CN113507426A - 基于otfs调制的联合信道估计与信号检测方法及装置 - Google Patents
基于otfs调制的联合信道估计与信号检测方法及装置 Download PDFInfo
- Publication number
- CN113507426A CN113507426A CN202110667128.3A CN202110667128A CN113507426A CN 113507426 A CN113507426 A CN 113507426A CN 202110667128 A CN202110667128 A CN 202110667128A CN 113507426 A CN113507426 A CN 113507426A
- Authority
- CN
- China
- Prior art keywords
- channel
- signal
- estimation
- pilot frequency
- antennas
- 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
Images
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
-
- 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
- H04L25/0212—Channel estimation of impulse response
-
- 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
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2626—Arrangements specific to the transmitter only
- H04L27/2627—Modulators
- H04L27/2639—Modulators using other transforms, e.g. discrete cosine transforms, Orthogonal Time Frequency and Space [OTFS] or hermetic transforms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供一种基于OTFS调制的联合信道估计与信号检测方法及装置,该方法包括:接收OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;根据接收导频信号,分别对每条路径的信道参数进行估计并重构获得初始估计信道;根据每组天线接收信号和估计信道,确定发射信号,并根据检测到的发射信号和接收信号,确定优化信道;其中,预设导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。该方法可以清晰的分辨出不同发射天线在同一根天线上的接收导频信号差异,提高了估算精度。导频结构只占用少量信道资源,可以提高资源利用率,避免导频开销过大问题。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种基于OTFS调制的联合信道估计方法及装置。
背景技术
作为5G的典型应用场景之一,高移动速度场景如V2V、基站与无人机之间的通信以及基站与高速移动列车之间的通信等会使信道时变速度很快,从而导致很大的多普勒扩展。当前在4G***中广泛应用的OFDM技术能够有效对抗时延扩展导致的符号间干扰,且在时不变信道的情况下实现较高的频谱效率。但在时变信道下的多普勒扩展会导致OFDM中的子载波间干扰,从而降低OFDM的性能。
正交时频空间(OTFS)调制技术是近几年来新提出的一种用以代替OFDM来对抗时变信道情况下多普勒扩展的通信技术。OTFS可以有效地将时变多径信道转换到时延-多普勒(DD)域中的二维信道,并在此域中进行调制与解调操作,并且在DD域中,信道对于一个OTFS符号内的每个数据都有着相同的信道增益,从而使得其在即使具有很大多普勒扩展的信道中通信也可以拥有着很好地传输性能。
作为5G的关键技术之一,大规模MIMO技术能够有效的提高***频谱效率和传输可靠性,因此通过将大规模MIMO与OTFS结合,可获得巨大的性能增益。而为了能够充分发挥大规模MIMO-OTFS的优势,需要获得尽可能准确的信道状态信息,但是由于基站侧天线数量很多,导致传统信道估计方法采用的正交导频的导频开销过大。
发明内容
针对现有技术存在的问题,本发明提供一种基于OTFS调制的联合信道估计与信号检测方法及装置。
本发明提供一种基于OTFS调制的联合信道估计与信号检测方法,包括:接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述导频结构在DD域信道网格中,对于N维度,同一位置网格设置对应不同天线的导频,导频与天线一一对应;对于M维度,相邻导频的间隔为tm,导频与传输信号间以及不同天线的导频之间设置保护间隔,对于N维度,导频两侧的保护间隔宽度均为2vn;其中,DD域信道网格每一格两个维度分别对应了量化的时延长度和多普勒长度,M为子载波数量,N为一帧OTFS信号中包含的OFDM符号数,tm为量化后最大时延尺度,vn是量化后最大多普勒频移尺度。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道,包括:根据每一条路径不同天线上的接收信号作为观测样本,通过免疫算法求解如下优化问题,得到相应的发射角;根据发射角确定多普勒频移,进而确定信道参数,以重构初始估计信道;
表示DD域接收信号,a(θi)为对应发射角θi的天线转向矢量,i是表示路径的下标,χi表示第i条信道在DD域网格的多普勒维度坐标,nBS和nMS分别表示基站和移动端的天线标识,表示根据预设导频结构,第nMS根发射天线在第i条信道的DD域网格时延维度坐标;表示矩阵中的第nBS,i行构成的向量。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,包括:根据一组天线信号和所述初始估计信道,结合发射信号的符号空间,利用MP检测算法求解每组天线的最优发射信号;根据每组天线的最优发射信号,通过计算所有天线的合并概率确定发射信号的检测结果。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述利用MP检测算法求解每组天线的最优发射信号,包括:对优化问题进行如下转换并求解,得到每组天线的最优发射信号:
其中,为接收信号,d为DD域信道的行数,c为DD域信道的列数,是发射信号最优解,aj是符号空间中第j个符号,是第nBS根接收天线对应的DD域信道,表示信道矩阵中第c列中非零位置的集合;为表示第i条信道中第c列中非零位置的集合。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述根据发射信号和接收信号,确定优化估计信道,包括:根据信道矩阵HB的循环稀疏矩阵特性,进行对角化:
X=[XDD,0,XDD,1,…XDD,M-1]T,
XDD=[XDD(mN),XDD(mN+1),…XDD((m+1)N)]T;
W=P-1HBP=diag{g(1),g(ω1),…g(ωn-1)};
确定W上的对角元素,根据对角元素具体值以及排列方式,结合特征值与信道系数的关系,推算出时延多普勒域信道中非零元素位置及大小,得到所述优化估计信道。
根据本发明一个实施例的基于OTFS调制的联合信道估计与信号检测方法,所述确定优化估计信道之后,还包括:重复根据另一组天线的接收信号和根据上组天线得到的优化估计信道,确定所述另一组天线发射信号的检测结果,以及确定新的优化估计信道的迭代过程,以实现发射信号检测和估计信道的迭代优化。
本发明还提供一种基于OTFS调制的联合信道估计装置,包括:接收模块,用于接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;初始估计模块,用于根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;优化估计模块,用于将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于OTFS调制的联合信道估计方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于OTFS调制的联合信道估计方法的步骤。
本发明提供的基于OTFS调制的联合信道估计与信号检测方法及装置,以DD域信道的循环矩阵特性和稀疏性为基础,导频设计可以清晰的分辨出不同发射天线在同一根天线上的接收导频信号差异,提高了估算精度。同时,导频结构只占用少量信道资源,可以提高资源利用率,避免导频开销过大的问题。
附图说明
为了更清楚地说明本发明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一简单地介绍,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是本发明提供的基于OTFS调制的联合信道估计与信号检测方法的流程示意图;
图2a是本发明提供的DD域发送导频结构示意图;
图2b是本发明提供的DD域接收信号结构示意图;
图3是本发明提供的MIMO***DD域导频结构示意图;
图4是本发明提供的免疫算法流程图;
图5是本发明提供的基于OTFS调制的联合信道估计与信号检测装置的结构示意图;
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,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。
下面结合图1-图6描述本发明的基于OTFS调制的联合信道估计与信号检测方法及装置。图1是本发明提供的基于OTFS调制的联合信道估计与信号检测方法的流程示意图,如图1所示,本发明提供基于OTFS调制的联合信道估计方法,包括:
101、接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;
102、根据所述接收导频信号,分别对每条路径的信道参数进行估计重构,得到初始估计信道;
103、将接收天线顺序分组,根据任一组天线接收信号和所述估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;
其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
需要说明的是,天线分组并非是必须步骤,本发明实施例中可使用部分天线而非全部天线。天线分组主要是为了后续实施例的迭代优化方案,而分组方式可以随需求改变。
具体分析如下:考虑一个高铁场景下单基站单列车的大规模MIMO***的上行链路,且基站和列车段均配置均匀天线阵列(Uniform Linear Array,ULA),基站端和列车端分别有NBS和NMS根天线。无线信号从列车端发出经过多个散射体反射产生的多条通信路径,这意味着列车与基站之间的通信链路存在着频率选择性衰落。又由于列车的高机动性,信道具有非常迅速的时变特性,因此通信链路又存在时间选择性衰落。假设信道中存在L条散射路径,每条散射路径对应单独的一个发射角(Angle of Departure,AoD)、一个到达角(Angle of Arrival,AoA)、一个DFS和一个时延量。定义θi(t)和φi(t)分别为t时刻第i条路径的AOA和AoD,则其对应的接收和发射天线转向矢量可分别定义为:
其中d为天线间距,为了简单起见假设基站和列车间天线间距一致,这不影响后续方案。λ为上行链路的载波波长。因此,由几何信道模型可知,考虑一个由L条散射信道组成的在t时刻的上行时变信道为:
其中hi(t)、Di和τi分别表示t时刻第i条路径的信道增益,DFS和时延,其中Di=fDv0cosφi/c,(DFS动态频率选择);fD是上行中心载波频率,v0和c分别表示列车和光的速度。而ξ代表的是采样时刻,具体来说t=ξTs,δ()表示狄拉克函数,Ts为***采样周期。从信道模型来看,信道增益和路径角度都随着时间在不断变化,同时位于指数位置的时间指标t也使得信道时便更加迅速,更易过时。
然而,hi(t)、θi(t)和φi(t)在较长的环境相干时间内保持相对恒定。举例来说,假设列车以300km/h的速度移动,基站与用户之间的垂直距离为200m,在50ms内列车移动的距离大约为4.16m。那么基站和列车能观测到的最大的角度变化也仅有1.1°,更何况列车并非长时间以如此高速运行,且考虑到与基站间的距离经常会更远,经过散射体的反射角度的变化也会更小。因此,AoA和AoD将在较长时间内保持恒定。然而不可忽略的是指数位置上的时间指标t才是让信道相干时间迅速缩短,难以进行常规信道估计的挑战。它和角度信息位于复指数上使得估计问题存在多峰值优化挑战,且存在于多条路径并最终叠加在一个接收信号上使得其更加难以进行检测。
考虑一个载波间距为Δf,符号持续时间为T具有M个子载波的N个连续独立符号的OTFS帧结构。由时域信号s(t)经过时变信道得传输得到接收信号r(t):
其中h(τ,v)表征了在时延τ和多普勒ν处的信道响应,n(t)为信道噪声,在完美的匹配滤波情况下可以得到时频域输入输出信号关系为:
Y(n,m)=H(n,m)X(n,m)+N(n,m)
其中N(n,m)是噪声。理想脉冲应该满足双正交特性,但是实际却难以实现。尽管如此,可以假定脉冲是理想状态。因此可以得到DD域的输入输出信号关系为:
为了最大程度的发挥大规模MIMO***的分集收益,考虑每根天线发射相同的信号。将前式写成矩阵形式有:
假设h(τ,v)在一个OTFS帧结构内,即NT持续时长内是不变的。基于对时域信道分析以及DD域信道的特性,这是一个合理的假设。在一个帧结构内,某两根指定的收发天线间的时域信道响应hi和DD域的信道响应存在着这样的关系:
其中,αi=MτiΔf可以认为是DD域中时延维度的网格下标,精度为1/MΔf。由于可以设置更高的子载波数量得到较高的时延维度精度,可以认为信道路径的时延近似落在网格点上,即αi近似为一个整数。因此,从上式中可以得到如下结论:
其中βi=NνiT,是DD域中多普勒维度的网格下标,精度为1/NT。但是和时延维度较为精准的精度不同,一方面,时延通常维持在几十微秒量级,时延网格精度可以达到零点几微秒,通常在误差允许范围内。而多普勒维持在千百Hz,和多普勒网格分辨率基本相等,如果直接以网格点所指示的多普勒偏移量代表该条路径的DFS则很容易产生非常大的误差。另一方面,提升网格精度也很难。受到信道相干时间的影响,符号数量N难以设置的很大,而提升符号持续时间T也受到制约,这意味着降低载波间隔,在这样高多普勒效应的场景下会产生非常严重的载波间干扰。这是必须得到考虑并值得优化的,然而在大量文献中却没有得到广泛的关注。因此,假设βi由整数和分数部分构成,即βi=χi+γi。在对模值进行估算后有:
上式在k-n-βi≈0的时候有比较紧的上下限。若γi=0,则该条路径的DFS正好落在网格点上,且k=n+χi。然而当γi≠0,为了保证估计结果的单一性假设当0<γi<0.5时当-0.5<γi<0时χi=[k-n]+1,表示向下取整的运算。由于的主波峰值和附近的副波峰值相差不大,因此假设在向主波两侧均扩展R的宽度范围有较显著的值。因此,可以得到接收信号的近似为:
其中假设时延项在网格点中可以得到精准的估计,并不作为后续估计算法的工作重点,而把对χi和γi的估计方式作为主要研究方向。从上式可以看出DD域中每一项接收信号只受其对应几个网格点的影响,这意味着虽然对于每组发射/接收天线对的信道都是MN×MN维的庞大矩阵,但每一行只有大约L(2R+1)个元素是非零的。图2描述了信道响应的幅度,从中可以更直观地看出DD域信道具有非常明显的稀疏性以及循环特性。这样的稀疏结构为后续的导频设计与信号检测方案的提出提供了思路。
信道估计通常是以均方误差最小化为目标,在DD域中优化问题可以写成:
然而,传统的LS信道估计方法在DD域面临着巨大的挑战。因为LS算法的精准度是受导频长度影响的,而若是将每一个OTFS帧作为一个导频,那么为了适应DD域信道庞大的维度将浪费巨大的资源。同时它的复杂度也与信道的维度呈指数级增长,这些都使得促使去寻求一个新的估计算法去应对DD域信道。首先,DD域信道值得注意的特点是它的稀疏性以及它的二阶循环矩阵元素排列方式(DD域信道的元素排列方式符合二阶循环矩阵特性。具体来说,DD域信道可以拆分成N个维度为M的循环矩阵,这N个矩阵也在DD域信道中以循环矩阵元素的方式排列。所以每个信道其实只有MN个不同的元素,而每一行每一列都以不同的排列方式包含着这些元素。),因此CSI获取的目标可以从获得信道转移到获得信道元素从而达到降维的目的。基于二阶循环矩阵特性每一行都包含了信道全部元素,在理想情况下(时延和DFS都落在网格点上)可以设计一种只在某个确定导频位置非零而其余的位置都置零的帧结构,那么可以直接从接收信号还原出信道全部元素。然而这个假设一方面过于理想,而另一方面会浪费一整个帧的资源,并且考虑到高机动性场景的相干时间,信道最多只能在数个甚至更少帧内保持稳定,因此导频也需要重复发送,因此并不可取。
考虑到信道的稀疏性,MN个元素中只有最多L(2R+1)个元素是非零的,并且其位置是存在规律的。这意味着每一个接收信号其实只受几个位置发射信号的影响,同样的某个位置的发射信号也只会影响其中几个接收信号。如果固定导频位置,并在其周围设置一定的保护间隔既能保证导频的发送不受其他发射信号的影响同时也减小了信号检测范围。CSI获取的目标也从信道估计转变为通过接收导频信号获得非零元素值及位置。
本发明设计了一个在DD域工作的导频模式。首先以SISO***为例,导频位置和保护间隔的设置如图2(a)所示,接收信号的导频检测区间如图2(b)所示。
在导频设计图2(a)中,三角形部分是导频位置,圆圈位置是保护间隔,叉叉部分是传输数据。在接收信号图中,V部分是和导频无关的信号,而菱形的部分是受保护间隔和发送数据影响的一些能量较小的部分,它们将被用于信号检测和优化信道估计,星形部分是只和导频相关的信号,它将被用于初始信道估计。其中τm和vn是最大时延和最大多普勒频移在网格上的下标点,考虑到时延只存在正数而多普勒存在正负两个符号,因此在设计导频时分别以τm和2νn的宽度包围导频。值得注意的是,为了消除和中在取模运算上的歧义性,(举例来说,当映射在如1这个下标时,由于多普勒频移存在负值,它所指代的多普勒频移既可以是1/NT也可以是(1-M)/NT。相对的,虽然时延只存在正值,它所指代的时延既可以是(cM+1)/MΔf,其中c是任意正整数。)会有1/Δf>τmax和1/T>2νmax的制约。从时频域角度来说,这也同时满足了消除载波间干扰和符号间干扰的需求。在这样的导频设计下,假设时延和DFS均落在了网格点上,那么接收导频信号(即红色部分)应为:
其中,n和m是设计导频的位置,k和l的取值范围如图2(b)所示为n-νn<k<n+vn和m<l<m+τm。ρ(k,l,n,m)是一个只是函数,它的作用是指示在是否存在一条实际信道的时延和DFS与当前的接收信号位置和导频位置(k,l,n,m)所构成的时延和DFS相对应,存在则为1否则为0。则代表了当ρ(k,l,n,m)=1时对应的信道系数。考虑到分数部分应为:
函数F(k,n)则用于指示引入的分数量。在这样的导频设计下,不仅在接收信号减弱了多径叠加引起的挑战,使得每一组接收信号可以看作是一条信道路径工作的结果,便于进行信道估计与检测。
为了将SISO***中的导频设计扩展到在MIMO***以充分利用其分集增益,将使用如图3中的导频结构。
每一个填充密度最大的区域指代一根发射天线的导频位置,而其他天线在该位置时仍然是0。在这样导频设计下可以清晰的分辨出不同发射天线在同一根天线上的接收导频信号差异,提高了估算精度。在资源利用率方面,导频和保护间隔基本上共只需要占用大约6%的资源,有着较高的利用率。
本发明的基于OTFS调制的联合信道估计与信号检测方法,以DD域信道的循环矩阵特性和稀疏性为基础,导频设计可以清晰的分辨出不同发射天线在同一根天线上的接收导频信号差异,提高了估算精度。同时,导频结构只占用少量信道资源,可以提高资源利用率,避免导频开销过大的问题。
在上述实施例中,所述导频结构在DD域信道网格中,对于N维度,同一位置网格设置对应不同天线的导频,导频与天线一一对应;对于M维度,相邻导频的间隔为tm,导频与传输信号间以及不同天线的导频之间设置保护间隔,对于N维度,导频两侧的保护间隔宽度均为2vn;其中,DD域信道网格每一格两个纬维度分别对应了量化的时延长度和多普勒长度,M为子载波数量,N为一帧OTFS信号中包含的OFDM符号数,tm为量化后最大时延尺度,νn是量化后最大多普勒频移尺度。具体可参见图3和上述实施例。
在上述实施例中,所述根据所述接收导频信号,分别对每条路径的信道参数进行估计重构,得到初始估计信道,包括:根据每一条路径不同天线上的接收信号作为观测样本,通过免疫算法求解如下优化问题,得到相应的发射角;根据发射角确定多普勒平移,进而确定信道参数,以重构初始估计信道;
其中,表示DD域接收信号,a(θi)为对应发射角θi的天线转向矢量,i是表示路径的下标,χi表示第i条信道在DD域网格的多普勒维度坐标,nBS和nMS分别表示基站和移动端的天线标识,表示根据预设导频结构,第nMS根发射天线在第i条信道的DD域网格时延维度坐标,表示矩阵中的第nBS,i行构成的向量。
假设信道路径有着各不相同的时延和DFS,由于时延网格有较细的分辨率可以通过比较M组接收信号的能量,其中能量较大的几组则分别对应着这些路径,使得每条路径可以单独的进行信道估计。其主要目标是获得{χi,γi,hi},而整数多普勒部分χi可以通过比较组内的最大值位置获得,而剩下需要估计的就只剩信道系数hi和分数多普勒部分γi。由于vi=v0cosθi/λ其中v0是列车移动速度,可整理得到如下表接收导频的表达式:
以一条路径为例,优化问题可以写做:
在上述问题中,hi可以在得到γi的最优解后通过简单的运算获得。然而由于γi参数位于复指数上,不仅难以计算其梯度,而且多峰值问题也制约着牛顿高斯算法性能。因此,将应用免疫算法的思想求解γi,免疫算法是模仿生物免疫机制构造出的一种智能优化算法。采用群体搜索策略,因其自身产生多样性和维持机制的特点,保证了群体多样性,克服了“早熟”问题,可以得到全局最优解。具有自适应性,随机性,并行性,全局收敛性,种群多样性等特点。随着大规模MIMO***的普及以及更多通信需求的提出,免疫算法也逐渐进入通信技术研究人员的视野。免疫算法以及的具体流程如图4所示。
首先需要进行的是抗原识别,即优化问题建模。对问题进行分析,提出先验假设,构造合适的亲和度函数以及约束条件。然而优化问题中仍然存在变量hi若迭代更新hi和γi的值将会产生额外的复杂度,并且也难以保证精准度。因此,为了在不受hi影响下估计γi,提取该路径中nBS,nMS天线对中能量最大的接收导频信号(此时r=0),在nBS不变的情况下,所有发射天线经历相同的信道发射相同的导频,在接收端只有发射转向矢量的差异,而其中的未知项即为发射角θi,同时又由于γi与θi可以互相转化即γi=NTv0cosθi/λ-χi,因此将目标转变为利用免疫算法结合转向矢量特征求解θi从而获取γi,再求解关于hi的最小均方误差问题,优化问题便转化成:
其次,产生初始抗体群。抗体群对应的是可行解集,这一步骤相当于设置初始值。由于θi取值范围较窄且免疫算法会自行克隆变异探索更多的可行解,因此只需随机取值即可得到较好的收敛效果。随后会对种群中每一个可行解进行亲和度评价,即计算该可行解的函数值并判断其质量(常用函数值及其倒数,或者海明距离、欧氏距离等衡量),本发明则使用优化函数值作为亲和度指标。接着会判断是否满足终止条件(达到最大迭代次数或存在质量较高的解集),满足条件终止算法寻优过程,否则计算抗体浓度以及激励度进行免疫处理。抗体浓度和激励度分别表征了可行解的多样性以及最终质量,通常亲和度大,浓度低的抗体会得到较大的激励度,即最优解。根据激励度会进行克隆,变异等免疫操作。激励度高的抗体个体具有更好的质量,更有可能被选中进行克隆选择操作,而激励度低的则多会进行变异操作,寻找其他的可行解,最后对种群进行刷新并判断终止条件。
总体来说,免疫算法的过程和遗传算法相似,对于一个优化问题(抗原识别),通过抽取已知的解(初始抗体群),而后根据该解的得分情况(亲和度评价),得到每个解样本的价值,也就是可以继续进一步改造(变异)的可能性。而后选择样本进行变换操作(免疫处理),借此得到得分更高的解样本,在一次一次的变换过程中逐渐接近最后解。
在上述实施例中,所述根据每组天线接收信号和所述估计信道,对每一路进行检测确定发射信号,通过多路合并确定最终发射信号的检测结果,包括:根据每组天线信号和所述估计信道,结合发射信号的符号空间,利用MP检测算法求解每组天线的最优发射信号;根据每组天线的最优发射信号,通过计算所有天线的合并概率确定发射信号的检测结果。
根据之前对输入输出信号关系以及对信道特性的分析,分别假设和表示信道中第c列和第d行中非零位置的集合,且在这样的假设下,根据信道稀疏性,某条路径中位置d的接收信号只和集合中的发射信号相关。同理,位置c的发射信号XDD(c)也只会影响集合中的接收信号。信号检测的MAP问题是:
在上述实施例中,所述利用MP检测算法求解每组天线的最优发射信号,包括:对优化问题进行如下转换并求解,得到每组天线的最优发射信号:
其中,为接收信号,d为DD域信道的行数,c为DD域信道的列数,是发射信号最优解,aj是符号空间中第j个符号,是第nBS根接收天线对应的DD域信道,表示信道矩阵中第c列中非零位置的集合;为表示第i条信道中第c列中非零位置的集合。
前述实施例的MAP问题即使在很小的N和M设置中也很难求解,所以本实施例将考虑对每个发射信号逐个求解其MAP问题,如上式优化问题所示。
基于信道稀疏性,假设上式传输符号是等可能选取的,对于构成指定接收信号的所有分量XDD(c)可认为是近似独立。上述问题中的MAP问题可以扩展原应用于SISO***的基于MP的检测算法到大规模MIMO***,通过计算所有天线的合并概率问题解决问题,在利用了多天线分集收益的同时提高了MP算法的收敛性能。
MP算法的主要在于以下迭代的步骤。首先,每个观测节点将干扰项的均值和方差作为信息传递给所有影响该观测节点的变量集合其次,每个变量更新其在字母空间中每个符号的概率质量函数(probability mass function,pmf)然后将其传回到该变量能影响的观测节点集合第三,每次迭代后计算所有天线的联合概率并判断收敛情况。最后,根据联合概率做出最终决策。具体来说:
其中第二项可视为干扰项,干扰和噪声项可近似视为高斯随机变量,其均值和方差为
步骤5:当收敛后合并所有天线得到联合的概率结果:
在上述实施例中,所述根据发射信号和接收信号,确定优化估计信道,包括:根据信道矩阵HB的循环稀疏矩阵特性,进行对角化:
X=[XDD,0,XDD,1,…XDD,M-1]T,
XDD=[XDD(mN),XDD(mN+1),…XDD((m+1)N)]T;
W=P-1HBP=diag{g(1),g(ω1),…g(ωn-1)};
确定W上的对角元素,根据对角元素具体值以及排列方式,结合特征值与信道系数的关系,推算出DD域信道中非零元素位置及大小,得到所述优化估计信道。
由于基站端天线数量庞大,有着非常高的接收信号维度,这启示可以通过对天线进行分组并迭代更新检测和优化估计结果,这样可以在不额外增加检测复杂度的情况下提升信道估计性能。和初始估计时一样,优化估计同样需要对所有路径分别进行优化。具体来说,单路径的DD域信道虽然仍是二阶循环矩阵,但只存在一个较为显著的一阶循环矩阵块计为HB。因此将输入输出信号写成矩阵形式有:
X=[XDD,0,XDD,1,…XDD,M-1]T,
其中:
XDD=[XDD(mN),XDD(mN+1),…XDD((m+1)N)]T。
基于HB的特征,首先将其写成基础循环矩阵的多项式组合形式有:
HB=g(J)=a1I+a2J+…aNJN-1
根据之前的分析,HB中每行的非零元素数量,即非零an的数量大约是2R+1。利用循环矩阵的对角化特性,对于循环矩阵HB有:
W=P-1HBP=diag{g(1),g(ω1),…g(ωn-1)}
而循环矩阵的特征矩阵P是由其维数确定的,相应的特征值g(1),g(ω1),…g(ωn-1)其中ωn表示基础循环阵J的第n个特征值。随后便可根据P-1Y=W(P-1X)中等式两边主对角线上元素的比例关系或者LS算法简单的获得,进而联立求解方程组,从特征值推算出非零an的值及位置获得优化信道。
在上述实施例中,所述确定优化估计信道之后,还包括:重复根据另一组天线的接收信号和根据上组天线得到的优化估计信道,确定所述另一组天线发射信号的检测结果,以及确定新的优化估计信道的迭代过程,以实现发射信号检测和估计信道的迭代优化。
每次优化的信道将用于下一次的信号检测,而每次信号检测的结果也将进行优化得到经过本次优化的信道。通过对庞大的接收天线进行分组,在不增加额外导频序列以及计算复杂度的基础上,实现对信号检测和信道估计结果的优化。
下面对本发明提供的基于OTFS调制的联合信道估计与信号检测装置进行描述,下文描述的基于OTFS调制的联合信道估计与信号检测装置与上文描述的基于OTFS调制的联合信道估计与信号检测方法可相互对应参照。
图5是本发明提供的基于OTFS调制的联合信道估计与信号检测装置的结构示意图,如图5所示,该基于OTFS调制的联合信道估计与信号检测装置包括:接收模块501、初始估计模块502和优化估计模块503。其中,接收模块501用于接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;初始估计模块502用于根据所述接收导频信号,分别对每条路径的信道参数进行估计重构,得到初始估计信道;优化估计模块503用于将接收天线顺序分组,根据任一组天线接收信号和所述估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
本发明实施例提供的基于OTFS调制的联合信道估计与信号检测装置,以DD域信道的循环矩阵特性和稀疏性为基础,导频设计可以清晰的分辨出不同发射天线在同一根天线上的接收导频信号差异,提高了估算精度。同时,导频结构只占用少量信道资源,可以提高资源利用率,避免导频开销过大的问题。
图6是本发明提供的电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器(processor)601、通信接口(Communications Interface)602、存储器(memory)603和通信总线604,其中,处理器601,通信接口602,存储器603通过通信总线604完成相互间的通信。处理器601可以调用存储器603中的逻辑指令,以执行基于OTFS调制的联合信道估计方法,该方法包括:接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;根据所述接收导频信号,分别对每条路径的信道参数进行估计重构,得到初始估计信道;将接收天线顺序分组,根据任一组天线接收信号和所述估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
此外,上述的存储器603中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的基于OTFS调制的联合信道估计与信号检测方法,该方法包括:接收基于MIMO导频结构传输的多普勒时延DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于OTFS调制的联合信道估计与信号检测方法,该方法包括:接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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;而这些修改或者替换,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 (10)
1.一种基于OTFS调制的联合信道估计与信号检测方法,其特征在于,包括:
接收基于MIMO导频结构传输的多普勒时延DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;
根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;
将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;
其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
2.根据权利要求1所述的基于OTFS调制的联合信道估计与信号检测方法,其特征在于,所述导频结构在DD域信道网格中,对于N维度,同一位置网格设置对应不同天线的导频,导频与天线一一对应;
对于M维度,相邻导频的间隔为tm,导频与传输信号间以及不同天线的导频之间设置保护间隔,对于N维度,导频两侧的保护间隔宽度均为2vn;
其中,DD域信道网格每一格两个维度分别对应了量化的时延长度和多普勒长度,M为子载波数量,N为一帧OTFS信号中包含的OFDM符号数,tm为量化后最大时延尺度,vn是量化后最大多普勒频移尺度。
3.根据权利要求1所述的基于OTFS调制的联合信道估计与信号检测方法,其特征在于,所述根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道,包括:
根据每一条路径不同天线上的接收信号作为观测样本,通过免疫算法求解如下优化问题,得到相应的发射角;
根据发射角确定多普勒频移,进而确定信道参数,以重构初始估计信道;
4.根据权利要求1所述的基于OTFS调制的联合信道估计与信号检测方法,其特征在于,所述根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,包括:
根据一组天线信号和所述初始估计信道,结合发射信号的符号空间,利用MP检测算法求解每组天线的最优发射信号;
根据每组天线的最优发射信号,通过计算所有天线的合并概率确定发射信号的检测结果。
6.根据权利要求1所述的基于OTFS调制的联合信道估计与信号检测方法,其特征在于,所述根据发射估计信号和接收信号,确定优化估计信道,包括:
根据信道矩阵HB的循环稀疏矩阵特性,进行对角化:
X=[XDD,0,XDD,1,…XDD,M-1]T,
XDD=[XDD(mN),XDD(mN+1),…XDD((m+1)N)]T;
HB=g(J)=a1I+a2J+…aNJN-1
W=P-1HBP=diag{g(1),g(ω1),…g(ωn-1)};
其中,P是HB的特征矩阵,XDD为发射信号,为接收信号,N和M分别表示OFDM符号数量和子载波数量,也表示为矩阵的行数和列数,m则是矩阵的列数标识;g()是循环矩阵HB与标准循环矩阵间的线性组合关系,ωn表示基础循环阵J的第n个特征值;
确定W上的对角元素,根据对角元素具体值以及排列方式,结合特征值与信道系数的关系,推算出时延多普勒域信道中非零元素位置及大小,得到所述优化估计信道。
7.根据权利要求1所述的基于OTFS调制的联合信道估计与信号检测方法,其特征在于,所述确定优化估计信道之后,还包括:
重复根据另一组天线的接收信号和根据上组天线得到的优化估计信道,确定所述另一组天线发射信号的检测结果,以及确定新的优化估计信道的迭代过程,以实现发射信号检测和估计信道的迭代优化。
8.一种基于OTFS调制的联合信道估计装置,其特征在于,包括:
接收模块,用于接收基于MIMO导频结构传输的DD域OTFS调制信号,根据预设导频结构扫描相应导频接收位置获得接收导频信号;
初始估计模块,用于根据所述接收导频信号,分别对每条路径的信道参数进行估计,重构得到初始估计信道;
优化估计模块,用于将接收天线顺序分组,根据任一组天线接收信号和所述初始估计信道,对每一路径进行检测,确定发射信号,通过对所有路径进行多路合并,确定最终发射信号的检测结果,作为发射估计信号,并根据发射估计信号和接收信号,确定优化估计信道;
其中,所述导频结构中不同天线的导频间隔根据最大时延确定,导频与传输信号之间设置保护间隔,保护间隔根据最大多普勒频移确定。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于OTFS调制的联合信道估计方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于OTFS调制的联合信道估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110667128.3A CN113507426B (zh) | 2021-06-16 | 2021-06-16 | 基于otfs调制的联合信道估计与信号检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110667128.3A CN113507426B (zh) | 2021-06-16 | 2021-06-16 | 基于otfs调制的联合信道估计与信号检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113507426A true CN113507426A (zh) | 2021-10-15 |
CN113507426B CN113507426B (zh) | 2022-12-06 |
Family
ID=78010208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110667128.3A Active CN113507426B (zh) | 2021-06-16 | 2021-06-16 | 基于otfs调制的联合信道估计与信号检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113507426B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115225433A (zh) * | 2022-07-15 | 2022-10-21 | 军工保密资格审查认证中心 | 基于AmBC与OTFS调制的LMMSE信道估计方法 |
CN115225432A (zh) * | 2022-07-15 | 2022-10-21 | 军工保密资格审查认证中心 | 一种AmBC的正交时频空间调制LS信道估计方法 |
CN115396263A (zh) * | 2022-07-29 | 2022-11-25 | 北京邮电大学 | 一种otfs通信感知一体化信号目标参数估计方法 |
CN115426224A (zh) * | 2022-11-07 | 2022-12-02 | 成都航天通信设备有限责任公司 | 一种基于otfs信号的信道估计方法及*** |
CN116055261A (zh) * | 2023-01-17 | 2023-05-02 | 重庆邮电大学 | 一种基于模型驱动深度学习的otfs信道估计方法 |
CN116074162A (zh) * | 2021-11-01 | 2023-05-05 | 大唐移动通信设备有限公司 | 信道估计和/或感知参数估计方法、装置、设备及可读存储介质 |
CN116094875A (zh) * | 2023-02-09 | 2023-05-09 | 重庆邮电大学 | 一种超大规模mimo***中基于上行辅助的otfs下行信道估计方法 |
CN116094876A (zh) * | 2023-03-10 | 2023-05-09 | 南京邮电大学 | 一种基于非对称架构的正交时频空***的信道估计方法 |
CN116827725A (zh) * | 2023-05-19 | 2023-09-29 | 长安大学 | 一种基于遗传算法的迭代信道参数估计方法 |
WO2024083195A1 (zh) * | 2022-10-21 | 2024-04-25 | 维沃移动通信有限公司 | 资源大小的确定方法、终端及网络侧设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111555780A (zh) * | 2020-01-09 | 2020-08-18 | 北京邮电大学 | 基于正交时频空调制的多天线接收机设计 |
CN112087247A (zh) * | 2020-08-04 | 2020-12-15 | 西安电子科技大学 | 一种基于大规模mimo-otfs的径分多址接入方法 |
CN112202479A (zh) * | 2020-08-19 | 2021-01-08 | 北京邮电大学 | 多入多出-正交时频空***的低复杂度信号检测方法 |
US20210036823A1 (en) * | 2016-03-31 | 2021-02-04 | Cohere Technologies, Inc. | Channel acquisition using orthogonal time frequency space modulated pilot signals |
CN113395221A (zh) * | 2021-04-25 | 2021-09-14 | 北京邮电大学 | 一种基于正交时频空联合信道估计与符号检测方法 |
-
2021
- 2021-06-16 CN CN202110667128.3A patent/CN113507426B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210036823A1 (en) * | 2016-03-31 | 2021-02-04 | Cohere Technologies, Inc. | Channel acquisition using orthogonal time frequency space modulated pilot signals |
CN111555780A (zh) * | 2020-01-09 | 2020-08-18 | 北京邮电大学 | 基于正交时频空调制的多天线接收机设计 |
CN112087247A (zh) * | 2020-08-04 | 2020-12-15 | 西安电子科技大学 | 一种基于大规模mimo-otfs的径分多址接入方法 |
CN112202479A (zh) * | 2020-08-19 | 2021-01-08 | 北京邮电大学 | 多入多出-正交时频空***的低复杂度信号检测方法 |
CN113395221A (zh) * | 2021-04-25 | 2021-09-14 | 北京邮电大学 | 一种基于正交时频空联合信道估计与符号检测方法 |
Non-Patent Citations (2)
Title |
---|
M. KOLLENGODE RAMACHANDRAN AND A. CHOCKALINGAM: ""MIMO-OTFS in High-Doppler Fading Channels: Signal Detection and Channel Estimation"", 《2018 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》, 21 February 2019 (2019-02-21) * |
W.SHEN, L.DAI, J.AN, P.FAN AND R.W.HEATH: ""Channel Estimation for Orthogonal Time Frequency Space (OTFS) Massive MIMO"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》, 31 May 2019 (2019-05-31) * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074162A (zh) * | 2021-11-01 | 2023-05-05 | 大唐移动通信设备有限公司 | 信道估计和/或感知参数估计方法、装置、设备及可读存储介质 |
CN115225433B (zh) * | 2022-07-15 | 2023-11-21 | 军工保密资格审查认证中心 | 基于AmBC与OTFS调制的LMMSE信道估计方法 |
CN115225432A (zh) * | 2022-07-15 | 2022-10-21 | 军工保密资格审查认证中心 | 一种AmBC的正交时频空间调制LS信道估计方法 |
CN115225433A (zh) * | 2022-07-15 | 2022-10-21 | 军工保密资格审查认证中心 | 基于AmBC与OTFS调制的LMMSE信道估计方法 |
CN115225432B (zh) * | 2022-07-15 | 2023-05-16 | 军工保密资格审查认证中心 | 一种AmBC的正交时频空间调制LS信道估计方法 |
CN115396263A (zh) * | 2022-07-29 | 2022-11-25 | 北京邮电大学 | 一种otfs通信感知一体化信号目标参数估计方法 |
CN115396263B (zh) * | 2022-07-29 | 2023-06-30 | 北京邮电大学 | 一种otfs通信感知一体化信号目标参数估计方法 |
WO2024083195A1 (zh) * | 2022-10-21 | 2024-04-25 | 维沃移动通信有限公司 | 资源大小的确定方法、终端及网络侧设备 |
CN115426224A (zh) * | 2022-11-07 | 2022-12-02 | 成都航天通信设备有限责任公司 | 一种基于otfs信号的信道估计方法及*** |
CN115426224B (zh) * | 2022-11-07 | 2023-02-03 | 成都航天通信设备有限责任公司 | 一种基于otfs信号的信道估计方法及*** |
CN116055261A (zh) * | 2023-01-17 | 2023-05-02 | 重庆邮电大学 | 一种基于模型驱动深度学习的otfs信道估计方法 |
CN116094875A (zh) * | 2023-02-09 | 2023-05-09 | 重庆邮电大学 | 一种超大规模mimo***中基于上行辅助的otfs下行信道估计方法 |
CN116094876A (zh) * | 2023-03-10 | 2023-05-09 | 南京邮电大学 | 一种基于非对称架构的正交时频空***的信道估计方法 |
CN116094876B (zh) * | 2023-03-10 | 2023-08-29 | 南京邮电大学 | 一种基于非对称架构的正交时频空***的信道估计方法 |
CN116827725A (zh) * | 2023-05-19 | 2023-09-29 | 长安大学 | 一种基于遗传算法的迭代信道参数估计方法 |
CN116827725B (zh) * | 2023-05-19 | 2024-05-24 | 长安大学 | 一种基于遗传算法的迭代信道参数估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113507426B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113507426B (zh) | 基于otfs调制的联合信道估计与信号检测方法及装置 | |
CN110830133B (zh) | 一种基于多阶信道预测方法、预测***及应用 | |
CN109951214B (zh) | 一种适用于大规模mimo***的信号检测方法 | |
CN111147407B (zh) | 基于信道预测的tmsbl水声ofdm时变信道估计方法 | |
CN111865843B (zh) | 大规模mimo-ofdm***混合消息传递信道估计方法 | |
Srivastava et al. | Sparse, group-sparse, and online Bayesian learning aided channel estimation for doubly-selective mmWave hybrid MIMO OFDM systems | |
Goutay et al. | Machine learning for MU-MIMO receive processing in OFDM systems | |
CN109756432A (zh) | Ofdm信道估计方法和装置 | |
CN108199990B (zh) | 一种非高斯噪声3d-mimo信道估计方法 | |
WO2022074639A2 (en) | Communication system | |
CN112887233B (zh) | 一种基于2维簇结构的稀疏贝叶斯学习信道估计方法 | |
CN113497770A (zh) | Ofdm***快时变信道参数估计方法及装置 | |
CN108023842B (zh) | 大规模mimo***的导频设计方法 | |
Wu et al. | Sparse channel estimation for OFDM transmission based on representative subspace fitting | |
JP2009016887A (ja) | 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体 | |
CN113395222B (zh) | 基于非均匀导频的信道预测吞吐量优化方法 | |
Kishore et al. | Deep Convolutional Spiking Neural Network Optimized with Coyote Chimp Optimization Algorithm for Imperfect Channel Estimation in MIMO-fOFDM/FQAM Based 5G Network. | |
Goutay et al. | Machine Learning-enhanced Receive Processing for MU-MIMO OFDM Systems | |
Turan et al. | Reproducible evaluation of neural network based channel estimators and predictors using a generic dataset | |
JP4818227B2 (ja) | 信号検出装置及び信号検出方法並びにそのプログラムと記録媒体 | |
Kumeleh et al. | Pilot contamination reduction using time-domain channel sparsity in massive MIMO-OFDM systems | |
CN115632726B (zh) | 一种基于模型驱动的ISTA-Net上行免调度大规模MIMO-NOMA信号检测方法 | |
CN114696929B (zh) | 一种基于矩阵束的信道预测方法 | |
Laidouni et al. | Deep learning channel estimation for 5G wireless communications | |
Wan et al. | Heuristic channel estimation based on compressive sensing in LTE downlink channel |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |