CN105577587B - 一种60GHz室内场景下MIMO***信道估计方法及装置 - Google Patents
一种60GHz室内场景下MIMO***信道估计方法及装置 Download PDFInfo
- Publication number
- CN105577587B CN105577587B CN201610076606.2A CN201610076606A CN105577587B CN 105577587 B CN105577587 B CN 105577587B CN 201610076606 A CN201610076606 A CN 201610076606A CN 105577587 B CN105577587 B CN 105577587B
- Authority
- CN
- China
- Prior art keywords
- channel
- user equipment
- channel estimation
- mode point
- spatial mode
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012549 training Methods 0.000 claims abstract description 60
- 238000004891 communication Methods 0.000 abstract description 4
- 108091006146 Channels Proteins 0.000 description 287
- 239000011159 matrix material Substances 0.000 description 18
- 230000007246 mechanism Effects 0.000 description 14
- 239000013598 vector Substances 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 3
- 206010011906 Death Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供的一种60GHz室内场景下MIMO***信道估计方法及装置,涉及通信领域,其中,所述方法包括,获取每个用户设备的各第一信道估计值;对所述各第一信道估计值做二维离散傅里叶变换,获取空间模式点集;根据所述空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计,本发明提供的一种60GHz室内场景下MIMO***信道估计方法,以二维离散傅里叶变换作为正交基的空间基展开模型来参数化用户设备信道,降低了未知信道参数的维度、减少了训练和反馈开销、减轻了导频污染。
Description
技术领域
本发明涉及通信领域,尤其涉及一种60GHz室内场景下MIMO***信道估计方法及装置。
背景技术
为了适应传输数据量的飞速增长,***移动通信(Fourth Generation,4G)***采用了许多技术来提高数据的传输速率,例如载波聚合、多输入多输出天线***(Multiple-Input Multiple-Output,MIMO)等。但是随着更高质量的通信需求,4G***已然不能提供指数增长的数据量,因此新的频谱接入和空口设计是第五代移动通信(FifthGeneration,5G)中将要考虑的关键技术。
毫米波频段(30GHz-300GHz)可以提供大于1GHz以上的带宽(60GHz可以提供5-7GHz带宽),比现有的移动通信的带宽大上百倍,因此毫米波频段成为了5G***的候选频段。由于60GH频段相对于低频来说有一些传播限制,例如:高路径损耗、氧气和水蒸气对频段的吸收损耗达到峰值、反射损耗严重、传播距离短等限制。因此,对于60GHz来说主要的传播路径为直射路径(Line-of-sight,LOS)和一阶反射路径,可以用于室内和短距离通信。由于60GHz的波长为5mm,因此基站端可以在很小的区域内放置成百上千根天线,这种技术叫做大规模多输入多输出天线技术(Massive MIMO)。
大规模多天线阵列***被认为是未来5G最具潜力的传输技术。在大规模天线阵列***中,基站天线数及端口数将大幅度提升,甚至可支持配置上百根天线和上千根天线端口的大规模天线,并通过空分多址(Space Division Multiple Access,SDMA)、多用户MIMO(Multiuser MIMIO,MU-MIMO)等技术支持更多用户设备的空间复用传输,数倍提升***频谱效率。大规模天线还可用于高频段,通过自适应波束赋形补偿较高的路径损耗。理论上,大规模MIMO***能够消除用户设备间干扰、显著提升***的能量效率和频谱效率、增加链路的可靠性和鲁棒性以及简化信号处理复杂度。
众所周知,***的性能依赖于信道状态信息(Channel State Information,CSI)的准确度,因此,大规模多天线***的性能依赖于在基站(Base Station,BS)端信道状态信息的精确获取。根据传统正交训练导频机制,最优训练序列的数量和发送天线的个数成正比。因此,在大规模MIMO***中下行所需正交导频个数将急剧增加。由于信道的相干时间有限,发送很长的导频序列将会缩短数据的传输时间,因此传统的时分双工(Time DivisionDuplexing,TDD)模式下是根据信道互易性利用上行信道的估计值来得到下行信道状态信息。但是,在TDD***中,由于上下行射频电路之间的校准误差的影响,使得信道不完全互易,导致下行信道估计的精度下降,影响***的性能。在频分双工(Frequency DivisionDuplexing,FDD)模式下根据用户设备进行信道估计之后反馈给基站端的方法进行信道估计,由于***正交导频数量有限,因此非正交导频的应用变得不可避免,就带来了导频污染的问题。为了减小下行训练和反馈开销,现有的信道估计方式或者利用了信道的统计特性或者采取了闭环的训练结构。然而,信道估计存在导频污染并且开销依然很大,有待进一步优化。
发明内容
针对现有技术的缺陷,本发明提出了解决上述技术问题的一种60GHz室内场景下MIMO***信道估计方法及装置,以解决现有技术60GHz室内场景下MIMO***上行信道估计中存在的导频污染和下行信道估计存在正交导频资源开销巨大的问题。
第一方面,本发明提供一种60GHz室内场景下MIMO***信道估计方法,包括:
获取每个用户设备信道的各第一信道估计值;
对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集;
根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
优选的,所述对所述各第一信道估计值做二维离散傅里叶变换之前,所述方法还包括:
对所述各第一信道估计值进行空间旋转。
优选的,所述根据所述各空间模式点集,对所有用户设备进行分组,具体为:
当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件。
优选的,所述根据所述各空间模式点集,对所有用户设备进行分组,具体为:
当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备间的所述空间模式点集的距离大于预设距离;分组数目最小的条件。
优选的,所述对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集,具体为:
对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
第二方面,本发明提供一种60GHz室内场景下MIMO信道估计的装置,包括:
第一信道估计值获取模块,获取每个用户设备信道的各第一信道估计值;
空间模式点集获取模块,用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集;
第二信道估计值获取模块;用于根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
优选的,所述装置还包括:
旋转模块,用于对所述各第一信道估计值进行空间旋转。
优选的,所述第二信道估计值获取模块,具体用于:
当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
优选的,所述第二信道估计值获取模块,具体用于:
当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目最小的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
优选的,其特征在于,所述空间模式点集获取模块,具体用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
由上述技术方案可知,本发明提供的一种60GHz室内场景下MIMO***信道估计方法,以二维离散傅里叶变换作为正交基的空间基展开模型来参数化用户设备信道,降低了未知信道参数的维度、减少了训练和反馈开销、减轻了导频污染,此外本发明同时适用于TDD和FDD***,并能够消除校准误差、信道互易性等传统信道估计中的固有问题。
附图说明
图1为本发明一实施例提供的60GHz室内场景下MIMO***信道估计方法的流程示意图;
图2为本发明一实施例提供的60GHz室内场景60GHz室内场景下MIMO***模型图;
图3为本发明一实施例提供的用户设备单径信道Spatial Pattern的稀疏特征;
图4为本发明一实施例提供的用户设备多径信道Spatial Pattern的稀疏特征;
图5为本发明一实施例提供的信道估计机制的时序图;
图6为本发明一实施例提供的上行信道估计均方误差曲线对比图;
图7为本发明一实施例提供的下行信道估计均方误差曲线对比图;
图8为本发明一实施例提供的下行信道有分组和相位旋转因子估计均方误差曲线对比图;
图9为本发明一实施例提供的60GHz室内场景下MIMO***信道估计装置的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明提供的60GHz室内场景下MIMO***信道估计方法,根据二维大规模天线面阵的特征,提出信道空间二维正交基展开模型,对上行初始估计信道做二维离散傅里叶变换(Two-dimension Discrete Fourier Transform,2D-DFT)得到空间域的空间模式(Spatial Pattern)点,其中每一条路径对应的信道做完2D-DFT后的格点与一个SpatialPattern对应;根据空间域的稀疏特性,在空间域内以对准用户设备的Spatial Pattern点(称为有效Spatial Pattern)近似整个信道,降低有效信道维数;根据电磁波传播的可逆性,视用户设备上下行信道的角度信息、即有效上下行Spatial Pattern是一致的,以此利用上行二维空间展开模型来简化下行信道估计;并根据空间域稀疏特性,对多用户设备进行分组调度,以较少的导频资源实现多用户大规模***的信道估计。
图1示出了本发明一实施例提供的60GHz室内场景下MIMO***信道估计方法的流程示意图,如图1所示,本实施例的60GHz室内场景下MIMO***信道估计方法包括下述步骤。
101、获取每个用户设备信道的各第一信道估计值。
本实施例中,第一信道估计值是通过发送少量的上行正交导频获得各个用户设备初始信道估计。
具体的,本实施例中考虑的60GHz室内场景多用户大规模多天线***模型如图2所示。60GHz室内场景下MIMO***,其中基站位于天花板正中央面朝下并且部署了阵元数为M×N的大规模矩形阵列(URA),K个单天线用户设备随机均匀分布于室内环境中。根据之前一些学者的测量结果,LOS路径和一阶反射路径是信道多径的主要组成部分,并且LOS路径到达的信号是最强的。对于URA阵列来说,波达方向角由两部分组成,水平方向角α和竖直方向角θ。鉴于60GHz信道传播特征,考虑用户设备信道的多径入射模型。同时由于正交训练序列数量受限于短暂的相干周期,假设***只能分配τ个长为L(τ≤L)正交训练序列。
在τ<<(M×N)时60GHz室内场景下MIMO***中,将小区内所有用户设备分成组,每组内包含τ个用户设备(最后一组可能小于τ)。每组与每组复用同一组训练序列但同组内的所有用户设备的训练序列必须正交,通过对每组的用户设备发送τ个相互正交的导频,对各组用户利用采用最小二乘(LS)信道估计方法进行信道估计,获取第一信道估计值。
102、对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集。
本实施例中,对各个用户设备的第一信道估计值做2D-DFT获取每个用户设备空间域中的Spatial Pattern。信道估计依赖于Spatial Pattern内的点的2D-DFT变换,利用快速2D-FFT和部分2D-FFT等方法可以大大降低复杂度。
103、根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
利用步骤102中获得的Spatial Pattern,对全部用户设备进行重新分组,对同一组用户使用相同导频,利用正交训练资源进行训练,获取所有用户设备的信道估计值,即为第二信道估计值,第二信道估计值比第一信道估计值更加准确。减少导频污染。对同一组用户使用相同导频,保证了用户互不干扰,在进行信道估计的时候保证信道估计值的准确性。
上述方法以2D-DFT作为正交基的空间基展开模型来参数化用户设备信道,用远小于天线数的正交导频实现多用户大规模天线***60GHz室内场景上下行信道估计,降低了未知信道参数的维度、减少了训练和反馈开销、减轻了导频污染。
在本发明的另一个优选的实施例中,对所述第一信道估计值做2D-DFT变换之前,所述方法还包括图1未示出的:
104、对所述各第一信道估计值进行空间旋转,加强所述***的空间域的稀疏性。
值得说明的是,对用户设备信道做2D-DFT之前先进行空间旋转,增加空间域的稀疏性,并得到最佳旋转角度因子。
上述方法对第一信道估计矩阵进行空间旋转以加强空间域的稀疏性和SpatialPattern的有效性。
在本发明的另一个优选的实施例中,所述根据所述空间模式点集,对所有用户设备进行分组,具体为:
当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件。
本实施例中,根据获得的各个用户设备的Spatial Pattern对用户设备重新进行分组,分组的依据是同组内用户设备的Spatial Pattern不重叠且存在一定的保护间隔,以保证用户设备间信道的渐进正交性。优化用户设备分组,使分组数G尽可能小于但接近正交训练序列个数τ,以便充分利用有限的正交训练资源。
可以理解的是,空间域内有效Spatial Pattern完全不重叠等价于用户设备到达角范围不重叠,也等价于用户设备信道渐进正交,并据此特性对用户设备进行分组调度、复用导频,消除用户设备间干扰。
根据得到的用户设备分组,将正交训练序列在各组间分配,同组内用户设备复用同一训练序列。当分组数G>τ时,每次最多调度τ组用户设备同时发送训练序列至基站,基站在获得接收信号之后,首先利用正交训练序列消除不同分组用户设备间的干扰。对于同组内用户设备的信道估计:若基站已知所有用户设备的上行信道协方差矩阵,则利用最小均方误差方法(MMSE)获得各用户设备的信道估计值;若基站无法获得用户设备的信道统计特性,则利用Spatial Pattern不重叠这一特征进行区分。对于剩余的G-τ组用户设备采用相同机制,从而得到所有用户设备上行信道估计值。
上述方法使同组内用户设备可在后续传输中复用相同导频进行上行信道估计,使得上行信道估计减少了导频的污染,有效的降低了***的复杂度。
在本发明的另一个优选的实施例中,所述根据所述空间模式点集,对所有用户设备进行分组,具体为:
当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目最小的条件。
本实施例中,根据上下行Spatial Pattern一致的假设:上下行信道有效SpatialPattern视为一致,下行根据上行空间域的稀疏特性进行信道估计,对用户设备进行下行训练分组,并针对每个用户设备设计相应的导频矩阵,在所有用户设备端以给定的正交矩阵进行接收和反馈;将用户设备上行Spatial Pattern直接用于下行信道估计的展开模型。将所有用户设备重新分组,下行分组时在保证同组内的用户设备的所述空间模式点集完全重叠,或者同组用户设备不重叠且用户设备间距离大于保护间隔的前提下,尽量增加每组内的用户设备数,减小分组总个数。完成初步分组之后,考虑到下行信道估计的特点,具有完全相同Spatial Pattern的用户设备可以同时进行信道估计,于是对初步分组结果进行调整,使得最终的分组中,用户设备间的Spatial Pattern完全分离或者完全重叠,从而大大减小总的分组个数。
值得说明的是,下行分组时组内用户设备有效波束不重叠,但具有完全相同有效波束的用户设备可以分在一组同时进行下行信道估计而不增加干扰。
对各组用户设备依次进行信道估计具体为,对某一组用户设备,基站发送一个导频矩阵,该导频矩阵是组内各用户设备正交导频矩阵的叠加。用户设备端在接收到下行训练信号之后,通过预先指定的正交导频矩阵利用最小二乘法估计出各个用户设备的Spatial Pattern上的信道值,并将这些信号按顺序反馈给基站。基站获得反馈信息之后,结合Spatial Pattern和旋转相位因子,恢复出用户设备的下行信道:若未知信道统计信息,则直接根据反馈信息估计时域信道;若已知信道统计信息,则利用相关矩阵在用户设备反馈信息的基础上补偿其余信道分量,再得到时域信道估计。
值得说明的是,下行所有用户设备端可以采用相同的正交导频矩阵以最小二乘法进行接收,并反馈少量信道信息至基站。下行训练和反馈不依赖信道统计特性,从而减小了***复杂度;但若存在统计信息时,也可以根据信道统计信息补偿Spatial Pattern外的信道分量,从而减小信道估计误差。
上述方法使得下行信道估计可以用很少的正交训练资源实现并极大降低反馈开销。
在本发明的另一个优选的实施例中,对所述第一信道估计值做2D-DFT变换,获取空间域的空间模式点集,具体为:
对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
本实施例中,将信道能量值大于预设百分比值的空间模式点集成为有效空间模式点集,即有效Spatial Pattern,优选的,预设百分比值为95%,本实施例仅对预设百分比值进行举例说明,不对其进行限定,预设百分比值可以根据实际需要进行设置。在步骤102中,通过2D-DFT变换获得每个用户设备信道的Spatial Pattern,以及辨识τ个有效SpatialPattern,进而利用SBEM模型对用户设备信道进行参数降维。对信道矩阵做2D-DFT变换得到空间域,并将有效Spatial Pattern与用户设备到达角(DOA)对应起来。
值得说明的是,上行分组后,每个用户设备可以根据组内用户设备有效SpatialPattern分布情况适当扩展有效Spatial Pattern点的个数,以提升估计性能。
上述方法根据空间域的稀疏特性提出二维空间正交基展开模型,用有效SpatialPattern近似整个空间域,有效Spatial Pattern以外的点忽略不计,有效Spatial Pattern点的个数取决于可用的正交导频数,降低了未知信道参数的维度、减少了训练和反馈开销、减轻了导频污染。
下面通过一个具体的实施例来说明本发明提供的一种60GHz室内场景下MIMO***信道估计方法。
图2显示了60GHz室内60GHz室内场景下MIMO***应用场景。在天花板正中央基站部署大规模URA天线同时服务K个随机分布的单天线用户设备。由于60GH频段相对于低频来说有一些传播限制,例如:高路径损耗、氧气和水蒸气对频段的吸收损耗达到峰值、反射损耗严重、传播距离短等限制。因此,对于60GHz来说主要的传播路径为直射路径(LOS)和一阶反射路径,因此,如图1所示,考虑6径模型(一条直射路径,五条一阶反射路径)。定义αl,k∈(0,2π)和θl,k∈(0,π)为第k个用户设备的第l(l≤6)条路径的水平方向角和竖直方向角,其相对应的方向矢量A(αl,k,θl,k)可以表述为
其中,d表示阵列元素间的空间间隔,λ表示信号载波波长。
因此单径上行信道传播模型可以表示为:
其中Hl,k表示用户设备k第l条路径到基站的M×N信道矩阵,表示用户设备k第l径的信道复增益,各个路径和各个用户设备之间的αl,k相互独立同分布(i.i.d.),dl,k表示用户设备k经过第l条路径到达基站参考天线的距离。
因此,总的上行信道矩阵可以表示为:
基于此信道模型并结合DFT的性质,可以得到该模型的2个重要属性,证明了本发明机制的合理性和有效性。
属性1:对于单用户设备信道矩阵Hk做2D-DFT之后是渐进稀疏的,即能量集中在少数2D-DFT点上。
下面给出具体的证明过程:
首先考虑(2)式对应于单径时的情形,即则其2D-DFT变换后的结果可以表示为
的第(i,j)个分量可以表示为:
从上式可以看出,的第(i,j)个分量与用户设备到达角αl,k和θl,k密切相关。当用户设备DOA落在2D-DFT点上时,Spatial Pattern内有且仅有一个非零分量;而当用户设备DOA与2D-DFT格点存在偏差时,就会发生泄露,使少量扩散点上具有较大功率,如图3所示,称做完2D-DFT后具有较大功率点的点集称为有效Spatial Pattern。随着天线数的增长,2D-DFT的分辨力将大大提升,有效扩散点的个数将随之减小,空间域信道的稀疏特征将更加明显。由于信号从6个DOA到达基站,分析可知各径的2D-DFT的分布和单径相同,都集中在6个DOA附近,因而叠加后的空间域信道依然是渐进稀疏的,如图4所示。基于用户设备空间域信道的稀疏性,可以在空间域内用少量的2D-DFT点参数化信道,即
其中矩阵包含了中下标位于点集中的各列向量,包含了中下标位于点集中的各列向量,和分别为Spatial Pattern的第一个元素和第二个元素;而Gk包含了Hk中下标位于中的分量,是的第q列。
因为所有基向量之间相互正交,即相互正交和相互正交,且每个正交基向量形成的阵列波束分别指向一定的方向,所以(6)式的展开方法可以称为空间正交基展开模型(spatial basis expansion model,SBEM)。(6)式表明通过SBEM,可以只利用有限的DFT扩散点参数化整个信道向量,从而降低信道未知参数个数,实现信道的稀疏表示。为了便于描述,称这些扩散点为空间域的有效Spatial Pattern,称其下标点集为用户设备空间域的有效Spatial Pattern点集,例如综上所述,有效Spatial Pattern集内的每个2D-DFT格点形成的阵列波束都对应用户设备的某个DOA方向,因而整个有效Spatial Pattern集就反映了用户设备信道所有的DOA的角度情况。由此可见2D-DFT操作在信道空间域的有效Spatial Pattern与实际用户设备物理达到角之间建立了一一对应关系。这说明,当基站天线数逐渐增大和用户设备间信道的有效SpatialPattern不重叠且间隔较远时,他们之间的信道渐进正交。
属性2:对时域信道进行空间相位旋转,可以加强空间域信道的稀疏性,减少Spatial Pattern所包含的格点数,从而提高(6)式的近似精度。
下面给出具体的证明过程:
从(5)式可以看出,正是因为和之间、和之间存在一定的相位差,才造成了2D-DFT变换之后的功率扩散。自然地,可以通过相位调整弥补上述相位差,从而使阵列波束方向与用户设备DOA方向匹配。定义相位旋转矩阵为
在一定准则下优化每个用户设备各自信道的最佳旋转相位φm,φn,并获得对应的基向量本发明中考虑如下优化准则:
其中包含了信道矩阵最大的信道能量。
上式是在考虑导频数量有限的情况下,找到最佳的旋转相位φm,φn,使得用户设备k的信道功率更多的集中在表示的有效Spatial Pattern中,从而可以显著提高(6)式的近似精度。因此相位旋转之后的空间域信道的稀疏特征比没有相位旋转的空间域信道更为明显,其信道更加稀疏。因此在同样选取τ个有效2D-DFT点的情况下,旋转之后的信道近似精度将会极大地改善。(8)式的求解需要对φm,φn分别在和内进行二维搜索,同时利用一个长度为τ的滑动窗在所有分量中取值,在获得最优的相位因子φm,φn和有效波束集之后,类似(6)式,信道的稀疏近似表示为:
其中,和仍然正交,可以视为新的正交基向量。
在本发明提出的***信道估计问题中,正交导频资源需要在多用户设备间分配。由于用户设备的移动性,因此信道估计受制于短暂的信道相干时间,***可利用的正交训练序列数量通常很有限,因此本发明考虑***可利用的正交训练序列的数量只有τ(τ<K<M)个长度为L(L<τ)的序列。为了便于叙述,不妨假设***内可利用的正交训练点集为S={s1,...,sτ)且其中表示导频符号发送功率。
在实际应用场景中,用户设备移动所需的传输时间相比于信道相干周期总是很长的,也就是说用户设备相对基站的位置在几个或几十个信道相干周期内都可以认为是不变的。如果在信道使用初期获得用户设备的DOA信息以及相应的信道有效波束集这些信息可以认为在后续的信道相干周期内都是不变的,从而可以用来减少后续信道估计中的未知参数。同时根据实际无线电波的传播特性,假设上下行用户设备信道的角度信息一致,即同一用户设备上下行信道的有效Spatial Pattern相同,从而上行也可用于下行信道的稀疏表示和信道估计。
基于上述分析,为了进行信道估计,首先需要获得所有用户设备的有效SpatialPattern信息,为此需要一个如图5所示的序言帧,一种60GHz室内场景下MIMO***信道估计方法及传输机制可以详细地描述为如下步骤:
S1、在上行序言帧内,将小区内所有K个用户设备通过时隙调度分成组,
其中表示不小于的最小正整数。所有分组中除了最后一组,每组都包括τ个用户设备。于是传统的上行信道估计方法就可以直接用于每组用户设备的信道估计。以第一组为例,将τ个正交训练序列分配给组内τ个用户设备,于是基站的接收信号可以表示为
其中表示基站与第g组用户设备之间的信道张量;表示正交训练矩阵,而表示分配给第i个用户设备的正交训练序列;表示噪声张量,其各个分量独立同服从于于是第k个用户设备的信道可以通过最小二乘法得到为:
S2、在上行训练分组阶段:因为τ<K,正交训练资源不足以在所有用户设备之间分配,导频复用不可避免。一旦用户设备导频发生重叠,就会产生导频污染。幸运地是,根据用户设备信道的稀疏特征,可以通过用户设备分组和调度实现导频资源的复用而避免导频污染。基于此,将所有用户设备根据其有效Spatial Pattern点集进行分组,要求同组内用户设备有效Spatial Pattern点集不重叠且存在一定的保护间隔。重复上述方法,直至所有用户设备完成分组。为了便于描述,假设用户设备最后被分成了Gul组,且第g组的用户设备点集可用ug表示,且g=1,...,Gul。
S3、在上行信道估计阶段:对于上行训练,希望给不同组用户设备分配不同的正交训练序列。考虑到正交导频个数只有τ个,需要考虑如下两种情况:Gul≤τ和Gul>τ。下面首先考虑第一种情况:Gul≤τ。假设第i个正交导频分配给了第i个用户设备分组。各组用户设备复用同一个训练序列,于是所有用户设备可以同时发送训练信号,且基站的接收信号可以表示为
利用第g个导频,可以从上式中分离出对应于第g组中用户设备的接收信号,即
其中而定义为信噪比(Signal-to-noise ratio,SNR)。
可以看到只包含第g组用户设备的有效信道状态信息,而不存在其他组用户设备带来的导频污染。接下来考虑组内各用户设备的信道估计问题。当信道统计信息未知时,采用最小二乘法(LS)进行信道估计,具体步骤如下:
以第g组内的用户设备k为例,(13)式中的第二项包含了同组中其余用户设备的信号,产生了同组内的导频污染。为了消除这个干扰,得到用户设备k的信道估计值,将旋转相位φm,k,φn,k,并做2D-DFT,得到
用户设备k的空间域有效Spatial Pattern集为这些有效分量虽然受到其他用户设备的干扰,即(14)式中第二项,但考虑到用户设备间空间域信道有效SpatialPattern不重叠,即且用户设备间存在一定的保护间隔,因而上述干扰总是很小的。从而有用户设备k的信道估计值为
其中Φ(φ)H=Φ(-φ)表示逆相位旋转矩阵,可视为用户设备k信道的估计乘子。虽然看着很复杂,但实际上一旦在序言帧获得后,就能够计算出来并在整个相干周期内都保持不变。
图6展示了上述信道估计方法的性能曲线,其中M=100,N=100,K=32,τ=16;为了对比同时给出了传统LS方法利用32个正交训练序列进行信道估计的性能曲线。由图可以看到,本发明提出的信道估计机制在低信噪比情况具有更好的估计性能。至此,对所有分组重复(13)至(15)式,即可得到所有用户设备的上行信道估计值。
下面考虑第二种情况,即Gul>τ,这时只能有τ组用户设备能够同时进行无干扰的传输,其余G-τ组用户设备需要安排在后续的训练时隙内,即在第二个训练时隙内,再选择τ组用户设备,分配正交训练序列,然后按照第一种情况中描述的方法进行信道估计;以此类推,直到所有Gul组用户设备在个时隙内完成上行训练。需要指出的是,最终分组个数Gul很大程度上取决于实际应用中用户设备的活动。例如当所有K个用户设备都聚集在一起时,如演唱会,大型比赛等场景,那么为了消除干扰,这些用户设备需要被分成Gul=K个组,于是整个上行训练所需的时隙个数就会显著增加,即而在大多数情况下,只有少数用户设备会发生聚集,而大多数用户设备都是随机分布的,这时通常能优化用户设备分组使得Gul≤τ,从而减小上行训练长度。同时,为了充分利用宝贵的正交导频资源,希望最终的分组个数等于导频个数,即Gul=τ。
上述信道估计机制充分利用了信道空间域的稀疏特征,减小了信道未知参数的个数。其中涉及的2D-DFT运算可由二维快速傅里叶变换(2D-FFT)实现,从而显著提高算法的计算效率。此外,考察(15)式可以发现对于用户设备k,只需要考虑τ个2D-DFT输出点,即于是可以利用已有的“部分点2D-FFT”算法进一步简化上述信道估计过程的复杂度。
S4、在下行用户设备分组阶段:考虑下行信道估计问题,由于基站端天线数量巨大,τ个正交训练序列不足以实现传统信道估计。类似于上行处理方法,本发明仍然通过2D-DFT对下行信道进行正交分解和近似,使下行信道估计简化为求解空间域内τ个有效Spatial Pattern上的信道参数。根据电磁波的传播特征,做出如下假设:
假设用户设备下行信道多径的离开角(DOD)与上行信道的DOA之间保持一致,因此将下行信道表示为:
其中Gk表示基站到用户设备k的下行信道矩阵。
于(2)来说,上式中只有各径的复增益随着上下行链路差异、信道波动、校准误差等因素发生变化。进而可以得到类似于(6)式的信道近似表示为
其中与上行一致。于是下行信道估计问题简化为只要估计空间域内τ个2D-DFT有效波束增益
为了减小用户设备间干扰,需要将用户设备根据进行分组,注意这里分组依据类似但不同于步骤(2),首先依然要求同组内用户设备有效Spatial Pattern不重叠且存在一定的保护间隔,在根据上述步骤完成初步分组之后,考虑到本发明机制内下行信道的有效维度已经降为τ,利用τ个正交序列实际上所有用户设备可以同时进行下行信道估计。为了减小总的训练时间需要尽可能减小分组个数。为此,对初步分组结果进行调整,假设当用户设备有效Spatial Pattern完全相同时,可以把他们分在一组同时进行信道估计而不增加过多干扰。基于上述分组思路,假设最终所有用户设备被分成了Gdl组,且第g组的用户设备点集可用ug表示,且g=1,...,Gdl。
S5、在下行训练和反馈阶段:根据步骤(4)的用户设备分组,Gdl组用户设备需要分别安排在Gdl个训练时隙内进行下行信道训练,每个时隙内只有一组用户设备被调度。下面以第g组用户设备为例详细说明本发明机制下的下行信道估计过程。根据上文分析,天线域内τ个有效Spatial Pattern和用户设备之间形成了虚拟的1×τ维下行MIMO链路。为了估计每个用户设备信道对应的τ个有效Spatial Pattern下的信道值需要在相应的有效Spatial Pattern方向上发送正交训练信号。为此,给每个用户设备选择如下正交训练序列,即用户设备k的正交训练序列为其中si∈s,标量用于满足各用户设备发送功率限制Pk表示用户设备k的最大训练功率,于是由此可以看到,相同的正交训练序列被同一小组内不同的用户设备进行复用。则下行用户设备k处接收到的训练信号为
其中而是接收噪声向量其元素独立同服从于于是用户设备k的信道可以通过最小二乘法估计出来,即
上式中的第二项表示的是用户设备k信道分量中落在外的分量带来的影响,因此将它称为用户设备信道自干扰,考虑到用户设备信道2D-DFT变换之后的稀疏特征,用户设备的自干扰通常比较小。因此,(19)式给出了用户设备端可以估计出的信道空间域的有效信道增益值。
下面考虑用户设备反馈问题,那么用户设备端可以直接利用正交训练序列Sk得到(19)式的空间域上有效信道增益的估计值,并按一定顺序反馈给基站即可。
基站在获得用户设备端的反馈信息后,结合信息,可以恢复出用户设备的下行信道具体步骤如下:
基站根据用户设备的反馈信息,可以得到即在的基础上,SpatialPattern以外的点全部补零。进而直接利用(17)式得到用户设备k的下行信道估计为
对所有分组和用户设备重复类似的操作即可,获得所有用户设备的下行信道估计值。图7举例展示了本发明机制下的信道估计性能,其中M=100,N=100,K=32,τ=16;为了对比,同时给出了传统LS方法采用10000×10000维正交训练序列进行信道估计下的性能曲线,可以发现,本发明机制下低信噪比条件下具有更好的性能。图8展示了本发明在有无下行用户设备分组和有无旋转因子的信道估计的性能,从图中可以清晰的看到下行对用户设备进行分组和在信道估计过程中加上旋转因子可以提升***的性能。考虑到60GHz信道路径损耗严重的特征,本发明机制更加适用于60GHz室内大规模MIMO***。
对所有分组和用户设备,重复上述操作,即可得到所有用户设备的下行信道估计值。
上述信道估计过程表明,本发明提出的60GHz室内环境下基站配备大规模矩形阵列天线的信道估计机制可以大幅减少***的训练和反馈开销。这里用户设备端需要反馈的只是Spatial Pattern的τ个有效分量,而不是传统信道估计机制中的大量的下行观测信号。
图9示出了本发明一实施例提供一种60GHz室内场景下MIMO***信道估计装置的结构示意图,如图9所述,本实施例中60GHz室内场景下MIMO***信道估计装置包括:
第一信道估计值获取模块91,获取每个用户设备的各第一信道估计值;
空间模式点集获取模块92,用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集;
第二信道估计值获取模块93,用于根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
在本发明的另一个优选的实施例中,所述装置还包括图9未示出的:
旋转模块94,用于对所述各第一信道估计值进行空间旋转,加强所述***的空间域的稀疏性。
在本发明的另一个优选的实施例中,所述第二信道估计值获取模块93,具体用于当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
在本发明的另一个优选的实施例中,所述第二信道估计值获取模块93,具体用于当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目最小的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
在本发明的另一个优选的实施例中,所述空间模式点集获取模块92,具体用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
可理解的是,上述装置与上述方法是一一对应的关系,上述方法中的实施细节也适用于上述装置,因此,本实施例不再对上述装置的具体实施细节进行详细描述。
上述装置通过大规模矩形阵列、60GHz信道传播的物理特征和2D-DFT特性,充分利用了信道空间域的稀疏特征,并以有限的(τ<K<M)正交导频资源实现多用户大规模天线***的上下行信道估计。将用户设备信道到达角与信道2D-DFT变换后的有效SpatialPattern对应起来,并提出了一种以2D-DFT作为两个正交基的SBEM模型来参数化用户设备信道,降低了未知信道参数的维度、减少了训练和反馈开销、减轻了导频污染;同时本发明机制在没有信道统计信息的情况下可以有效实现。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在于该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是:本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (6)
1.一种60GHz室内场景下MIMO***信道估计方法,其特征在于,包括:
获取每个用户设备信道的各第一信道估计值;
对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集;
根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计;
其中,所述根据所述各空间模式点集,对所有用户设备进行分组,具体为:
当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件;
当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目最小的条件。
2.根据权利要求1所述的方法,其特征在于,所述对所述各第一信道估计值做二维离散傅里叶变换之前,所述方法还包括:
对所述各第一信道估计值进行空间旋转。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集,具体为:
对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
4.一种60GHz室内场景下MIMO信道估计的装置,其特征在于,包括:
第一信道估计值获取模块,获取每个用户设备信道的各第一信道估计值;
空间模式点集获取模块,用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集;
第二信道估计值获取模块;用于根据所述各空间模式点集,对所有用户设备进行分组,对同一组用户使用相同导频,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计;
其中,所述第二信道估计值获取模块,具体用于:
当所述信道为上行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目小于且最接近于正交训练序列的数目的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计;
当所述信道为下行信道时,根据所述各空间模式点集,对所有用户设备进行分组,以使分组结果满足同组内的用户设备的所述空间模式点集完全重叠,或者同组内的用户设备的所述空间模式点集不重叠;同组内的用户设备的所述空间模式点集的距离大于预设距离;分组数目最小的条件,获取每组中每个用户设备的第二信道估计值,以实现对60GHz室内场景下MIMO***的信道估计。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括:
旋转模块,用于对所述各第一信道估计值进行空间旋转。
6.根据权利要求4或5所述的装置,其特征在于,所述空间模式点集获取模块,具体用于对所述各第一信道估计值做二维离散傅里叶变换,获取每个用户设备信道的各空间模式点集的信道能量值大于预设百分比值的各空间模式点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610076606.2A CN105577587B (zh) | 2016-02-03 | 2016-02-03 | 一种60GHz室内场景下MIMO***信道估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610076606.2A CN105577587B (zh) | 2016-02-03 | 2016-02-03 | 一种60GHz室内场景下MIMO***信道估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105577587A CN105577587A (zh) | 2016-05-11 |
CN105577587B true CN105577587B (zh) | 2018-07-24 |
Family
ID=55887259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610076606.2A Expired - Fee Related CN105577587B (zh) | 2016-02-03 | 2016-02-03 | 一种60GHz室内场景下MIMO***信道估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105577587B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106059643B (zh) * | 2016-05-27 | 2019-06-25 | 徐佳康 | 一种基于大规模阵列天线蜂窝通讯***的导频污染消除方法 |
CN111585627A (zh) * | 2016-06-22 | 2020-08-25 | 上海朗帛通信技术有限公司 | 一种无线通信中的方法和装置 |
CN105933254B (zh) * | 2016-06-30 | 2019-01-29 | 杭州电子科技大学 | 毫米波多小区多天线***中基于波束空间的信道估计方法 |
CN107592141A (zh) * | 2016-07-08 | 2018-01-16 | 北京信威通信技术股份有限公司 | 一种获取波束增益的方法及装置 |
CN106302274B (zh) * | 2016-08-26 | 2019-08-09 | 清华大学 | 一种大规模mimo***多用户信道估计与跟踪方法 |
CN106443573B (zh) * | 2016-09-14 | 2018-12-28 | 清华大学 | 大规模天线阵列信号的波达方向单快拍快速估计方法及装置 |
CN106772224A (zh) * | 2016-12-28 | 2017-05-31 | 武汉大学 | 一种采用时频分析的l型阵列二维波达方向估计算法 |
CN107171708B (zh) * | 2017-05-25 | 2020-10-23 | 清华大学 | 一种大规模mimo***的信道跟踪与混合预编码方法 |
CN107479025B (zh) * | 2017-08-15 | 2020-06-23 | 重庆邮电大学 | 一种单快拍大规模线阵空间谱估计方法 |
CN107995134B (zh) * | 2017-11-28 | 2020-10-02 | 南京大学 | 一种adma场景下mimo***信道估计的实现方法 |
CN108199987B (zh) * | 2017-12-21 | 2020-08-18 | 中国人民解放军空军预警学院 | 一种fdd大规模mimo***中的下行链路信道估计方法 |
US10862615B2 (en) * | 2018-11-09 | 2020-12-08 | Samsung Electronics Co., Ltd | Modulation and coding scheme selection for massive multiple-input multiple-output (MIMO) systems with partial channel information |
CN111865375B (zh) * | 2020-06-24 | 2022-03-25 | 哈尔滨工业大学(深圳) | 一种针对频分双工***的多传播路径三维波束成形方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006203890A (ja) * | 2005-01-17 | 2006-08-03 | Ntt Docomo Inc | 周波数領域サブ空間チャネル推定装置及び方法、受信機及び信号受信方法 |
CN101815042A (zh) * | 2010-04-13 | 2010-08-25 | 新邮通信设备有限公司 | 一种正交频分复用***信道估计方法和装置 |
CN102130860A (zh) * | 2011-03-16 | 2011-07-20 | 东南大学 | 一种带相位补偿的二维离散傅里叶变换信道估计方法 |
CN102685060A (zh) * | 2012-05-03 | 2012-09-19 | 新邮通信设备有限公司 | 一种正交频分复用***中多用户mimo接收方法和装置 |
CN104639472A (zh) * | 2013-11-12 | 2015-05-20 | 普天信息技术研究院有限公司 | 上行多用户mimo信道估计方法 |
-
2016
- 2016-02-03 CN CN201610076606.2A patent/CN105577587B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006203890A (ja) * | 2005-01-17 | 2006-08-03 | Ntt Docomo Inc | 周波数領域サブ空間チャネル推定装置及び方法、受信機及び信号受信方法 |
CN101815042A (zh) * | 2010-04-13 | 2010-08-25 | 新邮通信设备有限公司 | 一种正交频分复用***信道估计方法和装置 |
CN102130860A (zh) * | 2011-03-16 | 2011-07-20 | 东南大学 | 一种带相位补偿的二维离散傅里叶变换信道估计方法 |
CN102685060A (zh) * | 2012-05-03 | 2012-09-19 | 新邮通信设备有限公司 | 一种正交频分复用***中多用户mimo接收方法和装置 |
CN104639472A (zh) * | 2013-11-12 | 2015-05-20 | 普天信息技术研究院有限公司 | 上行多用户mimo信道估计方法 |
Non-Patent Citations (1)
Title |
---|
Channel estimation for 60GHz wireless local area networks with massive receiving antennas;典范等;《IEEE》;20150105;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105577587A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105577587B (zh) | 一种60GHz室内场景下MIMO***信道估计方法及装置 | |
CN107483088B (zh) | 大规模mimo鲁棒预编码传输方法 | |
CN108886826B (zh) | 用于无线多天线和频分双工***的混合波束成形方法 | |
US9219535B2 (en) | Method for determining beamforming parameters in a wireless communication system and to a wireless communication system | |
Yin et al. | Decontaminating pilots in massive MIMO systems | |
EP2751947B1 (en) | Spatially randomized pilot symbol transmission method, system and device for mimo wireless communications | |
Araújo et al. | Channel estimation for millimeter-wave very-large MIMO systems | |
WO2009039067A2 (en) | Closed-loop beamforming weight estimation in frequency division duplex systems | |
US10511361B2 (en) | Method for determining a precoding matrix and precoding module | |
CN103716263B (zh) | 大规模多天线***中基于并行抵消的高效导频方法 | |
CN106559361B (zh) | 大规模多输入多输出天线***的信道估计方法及装置 | |
Wang et al. | Location-aware channel estimation enhanced TDD based massive MIMO | |
Kong et al. | Wideband hybrid precoder for massive MIMO systems | |
US10454664B2 (en) | Phase synchronization and channel reciprocity calibration of antennas via terminal feedback | |
CN106160806B (zh) | 无线通信***中执行干扰协调的方法和设备 | |
CN105812032B (zh) | 基于波束块结构压缩感知的信道估计方法 | |
Zhao et al. | Angular domain pilot design and channel estimation for FDD massive MIMO networks | |
US20220158694A1 (en) | Channel-Matrix Reduction for Precoding Control | |
Yan et al. | Multiple RF chains assisted parallel beam search for mmWave hybrid beamforming systems | |
JP2009268106A (ja) | 信号対干渉電力と雑音比の決定方法およびその装置 | |
Gao et al. | Random pilot and data access for massive MIMO spatially correlated Rayleigh fading channels | |
Luo et al. | Pilot decontamination via PDP alignment | |
Kafedziski | Compressed sensing based channel estimation in FDD multi-user massive MIMO using angle domain sparsity and transmit antenna correlation | |
CN114448758B (zh) | Fdd大规模mimo***中基于信道部分互易性的信道估计方法 | |
CN104796360B (zh) | 一种基于ica滤波方法的信道估计方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180724 |
|
CF01 | Termination of patent right due to non-payment of annual fee |