一种信道估计方法及装置

1.本发明涉及无线通信技术领域，尤其涉及一种信道估计方法及装置。


背景技术：

2.毫米波(mmwave)通信作为第五代移动通信/超第五代移动通信(fifth generation/beyond fifth generation，5g/b5g)系统的关键技术，具有更大的带宽、更低的时延和更高的传输速率。为了克服毫米波的高路径损耗，大规模输入输出(massive multiple-input multiple-output，mimo)技术和波束成形技术得到了广泛的应用，以期将数据信息聚集于单一的波束方向进行传输，进而增大通信的覆盖范围。信道状态信息(channel state information，csi)在毫米波通信过程起到非常关键的作用，接收端可以利用信道估计得到的csi进行信号检测，并能在移动环境下基于csi确定收发端的最佳波束方向，提高传输性能。
3.然而b5g的通信频率被增加到了52.6ghz以上，为了对抗更严重的通信路径损耗，基站和用户终端都需要配备更大规模的相控阵天线，其天线辐射单元在几十到数百之间变化，这导致信道维度显著增加。
4.传统的信道估计算法，如ls、lmmse、dft等会涉及大量矩阵乘、求逆等运算复杂度很高的操作，这给计算能力受限的基站和终端带来了极大挑战。
5.综上所述，在高频、大带宽的离散网格(off-grid)信道通信场景下，如何设计低复杂度的信道估计算法，以获取csi是未来通信亟需解决的问题之一。


技术实现要素：

6.本发明提供一种信道估计方法及装置，用以解决现有技术在信道估计过程中计算复杂高的缺陷，适用于基站与单个用户终端之间的通信，并可轻易扩展至多用户终端场景。
7.第一方面，本发明提供一种信道估计方法，包括：
8.根据波束对扫描结果构建测量矩阵；
9.基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
10.根据本发明提供的一种信号信道估计方法，所述根据波束对扫描结果构建测量矩阵，包括：
11.步骤1，通过波束对扫描，遍历用于基站与用户终端通信的所有可能的波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度；
12.步骤2，由所述接收信号强度大于第一阈值的波束对，组合构造初始到达及离开角集合，并确定每个子载波上的测量矩阵。
13.根据本发明提供的一种信号信道估计方法，所述基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道，包括：
14.步骤3，计算所述初始测量矩阵与对应导频上的观测值之间的相关值，以获取最大
相关值对应的到达及离开角；
15.步骤4，以所述到达及离开角为中心，对周围局部角度空间进行量化，以获取周围局部角度空间对应的局部测量矩阵；
16.步骤5，重新计算所述局部测量矩阵与对应导频上的观测值之间的相关值，以确定获取最大相关值对应的新到达及离开角；
17.步骤6，根据所述新到达及离开角与所述到达及离开角，确定角度偏移量；
18.步骤7，在所述初始到达及离开角集合中引入所述角度偏移量，并更新所述初始测量矩阵；
19.步骤8，迭代执行上述步骤3-步骤7，直至相邻两次迭代过程中计算到的相关值之差小于第二阈值，获取目标到达及离开角，以确定所述目标到达及离开角对应的目标径；
20.步骤9：从所有可能的波束对组合中去掉所述目标径对应的波束对，由剩余的波束对重新组成所述波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度；
21.步骤10：迭代执行上述步骤2-步骤9，直至获取所述波束对组合对应的所有目标径，以及各目标径对应的目标到达及离开角和天线阵列响应集合；
22.步骤11：根据各目标径对应的目标到达及离开角和天线阵列响应集合，计算各目标径对应的复增益和原始信道，以组建所述高维原始信道。
23.根据本发明提供的一种信号信道估计方法，所述通过波束对扫描，遍历用于基站与用户终端通信的所有可能的波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度，包括：
24.在用户终端初始接入阶段，位于基站侧的基带导频发送初始信号并经模拟预编码向量进行编码后，以波束对的形式将编码后的导频信号发送给所述用户终端；
25.用户终端遍历与所述基站之间的所有波束对，以利用模拟预解码向量对接收到的每组波束对方向上的导频信号进行解码，并计算每组波束对方向上所述导频信号的接收信号强度。
26.根据本发明提供的一种信号信道估计方法，所述由所述接收信号强度大于第一阈值的波束对，组合构造初始到达及离开角集合，并确定每个子载波上的测量矩阵，包括：
27.根据接收信号强度的大小，对所述接收信号强度大于第一阈值的所有波束对进行排序，构造初始到达及离开角集合，并获取前n
rf
组波束对应的模拟预编码向量及模拟预解码向量；
28.根据所述到达及离开角集合、n
rf
对所述模拟预编码向量及模拟预解码向量以及导频序列，为信道在频域上各个子载波构建测量矩阵。
29.根据本发明提供的一种信号信道估计方法，所述计算所述初始测量矩阵与对应导频上的观测值之间的相关值，以获取最大相关值对应的到达及离开角，包括：
30.依次计算每个子载波上的初始测量矩阵与对应导频上观测值的相关值并求和，作为所述初始测量矩阵在每一列上与对应导频上的观测值之间的相关值，并从中确定出最大相关值对应的一列，以获取所述最大相关值对应的到达及离开角。
31.根据本发明提供的一种信号信道估计方法，以所述到达及离开角为中心，对周围局部角度空间进行量化，以获取周围局部角度空间对应的局部测量矩阵，包括：
32.以所述到达及离开角为中心，迭代更新周围局部角度空间内的到达及离开角，并获取每个更新后的到达及离开角，直至迭代收敛，输出局部到达及离开角；
33.基于所述局部到达及离开角，为信道在频域上各个子载波重新构建局部测量矩阵。
34.第二方面，本发明还提供一种信道估计装置，包括：
35.信号采集单元，用于根据波束对扫描结果构建测量矩阵；
36.信号分析单元，用于基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
37.第三方面，本发明提供一种电子设备，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信道估计方法的步骤。
38.第四方面，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如上述任一种所述信道估计方法的步骤。
39.本发明提供的信道估计方法及装置，基于5g/b5g的大规模mimo通信系统，提供了一种基于波束对扫描和压缩感知技术的大规模mimo信道估计方法，在波束对扫描初始阶段，基站与用户终端通过同步信号块遍历所有的通信波束对，测量所有波束对的信号强度并按照从大到小进行排序以构造测量矩阵；在此基础上，将高维原始信道估计问题转化为角度域的稀疏信道估计，以使用压缩感知技术，采用局部角度量化和自适应角度追踪的方式恢复信道信息，能以较低的算法复杂度实现信道的准确估计。
附图说明
40.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。
41.图1是本发明提供的信道估计方法的流程示意图之一；
42.图2是本发明提供的mimo通信系统的结构模型示意图；
43.图3是本发明提供的信道估计方法的流程示意图之二；
44.图4是本发明提供的5gnr中同步信号块在时频域的结构示意图；
45.图5是不同算法对比下的信道估计归一化均方误差的仿真结果图；
46.图6是不同算法对比下的误块率的仿真结果图；
47.图7是本发明提供的算法在不同天线配置下的信道估计归一化均方误差的仿真结果图；
48.图8是本发明提供的算法在不同天线配置下的误块率的仿真结果图；
49.图9是本发明提供的算法在波束扫描提供不同的初始aoa/aod数量下的信道估计归一化均方误差的仿真结果图；
50.图10是本发明提供的算法在波束扫描提供不同的初始aoa/aod数量下的误块率的仿真结果图；
51.图11是本发明提供的信道估计装置的结构示意图；
52.图12是本发明提供的电子设备的结构示意图。
具体实施方式
53.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。
54.需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”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。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。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在本发明中的具体含义。
55.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
56.考虑到现有的信道估计算法会涉及大量的矩阵乘、求逆等运算复杂度很高的操作，本发明提供的信道估计方法，为了使用复杂度更低的信道估计算法来获得信道状态信息(channel state information，csi)，利用毫米波信道在角度域的稀疏性和低秩性，即信道信息仅与少量到达角(angle of arrival，aoa)/离开角(angle of deviate，aod)有关，并基于压缩感知(compressed sensing，cs)技术，以通过测量矩阵和少量参数完成信道估计。
57.然而，目前大部分现有工作都是假设信道的aoa/aod位于离散化的角度网格中，显然这与实际信道中的随机角度相比是不合理的。
58.进一步地，现有的信道估计算法的设计，无法直接应用于射频前端带有模拟波束成形处理的通信系统，其根本原因在于：
59.位于基带的导频信号维度受限于射频链路(rf chain)数量，并远小于收发端的射频天线数量，因此需要结合波束成形向量才能有效获得完整的csi信息。
60.在实际通信系统中，波束方向在一次信道估计的短暂过程中大概率保持不变，因此可以结合初始接入过程中的波束扫描机制主动在多个不同的空间方向进行信道测量，并
通过选择接收信号强度(rsrp)较高的那些波束方向进行传输，以提高接收信号的等效信噪比(signal noise ratio，snr)，从而改善信道估计的精度。
61.另一方面，现有的压缩感知技术需要对aoa/aod的完整角度空间进行量化，并基于完整的量化角度集合进行运算，大大增加了算法的计算复杂度。
62.考虑到上述因素，本发明通过对现有信道估计中存在的弊端进行改进，提供了一种新的信道估计方法及装置，下面结合图1-图12具体描述本发明实施例所提供的信道估计方法和装置。
63.图1是本发明提供的信道估计方法的流程示意图，如图1所示，包括但不限于以下步骤：
64.步骤11：根据波束对扫描结果构建测量矩阵；
65.步骤12：基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
66.需要说明的是，本发明提供的信道估计方法，主要包括两个大的步骤：使用波束扫描结果构建测量矩阵，以及利用自适应压缩感知算法完成信道估计。不对其他参数具体的生成步骤作限定，如波束扫描机制、基带处理、数字预编码、模拟预编码等，这些相关步骤的实施可采用现有的任意方案来实现，本发明不作赘述。
67.图2是本发明提供的mimo通信系统的结构模型示意图，本发明所提供的信道估计方法可适用于如图2所示的通信系统，该系统是一种收发双方前端带有射频模拟波束成形处理架构的下行单基站单用户通信系统。
68.如图2所示，基站(bs)侧的数据和导频信号经过基带处理连接到n
bs,rf
条rf链路上，并通过移相器和n
t
根天线进行连接；用户终端(ue)侧以同样的方式部署了nr根天线，并连接到各自对应的rf链路(共计n
ue,rf
条链路)上，最后通过基带处理获取原始信息。
69.本发明假设基站与用户终端通信时支持传输ns条数据流，并满足：n
t
,nr≥n
bs,rf
,n
ue,rf
≥ns≥1。
70.可选地，本发明考虑一种宽带几何毫米波信道(extended saleh-valenzuela，esv)，其时域信道模型可以表示如下：
[0071][0072][0073][0074][0075]
其中，t表示信道在时域的采样时刻；τ
l
是第l条径的时延；δ(
·
)表示冲激响应函数；l表示信道中多径的数量；h
l
的维度是nr×nt
；表示第l条径的mimo信道响应；α
l
为第l条径对应的复增益，服从均值为0、方差为1的复高斯分布；ar(θ
l
)和a
t
(φ
l
)分别表示用户终端侧和基站侧的天线阵列响应向量；θ
l
和φ
l
为对应的到达角aoa和离开角aod，取值范围是[0,
2π]的随机值；λ表示波长；d表示天线阵元的间距，一般取为半波长。
[0076]
由于不同径到达接收端的时刻不同，信道在频域会表现出频域选择性衰落的特征，根据信道在时域和频域的转换关系，第k个子载波上的信道可以采用以下矩阵表示：
[0077][0078]
其中，每个正交频分复用(orthogonal frequency division multiplexing，ofdm)符号内的时域采样点数为n，并在数值上等于频域子载波的总数量k；n为信道在时域上每个ofdm符号内的第n个采样点；fs为采样频率；hk是维度为nr×nt
的信道矩阵。
[0079]
在实际通信过程中，在发送端(bs侧)基带导频发送初始信号s，其维度为n
rf
×nsample
，n
sample
为时域的采样点数量。s经过维度为n
t
×nrf
的rf模拟预编码向量f
rf
进行模拟预编码后，由n
t
根天线在空间中以波束对的形式发送给接收端(ue侧)。
[0080]
发送端的传输出来的导频信号x则可以表示为：
[0081]
x＝f
rfsꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0082]
其中，初始信号s满足|s|2＝1，即初始信号的平均功率为1。
[0083]
另一方面，在接收端(ue侧)，nr根天线收到的导频信号通过维度为nr×nrf
的模拟预解码向量w
rf
进行合并，并得到发送端在基带发送的数据。由于信道在频域上包含多个子载波，因此第k个子载波的频域接收信号可以表示为：
[0084][0085]
其中，η为加性高斯白噪声，服从均值为0、方差为σ2的复高斯分布；f
rf
与w
rf
分别表示发送端与接收端的波束成形矩阵，即f
rf
表示发送端的模拟预编码向量，w
rf
表示接收端的模拟预解码向量，为w
rf
的共轭转置；sk和yk表示基带导频s和接收信号y在第k个子载波的信号。
[0086]
本发明通过对ue侧初始接入过程中的波束扫描机制，由信号接收功率(reference signal receiving power，rsrp)最高的前n
rf
个模拟预编码向量以及模拟预解码向量生成f
rf
与w
rf
。
[0087]
需要说明的是，上述模拟预编码向量f
rf
以及模拟预解码向量w
rf
可以通过dft码本、beamsteering码本等方式实现，本发明可以采用的是dft码本实现，即码本中第m个码字中第n根天线的加权系数q
m,n
可以表示为：
[0088][0089]
其中，m为码字的数量；p为天线的数量；码本集合为包含了所有码字的集合，每个码本对应一组波束对方向、模拟预编码向量和模拟预解码向量。
[0090]
为了便于理解，在说明本发明的具体实施步骤之前，首先介绍毫米波mimo信道在角度域的虚拟信道表示，以及随机aoa/aod导致的功率泄露问题。
[0091]
由于毫米波mimo信道的稀疏性在角度域上表现明显，因此信道的绝大部分能量都集中在少数几条视距无线传输和无视距无线传输(los/nlos)径上。
[0092]
为了恢复高维原始信道矩阵hk，首先需要将hk转化为具有角度域稀疏特征的虚拟信道h
k,v
(为简化表示，后续实施例中均省略下标k)，即：
[0093][0094]
其中，hv∈nr×nt
，a
t
∈n
t
×nt
,ar∈nr×
nr；a
t
,ar是由dft码本构成的备选波束成形矩阵，分别表示了aod和aoa在[0,2π]内均匀量化的角度天线阵列响应集合，且满足天线阵列响应集合，且满足i表示单位矩阵，其中量化格点数分别为n
t
,nr，即：
[0095][0096]
上述公式(9)中的线性变换，相当于是利用bs和ue之间的波束向量组合，在角度域将高维信道，均匀量化成了nr×nt
个格点，α
i,j
即为每个角度域量化格点所对应的路径增益，这里不考虑时变的影响，因此不同时刻的α
i,j
是保持不变的。
[0097]
虚拟信道hv能清晰地显示出高维原始信道矩阵h的稀疏性，当信道真实的aoa/aod刚好位于量化角度集合中，hv中大部分的元素为0，非零元素的数量与信道径的数量l相等，且满足l＜＜nr×nt
；而真实信道的aoa/aod都是随机产生的，不可能完全位于量化角度集合中，因而会在多个量化的aoa/aod角度组合中表现出功率泄露，即hv中存在的非零值数量大于l。但二者均能反映信道在角度域的稀疏性，因此将hv的估计转化为一个稀疏重构问题，并基于以下映射关系恢复出原始高维信道矩阵h：
[0098][0099]
进一步地，为了实现hv的稀疏重构，仍考虑图2所示的前端带有模拟波束成形处理的通信系统模型，将公式(11)代入公式(7)，则可以获取接收信号y的表达式，可得：
[0100][0101][0102]
其中，vec(y)表示对y的向量化运算；表示克罗内克积运算；测量矩阵维度为n
rfnsample
×
nrn
t
,即每一列都对应着一组量化的虚拟信道的向量和表示不完全稀疏向量hv＝vec(hv),维度为nrn
t
×
1；η
′
为高斯白噪声。
[0103]
从以上分析可看出，对高维原始信道矩阵h的估计可转化为对不完全稀疏向量hv的求解。
[0104]
理论证明，压缩感知技术可基于满足条件的测量矩阵和观测值恢复稀疏向量，因此测量矩阵φ的构造至关重要。
[0105]
在公式(13)中，测量矩阵φ中包含了收发双方的模拟波束成形矩阵f
rf
/w
rf
，备选波束空间ar,a
t
包括空间内所有可能的aoa/aod组合。
[0106]
考虑到高频毫米波通信中的波束窄，可用波束对的数量庞大，但信道的稀疏性导
致大部分波束对所在方向上的接收信号能量都很低。在压缩感知所需测量次数不多的情况下，会出现大部分测量值都处于低snr状态的情况，从而严重影响估计性能。与此同时，所有的aoa/aod组合也会给信道估计算法带来更高的计算复杂度。
[0107]
因此，在步骤11中，本发明提出利用ue侧在初始接入过程，通过波束扫描得到的先验信息对备选波束空间加以限制，选择rsrp大于第一阈值的波束对组合，以组成备选波束空间和测量矩阵φ。
[0108]
进一步地，在步骤12中，针对信道随机角度导致的功率泄露问题，在波束扫描的基础上，使用自适应压缩感知技术追踪各个径的角度，从而恢复高维原始信道信息。
[0109]
本发明提供的信道估计方法，基于波束对扫描和压缩感知技术的大规模mimo信道估计方法，在波束对扫描初始阶段，基站与用户终端通过同步信号块遍历所有的通信波束对，测量所有波束对的信号强度并按照从大到小进行排序以构造测量矩阵；在此基础上，将高维原始信道估计问题转化为角度域的稀疏信道估计，以使用压缩感知技术，采用局部角度量化和自适应角度追踪的方式恢复信道信息，能以较低的算法复杂度实现信道的准确估计。
[0110]
图3是本发明提供的信道估计方法的流程示意图之二，如图3所示，步骤11中所提出的根据波束对扫描结果构建测量矩阵，可以包括但不限于以下步骤：
[0111]
步骤1，通过波束对扫描，遍历用于基站与用户终端通信的所有可能的波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度；
[0112]
步骤2，由所述接收信号强度大于第一阈值的波束对，组合构造初始到达及离开角集合，并确定每个子载波上的测量矩阵。
[0113]
具体来说，本发明提供了一种基于波束扫描和压缩感知技术的mimo信道估计方法，ue侧的接收机能根据所有子载波上的接收信号y和初始接入过程中的波束扫描结果完成信道估计，主要步骤实现如下：
[0114]
步骤1，bs和ue通过波束扫描遍历通信双方所有可能的波束组合，获得每组波束对方向上导频信号的rsrp。
[0115]
步骤2，选择rsrp大于第一阈值的波束对，组合构造出初始aod/aoa集合和每个子载波上的测量矩阵φ。
[0116]
作为一种可选实施例，所述通过波束对扫描，遍历用于基站与用户终端通信的所有可能的波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度，包括：
[0117]
在用户终端初始接入阶段，位于基站侧的基带导频发送初始信号并经模拟预编码向量进行编码后，以波束对的形式将编码后的导频信号发送给所述用户终端；
[0118]
用户终端遍历与所述基站之间的所有波束对，以利用模拟预解码向量对接收到的每组波束对方向上的导频信号进行解码，并计算每组波束对方向上所述导频信号的接收信号强度。
[0119]
可选地，步骤1中在ue初始接入阶段，bs与ue在同步信号块中添加波束信息，首先bs侧遍历所有模拟预编码向量f
rf
，并周期性发送同步信号块；ue侧也遍历自身所有模拟预解码向量w
rf
，对波束信息进行接收，从而遍历bs与ue之间的所有波束对。
[0120]
作为一种可选实施例，所述由所述接收信号强度大于第一阈值的波束对，组合构
造初始到达及离开角集合，并确定每个子载波上的测量矩阵，包括：
[0121]
根据接收信号强度的大小，对所述接收信号强度大于第一阈值的所有波束对进行排序，构造初始到达及离开角集合，并获取前n
rf
组波束对应的模拟预编码向量及模拟预解码向量；
[0122]
根据所述到达及离开角集合、n
rf
对所述模拟预编码向量及模拟预解码向量以及导频序列，为信道在频域上各个子载波构建测量矩阵。
[0123]
结合图3所示，本发明可以通过计算每组波束对所对应的rsrp，以用于来描述在该波束对通信下的同步信号块的能量。其中，rsrp可以定义如下：
[0124][0125]
其中，为接收端模拟预解码向量w
rf
的共轭转置。在完成初始接入后，基于rsrp对所有波束对进行排序，并选择数量为p的波束组合，作为信道估计算的初始aoa/aod集合(数量p的选择可以根据预先设定的第一阈值来定)。
[0126]
同时，在收发端根据rsrp值的大小，选择前n
rf
个波束向量构造f
rf
/w
rf
，作为后续通信的模拟预编码向量及模拟预解码向量。
[0127]
在通信过程中，ue在接收到bs发送的接收信号y并提取导频位置信号后，则进入到信道估计技术的相关流程中。
[0128]
如图3所示，本发明在信道径的数量已知的前提下，将信道估计流程设置为包括外层循环和内层循环两个主要部分，其中内层循环通过迭代实现对某一条径的aoa/aod估计，外层循环则用于判断是否得到所有径的信息。
[0129]
在此之前，为了恢复毫米波信道在角度域的稀疏信号，首先根据步骤1中获取到的的初始aoa/aod集合、f
rf
/w
rf
以及导频序列为每个子载波，构建测量矩阵φ。
[0130]
由于此处的初始aoa/aod集合是角度空间的子集，因此不能直接使用公式(13)计算。
[0131]
假设aod和aoa分别为即aod是量化精度为n
t
的角度空间中的第i个量化角度，aoa是量化精度为nr的角度空间中的第j个量化角度，分别对应于a
t
和ar中的第i,j列，即：
[0132][0133][0134]
其中，和分别表示aod量化空间的第i个角度向量和aoa量化空间中的第j个角度向量。
[0135]
进一步地，对应于测量矩阵φ的第(i-1)nr+j列，该列可表示为：
[0136][0137]
其中，和分别表示维度为n
rf
×
1和n
sample
×
1的列向量，且满足向量元素全
部为1。
[0138]
对于a(m,:)表示矩阵a的第m行，即为一个1*n的行向量；对于a(:,n)表示矩阵a的第n列，即表示m*1的列向量。
[0139]
同理，可以基于波束扫描的结果，将初始aoa/aod集合均按照上述公式(15)-(17)进行计算，即可以得到最终的测量矩阵φ(本技术将内循环和外循环前的测量矩阵称作初始测量矩阵)。
[0140]
结合图3所示，在上述步骤1和步骤2的基础上，本发明基于自适应压缩感知技术，利用初始测量矩阵φ，预测出bs和ue之间的高维原始信道h，主要包括但不限于以下步骤：
[0141]
步骤3，计算所述初始测量矩阵与对应导频上的观测值之间的相关值，以获取最大相关值对应的到达及离开角；
[0142]
步骤4，以所述到达及离开角为中心，对周围局部角度空间进行量化，以获取周围局部角度空间对应的局部测量矩阵；
[0143]
步骤5，重新计算所述局部测量矩阵与对应导频上的观测值之间的相关值，以确定获取最大相关值对应的新到达及离开角；
[0144]
步骤6，根据所述新到达及离开角与所述到达及离开角，确定角度偏移量；
[0145]
步骤7，在所述初始到达及离开角集合中引入所述角度偏移量，并更新所述初始测量矩阵；
[0146]
步骤8，迭代执行上述步骤3-步骤7，直至相邻两次迭代过程中计算到的相关值之差小于第二阈值，获取目标到达及离开角，以确定所述目标到达及离开角对应的目标径；
[0147]
步骤9：从所有可能的波束对组合中去掉所述目标径对应的波束对，由剩余的波束对重新组成所述波束对组合，并确定所述波束对组合中每组波束对方向上导频信号的接收信号强度；
[0148]
步骤10：迭代执行上述步骤2-步骤9，直至获取所述波束对组合对应的所有目标径，以及各目标径对应的目标到达及离开角和天线阵列响应集合；
[0149]
步骤11：根据各目标径对应的目标到达及离开角和天线阵列响应集合，计算各目标径对应的复增益和原始信道，以组建所述高维原始信道。
[0150]
其中，步骤3-步骤8属于内循环部分。在内循环过程中，在每次迭代中，计算每个子载波上的测量矩阵φk与对应导频观测值yk的相关值(因信道估计均是在导频上进行计算，故后续省略导频下标p)，即依次计算所有子载波上的感知矩阵与观测值的相关值并求和，表示如下：
[0151][0152]
其中，cormaxindex表示当前计算相关值最大的列序号；β
l
为所有子载波上的测量矩阵在该列与观测值的相关值之和；n为子载波的数量；index表示相关值。
[0153]
本发明通过β
l
在每次迭代中判断是否在内循环中达到收敛条件，根据cormaxindex可计算得到该列对应的aod/aoa的索引，分别记作m,n，则有：
[0154]
[0155]
进一步地，在步骤4中，以所述到达及离开角为中心，对周围局部角度空间进行量化，以获取周围局部角度空间对应的局部测量矩阵，具体包括：
[0156]
以所述到达及离开角为中心，迭代更新周围局部角度空间内的到达及离开角，并获取每个更新后的到达及离开角，直至迭代收敛，输出局部到达及离开角；基于所述局部到达及离开角，为信道在频域上各个子载波重新构建局部测量矩阵。
[0157]
具体地，可以以m,n对应的aoa/aod角度为中心，在周围局部角度空间进行更高精度的量化。定义精度r，每次迭代时根据上述公式(20)，更新局部的aoa/aod：
[0158][0159]
其中，iter表示内循环过程中的当前迭代序号，当迭代次数越大时，角度区间越小，角度精度越大，从而跟踪收敛目标角度。
[0160]
进一步地，在每次迭代中，可以根据求出的局部到达及离开角φ
local
,θ
local
和上述公式(15)-公式(17)重新计算所有子载波上的局部测量矩阵φ1。
[0161]
进一步地，可以重新计算出φ1与观测值y
p
的相关值，并提取出最大相关值所在的列对应的aoa/aod index，记为m
′
,n
′
，此时的角度对应的偏移值为
[0162]
进一步地，在初始角度集中的aoa/aod都加入上述角度偏移，并根据上述公式(15)-公式(17)重新更新测量矩阵，并将更新后的测量矩阵作为下一轮迭代的初始测量矩阵。
[0163]
迭代执行上述步骤3-步骤7，并在每次迭代过程中，计算出本轮迭代和上一轮迭代中所计算得到的β
l
之差的绝对值，并判断与预设的第二阈值threshold的关系：
[0164]
|β
l-new-β
l-old
|＜threshold
ꢀꢀꢀꢀꢀꢀ
(21)
[0165]
如果β
l
之差的绝对值小于第二阈值threshold，则认为满足了内循环迭代终止条件，可以退出内循环。
[0166]
在内循环结束后，则可以获取到迭代结束时的目标径的目标aoa/aod，以及其对应的测量矩阵。
[0167]
从观测值y中去掉当前径在y中投影值，并进入外循环迭代，以获取下一径对应的目标aoa/aod，以及其对应的测量矩阵。其中，从观测值y中去掉当前径在y中投影值的表达式可以是：
[0168][0169]
其中，φm为测量矩阵φ在第cormaxindex列的列向量，表示当前循环中估计出的信道径所对应的测量原子；i为单位矩阵；为φm的共轭转置。
[0170]
在外循环的每轮迭代过程中，均瑶重新执行内循环的整个流程，以在每轮外循环中确定出每条径估计的目标aoa/aod，以估计对应不同径的复增益，直至已获得所有径的估计信息后，就可以退出外循环，并利用之前估计得到各个径的aoa/aod得到对应复增益α
l
和
高维原始信道h，自适应压缩感知运算结束；否则重复步骤2-步骤9。
[0171]
综上所述，本发明提供的信道估计方法，针对5g/b5g等大规模mimo通信系统，设计了一种基于波束扫描和压缩感知的大规模mimo信道估计方案，其具体的实施方案包括：
[0172]
bs端配置n
t
根发送天线与单用户进行通信，ue端配备nr根接收天线，其中bs端和ue端都采用模拟波束成形结构，并且天线阵列结构为ula。bs端与ue端通信的信道采用一种宽带几何毫米波信道，非视距径，其aoa/aod在[0,2π]内均匀分布。
[0173]
本发明所提供的信道估计反复，优选基于bs端与ue端在初始接入过程中的波束扫描阶段，bs与ue通过同步信号块遍历所有的通信波束对，测量所有波束对的rsrp并按照从大到小进行排序。
[0174]
由于收发端的每组波束对都对应各自的aoa/aod，因此通过波束扫描可以为信道估计算法提供rsrp大于第一阈值的波束对组合来组成备选波束空间，进而构造测量矩阵φ。
[0175]
在波束扫描的基础上，本发明将原始的高维信道估计问题转化为角度域的稀疏信道估计，并使用压缩感知技术，采用局部角度量化和自适应角度追踪的方式恢复信道信息。
[0176]
图4是本发明提供的5gnr中同步信号块在时频域的结构示意图，结合图4所示，以5g nr中的波束管理机制为例，bs和ue使用同步信号块(synchronization signal block，ssb)承载主同步信号(primary synchronization signals，pss)、辅同步信号(secondary synchronization signals，sss)和物理广播信道(physical broadcast channel，pbch)的波束信息来完成波束扫描过程，用户获得所有遍历的波束信息和对应rsrp，并提供rsrp较大的初始aoa/aod集合和测量矩阵φ。
[0177]
信道估计方法需要基于传输导频的观测值，原始导频序列和上述测量矩阵φ来实现。为恢复角度域的稀疏信道，本发明将整个算法流程分为外循环和内循环两部分。
[0178]
在认为信道中径数已知的前提下，内循环中通过迭代依次计算信道中每条径的信息，包括aoa/aod和径增益。内循环基于多次迭代缩小角度范围、提高量化精度来不断追踪待估计角度，即首先取所有子载波上的测量矩阵φ与对应观测值进行如上述公式(18)的相关值运算；然后，在局部角度周围进行更高精度量化，得到角度偏移值后，更新测量矩阵和量化aoa/aod角度，多次迭代后达到收敛后退出内循环，即可得到当前径的估计信息。
[0179]
外循环在某条径的信息完成估计后，从观测值中去掉该径对信号传输的影响，具体如上述公式(22)所示，并在所有径完成估计后，利用所有估计得到的aoa/aod信息计算各个径的复增益，进而恢复原始高维信道。
[0180]
图5是不同算法对比下的信道估计归一化均方误差(nmse)的仿真结果图，图6是不同算法对比下的误块率(bler)的仿真结果图，仿真参数满足如下表1所示，且天线配置为256x16，adaptiveomp bm算法的初始波束对数量p＝200。
[0181]
表1公共仿真参数配置
[0182][0183][0184]
将本发明所提供的信道估计方法记为adaptiveomp bm，对比算法分别为ideal angle、adaptiveomp nonbm和omp。其中ideal angle是采用理想的aoa/aod角度，相当于性能上界。adaptiveomp nonbm算法是在不使用波束扫描的基础上，即通过完整的aoa/aod量化角度空间配合图3中的步骤3-步骤11完成信道估计。omp是传统的正交匹配追踪算法，不考虑aoa/aod随机角度的影响，只能从量化角度空间中选择估计角度。
[0185]
结合图5和图6所示的仿真结果来看，adaptiveomp bm达到了更好的信道估计性能，并与ideal angle算法提供的性能上界相比差距不大。omp算法由于只能获得量化后的角度，因此信道估计性能较差。
[0186]
adaptiveomp nonbm算法和本发明所提供的adaptiveomp bm算法的性能相近，但由于更大规模的初始角度集合，算法复杂度较高。具体来看，记子载波数量为k，完全角度组合数为n
t
nr，n
pathniter
为图3算法中内外循环总次数，常数为c。
[0187]
通过分析，adaptiveomp nonbm算法对应的计算复杂度为o((2k
×
nrn
t
+c)
×npathniter
)，而在本发明提供的adaptiveomp bm算法中，根据5g nr协议，基站需要周期性发送波束扫描对应的同步信号块，因此无需为信道估计算法引入额外的计算开销，因此adaptiveomp bm算法的计算复杂度为o((2k
×
p+c)
×npathniter
)，计算次数相比adaptiveomp nonbm算法降低了o(2k
×
(nrn
t-p)
×npathniter
)。
[0188]
图7是本发明提供的算法在不同天线配置下的信道估计归一化均方误差的仿真结果图，图8是本发明提供的算法在不同天线配置下的误块率的仿真结果图，其中不同的天线配置为128*8、128*16、256*16等几种情况，公共仿真参数如表1所示。
[0189]
结合图7和图8的仿真结果来看，天线数量越大，会导致初始量化角度的划分精度更高，同时也会形成较大的波束增益，进而提高信道估计性能。
[0190]
图9是本发明提供的算法在波束扫描提供不同的初始aoa/aod数量下的信道估计归一化均方误差的仿真结果图，图10是本发明提供的算法在波束扫描提供不同的初始aoa/aod数量下的误块率的仿真结果图，其中波束对数量设置为p＝10,20,200，公共仿真参数如表1所示。
[0191]
结合图9和图10的仿真结果来看，尽管随着初始波束对数量p增加，信道估计和信
号传输性能会依次提升，但从算法复杂度公式o((2k
×
p+c)
×npathniter
)来看，计算时延会有较大的上升，因此可以寻找在传输性能和算法复杂度之间的折中，能以比较低的算法复杂度实现较好的传输性能。
[0192]
综上所述，本发明提供的信道估计方法，基于5g/b5g的大规模mimo通信系统，提供了一种基于波束对扫描和压缩感知技术的大规模mimo信道估计方法，在波束对扫描初始阶段，基站与用户终端通过同步信号块遍历所有的通信波束对，测量所有波束对的信号强度并按照从大到小进行排序以构造测量矩阵；在此基础上，将高维原始信道估计问题转化为角度域的稀疏信道估计，以使用压缩感知技术，采用局部角度量化和自适应角度追踪的方式恢复信道信息，能以较低的算法复杂度实现信道的准确估计。
[0193]
图11是本发明提供的信道估计装置的结构示意图，如图11所示，主要包括信号采集单元111和信号分析单元112
[0194]
信号采集单元111，主要用于根据波束对扫描结果构建测量矩阵；
[0195]
信号分析单元112，主要用于基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
[0196]
需要说明的是，本发明实施例提供的信道估计装置，在具体运行时，可以执行上述任一实施例所述的信道估计方法，对此本实施例不作赘述。
[0197]
本发明提供的信道估计装置，运用于5g/b5g的大规模mimo通信系统，提供了一种基于波束对扫描和压缩感知技术的大规模mimo信道估计方法，在波束对扫描初始阶段，基站与用户终端通过同步信号块遍历所有的通信波束对，测量所有波束对的信号强度并按照从大到小进行排序以构造测量矩阵；在此基础上，将高维原始信道估计问题转化为角度域的稀疏信道估计，以使用压缩感知技术，采用局部角度量化和自适应角度追踪的方式恢复信道信息，能以较低的算法复杂度实现信道的准确估计。
[0198]
图12是本发明提供的电子设备的结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1210、通信接口(communications interface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储器1230中的逻辑指令，以执行信道估计方法，该方法包括：根据波束对扫描结果构建测量矩阵；基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
[0199]
此外，上述的存储器1230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。
[0200]
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信道估计方法，该方法包括：根
据波束对扫描结果构建测量矩阵；基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
[0201]
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信道估计方法，该方法包括：根据波束对扫描结果构建测量矩阵；基于自适应压缩感知技术，利用所述测量矩阵，预测出基站和用户终端之间的高维原始信道。
[0202]
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。
[0203]
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。
[0204]
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。