CN110635836A - 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法 - Google Patents

一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法 Download PDF

Info

Publication number
CN110635836A
CN110635836A CN201910865261.2A CN201910865261A CN110635836A CN 110635836 A CN110635836 A CN 110635836A CN 201910865261 A CN201910865261 A CN 201910865261A CN 110635836 A CN110635836 A CN 110635836A
Authority
CN
China
Prior art keywords
channel
matrix
mmse
pca
base station
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.)
Pending
Application number
CN201910865261.2A
Other languages
English (en)
Inventor
廖勇
李皓雯
赵磊
王繁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN201910865261.2A priority Critical patent/CN110635836A/zh
Publication of CN110635836A publication Critical patent/CN110635836A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H04B7/046—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting taking physical layer constraints into account
    • H04B7/0465—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting taking physical layer constraints into account taking power constraints at power amplifier or emission constraints, e.g. constant modulus, into account
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/02—Arrangements for detecting or preventing errors in the information received by diversity reception
    • H04L1/06—Arrangements for detecting or preventing errors in the information received by diversity reception using space diversity
    • H04L1/0618—Space-time coding
    • H04L1/0675—Space-time coding characterised by the signaling
    • H04L1/0681—Space-time coding characterised by the signaling adapting space time parameters, i.e. modifying the space time matrix
    • 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
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • 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
    • H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明提出一种基于波束选择的毫米波大规模MIMO***MMSE‑PCA(最小均方误差‑主成分分析)信道估计方法。该方法首先在基站侧以MMSE预编码为基准的幅度最大化标准选择波束信号。其次在接收端使用PCA信道压缩方法，将信道进行压缩降维，最后使用经典的最小二乘法(LS)进行信道估计。MMSE预编码可以减小***中信道噪声和各个用户之间的干扰，减少基站使用射频链路数目，因此可降低***的实现成本和能量损耗。同时，PCA利用原始高维数据的相关性，将高维的数据压缩到低维。该方法在降低***复杂度基础上，达到有效优化***传输性能和提高能量效率的目的。

Description

一种基于波束选择的毫米波大规模MIMO***MMSE–PCA信道估 计方法
技术领域：
本发明涉及无线通信领域，尤其涉及一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法。
背景技术：
随着现代电子信息技术的不断发展，我国的移动通信技术取得了卓有成效的成果，4G移动网络在我国的大力推行，极大地改善了人们的生活体验与生产方式。目前，面向2020年的第五代移动通信技术(5G)还处于起步阶段。毫米波大规模多输入多输出(MIMO)是未来5G无线通信的一项关键技术，因为它的带宽更宽和频谱效率更高，可以显著提高数据速率。然而随着移动通信用户数量及无线数据传输速率的飞速增长，现有的频谱资源变得拥挤不堪，已无法达到5G的通信指标要求，因此未被完全开发的毫米波频谱资源在未来5G通信中的应用研究得到了国内外研究学者的关注。一方面，毫米波的带宽可达10GHz，可以为通信***提供丰富的带宽资源，另一方面，由于无线通信***中天线尺寸与信号波长成正比，毫米波的波长使得其对应的天线尺寸大大降低，适合在发送端和接收端部署大量的天线，从而获得较高的天线阵列增益。因此，毫米波与大规模MIMO技术的完美结合，将会成为当前通信领域的研究热点。
然而，在实际应用中实现毫米波大规模MIMO并不是一项简单的工作。一个关键的挑战是，在传统的MIMO***中的每个天线通常需要一个专用的射频(RF)链(包括数模转换器、上变频器等)。在基带部分一般采用数字预编码技术对发射信号进行预处理，经过预处理的信号可以大大降低***中的干扰从而使***性能得到大幅度提升。然而，在全数字预编码方案中，每根天线都要对应一条RF链路，随着基站天线数及用户数的不断增加，***所需RF链路数也随之增多，导致***实现成本增加，并且造成巨大的能量损耗。这导致毫米波大规模MIMO***的硬件成本和能耗难以负担，因为天线数量变得巨大(例如，256根天线)，并且RF链的能耗很高(例如，毫米波频率下每根RF链约250mW)。
为了减少所需的RF链数量，最近提出采用透镜线形(ULA)天线阵列(一种具有能量聚焦能力的电磁透镜和一种与位于透镜焦面上的元件相匹配的天线阵)的毫米波大规模MIMO***。通过采用ULA天线阵，通过将来自不同方向的信号集中在不同天线上，可以将空间信道转换为波束空间信道。由于毫米波频率下的散射并不丰富，因此毫米波通信中的有效路径数目十分有限，仅占用少量波束。因此，毫米波波束空间信道是稀疏的，我们可以根据稀疏的选择少量的主波束。在毫米波大规模MIMO***中，基站端配置大量的天线阵列元，信号以利用波束成形技术将信号集中在一个块区域空间，可以使得毫米波大规模MIMO路径存在有一定的稀疏特性。利用这一特性，采用近些年研究较为广泛的压缩感知来对信道进行处理。首先依据相关的压缩感知理论的研究用混合预编码器获得毫米波***的测量矩阵，然后毫米波***的信道估计问题可以作为一个典型的稀疏信号恢复问题来研究。
总而言之，解决高能耗，并如何达到降低***复杂度基础上有效提高***性能和能量效率的目的，是目前毫米波大规模MIMO***的信道估计研究所面临的挑战。
发明内容：
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法。
为了实现本发明的上述目的，本发明提供了一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，包括：
S1，在基站侧采用以最小均方误差预编码为基准的幅度最大化(MM)标准选择波束信号，并引入最小均方误差线性预编码技术，以减弱噪声的影响和用户间干扰；
S2，采用时分双工(TDD)大规模MIMO***，根据TDD***中的信道互易，在上行链路通过最小二乘法(LS)信道估计来获得信道状态信息(CSI)；
S3，采用Saleh-Valenzuela信道模型体现信道稀疏特性，在接收端使用主成分分析(PCA)信道压缩方法，把CSI从高维映射到低维，用于降低特征维度；
S4，接收端将信道进行压缩降维之后，再采用LS进行信道估计。
所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法，其特征在于，所述S1包括：
基站侧采用以MMSE预编码为基准的MM标准选择波束信号，在迫零(ZF)算法的基础上引入了MMSE线性预编码技术，MMSE预编码矩阵表达式为：
Figure BDA0002201077640000021
其中，β表示功率控制因子，||·||2表示求2范数，E(·)表示求期望；为计算简单，MMSE预编码算法的优化问题可以看作是在一定的功率约束条件下求解接收信号与发送信号的最小均方误差的问题；在此基础上，建立目标函数：
Figure BDA0002201077640000031
其中，P表示信号的最大发射功率；根据MMSE准则，得到预编码矩阵为：
Figure BDA0002201077640000032
其中，σ2为噪声功率，功率控制因子β为：
Figure BDA0002201077640000033
其中，Tr(H)表示矩阵的迹，(H)-1表示矩阵的逆，HH表示矩阵的共轭转置。
所述的一种于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，所述S2包括：
天线矩阵U表达式为：
Figure BDA0002201077640000034
式中：
Figure BDA0002201077640000035
N表示空间方位角，基于3D波束空间的大规模MIMO的***模型接收信号可表示为：
式中
Figure BDA0002201077640000037
为波束空间的接收信号矢量，将信道矢量与转化成波束空间的信道矢量后，转化方式为：
Figure BDA0002201077640000038
Figure BDA0002201077640000039
包含了hk的所有信道信息，可用于估计整个CSI；那么波束空间的信道矩阵可定义为：
Figure BDA00022010776400000311
Figure BDA00022010776400000312
表示下行波束空间信道矩阵；
***模型如图1所示，上行链路通过LS信道估计来获得CSI，这个过程中每个用户需要在Q时刻向基站发送正交导频序列ψm，假设将Q时刻分成为M个块，每个块由K个时刻组成，根据TDD***中的信道互易，在第m块的基站处接收的上行链路信号矢量
Figure BDA0002201077640000041
可以表示为：
Figure BDA0002201077640000042
通过自适应选择网络，基站端用维数为K×N的模拟组合器Wm来组合出并通过射频链在基带采样中获得维数为K×K的采样信号Rm，其中Rm表达式为：
Figure BDA0002201077640000044
最后，将降低维度的信号与正交导频矩阵相乘，获得波束空间信道
Figure BDA0002201077640000046
的检测矩阵Zm，
Figure BDA0002201077640000047
其中表示有效噪声矩阵，在TDD***中，根据上行链路估计得到的CSI，由于信道互易性，可以作为下行信道的CSI。
所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法，其特征在于，所述S3包括：
由于毫米波通信中有效路径数量有限，因此H具有稀疏结构特性，毫米波Saleh-Valenzuela信道模型如图2所示；
那么基于波束空间的大规模MIMO***降低维度的信号可以表示为：
Figure BDA0002201077640000049
式中，
Figure BDA00022010776400000410
B表示所选波束的集合，Pr为已降低维数的预编码矩阵；为了实现近乎最佳的性能，基站需要获得具有有限数量的射频链的3D波東空间信道，为了保证K个用户的空间复用增益，所需射频链的最小数目应为NRF＝K，所以考虑射频链数目为NRF＝K，且不损失一般性；
信号通过MM-MMSE进行预编码形成波束发送出去后，接收端接收到预编码信号，然后通过PCA对CSI进行降维；
基于低复杂度PCA的CSI算法中，首先对协方差矩阵进行特征值分解，求出CH的特征值和特征向量，表示为：
Figure BDA0002201077640000051
其中，
Figure BDA0002201077640000052
是对角矩阵，其对角元素是协方差矩阵的特征值，
Figure BDA0002201077640000053
的列向量是协方差矩阵CH的特征向量；
然后将特征值按照由大到小进行排列，选取特征值贡献率超过阈值γ的前l个特征值所对应的特征向量，组成压缩矩阵
Figure BDA0002201077640000054
其次利用压缩矩阵
Figure BDA0002201077640000055
将高维下行信道信息矩阵Hr压缩到低维空间，表示为：
Figure BDA0002201077640000056
其中表示降维后的信道矩阵；
基于PCA算法的反馈量压缩比为：
rPCA＝l(Nr+Nt)/(Nr×Nt)
采用非码本的反馈，反馈量是通过压缩比来定义，压缩比越小，所需反馈开销越低；
最后用户将
Figure BDA0002201077640000058
以及压缩矩阵
Figure BDA0002201077640000059
反馈给基站端，基站端接收到反馈信息后利用同样的压缩矩阵恢复原始信道，表示为；
Figure BDA00022010776400000510
其中
Figure BDA00022010776400000511
表示信道的恢复值。
所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，所述S4包括：
接收端用LS算法估计出CSI；
令信道矩阵为H，接收信号矩阵为发送信号矩阵为X，其估计可表示为：
为得到具体表达式，对上式求偏导，并令偏导为0，可得：
解之，得到信道估计为：
Figure BDA0002201077640000063
若X是非奇异矩阵，可以使用X的穆尔-彭罗斯逆。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
通过采用时分双工(TDD)的3D波束空间***模型，联合波束成形技术并提出一种基于波束选择的毫米波大规模MIMO***MMSE-PCA(最小均方误差-主成分分析)信道估计算法。最终可达到改善大规模MIMO***中存在多用户干扰较为严重等不利于信道估计的问题的目的，在减少***复杂度的基础上提高信道的信息传输效率，并优化***性能。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是毫米波Saleh-Valenzuela信道模型；
图2是3D波束空间大规模MIMO***模型；
图3是本发明总体流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明通过基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法，能够有效地提升毫米波波束选择方案的速率和性能，先用在基站侧以MMSE预编码为基准的幅度最大化标准选择波束信号，以此减轻多用户干扰。之后在接收端使用PCA信道压缩方法，将信道进行压缩降维，降低信道估计的复杂度，最后使用经典的最小二乘法进行信道估计。
结合附图3对本发明进行详细说明，主要包括以下步骤：
步骤1：开始；
步骤2：以MMSE预编码为基准的幅度最大化标准选择波束信号；
先采用以MMSE预编码为基准的幅度最大化标准选择波束信号，在ZF算法的基础上引入了MMSE线性预编码技术,因而更加有效的平面噪音和用户之间的干扰。MMSE预编码矩阵表达式为:
Figure BDA0002201077640000071
其中，β表示功率控制因子，||·||2表示求2范数，E(·)表示求期望。为计算简单，MMSE预编码算法的优化问题可以看做是在一定的功率约束条件下求解接收信号与发送信号的最小均方误差的问题。在此基础上，建立目标函数：
Figure BDA0002201077640000072
其中，P表示信号的最大发射功率。根据MMSE准则，得到预编码矩阵为：
Figure BDA0002201077640000073
其中，σ2为噪声功率。功率控制因子β为：
Figure BDA0002201077640000081
步骤3：接收端使用PCA信道压缩方法，将信道进行压缩降维；
采用PCA的压缩信道估计算法，降低信道矩阵的维度，减小了信道估计的计算复杂度。基于低复杂度PCA的CSI反馈算法中，首先对协方差矩阵进行特征值分解，求出CH的特征值和特征向量，表示为：
Figure BDA0002201077640000082
其中，
Figure BDA0002201077640000083
是对角矩阵，其对角元素是协方差矩阵的特征值，
Figure BDA0002201077640000084
的列向量是协方差矩阵CH的特征向量。
然后将特征值按照由大到小进行排列，选取特征值贡献率超过阈值γ的前l个特征值所对应的特征向量，组成压缩矩阵
Figure BDA0002201077640000085
其次利用压缩矩阵
Figure BDA0002201077640000086
将高维下行信道信息矩阵Hr压缩到低维空间，表示为：
其中
Figure BDA0002201077640000088
表示降维后的信道矩阵。
基于PCA算法的反馈量压缩比为：
rPCA＝l(Nr+Nt)/(Nr×Nt)
本项目拟采用非码本的反馈，反馈量是通过压缩比来定义，压缩比越小，所需反馈开销越低。
最后用户将
Figure BDA0002201077640000089
以及压缩矩阵
Figure BDA00022010776400000810
反馈给基站端，基站端接收到反馈信息后利用同样的压缩矩阵恢复原始信道，表示为：
Figure BDA00022010776400000811
其中
Figure BDA00022010776400000812
表示信道的恢复值。
步骤4：用LS算法估算出信道状态信息；
令信道矩阵为H，接收信号矩阵为
Figure BDA00022010776400000813
发送信号矩阵为X，其估计可表示为：
Figure BDA00022010776400000814
为了了解LS信道估计结果，对上式求偏导，并令偏导为0，可得
Figure BDA0002201077640000091
解之，得到信道估计为：
Figure BDA0002201077640000092
若X是非奇异矩阵，可以使用X的穆尔-彭罗斯逆。
步骤5：结束。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，包括：
S1，在基站侧采用以最小均方误差预编码为基准的幅度最大化(MM)标准选择波束信号，并引入最小均方误差线性预编码技术，以减弱噪声的影响和用户间干扰；
S2，采用时分双工(TDD)大规模MIMO***，根据TDD***中的信道互易，在上行链路通过最小二乘法(LS)信道估计来获得信道状态信息(CSI)；
S3，采用Saleh-Valenzuela信道模型体现信道稀疏特性，在接收端使用主成分分析(PCA)信道压缩方法，把CSI从高维映射到低维，用于降低特征维度；
S4，接收端将信道进行压缩降维之后，再采用LS进行信道估计。
2.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法，其特征在于，所述S1包括：
基站侧采用以MMSE预编码为基准的MM标准选择波束信号，在迫零(ZF)算法的基础上引入了MMSE线性预编码技术，MMSE预编码矩阵表达式为：
其中，β表示功率控制因子，||·||2表示求2范数，E(·)表示求期望；为计算简单，MMSE预编码算法的优化问题可以看作是在一定的功率约束条件下求解接收信号与发送信号的最小均方误差的问题；在此基础上，建立目标函数：
Figure FDA0002201077630000012
其中，P表示信号的最大发射功率；根据MMSE准则，得到预编码矩阵为：
其中，σ2为噪声功率，功率控制因子β为：
Figure FDA0002201077630000014
其中，Tr(H)表示矩阵的迹，(H)-1表示矩阵的逆，HH表示矩阵的共轭转置。
3.根据权利要求1所述的一种于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，所述S2包括：
天线矩阵U表达式为：
Figure FDA0002201077630000021
式中：
Figure FDA0002201077630000022
表示空间方位角，基于3D波束空间的大规模MIMO的***模型接收信号可表示为：
Figure FDA0002201077630000023
式中
Figure FDA0002201077630000024
为波束空间的接收信号矢量，将信道矢量与转化成波束空间的信道矢量后，转化方式为：
Figure FDA0002201077630000025
Figure FDA0002201077630000026
包含了hk的所有信道信息，可用于估计整个CSI；那么波束空间的信道矩阵
Figure FDA0002201077630000027
可定义为：
Figure FDA0002201077630000028
Figure FDA0002201077630000029
表示下行波束空间信道矩阵；
上行链路通过LS信道估计来获得CSI，这个过程中每个用户需要在Q时刻向基站发送正交导频序列ψm，假设将Q时刻分成为M个块，每个块由K个时刻组成，根据TDD***中的信道互易，在第m块的基站处接收的上行链路信号矢量
Figure FDA00022010776300000210
可以表示为：
Figure FDA00022010776300000211
通过自适应选择网络，基站端用维数为K×N的模拟组合器Wm来组合出
Figure FDA00022010776300000212
并通过射频链在基带采样中获得维数为K×K的采样信号Rm，其中Rm表达式为：
Figure FDA00022010776300000213
最后，将降低维度的信号与正交导频矩阵
Figure FDA00022010776300000214
相乘，获得波束空间信道
Figure FDA00022010776300000215
的检测矩阵Zm，
Figure FDA0002201077630000031
其中
Figure FDA0002201077630000032
表示有效噪声矩阵，在TDD***中，根据上行链路估计得到的CSI，由于信道互易性，可以作为下行信道的CSI。
4.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计的方法，其特征在于，所述S3包括：
由于毫米波通信中有效路径数量有限，因此H具有稀疏结构特性；
那么基于波束空间的大规模MIMO***降低维度的信号可以表示为：
式中，B表示所选波束的集合，Pr为已降低维数的预编码矩阵；为了实现近乎最佳的性能，基站需要获得具有有限数量的射频链的3D波東空间信道，为了保证K个用户的空间复用增益，所需射频链的最小数目应为NRF＝K，所以考虑射频链数目为NRF＝K，且不损失一般性；
信号通过MM-MMSE进行预编码形成波束发送出去后，接收端接收到预编码信号，然后通过PCA对CSI进行降维；
基于低复杂度PCA的CSI算法中，首先对协方差矩阵进行特征值分解，求出CH的特征值和特征向量，表示为：
Figure FDA0002201077630000035
其中，
Figure FDA0002201077630000036
是对角矩阵，其对角元素是协方差矩阵的特征值，
Figure FDA0002201077630000037
的列向量是协方差矩阵CH的特征向量；
然后将特征值按照由大到小进行排列，选取特征值贡献率超过阈值γ的前l个特征值所对应的特征向量，组成压缩矩阵
Figure FDA0002201077630000038
其次利用压缩矩阵
Figure FDA0002201077630000039
将高维下行信道信息矩阵Hr压缩到低维空间，表示为：
Figure FDA00022010776300000310
其中表示降维后的信道矩阵；
基于PCA算法的反馈量压缩比为：
rPCA＝l(Nr+Nt)/(Nr×Nt)
采用非码本的反馈，反馈量是通过压缩比来定义，压缩比越小，所需反馈开销越低；
最后用户将
Figure FDA0002201077630000041
以及压缩矩阵
Figure FDA0002201077630000042
反馈给基站端，基站端接收到反馈信息后利用同样的压缩矩阵恢复原始信道，表示为；
Figure FDA0002201077630000043
其中
Figure FDA0002201077630000044
表示信道的恢复值。
5.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO***MMSE-PCA信道估计方法，其特征在于，所述S4包括：
接收端用LS算法估计出CSI；
令信道矩阵为H，接收信号矩阵为
Figure FDA0002201077630000045
发送信号矩阵为X，其估计可表示为：
Figure FDA0002201077630000046
为得到具体表达式，对上式求偏导，并令偏导为0，可得：
Figure FDA0002201077630000047
解之，得到信道估计为：
Figure FDA0002201077630000048
若X是非奇异矩阵，可以使用X的穆尔-彭罗斯逆。
CN201910865261.2A 2019-09-12 2019-09-12 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法 Pending CN110635836A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910865261.2A CN110635836A (zh) 2019-09-12 2019-09-12 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910865261.2A CN110635836A (zh) 2019-09-12 2019-09-12 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法

Publications (1)

Publication Number Publication Date
CN110635836A true CN110635836A (zh) 2019-12-31

Family

ID=68971142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910865261.2A Pending CN110635836A (zh) 2019-09-12 2019-09-12 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法

Country Status (1)

Country Link
CN (1) CN110635836A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277313A (zh) * 2020-01-20 2020-06-12 东南大学 基于二分图的蜂窝车联网大规模mimo波束选择与传输方法
CN111431567A (zh) * 2020-03-30 2020-07-17 内蒙古大学 一种毫米波大规模波束空间mimo***
CN111654456A (zh) * 2020-06-09 2020-09-11 江南大学 基于降维分解的毫米波大规模mimo角域信道估计方法及装置
CN111786708A (zh) * 2020-07-02 2020-10-16 电子科技大学 大规模mimo***的联合信道信息获取方法
CN111917447A (zh) * 2020-08-12 2020-11-10 电子科技大学 基于波束选择的低频辅助混合预编码设计方法
CN112564754A (zh) * 2020-12-01 2021-03-26 哈尔滨工业大学 一种毫米波Massive MIMO***下基于自适应交叉熵的波束选择方法
CN113179231A (zh) * 2021-04-15 2021-07-27 内蒙古大学 一种毫米波大规模mimo***中波束空间信道估计方法
CN113824477A (zh) * 2021-10-09 2021-12-21 北京邮电大学 离散透镜天线阵列辅助的多用户大规模mimo优化方法
CN113839695A (zh) * 2021-09-16 2021-12-24 东南大学 Fdd大规模mimo和速率最优统计预编码方法及设备
CN115314086A (zh) * 2022-06-23 2022-11-08 厦门大学 通信感知一体化***的预编码方法、装置、介质及设备
CN115694571A (zh) * 2022-10-31 2023-02-03 西安科技大学 一种大规模mimo***中基于深度学习的信号检测方法和装置
CN116016052A (zh) * 2023-01-04 2023-04-25 西南交通大学 一种用于毫米波大规模mimo***的信道估计方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102177670A (zh) * 2008-10-10 2011-09-07 高通股份有限公司 无线通信***中用于进行信道反馈的方法和装置
CN103139117A (zh) * 2007-03-16 2013-06-05 飞思卡尔半导体公司 使用任意预编码基准信号的mu-mimo的通用化基准信令方案
CN104603853A (zh) * 2012-05-04 2015-05-06 李尔登公司 用于处理分布式输入-分布式输出无线***中的多普勒效应的***和方法
CN107465436A (zh) * 2017-07-04 2017-12-12 西安电子科技大学 毫米波频段大规模mimo***的低复杂度基站选择方法
CN107483091A (zh) * 2017-07-06 2017-12-15 重庆邮电大学 一种fdd大规模mimo‑ofdm***下的信道信息反馈算法
CN108198558A (zh) * 2017-12-28 2018-06-22 电子科技大学 一种基于csi数据的语音识别方法
CN108650003A (zh) * 2018-04-17 2018-10-12 中国人民解放军陆军工程大学 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法
WO2019041470A1 (zh) * 2017-08-31 2019-03-07 东南大学 大规模mimo鲁棒预编码传输方法
CN109617585A (zh) * 2019-01-18 2019-04-12 杭州电子科技大学 毫米波大规模mimo中基于部分连接的混合预编码方法
CN109743268A (zh) * 2018-12-06 2019-05-10 东南大学 基于深度神经网络的毫米波信道估计和压缩方法
US20190229791A1 (en) * 2018-01-19 2019-07-25 Lenovo (Singapore) Pte. Ltd. Channel compression matrix parameters
WO2019157230A1 (en) * 2018-02-08 2019-08-15 Cohere Technologies, Inc. Aspects of channel estimation for orthogonal time frequency space modulation for wireless communications
CN110212957A (zh) * 2019-05-27 2019-09-06 广西大学 一种基于信漏噪比的mu-mimo***用户调度方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103139117A (zh) * 2007-03-16 2013-06-05 飞思卡尔半导体公司 使用任意预编码基准信号的mu-mimo的通用化基准信令方案
CN102177671A (zh) * 2008-10-10 2011-09-07 高通股份有限公司 无线通信***中用于通过多重描述编码进行信道反馈的方法和装置
CN102177670A (zh) * 2008-10-10 2011-09-07 高通股份有限公司 无线通信***中用于进行信道反馈的方法和装置
CN104603853A (zh) * 2012-05-04 2015-05-06 李尔登公司 用于处理分布式输入-分布式输出无线***中的多普勒效应的***和方法
CN107465436A (zh) * 2017-07-04 2017-12-12 西安电子科技大学 毫米波频段大规模mimo***的低复杂度基站选择方法
CN107483091A (zh) * 2017-07-06 2017-12-15 重庆邮电大学 一种fdd大规模mimo‑ofdm***下的信道信息反馈算法
WO2019041470A1 (zh) * 2017-08-31 2019-03-07 东南大学 大规模mimo鲁棒预编码传输方法
CN108198558A (zh) * 2017-12-28 2018-06-22 电子科技大学 一种基于csi数据的语音识别方法
US20190229791A1 (en) * 2018-01-19 2019-07-25 Lenovo (Singapore) Pte. Ltd. Channel compression matrix parameters
WO2019157230A1 (en) * 2018-02-08 2019-08-15 Cohere Technologies, Inc. Aspects of channel estimation for orthogonal time frequency space modulation for wireless communications
CN108650003A (zh) * 2018-04-17 2018-10-12 中国人民解放军陆军工程大学 大规模mimo高速移动场景下联合多普勒补偿的混合传输方法
CN109743268A (zh) * 2018-12-06 2019-05-10 东南大学 基于深度神经网络的毫米波信道估计和压缩方法
CN109617585A (zh) * 2019-01-18 2019-04-12 杭州电子科技大学 毫米波大规模mimo中基于部分连接的混合预编码方法
CN110212957A (zh) * 2019-05-27 2019-09-06 广西大学 一种基于信漏噪比的mu-mimo***用户调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KENTARO NISHIMORI: "Multi-beam Massive MIMO Using Analog Beamforming and DBF Based Blind Algorithm", 《2015 INTERNATIONAL SYMPOSIUM ON ANTENNAS AND PROPAGATION (ISAP)》 *
廖勇等: "高速移动环境下基于动态CSI 的MIMO ***", 《电子学报》 *
张凯: "移动通信***中的大规模MIMO技术研究", 《中国博士学位论文全文数据库-信息科技辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111277313A (zh) * 2020-01-20 2020-06-12 东南大学 基于二分图的蜂窝车联网大规模mimo波束选择与传输方法
CN111277313B (zh) * 2020-01-20 2022-07-29 东南大学 基于二分图的蜂窝车联网大规模mimo波束选择与传输方法
CN111431567A (zh) * 2020-03-30 2020-07-17 内蒙古大学 一种毫米波大规模波束空间mimo***
CN111654456B (zh) * 2020-06-09 2021-10-19 江南大学 基于降维分解的毫米波大规模mimo角域信道估计方法及装置
CN111654456A (zh) * 2020-06-09 2020-09-11 江南大学 基于降维分解的毫米波大规模mimo角域信道估计方法及装置
CN111786708A (zh) * 2020-07-02 2020-10-16 电子科技大学 大规模mimo***的联合信道信息获取方法
CN111786708B (zh) * 2020-07-02 2022-06-07 电子科技大学 大规模mimo***的联合信道信息获取方法
CN111917447B (zh) * 2020-08-12 2021-12-10 电子科技大学 基于波束选择的低频辅助混合预编码设计方法
CN111917447A (zh) * 2020-08-12 2020-11-10 电子科技大学 基于波束选择的低频辅助混合预编码设计方法
CN112564754B (zh) * 2020-12-01 2021-09-28 哈尔滨工业大学 一种毫米波Massive MIMO***下基于自适应交叉熵的波束选择方法
CN112564754A (zh) * 2020-12-01 2021-03-26 哈尔滨工业大学 一种毫米波Massive MIMO***下基于自适应交叉熵的波束选择方法
CN113179231A (zh) * 2021-04-15 2021-07-27 内蒙古大学 一种毫米波大规模mimo***中波束空间信道估计方法
CN113839695A (zh) * 2021-09-16 2021-12-24 东南大学 Fdd大规模mimo和速率最优统计预编码方法及设备
CN113839695B (zh) * 2021-09-16 2022-06-21 东南大学 Fdd大规模mimo和速率最优统计预编码方法及设备
CN113824477A (zh) * 2021-10-09 2021-12-21 北京邮电大学 离散透镜天线阵列辅助的多用户大规模mimo优化方法
CN113824477B (zh) * 2021-10-09 2023-04-28 北京邮电大学 离散透镜天线阵列辅助的多用户大规模mimo优化方法
CN115314086A (zh) * 2022-06-23 2022-11-08 厦门大学 通信感知一体化***的预编码方法、装置、介质及设备
CN115314086B (zh) * 2022-06-23 2023-11-03 厦门大学 通信感知一体化***的预编码方法、装置、介质及设备
CN115694571A (zh) * 2022-10-31 2023-02-03 西安科技大学 一种大规模mimo***中基于深度学习的信号检测方法和装置
CN116016052A (zh) * 2023-01-04 2023-04-25 西南交通大学 一种用于毫米波大规模mimo***的信道估计方法
CN116016052B (zh) * 2023-01-04 2024-05-07 西南交通大学 一种用于毫米波大规模mimo***的信道估计方法

Similar Documents

Publication Publication Date Title
CN110635836A (zh) 一种基于波束选择的毫米波大规模mimo***mmse-pca信道估计方法
CN108880774B (zh) 频分双工多用户大规模多天线***及其下行导频信号长度设计方法
CN108234101B (zh) 能效最大化导频信号设计方法及大规模多天线***
CN110808765B (zh) 一种基于不完全信道信息的大规模mimo***频谱效率优化的功率分配方法
CN107046434B (zh) 大规模mimo***模数混合预编码方法
CN103780356B (zh) 一种认知mimo通信***的两级预编码的设计方法
CN107086886B (zh) 大规模mimo***融合迫零与泰勒级数展开的双层预编码设计
JP5666581B2 (ja) Ｍｕ−ｍｉｍｏ通信システムの送信機のためのプリコーディング方法
US8412242B2 (en) Method and apparatus for sending and receiving channel state information in multiple-input multiple-output network wireless communication systems
CN110138425B (zh) 低复杂度阵列天线多输入多输出***混合预编码算法
CN105162556B (zh) 基于空时相关性的大规模mimo***信道反馈方法
CN101867462A (zh) 一种基于最小总误码率的多基站协作线性预编码方法
CN102882570B (zh) 移动通信网络下设备间通信的最优收发联合处理方法
CN102347820B (zh) 一种多小区协作无线通信***联合编解码方法
CN113225112A (zh) 一种毫米波联合波束选择和功率分配优化方法
CN105743559B (zh) 一种Massive MIMO混合波束形成和空时编码多用户下行传输方法
CN102104451A (zh) 多输入多输出***中多用户收发联合预编码的方法及装置
CN102710395A (zh) 基于联合波束赋形的协同传输方法
CN102752037B (zh) 一种延时反馈下多天线中继预编码的鲁棒构造方法
CN104601213A (zh) Mu-miso无线携能通信***的鲁棒构造方法
CN114915989B (zh) 基于能量收集的全双工中继和智能反射面联合传输方法
my Al-Nimrat et al. An efficient channel estimation scheme for mmwave massive MIMO systems
CN103873197B (zh) 空间相关性与分簇相结合的3d mimo有限反馈开销降低方法
CN109361434B (zh) 基站协作传输的毫米波mimo混合预编码方法
CN107659348B (zh) 一种基于slnr和thp混合自适应预编码设计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191231

WD01 Invention patent application deemed withdrawn after publication