本發(fā)明涉及無線通信
技術(shù)領(lǐng)域：
，尤其涉及一種低復雜度大規(guī)模MIMO信道估計方法。
背景技術(shù)：
：多輸入多輸出(multiple-inputmultiple-output，MIMO)技術(shù)是下一代移動通信核心技術(shù)，其核心思想是在收發(fā)端分別采用多根天線進行信號的發(fā)送和接收，在保持高頻譜效率的同時大幅度提高信號傳輸質(zhì)量。傳統(tǒng)小規(guī)模MIMO系統(tǒng)不能滿足當今通信技術(shù)的高速發(fā)展，促使大規(guī)模MIMO通信技術(shù)快速發(fā)展。在大規(guī)模MIMO系統(tǒng)中，基站通過裝備大量天線為移動用戶提供更高的頻譜效率、數(shù)據(jù)傳輸速率和吞吐量以及更好的通信質(zhì)量。然而當天線數(shù)目越來越大時，現(xiàn)有小規(guī)模MIMO系統(tǒng)的一些算法已不能在大規(guī)模MIMO中適用，如何降低算法復雜度是解決大規(guī)模MIMO技術(shù)的關(guān)鍵難題。對降低大規(guī)模MIMO系統(tǒng)復雜度的研究是很有必要的。目前大量文獻對大規(guī)模MIMO系統(tǒng)低復雜度進行研究，其中在高效信道估計上，現(xiàn)有的文獻大都采用的是最小均方誤差(minimummeansquareerror，MMSE)對信道進行估計，然而采用MMSE算法需要對高維矩陣求逆導致復雜度變高，因此研究如何通過截短級數(shù)來避免矩陣求逆運算來降低復雜度，從而獲取準確的信道狀態(tài)信息(channelstateinformation，CSI)是一個必須解決的課題。高效的獲取CSI是大規(guī)模MIMO系統(tǒng)性能優(yōu)勢的一個關(guān)鍵問題，大量學者對TDD大規(guī)模MIMO系統(tǒng)中上行鏈路進行了深入研究：移動用戶向基站發(fā)射訓練信號，基站接收到信號后采用MMSE算法對上行鏈路的CSI進行估計，然后基站將上行鏈路得到估計值的共軛轉(zhuǎn)置作為下行鏈路的CSI，相對于基站天線數(shù)而言移動用戶數(shù)量較少。同時由于多蜂窩系統(tǒng)中采用非正交訓練信號進行信道估計時會產(chǎn)生導頻污染，導頻污染進而影響CSI估計的精度?，F(xiàn)有文獻采用頻域/時域復用技術(shù)抑制導頻污染，但在估計CSI時利用MMSE算法需要對高維矩陣求逆，導致復雜度很高，如何避免矩陣求逆來進行CSI估計，缺乏對這方面的研究。技術(shù)實現(xiàn)要素：發(fā)明目的：本發(fā)明針對現(xiàn)有技術(shù)存在的問題，提供一種低復雜度大規(guī)模MIMO信道估計方法。技術(shù)方案：本發(fā)明所述的低復雜度大規(guī)模MIMO信道估計方法包括：建立向量形式的MIMO信道模型；根據(jù)建立的MIMO信道模型，利用MMSE算法對信道矩陣進行估計，得到信道估計值以及與真實的信道矩陣的估計誤差；對信道估計值采用Kapteyn級數(shù)多項式展開，并對級數(shù)進行截短，得到最終的信道估計結(jié)果和估計誤差。進一步的，所述建立向量形式的MIMO信道模型，具體包括：建立MIMO信道模型為：Y＝HP+N；式中，Y表示接收矩陣，H表示信道矩陣，且·～CN(*,Δ)表示·服從均值為*方差為Δ的高斯分布，vec(·)表示矩陣·的向量形式，表示H的均值矩陣，R表示信道協(xié)方差矩陣，P表示發(fā)射導頻矩陣，N表示噪聲矩陣，且表示N的均值矩陣，S表示噪聲協(xié)方差矩陣；采用向量化算子將建立的信道模型向量化，得到向量形式：式中，y＝vec(Y)，PT表示P的轉(zhuǎn)置矩陣，I表示單位矩陣，表示Kronecker乘積，h＝vec(H)，n＝vec(N)。進一步的，所述MMSE算法得到的信道估計值為：h^mmse=h‾+RP~H(P~RP~H+S)-1(y-P~h‾-n‾)]]>式中，表示的共軛。進一步的，所述MMSE算法得到的估計誤差為：式中，tr(·)表示矩陣的跡。進一步的，所述最終的信道估計結(jié)果為：h^Kapteyn-mmse=h‾+RP~Σn=0NαwnXnΣk=0KJn(k)X2k(y-P~h‾-n‾)]]>式中，λn表示矩陣的n階特征值，wn=ΔQ0(I),n=02Qn(I),n=1,2,...,Qn(I)=Σm=0[n-12]2n-2m-1·(n-2m)2(n-m-1)!m!nn-2m+1In-2m+1,X=I-α(P~RP~H+S),]]>Xn表示X的n次方，N表示矩陣展開的階數(shù)，K≤N。進一步的，所述最終的信道誤差為：MSEKapteyn-mmse=tr(R+RP~HBN(P~RP~H+S)BNHP~R-2RP~HBNP~R)]]>式中，有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點是：本發(fā)明利用截短Kapteyn級數(shù)來代替MMSE估計算法中矩陣逆的計算，從而實現(xiàn)低復雜度的信道估計，同時可以獲得比Taylor級數(shù)來代替MMSE估計算法中矩陣求逆計算更快的收斂速率。附圖說明圖1為本發(fā)明的大規(guī)模MIMO系統(tǒng)模型實物圖；圖2為本發(fā)明在不同場景下與Taylor-MMSE和MMSE算法的MSE與多項式階數(shù)之間的關(guān)系圖；圖3為本發(fā)明在不同場景下與Taylor-MMSE和MMSE算法的MSE與SNR之間的關(guān)系圖。具體實施方式本實施例的低復雜度大規(guī)模MIMO信道估計方法具體包括以下步驟：S1、建立向量形式的MIMO信道模型。假設(shè)大規(guī)模MIMO信道模型中，基站裝備Nr根接收天線，發(fā)射端裝備Nt根天線，如圖1所示。則S1具體包括：S11、建立MIMO信道模型為：Y＝HP+N；式中，Y表示接收矩陣，表示信道矩陣，且·～CN(*,Δ)表示·服從均值為*方差為Δ的高斯分布，vec(·)表示矩陣·的向量形式，表示H的均值矩陣，說明可能存在視距傳播，表示信道協(xié)方差矩陣，且是半正定的，表示發(fā)射導頻矩陣，B表示導頻序列的長度，通常滿足B≥Nt2，表示噪聲矩陣，服從循環(huán)復高斯白噪聲分布，且表示N的均值矩陣，表示噪聲協(xié)方差矩陣，通常表示接收機噪聲干擾和來自其他相關(guān)發(fā)射機干擾，后者在大量文獻中常被稱為導頻污染；S12、采用向量化算子將建立的信道模型向量化，得到向量形式：式中，y＝vec(Y)，PT表示P的轉(zhuǎn)置矩陣，I表示單位矩陣，表示Kronecker乘積，h＝vec(H)，n＝vec(N)。S2、根據(jù)建立的MIMO信道模型，利用MMSE算法對信道矩陣進行估計，得到信道估計值以及與真實的信道矩陣的估計誤差。其中，得到的信道估計值為：式中，表示的共軛。估計誤差為：式中，tr(·)表示矩陣的跡。如果接收機已獲取信道和噪聲的統(tǒng)計特性，根據(jù)上式可計算得到不足的是涉及到矩陣的求逆運算該運算的計算復雜度很高，導致不能快速計算得到S3、對信道估計值采用Kapteyn級數(shù)多項式展開，并對級數(shù)進行截短，得到最終的信道估計結(jié)果和估計誤差。具體的，S3具體步驟為：依據(jù)Kapteyn級數(shù)定義，對于任何正定矩陣對所有m∈M，如果矩陣的特征值|λm(X)|＜1，有式中，為了將式1寫成求和形式以及將按照定義展開，化簡得到式中同理，根據(jù)式1，可得到如下計算公式：式3中E為誤差項，N表示矩陣展開的階數(shù)，K≤N，在N→∞,K→∞時，E→0。然后利用式3，將展開，得到基于Kapteyn級數(shù)展開的低復雜度信道估計，估計結(jié)果如下：式中根據(jù)式4，利用計算得到如下MSE計算公式：式中由于α決定多項式展開的收斂速度，本文選擇λn表示矩陣的n階特征值，使得矩陣的譜半徑最小，從而獲得更快的收斂率。為了驗證本發(fā)明的性能，將基于Kapteyn級數(shù)多項式展開的本發(fā)明與Taylor-MMSE和MMSE算法分別對比，分析截短多項式及其階數(shù)因子對復雜度的影響，對比結(jié)果如圖2和圖3所示，可以看出，本發(fā)明的性能優(yōu)于Taylor-MMSE和MMSE算法。以上所揭露的僅為本發(fā)明一種較佳實施例而已，不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。當前第1頁1 2 3