一种针对毫米波多用户MIMO系统的时变信道估计方法与流程

技术领域：

本发明涉及的是在时变毫米波信道中，基站与移动终端进行上下行链路通信时，接收机进行信道估计的方法，具体是一种针对毫米波多用户多输入多输出(mimo)系统的时变信道估计方法，属于无线通信技术领域。

背景技术：
：

为了满足信息高速率传输的要求，无线通信系统需要准确的信道状态信息(csi)。时变信道下，由于存在大量未知信道系数，基于传统信道估计方法，例如：最小二乘(ls)方法和最小均方误差(mmse)方法，将导致巨大的导频开销。大量实验研究发现，随着通信系统带宽和符号周期的增大，发射接收天线数量增加，无线信道呈现稀疏特性，从而可以将稀疏信号处理理论应用于信道估计。目前，稀疏信号处理技术已经取得重大突破，当信号在某个表征域具有稀疏性或者可压缩性时，可以用低维的测量数据对高维信号进行精确恢复。稀疏信号处理技术为无线信道估计提供了一条新的解决途径，旨在以更少的导频开销精确恢复csi。

作为有效提升未来5g系统数据率、缓解频谱资源压力的有效技术，毫米波mimo相关技术成为目前无线通信领域热门的研究课题。在毫米波mimo系统中，信道估计面临着许多挑战，例如毫米波路径损耗大，导致接收端的信噪比(snr)很低，大规模天线的引入大大增加了空间维度的未知信道参数，考虑到能耗和成本的限制，毫米波系统往往采用混合预编码方案，导致传统信道估计方法无法有效实施。对于时变毫米波信道，信道估计面临更大的挑战。

技术实现要素：
：

本发明的目的在于针对上述现有技术存在的问题，提出一种针对毫米波多用户mimo系统的时变信道估计方法，利用压缩感知理论恢复得到到达角和离开角，根据估计得到的到达角和离开角设计预编码矩阵和合并向量，进而估计信道矩阵，提高接收机信道估计的精度。

本发明的主要想法是：

首先建立时变毫米波模型，利用修正块正交匹配追踪算法(r-bomp)求解路径数、天线的到达角和离开角；其次，用户将路径数、离开角反馈给基站，基站根据估计的路径数和离开角设计模拟预编码矩阵和数字预编码矩阵，用户根据估计的路径数和到达角设计模拟合并向量；最后用户根据ls算法得到信道增益。

根据上述想法，本发明采用下述技术方案：

(1)对时变毫米波信道进行建模。信道模型如下：

其中，nt和nr分别表示发射天线和接收天线数目，lk代表基站和第k个用户的路径数，l(1≤l≤lk)表示路径序号，表示信道复增益，表示多普勒频偏，和分别表示到达角和离开角，和分别表示接收天线和发射天线的响应矢量。矩阵hk(t)可以表示成如下的矩阵形式：

其中diag(·)代表将列向量转换为对角矩阵，表示等效信道增益。

(2)对毫米波信道进行量化表示。量化信道表示如下：

其中和分别表示量化的到达角和离开角，gr和gt分别表示到达角和离开角的量化阶数，对应等效信道增益，是一个稀疏矩阵，仅含有lk个非零元素。e表示量化误差。

(3)将时变毫米波信道估计问题建模为压缩感知形式。将连续m个接收信号表示成向量形式，模型如下：

其中，yk表示第k个用户接收到的信号，yk,m表示用户k在第m个时刻接收到的信号，是的离散形式，vec(·)表示将矩阵拉成一个列向量，pm＝frf,mfbb,msm，frf,m和fbb,m分别表示第m个时刻的模拟预编码矩阵和数字预编码矩阵，sm是发送信号向量，wm,k代表用户k在第m个时刻对应的模拟合并向量，(·)^t表示转置操作，(·)^h表示共轭转置操作，(·)^*表示共轭操作，表示克罗内克积，ξ同时包含高斯噪声和量化误差。

对式(5)进行变换得到如下模型：

其中，p＝[p1,p2,...,pg]，g＝gtgr，表示mg×mg的单位矩阵的第i列。式中，φ是测量矩阵，c是一个稀疏向量。

(4)对于式(9)所示模型，利用修正的块正交匹配追踪(r-bomp)算法恢复得到估计的路径数到达角和离开角具体步骤如下：设φ＝[φ1,...,φg]，φg(1≤g≤g)是由矩阵φ的第m(g-1)+1列到mg列的向量组成的矩阵，路径数最小值为lmin，最大值为lmax，阈值为η0。

a)设置初始值：迭代次数i＝0，残差r＝yk,支持向量支持矩阵

b)对所有gi∈{1,...,g}，寻找gi使得最大。

c)更新支持向量ω＝ω∪{gi}，更新支持矩阵

d)更新残差其中表示矩阵的求伪逆运算。

e)i＝i+1。

f)当i<lmin时，重复步骤b)-e)，当i≥lmin进入步骤g)。

g)当同时满足i≤lmax和η>η0时，重复步骤b)-e)，每次重复完更新当i>lmax或η≤η0时，估计得到的路径数离开角到达角

(5)由估计得到的路径数、到达角设计模拟预编码矩阵和数字预编码矩阵。模拟预编码矩阵由以下最优化问题得到：

其中，1≤nt≤nt，式(7)可以通过遗传算法求解得到次优解。数字预编码矩阵由下式得到：

其中，

(6)由估计得到的路径数、离开角设计模拟合并向量。模拟合并向量wk,m由以下最优化问题得到：

其中，1≤nr≤nr，式(9)可以通过遗传算法求解得到次优解。

(7)由估计得到的路径数、到达角、离开角以及设计的模拟预编码矩阵、数字预编码矩阵和模拟合并向量求解毫米波信道矩阵。毫米波信道增益估计模型如下：

其中，表示khatri-rao积，表示用户k对应的近似信道增益。根据式(10)，由最小二乘算法得到

其中，(·)^-1表示矩阵的求逆运算。由式(11)得到毫米波信道矩阵如下：

通过以上步骤，可以得到用户k的信道矩阵，实现毫米波系统在时变信道下的信道估计。

与现有的信道估计方法相比，本发明的一种针对毫米波多用户mimo系统的时变信道估计方法能有效提高信道估计的准确度和频谱利用率。

附图说明：

图1毫米波多用户mimo系统框架

具体实施方式：

下面结合附图和具体实施例对本发明做进一步的描述。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

当采用28ghz载频，100m带宽进行下行链路无线通信时，发射天线和接收天线数分别为nt＝16，nr＝16，取到达角和离开角的量化阶数分别为gr＝128，gt＝128，用户数为k＝4，实际路径数为lk＝3(1≤k≤k)，但lk对于用户是未知的，用户已知路径数最小值为lmin＝1，最大值为lmax＝5，阈值为是噪声功率，多普勒频偏vk＝3khz。本发明的一种针对毫米波多用户mimo系统的时变信道估计方法的具体步骤如下：

(1)对时变毫米波信道建模。信道模型如下：、

其中，和从连续区间[0,2π]中随机取值，是均值为0，方差为1的高斯变量，矩阵hk(t)可以表示成如下的矩阵形式：

其中，diag(·)代表将列向量转换为对角矩阵，表示等效信道增益。

(2)对毫米波信道进行量化表示。量化信道表示如下：

其中，对应等效信道增益，是一个稀疏矩阵，仅含有lk＝3个非零元素。e表示量化误差。

(3)将时变毫米波信道估计问题建模为压缩感知形式。将连续50个接收信号表示成向量形式，模型如下：

其中，yk,m(1≤m≤50)表示用户k在第m个时刻接收到的信号，是的离散形式，vec(·)表示将矩阵拉成一个列向量，(·)^t表示转置操作，(·)^*表示共轭操作，表示克罗内克积，ξ同时包含高斯噪声和量化误差。

对式(15)进行变换得到如下模型：

其中，p＝[p1,p2,...,p16384]，表示819200×819200的单位矩阵的第i列。

(4)对于式(16)所示模型，利用修正的块正交匹配追踪(r-bomp)算法恢复求解估计的路径数到达角和离开角具体步骤如下：设φ＝[φ1,...,φ16384]，φg(1≤g≤16384)是由矩阵φ的第50(g-1)+1列到50g列的向量组成的矩阵。

a)设置初始值：迭代次数i＝0，残差r＝yk,支持向量支持矩阵

b)对所有gi∈{1,...,g}，寻找gi使得最大。

c)更新支持向量ω＝ω∪{gi}，更新支持矩阵

d)更新残差其中表示矩阵的求伪逆运算。

e)i＝i+1。

f)当i<1时，重复步骤b)-e)，当i≥1进入步骤g)。

g)当同时满足i≤5和时，重复步骤b)-e)，每次重复完更新当i>5或时，估计得到的路径数离开角

到达角

(5)由估计得到的路径数到达角设计模拟预编码矩阵frf,m和数字预编码矩阵fbb,m。模拟预编码矩阵由以下最优化问题得到：

其中，1≤nt≤16，式(17)可以通过遗传算法求解得到次优解。数字预编码矩阵由下式得到：

其中，

(6)由估计得到的路径数离开角设计模拟合并向量wk,m。模拟合并向量wk,m由以下最优化问题得到：

其中，1≤nr≤16，式(19)可以通过遗传算法求解得到次优解。

(7)由估计得到的路径数到达角离开角以及设计的模拟预编码矩阵frf,m、数字预编码矩阵fbb,m和模拟合并向量wk,m求解毫米波信道矩阵。毫米波信道增益估计模型如下：

其中，表示khatri-rao积，表示用户k对应的近似信道增益。根据式(20)，由最小二乘算法得到

其中，(·)^-1表示矩阵的求逆运算。由式(21)得到毫米波信道矩阵如下：

通过以上步骤，可以得到当前时刻用户k估计的信道系数，实现28ghz载频，100m带宽，下行链路时变毫米波系统的信道估计。