本發(fā)明涉及多用戶MIMO-OFDM無線通信方法，特別涉及一種基于壓縮感知理論和線性信道估計算法的多用戶MIMO-OFDM系統(tǒng)信道估計方法。

背景技術(shù)：

MIMO技術(shù)利用多組天線實現(xiàn)多發(fā)多收，可以充分利用空間資源，在不需要增加頻譜資源和天線發(fā)送功率的情況下利用空間復(fù)用增益可以成倍增加信道容量。但是對于當(dāng)前無線通信寬帶通信，由于信道在頻域產(chǎn)生頻率選擇性衰落，其產(chǎn)生的符號間干擾(ISI)極大影響了MIMO系統(tǒng)的性能。為了消除符號間干擾，可以采用空時均衡MIMO系統(tǒng)方案和正交頻分復(fù)用(OFDM)調(diào)制MIMO系統(tǒng)技術(shù)。由于均衡器復(fù)雜度高所以更為直接的是采用OFDM調(diào)制方式，將頻率選擇性信道轉(zhuǎn)換為多個平坦衰落的窄帶信道，從而可以利用多天線系統(tǒng)在窄帶通信的傳輸來增強系統(tǒng)的性能，提高頻譜利用率。

將MIMO和OFDM有效結(jié)合起來可以大大提高無線衰落信道下通信鏈路的傳輸速率和可靠性，因此目前多用戶MIMO-OFDM技術(shù)在無線頻譜資源稀缺的通信環(huán)境下有很廣泛地應(yīng)用。在實際通信中，為了克服多用戶MIMO-OFDM系統(tǒng)的信道衰落和干擾的問題，接收端需要得到精確的信道狀態(tài)信息(CSI)，因而對信道的精確估計是保證系統(tǒng)優(yōu)良性能的關(guān)鍵技術(shù)。

壓縮感知(Compressive Sensing，CS)理論允許從非常有限的采樣中有效地重建信號，若所要恢復(fù)的信號在某些變換域中可以被稀疏表示，則可以使用遠(yuǎn)小于奈奎斯特采樣速率的速率對該信號進(jìn)行隨機(jī)采樣，然后通過非線性的算法實現(xiàn)完全信號的重構(gòu)。由于實際的無線寬帶多徑信道呈現(xiàn)稀疏性，即信道沖激響應(yīng)的大部分能量集中于相對少量的抽頭上，并且在一定時間內(nèi)這些非零抽頭的位置保持不變。因此可以將壓縮感知理論應(yīng)用于信道估計中，以實現(xiàn)在獲得較高信道估計性能。

目前許多多用戶MIMO-OFDM系統(tǒng)模型雖然考慮了無線多徑傳輸信道的稀疏特性，但未考慮不同用戶的信道矩陣存在共同稀疏支撐集的特點以及在一定時間內(nèi)每個用戶其信道沖擊響應(yīng)(CIR)向量的稀疏支撐集變化很慢的問題，即信道的時間相關(guān)性。另外傳統(tǒng)的基于導(dǎo)頻的信道估計算法例如最小二乘法(Least Square,LS)算法和最小均方誤差(Minimum Mean Square Error,MMSE)算法雖然估算精較低，但其結(jié)構(gòu)簡單，算法復(fù)雜度低，因此需要有新型的重構(gòu)算法來實現(xiàn)在獲得較高信道估計性能的同時大量減少導(dǎo)頻開銷和復(fù)雜度，提高系統(tǒng)傳輸效率。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種多用戶MIMO-OFDM系統(tǒng)信道估計的方法。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的，一種多用戶MIMO-OFDM系統(tǒng)信道估計的方法，包括以下步驟：S1：利用正交匹配追蹤算法，獲得每個用戶余差和測量矩陣的前S_k個最大相關(guān)值的索引；S2：利用步驟S1中得到的K組索引序列，找出所有用戶共同的索引值確定為共同稀疏支撐集Ω_c，并利用改進(jìn)的線性最小均方誤差算法進(jìn)行初始信道矩陣估計，并重新更新用戶余差；S3：利用步驟S2中各個用戶更新的余差，每個用戶再次計算其余差和信道測量矩陣Ψ的相關(guān)性得到用戶客自的單獨稀疏支撐集Ω_k；再結(jié)合改進(jìn)的LMMSE算法計算各個用戶的信道估計值；S4：判定用戶余差值是否小于預(yù)設(shè)值或者所述S3步驟是否進(jìn)行了S_k-S_C次，其中S_C為共同稀疏支撐集的個數(shù)；如果未達(dá)到條件則返回S3重復(fù)以上步驟，直至滿足迭代終止條件，并最終得到信道狀態(tài)信息矩陣的估計值。

進(jìn)一步，所述步驟S1具體包括以下子步驟：

S11將每個用戶的信道沖擊響應(yīng)向量重新排列為塊稀疏向量，并記為信道時域矩陣；將基于導(dǎo)頻向量傅里葉變換的感知矩陣記為信道測量矩陣；從而將總共K個用戶中的第k個用戶接收到的頻域?qū)ьl信號表示為：

Y_k＝ΨH_k+N_k，k＝1，2，...，K···············(3)

其中，Y_k表示第k用戶接收到的頻域?qū)ьl信號，Ψ為信道測量矩陣，H_k為第k用戶的時域矩陣，N_k為第k用戶的噪聲矩陣；

S12定義用戶初始的余差值為每個用戶接收到的頻域?qū)ьl信號Y_k，定義每個用戶對應(yīng)的測量矩陣為原信道測量矩陣Ψ的塊對角化變換，記為Ψ_i(i＝1，2，...N_CIR)，其中N_CIR為時域信道沖激響應(yīng)的長度；計算每個用戶的余差和相應(yīng)信道測量矩陣轉(zhuǎn)置的相關(guān)性，即argmax_1≤i≤N_CIR||Ψ_i^TY_k||，求出N_CIR個相關(guān)值中前S_k個最大相關(guān)值的索引序列。

進(jìn)一步，所述步驟S2具體為：

S21利用步驟S1中獲取的K組索引值序列，將每一組序列表示為Ω_k，k＝1，2，...，K，用指示函數(shù)計算K組索引值序列各個索引出現(xiàn)的次數(shù)，其中j∈{1，2，...，K}，指示函數(shù)是定義在集合{1，2，...K}上的函數(shù)，表示其中有哪些元素屬于Ω_k，具體表示為：

之后計算K組索引值序列中出現(xiàn)次數(shù)最多的索引值并將該索引值并入估計的共同稀疏支撐集中

S22將步驟S21進(jìn)行S_C次計算后得到共同稀疏支撐集Ω_c，利用該共同稀疏支撐集計算LMMSE因子w_k＝E[H_kY_k^H]E^-1[Y_kY_k^H]，其中E[H_kY_k^H]表示第k個用戶的信道矩陣和接收信號的轉(zhuǎn)置之間的互關(guān)聯(lián)函數(shù)值，E^-1[Y_kY_k^H]表示第k個用戶的接收信號和其轉(zhuǎn)置之間的互關(guān)聯(lián)函數(shù)值的逆，之后將LMMSE因子代入H_k＝w_kY_k進(jìn)行LMMSE算法進(jìn)行信道估計，得到初步的信道狀態(tài)矩陣估計值和更新后的余差。

進(jìn)一步，所述步驟S3具體包括以下子步驟：

S31利用步驟S2中獲取的共同稀疏支撐集Ω_c，定義每個用戶單獨稀疏支撐集初始值為Ω_k＝Ω_c，并利用S2中最后更新的余差與每個用戶信道測量矩陣Ψ_i再次進(jìn)行相關(guān)性計算，得出索引最大值i_max，并將其并入Ω_k；

S32計算LMMSE因子w_k＝E[H_kY_k^H]E^-1[Y_kY_k^H]，將其代入H_k＝w_kY_k，得到每個用戶估計的信道沖擊響應(yīng)矩降

由于采用以上技術(shù)方案，本發(fā)明具有以下優(yōu)點：

1、本發(fā)明不僅考慮了無線多徑信道的稀疏特性，另外還考慮了多個用戶信道矩陣之間的關(guān)聯(lián)性，因此具有共同稀疏支撐集的特點。利用該特點可以更好地進(jìn)行信道狀態(tài)信息的估計。

2、傳統(tǒng)基于壓縮感知的信道估計算法在多用戶模型下進(jìn)行重復(fù)估計運算，所耗費的導(dǎo)頻開銷和復(fù)雜度都比較大。本發(fā)明利用基于壓縮感知的OMP算法先得到共同稀疏支撐集，通過改進(jìn)的LMMSE算法估計所有用戶該共同支撐集部分的信道矩陣；再繼續(xù)利用OMP算法進(jìn)行各個用戶其余的單獨支撐集，并通過改進(jìn)的LMMSE算法估計該單獨支撐集部分的信道狀態(tài)矩陣，這樣每個用戶不用重復(fù)計算那部分共同的稀疏支撐集，節(jié)省了多用戶系統(tǒng)模型下的信道估計開銷，使得在低導(dǎo)頻開銷下也可以得到接近理想值的準(zhǔn)確信道估計結(jié)果。

附圖說明

為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)描述，其中：

圖1為本發(fā)明所需的多用戶MIMO-OFDM系統(tǒng)模型框架；

圖2為本發(fā)明信道狀態(tài)信息估計的流程圖。

具體實施方式

下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進(jìn)行詳細(xì)的描述。

本發(fā)明考慮多用戶MIMO-OFDM系統(tǒng)，圖1為多用戶信道矩陣具有聯(lián)合稀疏結(jié)構(gòu)特點的系統(tǒng)框架圖。其中，由于基站散射較少，用戶周圍散射體相對較多，因此同一用戶的信道矩陣的行相互關(guān)聯(lián)，用戶的各個接收天線有相同的稀疏特性，具體表現(xiàn)為圖1中H₁和H₂其各自每一行都具有相同的稀疏支撐集；另外當(dāng)用戶間距離較小時，基站發(fā)射的信號可能通過相同的散射體到達(dá)不同用戶，因此這一部分不同用戶間信道矩陣相互關(guān)聯(lián)，并且他們可能具有一部分共同的稀疏特性，具體表現(xiàn)為H₁和H₂有一部分共同稀疏支撐集Ω_c。

其中，為了估計信道狀態(tài)信息，基站發(fā)送的信號要包含一定數(shù)量的導(dǎo)頻，本發(fā)明在此考慮導(dǎo)頻隨機(jī)分布的情況以滿足壓縮感知理論中對測量矩陣的要求?；旧梢欢ǖ膶?dǎo)頻符號在頻域與數(shù)據(jù)符號相乘，之后進(jìn)行傅里葉反變換(IDFT)，最后加上循環(huán)前綴作為發(fā)射信號發(fā)送給各個用戶；用戶端接收到的信號在去掉循環(huán)前綴后進(jìn)行傅里葉變換(DFT)，進(jìn)而得到頻域?qū)ьl信號。由于無線多徑信道具有稀疏特性，即信道沖擊響應(yīng)(CIR)向量的能量只集中在數(shù)量很小的一部分抽頭之上。本發(fā)明考慮每一對天線信道有L個相鄰的包含導(dǎo)頻的OFDM符號，并且在一定時間內(nèi)CIR的非零元素位置不變，那么第k個用戶接收到的導(dǎo)頻信號可以表示為：

其中，N_CIR為時域信道沖激響應(yīng)的長度，N_P為導(dǎo)頻子載波的數(shù)量；是原信道測量矩陣Ψ的塊對角化變換；為第k個用戶信道時域CIR向量的整合形式，為高斯白噪聲信號。其中L是該特定時間內(nèi)包含導(dǎo)頻的OFDM個數(shù)。

若考慮多個用戶，則信道模型可以表示為：

其中，為第k個用戶堆疊形式的CIR向量，并且不同用戶具有一部分共同稀疏支撐集Ω_c和各自的單獨稀疏支撐集Ω_k，為第k個用戶堆疊形式的噪聲向量。

圖2為本發(fā)明具體信道估計過程的流程圖，如圖所示，本發(fā)明的基于壓縮感知的多用戶MIMO-OFDM系統(tǒng)信道估計方法包括如下步驟：

步驟一：利用正交匹配追蹤算法，獲得每個用戶余差和測量矩陣的前S_k個最大相關(guān)值的索引。

為了便于理解，將信道模型(2)表示為單個用戶的形式：

Y_k＝ΨH_k+N_k (3)

Y_k表示第k個用戶接收到的頻域?qū)ьl信號，Ψ為信道測量矩陣，H_k為第k個用戶的時域矩陣，N_k為第k個用戶的噪聲矩陣。

定義S_C＝|Ω_c|為共同稀疏支撐集的個數(shù)，S_k＝|Ω_k|，k＝1，2，...K為每個用戶各自的稀疏支撐集個數(shù)，計算每個用戶的余差和相應(yīng)測量矩陣的相關(guān)性求出每個用戶N_CIR中前S_k個最大相關(guān)值的索引序列Ω_k′，得到K組索引值序列。

步驟二：利用步驟S1中得到的K組索引序列，找出所有用戶共同的索引值確定為共同稀疏支撐集Ω_c，并利用改進(jìn)的線性最小均方誤差算法進(jìn)行初始信道矩陣估計，并重新更新用戶余差。

根據(jù)步驟一中獲取的K組索引值序列，將每一組序列表示為Ω_k，k＝1，2，...，K，用指示函數(shù)計算K組索引值序列各個索引出現(xiàn)的次數(shù)，其中j∈{1，2，...，K}，指示函數(shù)是定義在集合{1，2，...K}上的函數(shù)，表示其中有哪些元素屬于Ω_k，具體表示為：

之后計算K組索引值序列中出現(xiàn)次數(shù)最多的索引值并將該索引值并入估計的共同稀疏支撐集中

利用指示函數(shù)可以統(tǒng)計K組索引值序列中出現(xiàn)次數(shù)最多的索引，可以作為共同稀疏支撐集的索引。將上述該步驟重復(fù)進(jìn)行S_C次后可以得到共同稀疏支撐集Ω_c，然后利用改進(jìn)的LMMSE算法進(jìn)行信道估計，得到初步的信道狀態(tài)矩陣估計值和更新后的余差。其中，改進(jìn)的LMMSE算法(改進(jìn)的線性最小均方誤差算法)過程為：

首先利用共同稀疏支撐集計算LMMSE因子w_k＝E[H_kY_k^H]E^-1[Y_kY_k^H]，其中E[H_kY_k^H]和E^-1[Y_kY_k^H]是互關(guān)聯(lián)函數(shù)，可以利用共同稀疏支撐集Ω_c來簡化其運算，其中E[H_kY_k^H]表示第k個用戶的信道矩陣和接收信號的轉(zhuǎn)置之間的互關(guān)聯(lián)函數(shù)值，E^-1[Y_kY_k^H]表示第k個用戶的接收信號和其轉(zhuǎn)置之間的互關(guān)聯(lián)函數(shù)值的逆，

其中，為時域CIR的能量，J_L×L是L×L的時域關(guān)聯(lián)矩陣，它的第(m，n)項的表達(dá)式為J₀(2πf_dT_s(m-n))。將上述計算得到的w_k代入H_k＝w_kY_k中，可以得到每個用戶估計的初始信道沖擊響應(yīng)矩陣并更新每個用戶的余差：

步驟三：利用步驟S2中各個用戶更新的余差，每個用戶再次計算其余差和信道測量矩陣Ψ的相關(guān)性，將得到的最大相關(guān)值索引并入該用戶單獨的稀疏支撐集Ω_k；再結(jié)合改進(jìn)的LMMSE算法計算各個用戶的信道估計值。

首先定義每個用戶單獨稀疏支撐集初始值為Ω_k＝Ω_c，利用步驟二中最后更新的余差與每個用戶測量矩陣Ψ_i再次進(jìn)行相關(guān)性計算Ω_k^e＝arg max ||Ψ_i^TY_k||，得出索引最大值i_max，并將其并入單獨稀疏支撐集Ω_k。

步驟四：判定用戶余差值是否小于預(yù)設(shè)值或者所述S3步驟是否進(jìn)行了(S_k-S_C)次，其中S_C為共同稀疏支撐集的個數(shù)；如果未達(dá)到條件則返回S3重復(fù)以上步驟，直至滿足迭代終止條件，并最終得到信道狀態(tài)信息矩陣的估計值。

首先計算LMMSE因子w_k＝E[H_kY_k^H]E^-1[Y_kY_k^H]：

將上述計算得到的w_k代入H_k＝w_kY_k中，可以得到每個用戶估計的信道沖擊響應(yīng)矩陣為了重新迭代，需要繼續(xù)更新每個用戶的余差：

判定余差的弗羅賓尼斯范數(shù)是否小于預(yù)設(shè)值或者上述步驟三是否進(jìn)行了S_k-S_C次，如果未達(dá)到條件則返回步驟三重復(fù)進(jìn)行計算，直至滿足迭代終止條件。迭代停止后，可以得到最終的各個用戶信道沖擊響應(yīng)矩陣

在本發(fā)明中，所述的共同稀疏支撐的獲取利用了貪婪算法OMP，選出所有用戶中共同稀疏支撐集Ω_c，所述改進(jìn)的LMMSE算法在計算LMMSE因子時，利用共同稀疏支撐集Ω_c可以僅計算一部分互關(guān)聯(lián)函數(shù)，索引不在共同稀疏支撐集Ω_c中的項其對應(yīng)互關(guān)聯(lián)函數(shù)乘積為零；

所述改進(jìn)的LMMSE算法在計算LMMSE因子時，利用單獨稀疏支撐集Ω_k可以僅計算一部分互關(guān)聯(lián)函數(shù)，索引不在單獨稀疏支撐集Ω_k中的項其對應(yīng)互關(guān)聯(lián)函數(shù)乘積為零。

最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。