CN103997397A - 空域非均匀导频设计方法 - Google Patents
空域非均匀导频设计方法 Download PDFInfo
- Publication number
- CN103997397A CN103997397A CN201410182881.3A CN201410182881A CN103997397A CN 103997397 A CN103997397 A CN 103997397A CN 201410182881 A CN201410182881 A CN 201410182881A CN 103997397 A CN103997397 A CN 103997397A
- Authority
- CN
- China
- Prior art keywords
- matrix
- antenna
- pilot sign
- frequency pilot
- pilot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种空域非均匀导频设计方法,该方法包括:S1.根据天线的自相关矩阵,选择发送天线到接收天线的信道稀疏化基矩阵;S2.若给定导频符号在导频天线上的能量分布,基于最小化道稀疏化矩阵和导频符号矩阵之间的相关性的准则,得到导频符号***模型;若给定导频符号***模型,基于最小化信道稀疏化矩阵和导频符号矩阵之间的相关性的准则,得到导频符号在导频天线上的能量分布;S3.根据所述导频符号在导频天线上的能量分布以及导频符号***模型,发送导频符号序列;S4.接收端根据信道稀疏化基矩阵以及接收到的导频信号,采用信道重构算法估计出信道信息。本发明能够使用最少的导频开销,达到高概率恢复出完整的信道状态信息的目的。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种空域非均匀导频设计方法。
背景技术
在多用户MIMO应用场景中,***性能的提升依赖于各用户信道状态的获取,在完美获取各用户信道状态信息(CSI)的情况下,基站能够通过波束赋形技术,避免共享频谱资源用户的互相干扰。基站端获取CSI信息,对于时分复用(TDD)***来说,可以利用信道互易性,用户通过上行链路向基站发送导频训练信号,导频开销与用户数目成正比。而对于频分复用(FDD)***来说,如果采用传统的信道估计方法,基站通过下行链路向用户发送导频信号,导频开销与基站侧天线数目成正比,从而导致巨大的导频开销和反馈开销。巨大的导频开销成为限制大规模MIMO技术应用于FDD***的主要限制因素,因此,如何降低FDD***中由于天线数目急剧增加导致的线性增加的导频开销成为大规模MIMO发挥其巨大潜力的关键性挑战。
在大规模天线阵列中,由于天线空间部署的限制,天线倾向于密集部署,并且不局限于线性天线阵列,产生了矩形天线阵列、环形天线阵列等天线形状。在这种趋势下,相对于传统蜂窝通信基站的天线,大规模天线阵列中天线的相关性更强。目前在比较成熟的研究中,已采用在空域等间距***导频的方式,但是该方法下导频间隔受到采样定理的约束,减少采样数目会严重影响CSI估计质量。
发明内容
针对现有技术的不足,本发明提供一种空域非均匀导频设计方法,本发明能够使用最少的导频开销,达到高概率恢复出完整的信道状态信息的目的。
为实现上述目的,本发明通过以下技术方案予以实现:
1、一种空域非均匀导频设计方法,该方法包括:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
S1.根据发送天线阵列中天线的自相关矩阵,基于满足信号独立性和最大化稀疏特性的准则,选择发送天线到接收天线的信道稀疏化基矩阵
S2.若给定导频符号在导频天线上的能量分布,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型,其中导频符号矩阵为导频符号序列;
若给定导频符号***模型,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布;
S3.发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列;
S4.接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
优选地,所述步骤S2还包括:
根据所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,交替迭代地对导频符号***模型和导频符号在导频天线上的能量分布进行优化,当满足迭代终止条件时,得到导频符号***模型以及导频符号在各天线上的能量分布。
优选地,所述信号独立性和最大化稀疏特性的准则为:在用信道稀疏化基矩阵Ψ某一信号h做线性变换得到某稀疏信号时,信号独立性代表Ψ与h无关,最大化稀疏特性代表信号中非零元素最少。
优选地,所述信道稀疏化基矩阵为:对于Nt根发送天线到单根接收天线的信道向量有:并且变换后的信号呈现稀疏性,则矩阵Ψ为将稀疏化的信道稀疏化基矩阵。
优选地,所述导频符号在导频天线上的能量分布为:在总共数目为Nt的发送天线上,天线序号为的天线被用于发送导频符号序列那么在序号为ti上的天线上导频能量为则各天线上导频符号能量分布可以用序列: 表示。
优选地,所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则为:信道稀疏化基矩阵Ψ和导频符号矩阵Χ的相关性准则用感知矩阵Α=ΧΨ的平均列相关性来度量。
优选地,所述导频符号***模型为在总共数目为Nt的发送天线中,选择Np根天线发送导频符号序列,选择出来的Np根天线的天线特定序号集合则κ称为一种导频符号***模型。
优选地,所述步骤S2中若给定导频符号在导频天线上的能量分布,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型包括:
S81:初始化κ←φ,i=0,遍历Nt中任选2根天线的所有组合,对于组合{t1,t2},得到对应的信道稀疏化基矩阵Ψ0和导频符号矩阵Χ0,计算感知矩阵Α0=Χ0Ψ0的平均列相关性选取使得最小的组合 更新
S82:对于i={1,2,...,Nt}/{t1,t2},根据得到和并得到感知矩阵的平均列相关性选取使得最小的i,更新κ←{t1,t2}∪{ti},i=i+1;
S83:重复执行步骤S82直到i=Np,此时从Nt根发射天线选出Np天线用于发送导频符号。
优选地,所述步骤S2中若给定导频符号***模型,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布包括:
S91:已知导频符号***模型则通过从Nt×Nt维度的信道稀疏化基矩阵Ψ中选择出Np行构建变换基矩阵
S92:假设导频符号在导频天线上的能量分布矩阵 则感知矩阵 的平均列相关系数可以用其Gram矩阵G=ΑTΑ中的非对角线元素之和的平均表示;
S93:求解矩阵函数对矩阵a的一阶梯度和二阶梯度求解出使得达到最小值的矩阵a,矩阵a对角线上元素代表不同天线上的导频能量。
优选地,所述步骤S2中根据最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,交替迭代地对导频符号***模型和导频符号在各天线上的能量分布进行优化,当满足迭代终止条件时,得到导频符号***模型以及导频符号在各天线上的能量分布包括:
S101:初始阶段,随机产生一种导频符号***模型κ0,初始化迭代次数i=0,
S102:根据该导频符号***模型κi,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布ai;
S103:根据导频符号在导频天线上的能量分布ai,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型κi+1,计算在κi+1和ai下的感知矩阵Α的平均相关性
S104:如果则迭代结束;否则,迭代次数:i←i+1,转到S102,其中ε为预先设定的迭代精度。
优选地,所述信道重构算法包括正交匹配追踪算法,用于对原始信号的重构。
本发明至少具有如下的有益效果:
本发明利用FDD-MIMO***中天线空间域的相关性,结合压缩感知方法减少导频开销,并设计合理的导频序列,对于所有基站侧天线到接收天线的信道来说,在某个子载波上的Nt维信道向量中元素相互相关,则其在某种基变换下具有稀疏性表示,相关性越强则变换后的稀疏性越大,根据压缩感知理论,如果某信号在某种基变换下的信号为s稀疏的,那么可以通过若干个观测值用观测矩阵将原信号完全恢复出来,并且基变换矩阵与测量矩阵的相关性越小,则所需要的观测值个数越少。在本发明中,为了避免对于每根天线都发送导频训练信号,可以只选取若干根天线发送导频,减少了导频开销。本发明通过最小化基变换矩阵与测量矩阵的相关性,设计优化的导频序列,使用最少的导频开销,达到了高概率恢复出完整的信道状态信息的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中空域非均匀导频设计方法的流程图;
图2是本发明实施例二中在已知导频符号的能量分布的情况下空域非均匀导频设计方法的流程图;
图3是本发明实施例二中大规模二维天线阵列下空域导频发送模型;
图4是本发明实施例二中不同基变换矩阵下信道的稀疏性表示;
图5是压缩感知理论用于基于导频的信道估计原理示意图;
图6是本发明实施例三中在以已知导频符号***模型情况下空域非均匀导频设计方法的流程图;
图7是本发明实施例四中在不清楚导频符号***模型和导频符号在导频天线上的能量分布的情况下空域非均匀导频设计方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明实施例提出了一种空域非均匀导频设计方法,参见图1,该方法包括如下步骤:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
步骤101:根据发送天线阵列中天线的自相关矩阵,基于满足信号独立性和最大化稀疏特性的准则,选择发送天线到接收天线的信道稀疏化基矩阵
步骤102:若给定导频符号在导频天线上的能量分布,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型,其中导频符号矩阵 为导频符号序列;
若给定导频符号***模型,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布;
步骤103:发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列;
步骤104:接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
实施例二
本发明实施例以已知导频符号的能量分布为例,详细介绍本发明空域非均匀导频设计方法的具体实现过程,参见图2,包括如下步骤:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
步骤201:计算天线自相关性矩阵Rt。
在本步骤中,天线阵列中天线自相关性矩阵设水平维和竖直维天线间自相关矩阵为Rx和Ry,有,由于二维大规模天线阵列的天线间隔小于一个波长,使得不同天线到接收端天线的信道存在一定的相关性,该相关性可以用Nt×Nt维的自相关系数矩阵表示,矩阵中(i,j)元素表示第i根天线与第j根天线的相关性。
步骤202:根据天线自相关矩阵,选择信道稀疏化基矩阵。
在本步骤中,假设各个用户的接收天线为单天线,对基站到各用户的信道进行建模有:h=(Rt)1/2hiid,其中其元素服从均值为0,方差为1的复高斯随机分布;信道中每个元素表征每根发送天线到该用户的信道系数,包括信号的幅度和相位信息,属于密集型向量,中每个元素之间具有相关性,通过选取变换矩阵对其进行变换后的信号具有稀疏性,选取稀疏化基矩阵的原则为满足信号独立性和最大化稀疏特性的准则,所述满足信号独立性和最大化稀疏特性的准则为用正交基矩阵Ψ对某一信号s做线性变换得到某稀疏信号时,信号独立性代表Ψ与s无关,最大稀疏化特性代表信号中非零元素最少,具体地,a.与信道无关;b.能够将变换为稀疏性尽量小的矩阵。
所述信道稀疏化基矩阵为:对于Nt根发送天线到单根接收天线的信道向量有:并且变换后的信号呈现稀疏性,则矩阵Ψ为将稀疏化的信道稀疏化基矩阵。
如图3所示,基站中布置了大规模二维天线阵列,总的发送天线数目为Nt=64,分布于水平维度和竖直维度的天线数目分别为Ntx=8,Nty=8,并且水平维度和竖直维度天线最小单元间距均为Δd,在本实施例中Δd=0.01m。在该天线布置场景下,天线间的相关性较强。假设发送天线间的自相关矩阵为,水平维和竖直维天线间自相关矩阵为Rx和Ry则有:图示场景假设各个用户的接收天线为单天线,对基站到各用户的信道进行建模有:其中其元素服从均值为0,方差为1的复高斯随机分布。
如图4所示,基于满足信号独立性和最大化稀疏特性的准则,选择对不同发送天线到接收天线的信道稀疏化基矩阵Ψ;信道中每个元素表征每根发送天线到该用户的信道系数,包括信号的幅度和相位信息,属于密集型向量,但中每个元素之间具有相关性,通过选取变换矩阵对其进行变换后的信号具有稀疏性,在本实施例中变换后稀疏度为5。图4示出了信道在不同基变换下,如傅里叶变换(FFT),离散余弦变换(DCT),Karhunen-Loeve变换(KLT)下具有不同的稀疏性。选取稀疏化基矩阵的原则为:1.与信道无关;2.能够将变换为稀疏性尽量小的矩阵。在本实施例中,基于与待变换信号的独立性和最大稀疏化特性,选取DCT变换作为稀疏化基变换。
步骤203:已知导频符号的能量分布,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型。
在本步骤中,所述导频符号在导频天线上的能量分布为:在总共数目为Nt的发送天线上,天线序号为的天线被用于发送导频符号序列那么在序号为ti上的天线上导频能量为则各天线上导频符号能量分布可以用序列:表示。
所述导频符号***模型为在总共数目为Nt的发送天线中,选择Np根天线发送导频符号序列,选择出来的Np根天线的天线特定序号集合则κ称为一种导频符号***模型。
所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则为:信道稀疏化基矩阵Ψ和导频符号矩阵Χ的相关性准则用感知矩阵Α=ΧΨ的平均列相关性来度量。
在本实施例中已知导频符号的能量分布,执行如下流程,得到导频符号***模型:
A1.初始化κ←φ,i=0,遍历Nt中选2根天线的所有组合,对于组合{t1,t2},得到对应的信道稀疏化基矩阵Ψ0和导频符号矩阵Χ0,计算感知矩阵Α0=Χ0Ψ0的平均列相关性选取使得最小的组合更新
A2.对于i={1,2,...,Nt}/{t1,t2},根据得到和并得到感知矩阵的平均列相关性选取使得最小的i,更新κ←{t1,t2}∪{ti},i=i+1;
A3.重复执行步骤A2直到i=Np,此时从Nt根发射天线选出Np天线用于发送导频符号。
步骤204:发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列;
步骤205:接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
在本步骤中,所述信道重构算法包括正交匹配追踪算法,用于对原始信号的重构。下面是正交匹配追踪算法的具体实现过程:
a.初始化残差向量r0=y,初始化索引集Λ0=φ,设置迭代次数t=1;
b.通过求解如下一个简单的优化问题,找到索引值λt:
c.更新索引集:Λt=Λt-1∪{λt},Φt=[Φt-1,ψt],Φ0=0,求解一个最小二乘问题得到第t次迭代的x:xt=argminx||y-Φtx||2;
d.更新残差向量:rt=y-Φtxt。并且t←t+1,如果t<5,其中5为基变换后的信号稀疏度,返回步骤b。
e.最后一次迭代得到Λt={λ1,λ2,...,λ5}存储了重构后的的非零元素位置,而的第λj个元素为xt的第j个元素。所以根据xt,Λt得到重构后的
本实施例中,将压缩感知运用于信道状态信息的估计中,如图5所示,压缩感知理论表示,如果一个密集型信号在某种基变换下具有稀疏性表示,如图中信道变换后呈现极大地稀疏性,那么我们可以通过某个观测矩阵(图中Χ),在接收侧通过Np(Np<<Nt)个观测值,即信号y来完全恢复信道h。而在接收侧的信号恢复过程相当于求解一个最优化问题:
图5示出的压缩感知理论,观测矩阵X为对角矩阵,其对角线上的元素即发送侧发送的导频符号。本实施例采用最小化感知矩阵的平均列相关性作为设计导频矩阵X的基准。分析导频符号***模型和导频符号在导频天线上的能量分布对感知矩阵A的影响:1.导频符号***模型即在Nt根发送天线中选取Np根序号为发送导频;2.导频符号在导频天线上的能量分布影响了导频符号矩阵Χ中发送的导频幅值大小。因此本发明实施例通过优化感知矩阵A的平均列相关性,来优化导频功率分布和导频***模型。
本发明实施例利用FDD-MIMO***中天线空间域的相关性,结合压缩感知方法减少导频开销,并设计合理的导频序列,对于所有基站侧天线到接收天线的信道来说,在某个子载波上的Nt维信道向量中元素相互相关,则其在某种基变换下具有稀疏性表示,相关性越强则变换后的稀疏性越大,根据压缩感知理论,如果某信号在某种基变换下的信号为s稀疏的,那么可以通过若干个观测值用观测矩阵将原信号完全恢复出来,并且基变换矩阵与测量矩阵的相关性越小,则所需要的观测值个数越少。在本发明中,为了避免对于每根天线都发送导频训练信号,可以只选取若干根天线发送导频,减少了导频开销。本发明通过最小化基变换矩阵与测量矩阵的相关性,设计优化的导频序列,使用最少的导频开销,达到了高概率恢复出完整的信道状态信息的目的。
实施例三
本发明实施例以已知导频符号***模型为例,详细介绍本发明空域非均匀导频设计方法的具体实现过程,参见图6,包括如下步骤:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
步骤601:计算天线自相关性矩阵Rt。
在本步骤中,天线阵列中天线自相关性矩阵设水平维和竖直维天线间自相关矩阵为Rx和Ry,有
步骤602:根据天线自相关矩阵,选择信道稀疏化基矩阵。
在本步骤中,假设各个用户的接收天线为单天线,对基站到各用户的信道进行建模有:h=(Rt)1/2hiid,其中 是我们对信道进行建模的时候为了表现信道响应随机特性的一个向量,并不存在实际的物理意义),其元素服从均值为0,方差为1的复高斯随机分布;信道中每个元素表征每根发送天线到该用户的信道系数,包括信号的幅度和相位信息,属于密集型向量,中每个元素之间具有相关性,通过选取变换矩阵对其进行变换后的信号具有稀疏性,选取变换矩阵或称稀疏化基矩阵的原则为:a.与信道无关;b.能够将变换为稀疏性尽量小的矩阵。
步骤603:已知导频符号***模型,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布。
在本步骤中,所述导频符号***模型为在总共数目为Nt的发送天线中,选择Np根天线发送导频符号序列,选择出来的Np根天线的天线特定序号集合则κ称为一种导频符号***模型。
所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则为:信道稀疏化基矩阵Ψ和导频符号矩阵Χ相关性用感知矩阵Α=ΧΨ的平均列相关性来度量。
所述导频符号在导频天线上的能量分布为:在总共数目为Nt的发送天线上,天线序号为的天线被用于发送导频符号序列那么在序号为ti上的天线上导频能量为则各天线上导频符号能量分布可以用序列:表示。
本实施例已知导频符号***模型,执行如下流程,得到导频符号在导频天线上的能量分布:
B1.已知导频符号***模型则通过从Nt×Nt维度的信道稀疏化基矩阵Ψ中选择出Np行构建变换基矩阵
B2.假设导频符号在导频天线上的能量分布矩阵 则感知矩阵 的平均列相关系数可以用其Gram矩阵G=ATA中的非对角线元素之和的平均表示;
B3.求解矩阵函数对矩阵a的一阶梯度和二阶梯度求解出使得达到最小值的矩阵a,矩阵a对角线上元素代表不同天线上的导频能量。
步骤604:发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列;
步骤605:接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
在本步骤中,所述信道重构算法包括正交匹配追踪算法,用于对原始信号的重构。
本发明实施例利用FDD-MIMO***中天线空间域的相关性,结合压缩感知方法减少导频开销,并设计合理的导频序列,对于所有基站侧天线到接收天线的信道来说,在某个子载波上的Nt维信道向量中元素相互相关,则其在某种基变换下具有稀疏性表示,相关性越强则变换后的稀疏性越大,根据压缩感知理论,如果某信号在某种基变换下的信号为s稀疏的,那么可以通过若干个观测值用观测矩阵将原信号完全恢复出来,并且基变换矩阵与测量矩阵的相关性越小,则所需要的观测值个数越少。在本发明中,为了避免对于每根天线都发送导频训练信号,可以只选取若干根天线发送导频,减少了导频开销。本发明通过最小化基变换矩阵与测量矩阵的相关性,设计优化的导频序列,使用最少的导频开销,达到了高概率恢复出完整的信道状态信息的目的。
实施例四
本发明实施例以在不清楚导频符号***模型和导频符号在导频天线上的能量分布的情况为例,详细介绍本发明空域非均匀导频设计方法的具体实现过程,参见图7,该方法包括如下步骤:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
步骤701:计算天线自相关性矩阵Rt。
在本步骤中,天线阵列中天线自相关性矩阵设水平维和竖直维天线间自相关矩阵为Rx和Ry,有
步骤702:根据天线自相关矩阵,选择信道稀疏化基矩阵。
在本步骤中,假设各个用户的接收天线为单天线,对基站到各用户的信道进行建模有:h=(Rt)1/2hiid,其中其元素服从均值为0,方差为1的复高斯随机分布;信道中每个元素表征每根发送天线到该用户的信道系数,包括信号的幅度和相位信息,属于密集型向量,中每个元素之间具有相关性,通过选取变换矩阵对其进行变换后的信号具有稀疏性,选取稀疏化基矩阵的原则为:a.与信道无关;b.能够将变换为稀疏性尽量小的矩阵。
步骤703:根据给定的导频天线数目,随机产生一种导频符号***模型。
在本步骤中,所述导频符号***模型为在总共数目为Nt的发送天线中,选择Np根天线发送导频符号序列,选择出来的Np根天线的天线特定序号集合则κ称为一种导频符号***模型。在本实施例初始阶段随机产生一种导频符号***模型κ0,初始化迭代次数i=0,
步骤704:根据已确定的导频***模型,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布。
在本步骤中,所述导频符号在导频天线上的能量分布为:在总共数目为Nt的发送天线上,天线序号为的天线被用于发送导频符号序列那么在序号为ti上的天线上导频能量为则各天线上导频符号能量分布可以用序列:表示。
所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则为:信道稀疏化基矩阵Ψ和导频符号矩阵Χ相关性用感知矩阵Α=ΧΨ的平均列相关性来度量。
具体地,根据该导频符号***模型κi,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布ai。在本实施例中可以应用如下方式求解导频符号在导频天线上的能量分布ai:
B1.已知导频符号***模型则通过从Nt×Nt维度的信道稀疏化基矩阵Ψ中选择出Np行构建变换基矩阵
B2.假设导频符号在导频天线上的能量分布矩阵 则感知矩阵 的平均列相关系数可以用其Gram矩阵G=ATA中的非对角线元素之和的平均表示;
B3.求解矩阵函数对矩阵a的一阶梯度和二阶梯度求解出使得达到最小值的矩阵a,矩阵a对角线上元素代表不同天线上的导频能量。
步骤705:根据步骤704已确定的导频符号在导频天线上的能量分布,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型。
在本步骤中,根据步骤704已确定的导频符号在导频天线上的能量分布ai,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型κi+1。
优选地,可以应用如下方式求解导频符号***模型κi+1:
A1.初始化κ←φ,i=0,遍历Nt中选2根天线的所有组合,对于组合{t1,t2},得到对应的信道稀疏化基矩阵Ψ0和导频符号矩阵Χ0,计算感知矩阵Α0=Χ0Ψ0的平均列相关性选取使得最小的组合更新
A2.对于i={1,2,...,Nt}/{t1,t2},根据得到和并得到感知矩阵的平均列相关性选取使得最小的i,更新κ←{t1,t2}∪{ti},i=i+1;
A3.重复执行步骤A2直到i=Np,此时从Nt根发射天线选出Np天线用于发送导频符号。
步骤706:根据已确定的导频符号在导频天线上的能量分布ai和已确定的导频符号***模型κi+1,计算信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则。
本步骤中,计算在κi+1和ai下的感知矩阵Α的平均相关性
步骤707:判断信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则是否满足预先设定的迭代终止条件,若满足,执行步骤408;若不满足,返回步骤704。
在本步骤中,预先设定的迭代终止条件为其中ε为预先设定的迭代精度。若满足则迭代结束,执行步骤708;否则,迭代次数:i←i+1,返回步骤704。
步骤708:发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列。
步骤709:接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
在本步骤中,所述信道重构算法包括正交匹配追踪算法,用于对原始信号的重构。
本发明实施例利用FDD-MIMO***中天线空间域的相关性,结合压缩感知方法减少导频开销,并设计合理的导频序列,对于所有基站侧天线到接收天线的信道来说,在某个子载波上的Nt维信道向量中元素相互相关,则其在某种基变换下具有稀疏性表示,相关性越强则变换后的稀疏性越大,根据压缩感知理论,如果某信号在某种基变换下的信号为s稀疏的,那么可以通过若干个观测值用观测矩阵将原信号完全恢复出来,并且基变换矩阵与测量矩阵的相关性越小,则所需要的观测值个数越少。在本发明中,为了避免对于每根天线都发送导频训练信号,可以只选取若干根天线发送导频,减少了导频开销。本发明通过最小化基变换矩阵与测量矩阵的相关性,设计优化的导频序列,使用最少的导频开销,达到了高概率恢复出完整的信道状态信息的目的。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种空域非均匀导频设计方法,其特征在于,该方法包括:已知总的发送天线数目Nt以及用于发送导频的天线数目Np;
S1.根据发送天线阵列中天线的自相关矩阵,基于满足信号独立性和最大化稀疏特性的准则,选择发送天线到接收天线的信道稀疏化基矩阵
S2.若给定导频符号在导频天线上的能量分布,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型,其中导频符号矩阵为导频符号序列;
若给定导频符号***模型,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布;
S3.发送端根据所述导频符号在导频天线上的能量分布以及导频符号***模型,在用于发送导频的天线上发送导频符号序列;
S4.接收端根据所述信道稀疏化基矩阵Ψ以及接收到的导频信号y,采用信道重构算法估计出信道信息,该信道信息包括所有发送天线到接收天线的信道矩阵信息。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2还包括:
根据所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,交替迭代地对导频符号***模型和导频符号在导频天线上的能量分布进行优化,当满足迭代终止条件时,得到导频符号***模型以及导频符号在各天线上的能量分布。
3.根据权利要求1或2所述的方法,其特征在于,所述信号独立性和最大化稀疏特性的准则为:在用信道稀疏化基矩阵Ψ某一信号h做线性变换得到某稀疏信号时,信号独立性代表Ψ与h无关,最大化稀疏特性代表信号中非零元素最少。
4.根据权利要求3所述的方法,其特征在于,所述信道稀疏化基矩阵为:对于Nt根发送天线到单根接收天线的信道向量有:并且变换后的信号呈现稀疏性,则矩阵Ψ为将稀疏化的信道稀疏化基矩阵。
5.根据权利要求4所述的方法,其特征在于,所述导频符号在导频天线上的能量分布为:在总共数目为Nt的发送天线上,天线序号为的天线被用于发送导频符号序列那么在序号为ti上的天线上导频能量为则各天线上导频符号能量分布可以用序列: 表示。
6.根据权利要求5所述,其特征在于,所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则为:信道稀疏化基矩阵Ψ和导频符号矩阵Χ的相关性准则用感知矩阵Α=ΧΨ的平均列相关性来度量。
7.根据权利要求6所述,其特征在于,所述导频符号***模型为在总共数目为Nt的发送天线中,选择Np根天线发送导频符号序列,选择出来的Np根天线的天线特定序号集合则κ称为一种导频符号***模型。
8.根据权利要求7所述的方法,其特征在于,所述步骤S2中若给定导频符号在导频天线上的能量分布,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型包括:
S81:初始化κ←φ,i=0,遍历Nt中任选2根天线的所有组合,对于组合{t1,t2},得到对应的信道稀疏化基矩阵Ψ0和导频符号矩阵Χ0,计算感知矩阵Α0=Χ0Ψ0的平均列相关性选取使得最小的组合 更新
S82:对于i={1,2,...,Nt}/{t1,t2},根据得到和并得到感知矩阵的平均列相关性选取使得最小的i,更新κ←{t1,t2}∪{ti},i=i+1;
S83:重复执行步骤S82直到i=Np,此时从Nt根发射天线选出Np天线用于发送导频符号。
9.根据权利要求7所述的方法,其特征在于,所述步骤S2中若给定导频符号***模型,基于最小化信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布包括:
S91:已知导频符号***模型则通过从Nt×Nt维度的信道稀疏化基矩阵Ψ中选择出Np行构建变换基矩阵
S92:假设导频符号在导频天线上的能量分布矩阵 则感知矩阵 的平均列相关系数可以用其Gram矩阵G=ΑTΑ中的非对角线元素之和的平均表示;
S93:求解矩阵函数对矩阵a的一阶梯度和二阶梯度求解出使得达到最小值的矩阵a,矩阵a对角线上元素代表不同天线上的导频能量。
10.根据权利要求7所述的方法,其特征在于,所述步骤S2中根据最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,交替迭代地对导频符号***模型和导频符号在各天线上的能量分布进行优化,当满足迭代终止条件时,得到导频符号***模型以及导频符号在各天线上的能量分布包括:
S101:初始阶段,随机产生一种导频符号***模型κ0,初始化迭代次数i=0,
S102:根据该导频符号***模型κi,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号在导频天线上的能量分布ai;
S103:根据导频符号在导频天线上的能量分布ai,基于最小化所述信道稀疏化基矩阵Ψ和导频符号矩阵Χ之间的相关性的准则,得到导频符号***模型κi+1,计算在κi+1和ai下的感知矩阵Α的平均相关性
S104:如果则迭代结束;否则,迭代次数:i←i+1,转到S102,其中ε为预先设定的迭代精度。
11.根据权利要求1至10任一所述的方法,其特征在于,所述信道重构算法包括正交匹配追踪算法,用于对原始信号的重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182881.3A CN103997397B (zh) | 2014-04-30 | 2014-04-30 | 空域非均匀导频设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410182881.3A CN103997397B (zh) | 2014-04-30 | 2014-04-30 | 空域非均匀导频设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103997397A true CN103997397A (zh) | 2014-08-20 |
CN103997397B CN103997397B (zh) | 2019-10-01 |
Family
ID=51311408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410182881.3A Active CN103997397B (zh) | 2014-04-30 | 2014-04-30 | 空域非均匀导频设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103997397B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104780128A (zh) * | 2015-04-14 | 2015-07-15 | 哈尔滨工程大学 | 一种水声ofdma上行通信稀疏信道估计与导频优化方法 |
CN105915473A (zh) * | 2016-05-26 | 2016-08-31 | 中南大学 | 一种基于压缩感知技术的ofdm***参数化信道估计及均衡方法 |
CN109725271A (zh) * | 2018-12-29 | 2019-05-07 | 南京国科医工科技发展有限公司 | 阵列线圈的激发参数确定及激发方法、装置 |
CN113395222A (zh) * | 2021-06-10 | 2021-09-14 | 上海大学 | 基于非均匀导频的信道预测吞吐量优化方法 |
CN113923723A (zh) * | 2021-10-15 | 2022-01-11 | 中国联合网络通信集团有限公司 | 流量重构方法、装置、设备及存储介质 |
CN115695105A (zh) * | 2023-01-03 | 2023-02-03 | 南昌大学 | 基于深度迭代智能超表面辅助通信的信道估计方法及装置 |
WO2023236803A1 (zh) * | 2022-06-10 | 2023-12-14 | 华为技术有限公司 | 信道信息的传输方法、通信装置及通信设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984612A (zh) * | 2010-10-26 | 2011-03-09 | 南京邮电大学 | 基于压缩感知的非连续正交频分复用信道估计方法 |
CN103685088A (zh) * | 2012-09-20 | 2014-03-26 | 华为技术有限公司 | 稀疏信道的导频优化方法、装置和信道估计方法 |
-
2014
- 2014-04-30 CN CN201410182881.3A patent/CN103997397B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984612A (zh) * | 2010-10-26 | 2011-03-09 | 南京邮电大学 | 基于压缩感知的非连续正交频分复用信道估计方法 |
CN103685088A (zh) * | 2012-09-20 | 2014-03-26 | 华为技术有限公司 | 稀疏信道的导频优化方法、装置和信道估计方法 |
Non-Patent Citations (3)
Title |
---|
何雪云 , 宋荣方 , 周克琴: "基于压缩感知的OFDM***稀疏信道估计新方法研究", 《南京邮电大学学报》 * |
何雪云,宋荣方,周克琴: "基于压缩感知的OFDM 稀疏信道估计导频图案设计", 《南京邮电大学学报》 * |
何雪云; 潘林; 彭伟刚: "压缩感知在稀疏信道估计中的应用", 《通信技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104780128A (zh) * | 2015-04-14 | 2015-07-15 | 哈尔滨工程大学 | 一种水声ofdma上行通信稀疏信道估计与导频优化方法 |
CN104780128B (zh) * | 2015-04-14 | 2019-05-21 | 哈尔滨工程大学 | 一种水声ofdma上行通信稀疏信道估计与导频优化方法 |
CN105915473A (zh) * | 2016-05-26 | 2016-08-31 | 中南大学 | 一种基于压缩感知技术的ofdm***参数化信道估计及均衡方法 |
CN105915473B (zh) * | 2016-05-26 | 2019-07-12 | 中南大学 | 一种基于压缩感知技术的ofdm***参数化信道估计及均衡方法 |
CN109725271A (zh) * | 2018-12-29 | 2019-05-07 | 南京国科医工科技发展有限公司 | 阵列线圈的激发参数确定及激发方法、装置 |
CN109725271B (zh) * | 2018-12-29 | 2021-03-19 | 南京国科医工科技发展有限公司 | 阵列线圈的激发参数确定及激发方法、装置 |
CN113395222A (zh) * | 2021-06-10 | 2021-09-14 | 上海大学 | 基于非均匀导频的信道预测吞吐量优化方法 |
CN113923723A (zh) * | 2021-10-15 | 2022-01-11 | 中国联合网络通信集团有限公司 | 流量重构方法、装置、设备及存储介质 |
CN113923723B (zh) * | 2021-10-15 | 2023-05-09 | 中国联合网络通信集团有限公司 | 流量重构方法、装置、设备及存储介质 |
WO2023236803A1 (zh) * | 2022-06-10 | 2023-12-14 | 华为技术有限公司 | 信道信息的传输方法、通信装置及通信设备 |
CN115695105A (zh) * | 2023-01-03 | 2023-02-03 | 南昌大学 | 基于深度迭代智能超表面辅助通信的信道估计方法及装置 |
CN115695105B (zh) * | 2023-01-03 | 2023-03-17 | 南昌大学 | 基于深度迭代智能超表面辅助通信的信道估计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103997397B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997397A (zh) | 空域非均匀导频设计方法 | |
CN108964726B (zh) | 一种低复杂度的大规模mimo上行链路传输信道估计方法 | |
CN101507141B (zh) | 用于mimo通信的变换域反馈信令 | |
CN109257309B (zh) | 一种高性能的大规模mimo下行链路传输信道估计方法 | |
CN102299775B (zh) | 一种预编码矩阵的选择方法和装置 | |
CN108599820B (zh) | 基于块结构自适应压缩采样匹配追踪算法的大规模mimo***信道估计方法 | |
CN105978674B (zh) | 基于压缩感知的fdd下大规模mimo信道估计的导频优化方法 | |
KR101392396B1 (ko) | 채널 상태 정보의 피드백 방법 및 시스템 | |
CN110022274B (zh) | 一种毫米波mimo-ofdm***的联合信道与载波频率偏移估计方法 | |
CN104052691A (zh) | 基于压缩感知的mimo-ofdm***信道估计方法 | |
CN102710309B (zh) | 适用于大规模天线阵列的同步信号发射方法 | |
JP5391335B2 (ja) | 多入力多出力ビーム形成のデータ送信方法及び装置 | |
JP2009213124A5 (zh) | ||
CN105119853A (zh) | 一种基于贝叶斯方法的多用户大规模mimo信道估计方法 | |
CN109005133B (zh) | 双稀疏多径信道模型及基于此模型的信道估计方法 | |
CN110380997B (zh) | 基于自适应压缩感知的毫米波信道估计方法 | |
WO2010024543A3 (en) | Method of feedback information transmission, method and apparatus of data transmission in a wireless communication system having multiple antennas | |
CN108390836A (zh) | 一种大规模mimo***上行信道估计方法 | |
CN104869086B (zh) | 基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 | |
CN107465636B (zh) | 一种毫米波大规模阵列空频双宽带***的信道估计方法 | |
CN114172549B (zh) | 天波大规模mimo通信下行传输方法 | |
CN110166087B (zh) | Iq失衡下导频复用大规模mimo-ofdm无线通信方法 | |
CN104113396A (zh) | 大规模天线***中的信道检测方法和装置 | |
JP5446609B2 (ja) | Mimo−ofdm送信方法、mimi−ofdm送信装置、mimo−ofdm受信方法及びmimo−ofdm受信装置。 | |
CN106130938B (zh) | Tdd大规模mimo***多用户联合信道估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |