk可表示为：hk≈wck。

由于基站端的射频链有限，故考虑进行波束扫描的方式对系统中用户的csi信息进行估计；通过不同扫描周期下的结果进行整合得到zk。

对于压缩感知而言，p-离散向量ck可通过以下公式进行近似估计，估计值为：

ck≈argmin||c||1subjecttozk≈φc

其中，c为索引向量，||·||1表1-范数。

考虑到正交匹配搜索算法(omp)的通用性，故可以利用该算法解决本发明所提出的系统中的用户csi估计问题。

本发明对提出的信道估计方法性能进行评估。

仿真结果中的信道矩阵h，其中有一条路径是可视路径，剩余的路径是非可视路径。假设路径总数p＝3，可视路径的信道系数设置为αk,1＝1，非可视路径的信道系数满足此外，本发明设置nr＝60和l＝10，并且波束到达角度aoa被假定为[-π/3,π/3]区间内独立的均匀随机变量。为了方便，本发明假设每个用户的发射功率是相同的。性能比较的指标是归一化均方误差(nmse)，根据估计信道矩阵h可得nmse的表达式为：

e[||h-h||²/||h||²]

如图4所示，展示了所提出的信道估计算法中不同的码本数量n对nmse的影响，其余的仿真参数为k＝60，nr＝60，l＝10和snr＝10db。随着n的数量增加，该信道估计算法可以获得较好的性能。

为了更直观地看到nmse的性能，在不同的信噪比(snr)下进行计算机模拟。如图5所示，当k＝60，l＝10和g＝300时，不同snr值下的nmse。

本发明针对机载端混合波束成形器结构，设计了基于机会波束成形的信道估计方法，可有效实现对多用户信道的准确测量；机载端采用有限精度的波束成形码本，具有降低计算复杂度优势和进行无人机通信实用化的意义。