CN104869086B - 基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 - Google Patents
基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 Download PDFInfo
- Publication number
- CN104869086B CN104869086B CN201510280757.5A CN201510280757A CN104869086B CN 104869086 B CN104869086 B CN 104869086B CN 201510280757 A CN201510280757 A CN 201510280757A CN 104869086 B CN104869086 B CN 104869086B
- Authority
- CN
- China
- Prior art keywords
- channel estimation
- pilot frequency
- msub
- frequency domain
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004891 communication Methods 0.000 title claims abstract description 24
- 238000005056 compaction Methods 0.000 title abstract 3
- 230000008447 perception Effects 0.000 title 1
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 239000013598 vector Substances 0.000 claims description 38
- 239000013256 coordination polymer Substances 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000005070 sampling Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Landscapes
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于二维压缩感知的MIMO‑OFDM通信***下行信道估计方法,属于通信技术领域。本发明针对现有基于一维压缩感知的信道估计技术的不足,首先进行初步的频域信道估计,然后基于压缩感知理论,同时考虑时延域的稀疏性以及OFDM符号在时域中所存在的相关性,通过构建二维观测矩阵,在二维范围内对初步频域信道估计值进行滤波,从而提升信道估计性能。本发明还公开了一种基于二维压缩感知的MIMO‑OFDM通信***下行信道估计装置。相比现有技术,本发明具有更好的信道估计性能。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于二维压缩感知的MIMO-OFDM通信***下行信道估计方法、装置。
背景技术
为了满足未来移动通信***对***容量、频谱效率、数据传输速率等多方面越来越高的需求,现有LTE(Long Term Evolution,长期演进项目)标准中,采用了多天线(Multiple Input Multiple Output,多输入多输出)技术和OFDM(Orthogonal FrequencyDivision Multiplexing,正交频分复用)技术。其中MIMO技术可以在不增加带宽的前提下,成倍地提高***容量和频谱利用率,另一方面,OFDM技术是宽带传输中的代表技术,具有抗多径衰落能力强,对窄带干扰和噪声不敏感、带宽扩展灵活等一系列优点。
在无线通信***中,为了获得更好的接收性能,一般采用相干检测技术。为了实现相干检测,则需要获得信道参数,因此需要在接收端进行信道估计。为了能够及时准确的估计出信道参数,实际的通信***常采用基于导频辅助的信道估计方法。在多天线***中,对于每个接收信道,需要估计多个信道参数;在OFDM***中,待估计的信道参数一般是指信道频域响应参数。
压缩感知,又称压缩采样,是一个新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。由于在实际的散射环境中,对于宽带信号,无线信道往往由几条主要的路径构成,因此可以将无线信道视为一个时延域稀疏信道,利用压缩感知理论可以以较少的导频数目估计出信道响应。
现有的压缩感知信道估计方法(可参见文献:Implementation of greedyalgorithms for LTE sparse channel estimation(作者:Maechler P,Greisen P,Sporrer B,et al.)),对接收的每个导频OFDM符号,利用其频率域部分傅里叶变换矩阵作为观测矩阵,导频处的频域信道估计值作为观测向量,直接利用压缩感知进行求解,该方法仅利用了OFDM符号在频域的相关性,而未使用时域相关性。在MIMO-OFDM***中,OFDM符号在时域也存在相关性,因此可以考虑利用时域和频域相关性,从而使得信道估计性能更优。
发明内容
本发明所要解决的技术问题在于克服现有技术不足,提供一种基于二维压缩感知的MIMO-OFDM通信***下行信道估计方法,根据OFDM符号在时域中的相关性,通过构建二维观测矩阵,在二维范围内对初始频域信道估计值进行滤波,相比现有基于一维压缩感知的信道估计技术具有更好的信道估计性能。
本发明具体采用以下技术方案解决上述技术问题:
基于二维压缩感知的MIMO-OFDM通信***下行信道估计方法,包括以下步骤:步骤1、在接收端,将所接收的所有插有导频的OFDM符号按照导频结构进行分组,相同导频结构的OFDM符号分成一组;对每组OFDM符号,采用频域信道估计方法估计出导频处信道值,并将信道估计值按频率域方向递增以及时间域方向递增排列成一个列向量;
步骤2、对每一组OFDM符号,分别按照以下方法生成一个二维观测矩阵:
假设接收信号共有P个插有导频的OFDM符号,包含J种导频结构,按照导频结构将P个OFDM符号进行分类,第j种导频结构所对应的组中包含Nj个OFDM符号,且有Nj>1;
从所述通信***的N点归一化傅里叶变换矩阵中按照第j种导频结构提取NP行,以及前NCP列,从而得到一个部分傅里叶变换矩阵同时构建一个Nj点的归一化傅里叶变换矩阵其中,NP为每个OFDM符号中所***的导频数,NCP为通信***的循环前缀长度;
所述部分傅里叶变换矩阵的具体表达如下:
其中,kj为第j种导频结构的初始导频位置,D为导频间隔;
所述归一化傅里叶变换矩阵的表达式如下:
则第j种导频结构所对应的第j组OFDM符号的二维观测矩阵F(j)的表达式如下:
其中,表示克罗内克积;
步骤3、以步骤1所得到的列向量作为观测向量,以步骤2得到的二维观测矩阵作为观测矩阵,利用压缩感知算法对每组OFDM符号分别求解其时域信道估计值;
步骤4、对步骤3求得的每组时域信道估计值,利用相应的二维观测矩阵将其变换到频域,得到压缩感知频域信道估计值;
步骤5、将所得到的所有压缩感知频域信道估计值按照原来的导频结构排放,并通过插值滤波得到完整的频域信道估计值。
优选地,步骤1中所述频域信道估计方法为最小二乘法。
优选地,步骤3中的压缩感知算法为正交匹配跟踪算法。
基于二维压缩感知的MIMO-OFDM通信***下行信道估计装置,所述下行信道估计装置设置于接收端,包括:
初始频域信道估计单元,用于将接收端接收的所有插有导频的OFDM符号按照导频结构进行分组,相同导频结构的OFDM符号分成一组;对每组OFDM符号,采用频域信道估计方法估计出导频处信道值,并将信道估计值按频率域方向递增以及时间域方向递增排列成一个列向量;
二维观测矩阵生成单元,用于对每一组OFDM符号,分别按照以下方法生成一个二维观测矩阵:
假设接收端共接收到P个插有导频的OFDM符号,包含J种导频结构,按照导频结构将P个OFDM符号进行分类,第j种导频结构所对应的组中包含Nj个OFDM符号,且有Nj>1;
从所述通信***的N点归一化傅里叶变换矩阵中按照第j种导频结构提取NP行,以及前NCP列,从而得到一个部分傅里叶变换矩阵同时构建一个Nj点的归一化傅里叶变换矩阵其中,NP为每个OFDM符号中所***的导频数,NCP为通信***的循环前缀长度;
所述部分傅里叶变换矩阵的具体表达如下:
其中,kj为第j种导频结构的初始导频位置,D为导频间隔;
所述归一化傅里叶变换矩阵的表达式如下:
则第j种导频结构所对应的第j组OFDM符号的二维观测矩阵F(j)的表达式如下:
其中,表示克罗内克积;
压缩感知算法单元,用于以初始频域信道估计单元所得到的列向量作为观测向量,以二维观测矩阵生成单元得到的二维观测矩阵作为观测矩阵,利用压缩感知算法对每组OFDM符号分别求解其时域信道估计值;
频域转换单元,用于对压缩感知算法单元求得的每组时域信道估计值,利用相应的二维观测矩阵将其变换到频域,得到压缩感知频域信道估计值;
结果输出单元,用于将频域转换单元输出的所有频域信道估计值按照原来的导频结构排放,并通过插值滤波得到完整的频域信道估计值。
优选地,初始频域信道估计单元所使用的频域信道估计方法为最小二乘法。
优选地,压缩感知算法单元所使用的压缩感知算法为正交匹配跟踪算法。
相比现有技术,本发明具有以下有益效果:
传统的MIMO-OFDM通信***下行信道估计方法,如最小二乘估计,要求在一个OFDM符号内的导频数目必须不小于信道时域长度,从而保证导频在时域的分布间隔小于相干频率间隔,否则会引起信道估计结果在时域的混叠。而本发明利用了时延域的稀疏性,结合压缩感知理论,导频数目可以小于信道估计时域长度。同时,本发明考虑了OFDM符号在时域中所存在的相关性,通过构建二维观测矩阵,在二维范围内对初步频域信道估计值进行了滤波,相对于现有基于一维压缩感知的信道估计技术,本发明的信道估计性能更加优越。
附图说明
图1为实施例中本发明下行信道估计方法的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明:
本发明针对现有基于一维压缩感知的信道估计技术的不足,首先进行初步的频域信道估计,然后基于压缩感知理论,同时考虑时延域的稀疏性以及OFDM符号在时域中所存在的相关性,通过构建二维观测矩阵,在二维范围内对初步频域信道估计值进行滤波,从而提升信道估计性能。
本发明适用于信道缓变的各种MIMO-OFDM通信***,为了便于公众理解,下面以LTE***为例来对本发明技术方案进行详细说明。
LTE下行***,具有NT根发送天线,NR根接收天线,是一个MIMO-OFDM***。由于LTE下行天线间的导频分布采用了FDM(Frequency Division Multiplexing)的导频分布方式,天线间不存在干扰,MIMO导频信道估计问题可简化为SISO(Single Input Single Output)导频信道估计问题。
第rx根接收天线,第tx根发射天线的时域多径信号,可以表示为如下形式:
其中,αl和τl表示第l个路径的衰落系数和时延,L代表时域信道的路径个数。对时域信道以Ts为采样间隔进行采样,且为整数倍采样,则离散采样点如下:
采样得到的第rx根接收天线,第tx根发射天线的N点时域离散信道为hrx,tx,定义采样后多径的位置集合为:CL={cl|cl=τl/Ts,l=1,2,...,L},则它的补集为
第rx根接收天线,第tx根发射天线,无噪时频域信道Hrx,tx可以表示成如下形式:
Hrx,tx=FNhrx,tx (3)
其中,FN表示N点归一化傅里叶变换矩阵。
由于MIMO信道估计模型,导频成FDM分布,则多天线信道估计模型,可以转换成单天线信道估计模型,其第rx根接收天线,第tx根发射天线,接收端导频位置的信道估计值与发送端导频信号的关系如下式所示:
Yrx,p=Xtx,pHrx,tx,p+Wrx,p (4)
其中,Xtx,p表示第tx根发射天线上的某个子帧内OFDM符号的NP维导频信号,按照对角线的方式排列成NP×NP维的对角阵形式。Hrx,tx,p表示第rx根接收天线,第tx根发射天线导频处的频域信道值,Yrx,p表示第rx根天线接收端导频处信道值。Wrx,p表示第rx根接收天线频域导频处的噪声。
由于LS算法求得信道估计为:
由于LTE***中,第rx根接收天线第tx根发射天线,每个子帧中共含有4个插有导频的OFDM符号,且假设它们的频域信道估计分别为NP×1维的一组观测向量:j∈{1,2,3,4},相对应的发送端导频信号为NP×1维的一组列向量:xj,j∈{1,2,3,4}。
由于第1个和第3个导频OFDM符号的导频分布结构相同,将导频处的接收信号、信道估计值以及发送端导频信号表示成列向量形式,如下所示:
将导频向量x(1)表示成对角阵的形式:
X(1)=Diag(x(1)) (9)
同样,第2个和第4个导频OFDM符号的导频分布结构相同,依次将导频处接收信号、信道估计值以及发送端导频信号,表示成列向量的形式:
将导频向量x(2)表示成对角阵的形式:
X(2)=Diag(x(2)) (13)
其中,表示2NP×1维的列向量,x(1)表示第1个和第3个OFDM符号发送端导频信号组成的2NP×1维的列向量,x(2)表示第2个和第4个OFDM符号发送端导频信号组成的2NP×1维的列向量。X(1)表示将x(1)对角化成对角阵,X(2)表示将向量x(2)对角化成对角阵。Diag{}表示将向量表示成对角阵形式。Y(1),表示第1个和第3个插有导频的OFDM符号接收端导频位置接收值,按照式(8)排成的列向量的形式;Y(2)表示第2个和第4个插有导频的OFDM符号接收端导频位置接收值,按照式(12)排成的列向量的形式。
2、信道的初始估计值
在SISO-OFDM***中,假设发送的导频信号为Xk,接收端的接收导频数据为:Yk,利用最小二乘算法获得每个导频子载波上信道频域响应向量对应的初始估计值为:
由于Xk(Xk)*=1,因此将上述的两组导频接收信号与发送端信号,分别利用最小二乘求解,表示成向量的形式如下所示:
(·)H表示共轭转置, 是一个2NP×1维的列向量,X(1),X(2)是(2NP)×(2NP)的对角阵,Y(1),Y(2)是2NP×1维的观测向量。
3、二维观测矩阵的构建
由于LTE下行信道中,为了防止信道间干扰,从而设有虚拟子载波,实际分配的子载波部分导频是均匀分布的。假设导频间隔为D(实际***中D为6),导频数目为NP。LTE一个子帧内共有2种导频结构,导频位置集合分别为{k1,k1+D,...,k1+(NP-1)D}和{k2,k2+D,...,k2+(NP-1)D},两种导频分布的OFDM符号,导频位置处的信道估计值与时域信号的关系为:
其中,H1,h1,分别表示第1个插有导频的OFDM符号,频域导频处信道值、时域信道值以及导频观测矩阵。H2,h2,分别表示第2个插有导频的OFDM符号,频域导频处信道值、时域信道值以及导频观测矩阵。和的表达式如下所示:
上述的和都是NP×NCP维的部分傅里叶矩阵,由于假设信道径的最大时延不会超过CP的长度NCP,因而和都是取了FN的前NCP列。
由于一个子帧内共有2个OFDM符号的导频结构相同,所以生成一个时间域归一化DFT矩阵为:
利用克罗内克积,分别生成两个二维观测矩阵,其表达式如下:
其中,表示克罗内克积。
4、二维的延时估计以及相应的幅度估计
信道估计向量在二维观测矩阵F(1)上具有稀疏性,在二维观测矩阵F(2)上具有稀疏性,从而可在二维观测矩阵基础上,进行压缩感知信道估计。二维压缩感知信道估计的模型如下:
其中,和是2NCP×1维的时域信道估计值。
对于上述二维压缩感知信道估计模型,可采用现有的各种算法进行求解,例如压缩感知贪婪类迭代算法,下面以其中的代表算法:正交匹配追踪算法(OrthogonalMatching Pursuit,OMP)算法为例,给出2NCP×1维的观测向量的求解过程,具体步骤如下:
a.初始化残差向量初始迭代次数为:k=1,初始化稀疏位置索引集合观测矩阵集合假设多径数目为:L,则迭代的总次数为K,K=2L;
b.第k次迭代时,通过求解下式,找出第k个时延的位置,从而得到:
其中,表示观测矩阵F(1)的第j列,rk-1表示第k-1次的残差向量,<·,·>表示两个向量的内积,|a|表示对一个复数a取模;
c.更新第k次的稀疏位置集合以及对应的列向量集合:Ωk=Ωk-1∪{λk},
d.利用最小二乘算法,求解已完成的时延路径的响应向量:
e.残差更新:
f.令k=k+1,若k≤K,则返回步骤b进行下一次迭代;反之,则停止迭代。
步骤b~步骤e共搜索出K=2L条路径,其中估计出的路径时延集合为:ΩK,最终的观测向量集合为:ΨK。因此,的最终表达式为:
通过上述方法来求得,亦可利用同样的方法来求解,求解出和将其通过对应的二维观测矩阵F(1)和F(2),重新变换到频域,得到:
将与重新按照导频位置排列,然后利用插值滤波算法,可以估计出整个频域的信道估计值。
Claims (6)
1.基于二维压缩感知的MIMO-OFDM通信***下行信道估计方法,其特征在于,包括以下步骤:
步骤1、在接收端,将所接收的所有插有导频的OFDM符号按照导频结构进行分组,相同导频结构的OFDM符号分成一组;对每组OFDM符号,采用频域信道估计方法估计出导频处信道估计值,并将信道估计值按频率域方向递增以及时间域方向递增排列成一个列向量;
步骤2、对每一组OFDM符号,分别按照以下方法生成一个二维观测矩阵:
假设接收信号共有P个插有导频的OFDM符号,包含J种导频结构,按照导频结构将P个OFDM符号进行分组,第j种导频结构所对应的组中包含Nj个OFDM符号,且有
从所述通信***的N点归一化傅里叶变换矩阵中按照第j种导频结构提取NP行,以及前NCP列,从而得到一个部分傅里叶变换矩阵同时构建一个Nj点的归一化傅里叶变换矩阵其中,NP为每个OFDM符号中所***的导频数,NCP为通信***的循环前缀长度;
所述部分傅里叶变换矩阵的具体表达如下:
其中,kj为第j种导频结构的初始导频位置,D为导频间隔;
所述归一化傅里叶变换矩阵的表达式如下:
则第j种导频结构所对应的第j组OFDM符号的二维观测矩阵F(j)的表达式如下:
<mrow>
<msup>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<msub>
<mi>F</mi>
<mrow>
<msub>
<mi>N</mi>
<mi>P</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>N</mi>
<mrow>
<mi>C</mi>
<mi>P</mi>
</mrow>
</msub>
<mo>;</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>&CircleTimes;</mo>
<msub>
<mi>F</mi>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
</msub>
<mo>,</mo>
</mrow>
其中,表示克罗内克积;
步骤3、以步骤1所得到的列向量作为观测向量,以步骤2得到的二维观测矩阵作为观测矩阵,利用压缩感知算法对每组OFDM符号分别求解其时域信道估计值;
步骤4、对步骤3求得的每组时域信道估计值,利用相应的二维观测矩阵将其变换到频域,得到压缩感知频域信道估计值;
步骤5、将所得到的所有压缩感知频域信道估计值按照原来的导频结构排放,并通过插值滤波得到完整的频域信道估计值。
2.如权利要求1所述下行信道估计方法,其特征在于,步骤1中所述频域信道估计方法为最小二乘法。
3.如权利要求1所述下行信道估计方法,其特征在于,步骤3中的压缩感知算法为正交匹配追踪算法。
4.基于二维压缩感知的MIMO-OFDM通信***下行信道估计装置,其特征在于,所述下行信道估计装置设置于接收端,包括:
初始频域信道估计单元,用于将接收端接收的所有插有导频的OFDM符号按照导频结构进行分组,相同导频结构的OFDM符号分成一组;对每组OFDM符号,采用频域信道估计方法估计出导频处信道估计值,并将信道估计值按频率域方向递增以及时间域方向递增排列成一个列向量;
二维观测矩阵生成单元,用于对每一组OFDM符号,分别按照以下方法生成一个二维观测矩阵:
假设接收端共接收到P个插有导频的OFDM符号,包含J种导频结构,按照导频结构将P个OFDM符号进行分组,第j种导频结构所对应的组中包含Nj个OFDM符号,且有
从所述通信***的N点归一化傅里叶变换矩阵中按照第j种导频结构提取NP行,以及前NCP列,从而得到一个部分傅里叶变换矩阵同时构建一个Nj点的归一化傅里叶变换矩阵其中,NP为每个OFDM符号中所***的导频数,NCP为通信***的循环前缀长度;
所述部分傅里叶变换矩阵的具体表达如下:
其中,kj为第j种导频结构的初始导频位置,D为导频间隔;
所述归一化傅里叶变换矩阵的表达式如下:
则第j种导频结构所对应的第j组OFDM符号的二维观测矩阵F(j)的表达式如下:
<mrow>
<msup>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<msub>
<mi>F</mi>
<mrow>
<msub>
<mi>N</mi>
<mi>P</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>N</mi>
<mrow>
<mi>C</mi>
<mi>P</mi>
</mrow>
</msub>
<mo>;</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>&CircleTimes;</mo>
<msub>
<mi>F</mi>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
</msub>
<mo>,</mo>
</mrow>
其中,表示克罗内克积;
压缩感知算法单元,用于以初始频域信道估计单元所得到的列向量作为观测向量,以二维观测矩阵生成单元得到的二维观测矩阵作为观测矩阵,利用压缩感知算法对每组OFDM符号分别求解其时域信道估计值;
频域转换单元,用于对压缩感知算法单元求得的每组时域信道估计值,利用相应的二维观测矩阵将其变换到频域,得到压缩感知频域信道估计值;
结果输出单元,用于将频域转换单元输出的所有频域信道估计值按照原来的导频结构排放,并通过插值滤波得到完整的频域信道估计值。
5.如权利要求4所述下行信道估计装置,其特征在于,初始频域信道估计单元所使用的频域信道估计方法为最小二乘法。
6.如权利要求4所述下行信道估计装置,其特征在于,压缩感知算法单元所使用的压缩感知算法为正交匹配跟踪算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510280757.5A CN104869086B (zh) | 2015-05-27 | 2015-05-27 | 基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510280757.5A CN104869086B (zh) | 2015-05-27 | 2015-05-27 | 基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104869086A CN104869086A (zh) | 2015-08-26 |
CN104869086B true CN104869086B (zh) | 2017-11-14 |
Family
ID=53914616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510280757.5A Active CN104869086B (zh) | 2015-05-27 | 2015-05-27 | 基于二维压缩感知的mimo‑ofdm通信***下行信道估计方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104869086B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9401824B1 (en) * | 2015-09-24 | 2016-07-26 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and apparatus of channel estimation in multi-user massive MIMO systems |
CN105519060B (zh) * | 2015-09-24 | 2018-09-14 | 香港应用科技研究院有限公司 | 在多用户大规模mimo***中进行信道估计的方法和设备 |
CN105656819B (zh) * | 2016-03-21 | 2018-12-18 | 电子科技大学 | 一种基于压缩感知和大规模mimo的自适应信道估计方法 |
CN107276924A (zh) * | 2016-04-08 | 2017-10-20 | 北京信威通信技术股份有限公司 | 大规模多输入多输出的信道估计方法和装置 |
CN106534028B (zh) * | 2016-11-07 | 2020-04-17 | 中山大学 | 基于压缩感知的ofdm信道跟踪方法 |
CN111628946B (zh) * | 2019-02-28 | 2021-10-26 | 华为技术有限公司 | 一种信道估计的方法以及接收设备 |
CN111726308B (zh) * | 2020-06-15 | 2022-08-02 | 哈尔滨工程大学 | 基于频响预插值的正交匹配追踪信道估计方法 |
CN114697178A (zh) * | 2020-12-28 | 2022-07-01 | 广州慧睿思通科技股份有限公司 | 导频位置信道的估计方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1705242A (zh) * | 2004-06-01 | 2005-12-07 | 华为技术有限公司 | 一种分组垂直分层空时检测方法及装置 |
CN101142774A (zh) * | 2003-09-09 | 2008-03-12 | 高通股份有限公司 | Mimo通信***中的递增冗余传输 |
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
CN104052691A (zh) * | 2014-07-02 | 2014-09-17 | 东南大学 | 基于压缩感知的mimo-ofdm***信道估计方法 |
-
2015
- 2015-05-27 CN CN201510280757.5A patent/CN104869086B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101142774A (zh) * | 2003-09-09 | 2008-03-12 | 高通股份有限公司 | Mimo通信***中的递增冗余传输 |
CN1705242A (zh) * | 2004-06-01 | 2005-12-07 | 华为技术有限公司 | 一种分组垂直分层空时检测方法及装置 |
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
CN104052691A (zh) * | 2014-07-02 | 2014-09-17 | 东南大学 | 基于压缩感知的mimo-ofdm***信道估计方法 |
Non-Patent Citations (2)
Title |
---|
MIMO-OFDM channel estimation based on distributed compressed sensing and Kalman filter;Tan Yun等;《IEEE International Conference on Signal Processing》;20110916;全文 * |
一种稀疏增强的压缩感知MIMO-OFDM信道估计算法;解志斌等;《电子与信息学报》;20130331;第35卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104869086A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
TWI463823B (zh) | 相關性衰落通道的模型基礎通道估計器和通道估計方法 | |
CN104052691B (zh) | 基于压缩感知的mimo‑ofdm***信道估计方法 | |
JP4823307B2 (ja) | 時間および周波数チャネル推定 | |
CN101692665B (zh) | 正交频分复用-多输入多输出***的解调方法及解调器 | |
CN106453162B (zh) | 针对多输入多输出正交频分复用***的信道估计方法 | |
CN104702390B (zh) | 分布式压缩感知信道估计中的导频分配方法 | |
CN108881076B (zh) | 一种基于压缩感知的mimo-fbmc/oqam***信道估计方法 | |
CN100493053C (zh) | 多天线***中信道估计的方法 | |
CN103873422B (zh) | 水声正交频分复用***符号内多径干扰消除方法 | |
CN111555992B (zh) | 一种基于深度卷积神经网络的大规模多天线信道估计方法 | |
CN106506415B (zh) | 一种多用户mimo-ofdm***信道估计的方法 | |
CN108259398B (zh) | 基于变分贝叶斯推断的复杂混合模型的信道估计方法 | |
CN103763223B (zh) | 基于信道空时相关性的稀疏mimo-ofdm信道估计方法 | |
US11063724B1 (en) | Reduced channel-sounding in MU-MIMO WLANS | |
CN108365874B (zh) | 基于fdd大规模mimo贝叶斯压缩感知信道估计方法 | |
CN102891815B (zh) | 一种时分双工多基站协作***中的低复杂度信道估计方法 | |
CN103873406A (zh) | 水声正交频分复用通信***帧间干扰消除方法 | |
Yu et al. | Blind and semi-blind channel estimation with fast convergence for MIMO-OFDM systems | |
CN106233685B (zh) | 用于大规模mimo***的混合模拟数字预编码的方法 | |
CN106972875B (zh) | 一种mimo***下多维联合估计动态稀疏信道的方法 | |
CN101018219A (zh) | 一种空频信号处理方法 | |
CN102130860B (zh) | 一种带相位补偿的二维离散傅里叶变换信道估计方法 | |
CN104022979B (zh) | 一种联合稀疏信道估计方法、装置及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |