大规模MIMO系统中低复杂度信道估计方法技术方案

本发明专利技术提供的大规模MIMO系统中低复杂度信道估计方法，该方法包括：对基站接收的信号进行向量化，得到基于克罗内克模型的接收信号模型；对上述接收信号模型，根据MMSE估计原理，得到包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果；对MMSE估计结果中的求逆运算转换为求解线性方程组的问题，通过共轭梯度法求解方程组的近似最优解，将近似最优解应用与MMSE的估算结果中，获取修正的MMSE估算结果，降低MMSE信道估计的复杂度。本发明专利技术通过将求逆运算转换为求解方程组的问题，然后利用共轭梯度法求得方程组的近似最优解，以达到降低计算复杂度的目的。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其是大规模MIMO(Massive Multiple Input Multiple Output,Massive-MIMO)系统中低复杂度信道估计算法。
技术介绍
由于大规模MIMO系统在基站端配置有数百根天线，并且在上行链路进行信道估计时需要对协方差矩阵进行求逆的操作，这样就导致的信道估计的计算复杂度为M为协方差矩阵的维度，这个在硬件实现过程中将是一个极其复杂度过程。
技术实现思路
本专利技术要解决的技术问题在于提供一种大规模MIMO系统中低复杂度信道估计方法，以解决现有技术存在的问题。本专利技术采用以下技术方案：大规模MIMO系统中低复杂度信道估计方法，该方法包括以下步骤：步骤1：对基站接收的信号进行向量化，得到基于克罗内克模型的接收信号模型；步骤2：对上述接收信号模型，根据MMSE估计原理，得到包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果；步骤3：对MMSE估计结果中的求逆运算转换为求解线性方程组的问题，通过共轭梯度法求解方程组的近似最优解，将近似最优解应用与MMSE的估算结果中，获取修正的MMSE估算结果，降低MMSE信道估计的复杂度。所述步骤3中，通过共轭梯度法求解方程组的近似最优解时，通过对方程组的系数矩阵进行分裂，分裂为对角线上的元素构成的对角阵、严格下三角矩阵以及严格上三角矩阵，设计由所述对角线上的元素构成的对角阵、严格下三角矩阵以及严格上三角矩阵组成的预处理矩阵，根据设定的预处理矩阵通过预处理共轭梯度法求解方程组的近似最优解，得到修正后的MMSE估算结果。对于所述大规模的MIMO系统，接收端配置Nr根天线，发射端配置有Nt根天线，通过发射长度为B的预定义导频序列P，得到接收信号Y：Y＝HP+N对上述的H、N、Y、P进行向量化以后，得到步骤1中的基于克罗内克模型的接收信号模型为： y ~ = p ~ h ~ + n ~ ]]>其中，为Y的向量化表示，为H的向量化表示，为N的向量化表示，为P的向量化表示，且I为一个Nr×Nr的单位阵，表示Kronecker乘积，N为包含噪声和导频污染的干扰项。对基于克罗内克模型的接收信号模型，根据MMSE估计原理，得到的步骤2中的包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果为： h ^ M M S E = R p ~ H ( p ~ R p ~ H + S ) - 1 y ~ ]]>其中，S为干扰协方差矩阵，R为信道的协方差矩阵。记所述MMSE估计结果中的求逆运算为A，即： A = p ~ R p ~ H + S ]]>此时，的求逆运算转化为求解线性方程组的解，通过步骤3所述的共轭梯度法通过L次迭代得到方程组的近似最优解x*，进而得到修正的MMSE估算结果： h ^ = R p ~ H x * . ]]>所述步骤3中，通过预处理共轭梯度法求解方程组的近似最优解用以加快共轭梯度收敛速度的过程为：通过对系数矩阵A进行分裂：A＝D-L-U其中，D，-L，-U分别是A对角线上的元素构成的对角阵，严格下三角矩阵以及严格上三角矩阵；设计预处理矩阵W为：W＝(D-L)D-1(D-L)H在方程组两端左乘W-1后W-1Ax＝W-1AW-HWHx＝W-1b记W-1Ax＝W-1AW-HWHx＝W-1b记则然后通过L次迭代得到上述方程组的近似最优解x*，得到修正的MMSE估计结果： h ^ = R p ~ H x * . ]]>所述通过共轭梯度法或预处理共轭梯度法获取修正的MMSE估算结果的方法包括以下步骤：(1)选取任意初始向量x1和精度要求ε，并置k＝1；(2)计算若则停止计算，此时x*＝xk，否则转下一步；(3)构造搜索方向：令dk＝-gk+βk-1dk-1，其中，当k＝1时，βk-1＝0，dk＝-g1，否则(4)一维搜索：沿着dk方向进行搜索，通过迭代步长得到xk+1＝xk+λkdk，k＝k+1；然后转(2)；对上述过程经过L次迭代得到方程组的近似最优解x*，然后可以得到修正的MMSE估计结果： h ^ = R p ~ H x * ]]>其中，x1为x的初始向量；ε为共轭梯度法截止精度；K为迭代次数；gk为误差向量；F为F范数；dk为共轭梯度法搜索方向；β为信道干扰系数；λ为共轭梯度法迭代步长。本专利技术的有益效果：本专利技术首先通过对基站接收信号进行向量化，得到基于克罗内克模型的MMSE信道估计结果。分析信道估计结果表明，由于MMSE涉及到协方差矩阵的求逆运算导致信道估计的计算复杂度为本专利技术通过将求逆运算转换为求解方程组的问题，然后利用共轭梯度法求得方程组的近似最优解，以达到降低计算复杂度的目的。同时为了加快共轭梯度法的收敛速度，设计预处理矩阵，依此来更大幅度的降低信道估计的计算复杂度，来达到估计性能和计算复杂度之间的平衡。附图说明图1为本专利技术的流程图。图2为不同估计器的MMSE在不同干扰情况下随着迭代次数的变化情况，其中，(a)为干扰为零(即β＝0)的情况，(b)为干扰为0.1(即β＝0.1的情况)，(c)为干扰为1(即β＝1)的情况。图3为不同估计器的MMSE在不同干扰情况下随着SNR的变化情况，其中(a)为CG估计器的情况，(b)为PCG估计器的情况。具体实施方式下面结合附图1～3和具体实施方式对本专利技术作进一步详细说明。如图1所示，本专利技术包括以下步骤：S1：通过对基站端接收信号进行向量化，得到基于克罗内克模型的接收信号模型；对于一个大规模MIMO系统，接收端配置有Nr根天线本文档来自技高网...

【技术保护点】
大规模MIMO系统中低复杂度信道估计方法，其特征在于，该方法包括以下步骤：步骤1：对基站接收的信号进行向量化，得到基于克罗内克模型的接收信号模型；步骤2：对上述接收信号模型，根据MMSE估计原理，得到包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果；步骤3：对MMSE估计结果中的求逆运算转换为求解线性方程组的问题，通过共轭梯度法求解方程组的近似最优解，将近似最优解应用与MMSE的估算结果中，获取修正的MMSE估算结果，降低MMSE信道估计的复杂度。

【技术特征摘要】
1.大规模MIMO系统中低复杂度信道估计方法，其特征在于，该方法包括以下步骤：步骤1：对基站接收的信号进行向量化，得到基于克罗内克模型的接收信号模型；步骤2：对上述接收信号模型，根据MMSE估计原理，得到包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果；步骤3：对MMSE估计结果中的求逆运算转换为求解线性方程组的问题，通过共轭梯度法求解方程组的近似最优解，将近似最优解应用与MMSE的估算结果中，获取修正的MMSE估算结果，降低MMSE信道估计的复杂度。2.根据权利要求1所述的大规模MIMO系统中低复杂度信道估计方法，其特征在于：所述步骤3中，通过共轭梯度法求解方程组的近似最优解时，通过对方程组的系数矩阵进行分裂，分裂为对角线上的元素构成的对角阵、严格下三角矩阵以及严格上三角矩阵，设计由所述对角线上的元素构成的对角阵、严格下三角矩阵以及严格上三角矩阵组成的预处理矩阵，根据设定的预处理矩阵通过预处理共轭梯度法求解方程组的近似最优解，得到修正后的MMSE估算结果。3.根据权利要求1所述的大规模MIMO系统中低复杂度信道估计方法，其特征在于：对于所述大规模的MIMO系统，接收端配置Nr根天线，发射端配置有Nt根天线，通过发射长度为B的预定义导频序列P，得到接收信号Y：Y＝HP+N对上述的H、N、Y、P进行向量化以后，得到步骤1中的基于克罗内克模型的接收信号模型为： y ~ = p ~ h ~ + n ~ ]]>其中，为Y的向量化表示，为H的向量化表示，为N的向量化表示，为P的向量化表示，且I为一个Nr×Nr的单位阵，表示Kronecker乘积，N为包含噪声和导频污染的干扰项。4.根据权利要求3所述的大规模MIMO系统中低复杂度信道估计方法，其特征在于：对基于克罗内克模型的接收信号模型，根据MMSE估计原理，得到的步骤2中的包含有对信号协方差矩阵和干扰协方差矩阵进行求逆运算的MMSE估计结果为： h ^ M M S E = R p ~ H ( p ~ R p ~ H + S ) - 1 ...

【专利技术属性】
技术研发人员：高向川，李臣阳，王树坤，张卫党，王法松，朱政宇，李青，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南;41