CN114629533B - 大规模mimo信道估计的信息几何方法及*** - Google Patents
大规模mimo信道估计的信息几何方法及*** Download PDFInfo
- Publication number
- CN114629533B CN114629533B CN202210147310.0A CN202210147310A CN114629533B CN 114629533 B CN114629533 B CN 114629533B CN 202210147310 A CN202210147310 A CN 202210147310A CN 114629533 B CN114629533 B CN 114629533B
- Authority
- CN
- China
- Prior art keywords
- manifold
- posterior
- matrix
- channel
- auxiliary
- 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
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
-
- 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
-
- 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)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了大规模MIMO信道估计的信息几何方法及相关***。本发明依据信息几何理论进行信道估计,获取各用户终端信道的后验统计信息,包括后验均值和方差。其中信息几何方法将高斯分布的集合定义为原始流形,根据信道的后验分布构造目标流形和辅助流形,迭代计算辅助流形上的分布在目标流形上的m‑投影并根据m‑投影更新辅助流形以及目标流形中分布的参数,最后以目标流形上分布的均值和方差作为信道估计的后验均值和后验方差。本发明提出的信息几何方法能够在保证信道估计准确度的前提下,显著降低信道估计的计算复杂度及导频开销,有效地解决大规模MIMO***的信道信息获取问题。
Description
技术领域
本发明属于通信技术领域,涉及大规模MIMO信道估计的信息几何方法及相关***。
背景技术
大规模多输入多输出(MIMO,Multiple-Input Multiple-Ouput)技术是5G蜂窝***及其持续演进***的核心使能技术。在大规模MIMO***中,配备大量天线的基站(BS,Base Station)可以在相同的时间和频率资源上同时为数十个用户提供服务,从而潜在地提供了巨大的容量增益,并显著提高能源效率。在所有类型的天线阵列中,均匀平面阵列(UPA,Uniform Plane Array)具有紧凑的尺寸和三维覆盖能力,是实际应用的良好选择。正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)技术是一种多载波调制技术,可以减轻宽带无线通信中频率选择性衰落带来的影响。大规模MIMO-OFDM在5G***中发挥着重要作用,并在未来的6G***中受到广泛关注。
在大规模MIMO-OFDM***中,信道估计起着至关重要的作用,这是因为***性能高度依赖于***所获取的信道信息的质量。在实际***中,辅助导频的信道估计,即发射机周期性地发送导频信号,接收机根据接收到的导频信号获得信道状态信息(CSI,ChannelState Information),是常用的信道估计方法。给定接收到的导频信号,信道估计的任务是获得信道参数的后验统计信息。当信道参数的先验分布为高斯分布时,其后验分布亦为高斯分布,其后验信息由后验均值和后验协方差矩阵给出。然而,由于大规模MIMO-OFDM***中信道的维度较大,后验信息的计算具有挑战性。传统信道估计算法,例如最小均方误差(MMSE,Minimum Mean Squared Error)估计,由于计算过程中存在大维矩阵求逆,因此很难被应用在大规模MIMO-OFDM***中。随着基站侧天线单元个数及可支持的用户终端个数的进一步大幅增加,常规信道信息获取的计算复杂性和导频开销都将大幅提升,成为需要破解的瓶颈问题。
由后验概率密度函数定义的空间可以视作一具有黎曼结构的可微流形。因此,微分几何学中的定义和工具可以较好地应用于此,这正是信息几何的主题之一。因此,将信息几何应用于信道估计具备合理性。信息几何的主要思想是通过将概率密度函数(PDF,Probability Density Function)的参数空间视为可微流形来研究特定PDF集合的内在几何结构。近年来,信息几何已经成功应用于多传感器估计融合、误报率检测和广义贝叶斯预测等方面。使用信息几何理论分析估计问题有以下几个优点:一是信息几何可以为现有算法的理论分析提供一个统一的框架;二是它从几何视角提供了对统计模型的直观理解,可以促进对现有问题的内在研究;此外,信息几何还可以从更一般和内在的角度改进算法。
发明内容
发明目的:针对现有技术的不足,本发明公开了大规模MIMO信道估计信息几何方法及相关***,能够获得各用户终端信道的后验信息,在保证估计性能的同时,相比现有类似技术手段可以进一步降低计算复杂度。
技术方案:为了达到上述目的,本发明提供如下技术方案:
大规模MIMO信道估计方法,包括如下步骤:
基站侧/用户终端通过上行/下行探测获得信道的先验统计信息;
基站侧/用户终端通过接收到的上行/下行导频信号以及先验统计信息,利用信息几何方法获取信道的后验统计信息;所述信息几何方法将高斯分布的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差作为信道估计的后验均值和后验方差。
作为优选,所述目标流形是一类各个元素相互独立的高斯分布的集合,辅助流形是一类协方差矩阵为一对角阵与秩为1矩阵之和的逆矩阵的高斯分布的集合;m-投影通过最小化辅助流形中的分布与目标流形之间的KL散度得到。
作为优选,所述目标流形和辅助流形中的分布的均值及协方差矩阵通过各自辅助计算的参数矢量和参数实对角矩阵表示;其中目标流形中分布的协方差表示为先验方差的逆与参数实对角矩阵之差的逆矩阵,均值通过协方差矩阵与参数矢量的乘积表示;辅助流形中的分布的协方差矩阵表示为先验方差的逆与参数实对角矩阵之差再与秩为1矩阵之和的逆矩阵,其中秩为1矩阵由感知矩阵中相应行与噪声方差表示,均值通过协方差与参数矢量结合感知矩阵中相应行、接收导频信号矢量相应元素以及噪声方差组成矢量的乘积表示。
作为优选,将辅助流形的协方差矩阵使用Sherman-Morrison公式展开。
作为优选,利用信息几何方法获取信道估计后验均值和后验方差的步骤包括:
(1)建立大规模MIMO信道的原始流形、目标流形以及辅助流形;
(2)初始化辅助流形以及目标流形上分布的参数;
(3)根据辅助流形上分布的参数、接收到的导频信号以及先验信道统计信息计算辅助流形中的分布在目标流形上的m-投影;
(4)根据m-投影更新辅助流形以及目标流形上分布的参数;重复步骤(3)-(4)直至预设迭代次数或目标流形上分布的参数收敛。
作为优选,基于空频波束基(Space-Frequency Beam Based)信道统计表征模型计算空频波束域信道的先验统计信息和后验统计信息,空频波束基信道统计表征模型中,空间频率域信道矩阵由空频波束域信道矩阵左乘采样空间舵矢量矩阵并右乘采样频率舵矢量矩阵的转置矩阵后得到,空频波束域信道各元素是统计独立的;对于基站侧,利用采样空间舵矢量矩阵和采样频率舵矢量矩阵将空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差;对于用户终端侧,将各自的空频波束域信道的后验统计信息并反馈给基站,基站侧利用采样空间舵矢量矩阵和采样频率舵矢量矩阵将所获得的空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差。
一种计算机设备,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,所述计算机程序被加载至处理器时实现所述的大规模MIMO信道估计方法。
一种大规模MIMO通信***,包括基站和多个用户终端,所述基站用于:通过上行探测获得各个用户终端的信道的先验统计信息;通过接收到的上行导频信号以及先验统计信息,利用信息几何方法获取各个用户终端的后验统计信息;所述信息几何方法将高斯分布的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差为信道估计后验均值和后验方差。
一种大规模MIMO通信***,包括基站和多个用户终端,所述用户终端用于:通过下行信道探测获得各自信道的先验统计信息;通过接收到的下行导频信号以及先验统计信息,利用信息几何方法以及信道预测方法获取各自信道的后验统计信息并反馈给基站;所述信息几何方法将高斯分布的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差为信道估计后验均值和后验方差。
一种大规模MIMO通信***,包括基站和多个用户终端,所述基站或用户终端包括存储器、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,所述计算机程序被加载至处理器时实现所述的大规模MIMO信道估计方法。
有益效果:与现有技术相比,本发明提出的大规模MIMO信道估计的信息几何方法能够在保证信道估计准确度的前提下,以较低的计算复杂度和导频开销获得信道的后验均值和后验方差。所获得的后验均值和后验方差可以进一步应用于鲁棒预编码以及鲁棒检测中,提升***性能,从而进一步提升***的整体传输效率。
附图说明
图1为本发明实施例的信道估计方法流程图;
图2为本发明另一实施例的信道估计方法流程图;
图3为本发明实施例中信道估计的信息几何方法流程图;
图4为本发明实施例中信息几何方法与现有方法的信道估计性能比较示意图;
图5为本发明实施例中信噪比20dB时信息几何方法与现有方法的收敛曲线比较示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示,本发明实施例公开的一种大规模MIMO信道估计方法,适用于基站侧,包括基站侧通过上行探测获得各个用户终端的信道的先验统计信息;基站侧通过接收到的上行导频信号以及先验统计信息,利用信息几何方法获取各个用户终端的信道的后验统计信息,包括后验均值和后验方差;其中信息几何方法将高斯分布的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差为信道估计的后验均值和后验方差。
如图2所示,本发明另一实施例公开的一种大规模MIMO信道估计方法,适用于用户终端侧,包括用户终端通过下行信道探测获得各自信道的先验统计信息;用户终端通过接收到的下行导频信号以及先验统计信息,利用信息几何方法获取各自信道的后验统计信息,后验信息包括后验均值和后验方差;其中信息几何方法与基站侧方法一致,只是将多用户退化为单用户。用户终端可以是手机、车载设备、智能装备等移动终端或固定终端。
图3示意了利用信息几何方法获取后验统计信息的具体步骤,包括:(1)建立大规模MIMO信道的原始流形、辅助流形以及目标流形;(2)初始化辅助流形以及目标流形上分布的参数;(3)根据辅助流形上分布的参数、接收到的导频信号以及先验信道统计信息计算辅助流形中的分布在目标流形上的m-投影;(4)根据m-投影更新辅助流形以及目标流形上分布的参数;重复步骤(3)-(4)直至预设迭代次数或目标流形上分布的参数收敛,目标流形上分布的均值和方差即分别为信道的后验均值和后验方差。
本发明方法主要适用于基站侧配备大规模天线阵列以同时服务多个用户的大规模MIMO***。下面结合具体的通信***实例对本发明涉及的信道估计信息几何方法的具体实现过程作详细说明,需要说明的是本发明方法不仅适用于下面示例所举的具体***模型,也同样适用于其它配置的***模型。
一、***配置
考虑工作在时分复用模式(TDD,Time Division Multiplexing)的大规模MIMO-OFDM***。基站侧配备UPA天线阵列,其中天线数为Nr=Nr,v×Nr,h,Nr,v和Nr,h分别为每列和每行的天线数,水平方向和垂直方向的天线间距分别记为Δv和Δh。基站同时为同一个小区内K个配备单天线的用户服务。在OFDM调制中,子载波个数为Nc,***采样间隔和循环前缀长度分别记记为Ts和Ng。记子载波集为其中用于上行训练额的子载波集记为其大小为在TDD模式下,由于信道互易性,上行训练获取的CSI可以用于上行信号检测和下行预编码传输,因此实施例中考虑上行大规模MIMO-OFDM信道估计。
二、空频波束基信道统计表征模型和信道估计问题陈述
下面对***模型、空频波束基信道统计表征模型以及信道估计问题进行详细阐述。
1.***模型
2.空频波束基信道统计表征模型
定义方向余弦u=sinθ,v=cosθsinφ,其中θ,φ∈[-π/2,π/2]分别为极角和方位角。进一步,定义空间舵矢量v(u,v)为
其中τ为时延,Δf=1/NcTs为子载波间隔。进一步,对方向余弦u,v∈[-1,1]和时延τ∈[0,NgTs)采样量化为其中并且有Nv,Nh,Nτ为采样倍数。则采样空间舵矢量矩阵和采样频率舵矢量矩阵可以分别表示为
则所考虑空频波束基信道统计表征模型为:空间频率域信道矩阵由空频波束域信道左乘采样空间舵矢量矩阵并右乘采样频率舵矢量矩阵的转置矩阵后得到,其中空频波束域信道各元素是统计独立的。具体表达式为
Gk=VHkFT (12)
本领域技术人员可以理解的是,上述模型中的具体矢量表示仅以均匀平面阵列为例,对于采用如均匀线阵、均匀圆阵等不同天线阵列的***,上述空频波束基信道统计表征模型依然适用,仅需将V改为对应的空间采样舵矢量矩阵即可。
3.问题陈述
结合空间频率域接收信号模型(3)和空频波束基信道统计表征模型(12),可以得到
Y=VHaM+Z (13)
y=Ah+z (14)
其中为根据Ha非零元位置从抽取相关列得到的矩阵,N=NrNp,M为Ha中的非零元个数;y,z分别为对Y,Z矢量化后的矢量;h为Ha矢量化并抽取非零元得到的矢量。信道估计问题为利用接收导频信号y,获取各用户终端的空频波束域信道h的后验统计信息。空频波束域信道的后验统计信道信息为空频波束域信道的后验均值和后验方差;信道后验均值和后验方差包括:基站侧在给定接收到的上行导频信号条件下的空频波束域信道的条件均值和条件方差。假设其中D为正定实对角矩阵,为各用户的先验方差,I为单位阵,为噪声方差,表示均值为μ、协方差矩阵为Σ的循环对称高斯分布。于是,空频波束域信道后验分布p(h|y)也属于高斯分布,其均值和协方差分别为
其中上标H为矩阵或向量的共轭转置。可以验证后验均值(15)和最小均方误差(MMSE)估计结果是等价的。空频波束域信道的后验信息,包括后验均值(15)和后验协方差(16)的计算复杂度为以下将基于信息几何方法,设计低复杂度的空频波束域信道估计方法。
本领域技术人员可以理解的是,接收信号模型(14)中的感知矩阵A在其它信道统计表征模型中可以有不同的形式,任意满足接收信号模型(14)以及相同高斯先验的统计推断问题,均可以用信息几何方法求解,而不仅仅局限于波束域信道估计问题。接收信号模型(14)中去除零元是为了减少计算量,是优选方案而非必要。
三、空频波束域信道估计的信息几何方法
1.原始流形、目标流形和辅助流形的建立
首先将高斯分布的集合定义为原始流形,具体为
Mor:p(h)=pG(h;μ,Σ)=exp{-(h-μ)Σ-1(h-μ)H} (17)
其中hi为h第i个元素,yn为y第n个元素,为A的第n行;dh=f(0,-D-1),th=f(h,I⊙(hhT)),其中⊙为Hadamard积,函数f(a,A)=[aT,vec(A)T]T;符号表示同维度矢量的操作符号,C,ψq为归一化因子;cn(h)为
进一步,定义目标流形为一类各个元素相互独立的高斯分布的集合,具体为
Σ0=(D-1-Θ0)-1 (22)
进一步,定义N个辅助流形,辅助流形是一类协方差矩阵为一对角阵与秩为1矩阵之和的逆矩阵的高斯分布的集合,其中第n个辅助流形包含cn(h),具体为
由于辅助流形上分布的协方差矩阵Σn为一对角阵与秩为1的矩阵之和的逆矩阵,可以使用Sherman-Morrison公式展开,因此Σn可以写为
2.信道估计方法
信道估计信息几何方法分为四个步骤,分别为建立大规模MIMO空频波束域信道的原始流形、辅助流形以及目标流形,初始化辅助流形以及目标流形上分布的参数,根据辅助流形上分布的参数、接收到的导频信号以及空频波束域先验信道信息计算辅助流形中的分布在目标流形上的m-投影,以及根据m-投影更新辅助流形以及目标流形上分布的参数。其中建立大规模MIMO空频波束域信道的原始流形、辅助流形以及目标流形这一步骤见上一节,下面详细介绍后续步骤。
(1)初始化辅助流形以及目标流形上分布的参数
(2)计算辅助流形中的分布在目标流形上的m-投影
根据辅助流形上分布的参数、接收到的导频信号以及空频波束域先验信道信息计算辅助流形中的分布在目标流形上的m-投影。将辅助流形上的分布向目标流形m-投影,得到的分布记为所述m-投影为在目标流形上寻找一个分布使和辅助流形上分布之间的KL散度最小,即
其中KL散度定义为
其中上横线表示取共轭。令偏导等于0可以得到
由于原始流形为e-平坦子流形,辅助流形上的分布属于原始流形,目标流形为原始流形的子流形,因此辅助流形上分布向目标流形m-投影是唯一的,于是通过上述一阶充分条件获得的参数即为m-投影点的参数。结合式(32)(33)和式(24)(26),可以进一步整理得到m-投影结果为
(3)更新辅助流形和目标流形上分布的参数
为了使算法更加稳定,对上述迭代式进行松弛,辅助流形和目标流形上分布的参数的更新可以进一步表示为
其中0≤α≤1。
进一步更新迭代次数t=t+1,迭代式(34)(35)(39)(40)(41)至预设迭代次数或目标流形上分布的参数收敛。在上述迭代过程中,乘法运算仅涉及N维对角矩阵和N维向量的乘法、N维对角矩阵和N维对角矩阵的乘法以及标量和N维向量的乘法,上述运算的乘法数均为M,所以每次迭代的计算复杂度为远低于MMSE估计的复杂度,从而支持同时估计大量用户的信道,有效地降低了导频开销。目标流形上分布的均值和方差即分别为空频波束域信道的后验均值和后验方差,具体为
进一步,通过各用户空频波束域信道的非零元位置获取每个用户的空频波束域信道的后验均值和后验方差进一步通过采样空间舵矢量矩阵和采样频率舵矢量矩阵将各用户空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差具体为
本领域技术人员可以理解的是,当信息几何方法应用于下行信道估计时,其计算过程与上行估计基本一致。此时,接收信号模型(3)中退化为仅包含单个用户,即下标k仅取1。接着,信道标准模型、信号处理过程与信息几何方法的应用与上行信道估计完全一致,得到信道的后验统计信息后,结合信道预测等方法,各用户终端将所获取的信道后验统计信息发送至基站。基站侧利用采样空间舵矢量矩阵和采样频率舵矢量矩阵将所获得的空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差。
四、实施效果
为了使本技术领域的人员更好地理解本发明方案,下面给出两种具体***配置下的本实施例中信息几何方法与现有方法的信道估计性能结果比较。
首先,给出本实施例中信息几何方法与现有方法的估计性能结果比较。对比的方法有MMSE估计,文献“Generalized approximate message passing for estimation withrandom linear mixing,in IEEE ISIT,St.Petersburg,Russia,July 31-August 5,2011,pp.2168–2172.”中提出的GAMP方法以及文献“Unifying message passing algorithmsunder the framework of constrained bethe free energy minimization,IEEETrans.Wireless Commun.,vol.20,no.7,pp.4144–4158,Jul.2021.”中的算法2(下文简称VEP)。考虑一配置为Nr=128,K=48和Nt=1的大规模MIMO***,其中基站天线配置为Nr,v=8,Nr,h=16。图4给出了在所考虑大规模MIMO***上行链路下,本实施例中信息几何方法与GAMP、VEP方法在不同信噪比下的信道估计性能比较。信息几何方法、GAMP以及VEP的最大迭代次数均设置为100次。从图4中,可以看出在所有信噪比下,信息几何方法(IGA)均可以获得与MMSE估计几乎相同的信道估计性能。当信道估计性能为-29dB时,信息几何方法相较于GAMP以及VEP的信噪比增益大约为5dB。这表明与GAMP和VEP方法相比,本实施例中的信息几何方法能够更加获得更加准确的信道估计性能。
接着,给出本实施例中信息几何方法与现有方法的收敛曲线比较示意图。保持所考虑大规模各项参数不变,信噪比设置为20dB,以MMSE估计作为性能基线供参考,作出了信息几何方法、GAMP以及VEP方法的收敛曲线。从图5中,可以发现信息几何方法(IGA)需要约200次迭代收敛,并且收敛后其估计性能与MMSE估计几乎完全一致。而GAMP以及VEP方法需要超过550次迭代收敛。这表明相较于现有算法,信息几何方法的收敛速度更快。
基于相同的发明构思,本发明实施例公开的一种计算机设备,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,该计算机程序被加载至处理器时实现上述的适用于基站或用户终端的大规模MIMO信道估计方法。
在具体实现中,该设备包括处理器,通信总线,存储器以及通信接口。处理器可以是一个通用中央处理器(CPU),微处理器,特定应用集成电路(ASIC),或一个或多个用于控制本发明方案程序执行的集成电路。通信总线可包括一通路,在上述组件之间传送信息。通信接口,使用任何收发器一类的装置,用于与其他设备或通信网络通信。存储器可以是只读存储器(ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(EEPROM)、只读光盘(CD-ROM)或其他光盘存储、盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器用于存储执行本发明方案的应用程序代码,并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码,从而实现上述实施例提供的信道估计方法。处理器可以包括一个或多个CPU,也可以包括多个处理器,这些处理器中的每一个可以是一个单核处理器,也可以是一个多核处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
基于相同的发明构思,本发明实施例公开的一种大规模MIMO通信***,包括基站和多个用户终端,其中基站通过上行探测获得各个用户终端的信道的先验统计信息,并通过接收到的上行导频信号以及先验统计信息,利用信息几何方法获取各个用户终端的后验统计信息。具体的信道估计信息几何方法参见前述实施例,此处不再赘述。
基于相同的发明构思,本发明实施例公开的一种大规模MIMO通信***,包括基站和多个用户终端,其中用户终端通过下行信道探测获得各自信道的先验统计信息,并通过接收到的下行导频信号以及先验统计信息,利用信息几何方法以及信道预测方法获取各自信道的后验统计信息并反馈给基站。具体的信道估计信息几何方法参见前述实施例,此处不再赘述。
基于相同的发明构思,本发明实施例公开的一种大规模MIMO通信***,包括基站和多个用户终端,其中基站或用户终端包括存储器、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,该计算机程序被加载至处理器时实现前述的大规模MIMO信道估计方法。在本申请所提供的实施例中,应该理解到,所揭露的方法,在没有超过本申请的精神和范围内,可以通过其他的方式实现。当前的实施例只是一种示范性的例子,不应该作为限制,所给出的具体内容不应该限制本申请的目的。例如,一些特征可以忽略,或不执行。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.大规模MIMO信道估计方法,其特征在于,包括如下步骤:
基站侧/用户终端通过上行/下行探测获得信道的先验统计信息;
基站侧/用户终端通过接收到的上行/下行导频信号以及先验统计信息,利用信息几何方法获取信道的后验统计信息;所述信息几何方法将高斯分布的概率密度函数的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差作为信道估计的后验均值和后验方差;所述目标流形是一类各个元素相互独立的高斯分布的概率密度函数的集合,辅助流形是一类协方差矩阵为一对角阵与秩为1矩阵之和的逆矩阵的高斯分布的概率密度函数的集合。
2.根据权利要求1所述的大规模MIMO信道估计方法,其特征在于,m-投影通过最小化辅助流形中的分布与目标流形之间的KL散度得到。
3.根据权利要求1所述的大规模MIMO信道估计方法,其特征在于,所述目标流形和辅助流形中的分布的均值及协方差矩阵通过各自辅助计算的参数矢量和参数实对角矩阵表示;其中目标流形中分布的协方差矩阵表示为先验方差的逆与参数实对角矩阵之差的逆矩阵,均值通过协方差与参数矢量的乘积表示;辅助流形中的分布的协方差表示为先验方差的逆与参数实对角矩阵之差再与秩为1矩阵之和的逆矩阵,其中秩为1矩阵由感知矩阵中相应行与噪声方差表示,均值通过协方差矩阵与参数矢量结合感知矩阵中相应行、接收导频信号矢量相应元素以及噪声方差组成矢量的乘积表示。
4.根据权利要求2所述的大规模MIMO信道估计方法,其特征在于,将辅助流形的协方差矩阵使用Sherman-Morrison公式展开。
5.根据权利要求1所述的大规模MIMO信道估计方法,其特征在于,利用信息几何方法获取信道的后验均值和后验方差的步骤包括:
(1)建立大规模MIMO信道的原始流形、目标流形以及辅助流形;
(2)初始化辅助流形以及目标流形上分布的参数;
(3)根据辅助流形上分布的参数、接收到的导频信号以及信道的先验统计信息计算辅助流形中的分布在目标流形上的m-投影;
(4)根据m-投影更新辅助流形以及目标流形上分布的参数;重复步骤(3)-(4)直至预设迭代次数或目标流形上分布的参数收敛。
6.根据权利要求1所述的大规模MIMO信道估计方法,其特征在于,基于空频波束基信道统计表征模型计算空频波束域信道的先验统计信息和后验统计信息,空频波束基信道统计表征模型中,空间频率域信道矩阵由空频波束域信道矩阵左乘采样空间舵矢量矩阵并右乘采样频率舵矢量矩阵的转置矩阵后得到,空频波束域信道各元素是统计独立的;对于基站侧,利用采样空间舵矢量矩阵和采样频率舵矢量矩阵将空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差;对于用户终端侧,将各自的空频波束域信道的后验统计信息反馈给基站,基站侧利用采样空间舵矢量矩阵和采样频率舵矢量矩阵将所获得的空频波束域信道的后验均值和后验方差转换为空间频率域信道的后验均值和后验方差。
7.一种计算机设备,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,其特征在于,所述计算机程序被加载至处理器时实现根据权利要求1-6任一项所述的大规模MIMO信道估计方法。
8.一种大规模MIMO通信***,包括基站和多个用户终端,其特征在于,所述基站用于:通过上行探测获得各个用户终端的信道的先验统计信息;通过接收到的上行导频信号以及先验统计信息,利用信息几何方法获取各个用户终端的后验统计信息;所述信息几何方法将高斯分布的概率密度函数的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差为信道估计的后验均值和后验方差;所述目标流形是一类各个元素相互独立的高斯分布的概率密度函数的集合,辅助流形是一类协方差矩阵为一对角阵与秩为1矩阵之和的逆矩阵的高斯分布的概率密度函数的集合。
9.一种大规模MIMO通信***,包括基站和多个用户终端,其特征在于,所述用户终端用于:通过下行信道探测获得各自信道的先验统计信息;通过接收到的下行导频信号以及先验统计信息,利用信息几何方法以及信道预测方法获取各自信道的后验统计信息并反馈给基站;所述信息几何方法将高斯分布的概率密度函数的集合定义为原始流形,并且根据信道的后验分布构造目标流形和辅助流形,所述目标流形和辅助流形均为原始流形的子流形,迭代计算辅助流形中的分布在目标流形上的m-投影,并根据m-投影更新目标流形以及辅助流形中的分布,最后以目标流形上分布的均值和方差为信道估计的后验均值和后验方差;所述目标流形是一类各个元素相互独立的高斯分布的概率密度函数的集合,辅助流形是一类协方差矩阵为一对角阵与秩为1矩阵之和的逆矩阵的高斯分布的概率密度函数的集合。
10.一种大规模MIMO通信***,包括基站和多个用户终端,其特征在于,所述基站或用户终端包括存储器、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,所述计算机程序被加载至处理器时实现根据权利要求1-6任一项所述的大规模MIMO信道估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210147310.0A CN114629533B (zh) | 2022-02-17 | 2022-02-17 | 大规模mimo信道估计的信息几何方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210147310.0A CN114629533B (zh) | 2022-02-17 | 2022-02-17 | 大规模mimo信道估计的信息几何方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114629533A CN114629533A (zh) | 2022-06-14 |
CN114629533B true CN114629533B (zh) | 2023-04-18 |
Family
ID=81900126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210147310.0A Active CN114629533B (zh) | 2022-02-17 | 2022-02-17 | 大规模mimo信道估计的信息几何方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114629533B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116208448B (zh) * | 2023-04-26 | 2023-08-04 | 东南大学 | 大规模mimo信道估计的简化信息几何方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365376A (zh) * | 2019-06-30 | 2019-10-22 | 华中科技大学 | 一种多天线***中非平稳信道的信道统计信息获取方法 |
CN111865843A (zh) * | 2020-05-27 | 2020-10-30 | 东南大学 | 大规模mimo-ofdm***混合消息传递信道估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932286A (zh) * | 2011-08-12 | 2013-02-13 | 中兴通讯股份有限公司 | 一种信道估计方法和装置 |
US10382230B2 (en) * | 2017-03-31 | 2019-08-13 | Mitsubishi Electric Research Laboratories, Inc. | System and method for channel estimation in mmWave communications exploiting joint AoD-AoA angular spread |
CN108736938B (zh) * | 2018-09-07 | 2021-01-22 | 电子科技大学 | 用于大规模mimo上行链路信道估计和数据解调方法 |
CN111162822B (zh) * | 2019-12-05 | 2021-01-26 | 东南大学 | 大规模mimo波束域统计信道信息获取方法与*** |
-
2022
- 2022-02-17 CN CN202210147310.0A patent/CN114629533B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365376A (zh) * | 2019-06-30 | 2019-10-22 | 华中科技大学 | 一种多天线***中非平稳信道的信道统计信息获取方法 |
CN111865843A (zh) * | 2020-05-27 | 2020-10-30 | 东南大学 | 大规模mimo-ofdm***混合消息传递信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114629533A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112910807B (zh) | 一种基于空间随机采样的智能超表面信道估计方法及*** | |
CN111193533B (zh) | 大规模mimo波束域鲁棒预编码传输方法与*** | |
CN111162822B (zh) | 大规模mimo波束域统计信道信息获取方法与*** | |
Xie et al. | Dictionary learning for channel estimation in hybrid frequency-selective mmWave MIMO systems | |
CN113315560B (zh) | 一种紧凑型平面阵列Massive MIMO***的波束赋形方法 | |
CN110971547A (zh) | 一种基于毫米波/太赫兹的宽带大规模终端检测和信道估计方法 | |
Yassine et al. | mpNet: variable depth unfolded neural network for massive MIMO channel estimation | |
CN114629533B (zh) | 大规模mimo信道估计的信息几何方法及*** | |
CN114726686B (zh) | 一种均匀面阵毫米波大规模mimo信道估计方法 | |
CN113839695B (zh) | Fdd大规模mimo和速率最优统计预编码方法及设备 | |
Gao et al. | Hybrid knowledge-data driven channel semantic acquisition and beamforming for cell-free massive MIMO | |
Nayebi et al. | Semi-blind channel estimation in massive MIMO systems with different priors on data symbols | |
US20240089152A1 (en) | Angular domain channel estimation method based on matrix reconstruction for symmetrical nonuniform array | |
CN117614781A (zh) | 基于ris的两阶段超分辨率参数信道估计方法及装置 | |
CN109787672B (zh) | 基于参数学习的大规模mimo格点偏移信道估计方法 | |
CN112769462A (zh) | 一种基于联合参数学习的毫米波mimo宽带信道估计方法 | |
Gomes et al. | Joint DL and UL channel estimation for millimeter wave MIMO systems using tensor modeling | |
US11962436B2 (en) | User detection technique, and method and apparatus for channel estimation in wireless communication system supporting massive multiple-input multiple-output | |
CN116208448B (zh) | 大规模mimo信道估计的简化信息几何方法 | |
Sahoo et al. | Multiuser Massive MIMO Channel Estimation and BER Analysis Using Convex Combination Based Algorithms | |
Castanheira et al. | A multi-user linear equalizer for uplink broadband millimeter wave massive MIMO | |
Gholamipourfard | Cell-free massive MIMO receiver design and channel estimation | |
CN113810096B (zh) | 大规模mimo卫星移动通信上行传输方法及*** | |
KR101599189B1 (ko) | 대규모 mimo 시스템에서의 채널 추정 방법 | |
Khalilsarai et al. | Active Channel Sparsification: Realizing Frequency-Division Duplexing Massive MIMO with Minimal Overhead |
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 |