CN107809399B - 一种针对量化接收信号的多天线毫米波信道估计方法 - Google Patents

Abstract

本发明公开了针对量化毫米波多天线信道提出了基于最小均方误差的信道估计方法，该方案可以在接收端接收信号被量化的情况下，实现基于最小均方误差的信道估计，并且该估计方法同时利用EM算法，使得信道估计算法不依赖准确已知信道的统计信息。本发明充分考虑了接收端量化操作对信道估计的影响，并对其进行数学建模。在应用中，只需已知信道服从的概率模型，即可利用提出的迭代算法同时实现信道和概率模型参数的联合估计。本发明的优点在于无需准确知道信道的统计信息，只需知道服从的概率分布类型，然后通过EM算法实现概率分布参数和信道的联合估计，这一优点使得所提出的信道估计方案具有较广的应用场景和较强的鲁棒性，从而保证无线通信***的稳定性。

Description

一种针对量化接收信号的多天线毫米波信道估计方法

技术领域

本发明设计无线通信和信号处理***，特别涉及一种适用于信道信息不确定环境下的无线通信***。

背景技术

毫米波段无线通信可以有效解决当前无线通信频谱稀缺的困境，已经成为未来无线通信的研究热点。毫米波段未被规划的频谱带宽宽，可很好提升整个无线网络的网络容量，特别是结合大规模天线技术之后。但是，毫米波段和传统的低频波段不同，通常来说，毫米波段的信号传输要求无线通信接收机具有较高的采样频谱，以获得无失真的接收信号。然而，随着采样频谱的增加，模数转化器的功率消耗会急剧上升。同时，高精度的模数转化器，即表征每个量化数值的比特数较多的模数转化器，也会很大程度上提高接收机的功率消耗。而这一缺陷在接收端使用大规模天线的时候尤为明显。

针对毫米波通信的这一缺陷，在接收端采用低比特量化可有效缓解上述不足。所谓的低比特量化旨在用少量的比特来表征接收端采样之后的离散信号。由于信号的低比特量化过程是一个非线性过程，其对相应的物理层设计会产生极大的影响，特别是信道估计。由于信道估计中发送端发送导频信号和接收信号之间不只是简单的线性相乘关系，而是一个非线性的函数。因此如何对这个非线性函数进行建模，是整个信道估计的关键。

同时，信道的准确统计信道一般难以获得，如果在进行信道估计同时进行信道统计信息估计也是毫米波通信信道估计的又一重要难题。

发明内容

本发明的目的是为了解决上述问题，提供一种适合于毫米波场景下利用量化接收信号进行信道估计的方法。

技术方案

本发明方法实现过程包括：

一、建立多天线信道模型，定义为H毫米波通信信道矩阵，其可以表示为H＝B_rXB_t。

二、将接收量化信号Y＝Q(HT+N)转化为

三、线性近似量化接收信号为

且这里F＝(1-ρ)I。

四、在已知给定信道变量x统计信息的条件下，通过对量化接收信号的量化效应进行线性化建模，基于最小均方误差方法，进行信道估计。

五、利用估计到的信道x，利用EM算法进行信道统计信息估计。

六、交替迭代第四、五两步，直至收敛，获得最终估计

七、将估计向量

转化为矩阵

得到估计信道

具体的说明，如下：

本发明的基于量化信号的毫米波多天线信道估计方法，可在未知信道统计信息状态下，实现信道的最小均方误差估计。

所述的多天线信道模型，是针对毫米波通信信道的特点，将其建模为一个随机信道矩阵和两个方向矩阵的乘积。其中，这里一个为左方向矩阵，一个为右方向矩阵。

所述的将量化信号Y进行转化操作，其目的在于将矩阵信号表达转化为向量表达，以用于后续基于最小均方误差的信道求解。

所述的最小均方误差信道估计，是指在已知信道统计信息条件下，将信道估计建模成以信道x为变量，以最小化均方误差为目标的优化问题，以获得信道线性估计。

所述的利用EM算法估计信道统计信息，是指在已知信道的前提下，反过来对信道的统计信息进行估计。这里，我们将信道矩阵X建模为均值为零，方差未知的高斯随机变量。

所述的交替迭代是指将信道估计过程和信道统计信道估计过程进行交替迭代。其原因在于信道估计步骤四中需要已知信道统计信息，而信道统计信息估计步骤五中需要已知信道。故两者交替迭代可实现两者的联合估计。

本发明的有益效果：

(1)本发明利用的信道模型适用于毫米波信道，避免直接对多天线信道进行估计，而采取估计其中的部分稀疏分量；

(2)本发明所提出的信道估计充分考虑了非线性量化操作对信道估计的影响，为降低信道估计算法的复杂度，将非线性量化操作建模成一个线性过程，有助于本发明在实际***中应用。

(3)本发明所提出的信道估计方法无需准确知道信道的统计信息，可实现信道估计和信道统计信息的联合估计。

(4)本发明所提出的交替迭代信道估计方法可利用信道统计信息，提高信道的估计精度。

附图说明

图1为信道估计方法框架图

图2为交替迭代信道估计示意图

具体实施方式

下面将结合说明书附图，对本发明做进一步的说明。

如图1所示，首先将接收信号向量化。在多天线接收端，接收信号为

Y＝Q(HT+N)

这里Y为接收量化后的矩阵信号，Q为量化函数，H为信道矩阵，T为导频序列，N为接收端噪声。根据如下毫米波信道模型

H＝B_rXB_t

这里B_r为已知接收端方向矩阵，为B_t已知发送端方向矩阵，X为待估计的信道参数矩阵。其中，X中各元素被建模为相互独立，均值为零，方差未知的高斯变量。

根据图1第二步所示，将接收矩阵信号Y向量化，得到

这里y，x和n分别是Y，X和N按列拉成的向量，

表示直积。

根据图1第三步所示，将量化函数近似为

这里F＝(1-ρ)I，其中ρ为已知的量化失真参量，I为单位矩阵，()^T对矩阵转置，η＝n+e为加性噪声n和量化噪声e之和，且均值为零，方差矩阵R_ηη可表示为：

这里表示为

加性噪声方差，diag为矩阵对角元素提取函数，Q为x的协方差矩阵，()^H对共轭矩阵转置。

根据图2中交替迭代算法，首先初始化信道统计信息，即协方差矩阵Q，这里初始化Q＝I。

根据图2第二步所示，向量的x最小均方误差估计

可以为

这里A表示为

根据图2第三步所示，当交替前后两次误差超过预定阈值，执行利用EM算法估计对角协方差矩阵Q。更新的过程可表示如下：

Q^[n+1]＝Q^[n]-αA^H(I⊙C^T)A+(1+ρ)(A^HD^-1B^-1A)^T

这里α为给定迭代步长，⊙表示矩阵点乘，Q^[n+1]表示第n+1次更新结果，Q^[n]表示第n次更新结果，C＝-(1-ρ)ρB^-1AQ^[n]A^HD^-1B^-1，其中

和

根据图2第四步所示，当交替前后两次误差小于预定阈值，交替迭代结束。

Claims (5)

1.利用量化接收信号的多天线毫米波信道估计方法，其特征在于，包括对量化接收信号进行数学建模、基于最小均方误差的信道估计方法和利用EM算法进行信道概率模型参数估计各步骤；所述的最小均方误差信道估计和EM算法交替迭代，以获得较为准确的信道估计结果；

对量化接收信号进行数学建模：

第一步，在多天线接收端，接收信号为

Y为接收量化后的矩阵信号，

为量化函数，H为信道矩阵，T为导频序列，N为接收端噪声；根据如下毫米波信道模型

H＝B_rXB_t

B_r为已知接收端方向矩阵，B_t为已知发送端方向矩阵，X为待估计的信道参数矩阵；其中，X中各元素被建模为相互独立，均值为零，方差未知的高斯变量；

第二步，将接收矩阵信号Y向量化，得到

y，x和n分别是Y，X和N按列拉成的向量，

表示直积；

第三步，将量化函数近似为

F＝(1-ρ)I，其中ρ为已知的量化失真参量，I为单位矩阵，()^T对矩阵转置，η＝n+e为加性噪声n和量化噪声e之和，且均值为零，方差矩阵R_ηη可表示为：

为加性噪声方差，diag为矩阵对角元素提取函数，Q为x的协方差矩阵，()^H对共轭矩阵转置；

根据交替迭代算法：

第一步，首先初始化信道统计信息，即协方差矩阵Q，这里初始化Q＝I；

第二步，向量x的最小均方误差估计

为

A表示为

第三步，当交替前后两次误差超过预定阈值，执行利用EM算法估计协方差矩阵Q；更新的过程表示如下：

Q^[n+1]＝Q^[n]-αA^H(I⊙C^T)A+(1+ρ)(A^HD^-1B^-1A)^T

α为给定迭代步长，⊙表示矩阵点乘，Q^[n+1]表示第n+1次更新结果，Q^[n]表示第n次更新结果，C＝-(1-ρ)ρB^-1AQ^[n]A^HD^-1B^-1，其中

和

第四步，当交替前后两次误差小于预定阈值，交替迭代结束。

2.根据权利要求1所述的方法，其特征在于，所述对量化接收信号进行数学建模是指用线性模型来近似单比特或多比特接收信号量化。

3.根据权利要求1所述的方法，其特征在于，所述的最小均方误差的信道估计方法是一个以最小化估计信号和真实信道均方误差为目标的信道估计方法。

4.根据权利要求1或3所述的方法，其特征在于，在计算最小均方误差闭式表达式时，需获得信道的统计信息，该统计信息需要利用EM算法进行概率模型参数估计。

5.根据权利要求4所述的方法，其特征在于，交替迭代的第一子问题是给定概率模型参数估计的情况下，利用最小均方误差来进行信道估计；交替迭代的第二个子问题旨在利用EM算法进行概率模型参数估计。

Images