信道估计方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种信道估计方法、装置、电子设备及存储介质，所述方法应用于MIMO基站，包括：创建混合场信道模型，其中，混合场信道模型包括远场路径分量子模型和近场路径分量子模型；基于远场路径分量子模型对MIMO基站的信道进行划分，得到远场路径分量，基于近场路径分量子模型对MIMO基站的信道进行划分，得到近场路径分量；基于远场路径分量在角度域的稀疏性，根据压缩感知算法对远场路径分量进行估计，得到第一估计结果，基于近场路径分量在极化域的稀疏性，根据压缩感知算法对近场路径分量进行估计，得到第二估计结果；基于第一估计结果和第二估计结果，得到关于MIMO基站的信道估计结果。通过本发明专利技术实现对MIMO混合场通信环境的低开销且精准性信道估计。境的低开销且精准性信道估计。境的低开销且精准性信道估计。

【技术实现步骤摘要】
信道估计方法、装置、电子设备及存储介质


[0001]本专利技术涉及无线移动通信
，尤其涉及一种信道估计方法、装置、电子设备及存储介质。

技术介绍

[0002]超大规模多输入多输出(Multi
‑
Input Multi
‑
Output，MIMO)技术是未来6G具有潜力的关键技术之一。基站通过配置超大规模的天线阵列可以实现更高的频谱效率和能量效率。但是，急剧增加的天线数目给超大规模MIMO信道估计带来巨大的导频开销。
[0003]目前有两类低开销的信道估计方法，分别为远场信道估计方案和近场信道估计方案。
[0004]相关技术可知，现有的远场信道估计方案和近场信道估计方案假设散射体全部分布在远场区域，或者全部分布在近场区域。然而，实际上超大规模MIMO通信系统中更容易出现混合场的通信环境，即一些散射体分布在远场区域，一些散射体分布在近场区域。即超大规模MIMO信道通常既包含远场信道分量又包含近场信道分量。因此，现有的远场或者近场信道模型都与这种混合场的通信环境不匹配。进而在对混合场超大规模MIMO信道估计中造成严重的性能损失。

技术实现思路

[0005]本专利技术提供一种信道估计方法、装置、电子设备及存储介质，用以解决现有技术中信道估计方法与混合场的通信环境不匹配的缺陷，实现基于混合场信道模型更精确的建模MIMO混合场通信环境，并分别对混合场通信环境中的远场路径分量和近场路径分量进行分别估计，实现对MIMO混合场通信环境的低开销且精准性信道估计。r/>[0006]本专利技术提供一种信道估计方法，所述方法应用于MIMO基站，所述方法包括：创建混合场信道模型，其中，所述混合场信道模型包括远场路径分量子模型和近场路径分量子模型；基于所述远场路径分量子模型，对关于所述MIMO基站的信道进行划分，得到关于所述MIMO基站的多条远场路径分量，以及基于所述近场路径分量子模型，对关于所述MIMO基站的信道进行划分，得到关于所述MIMO基站的多条近场路径分量；基于所述远场路径分量在角度域的稀疏性，根据压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，以及基于所述近场路径分量在极化域的稀疏性，根据压缩感知算法对所述近场路径分量进行估计，得到第二估计结果；基于所述第一估计结果和所述第二估计结果，得到关于所述MIMO基站的信道估计结果。
[0007]根据本专利技术提供的一种信道估计方法，所述基于所述第一估计结果和所述第二估计结果，得到关于所述MIMO基站的信道估计结果，包括：基于角度域信道转化矩阵对所述第一估计结果进行处理，得到所述第一估计结果在所述MIMO基站所在的原始空间域的转化后第一估计结果，以及基于极化域信道转化矩阵对所述第二估计结果进行处理，得到所述第二估计结果在所述MIMO基站所在的原始空间域的转化后第二估计结果；基于所述转化后第
一估计结果和所述转化后第二估计结果，得到关于所述MIMO基站的信道估计结果。
[0008]根据本专利技术提供的一种信道估计方法，所述混合场信道模型采用以下公式确定：
[0009][0010]其中，h表示所述MIMO基站到用户之间的信道；N表示所述MIMO基站的天线数目；L表示基于所述远场路径分量子模型和所述近场路径分量子模型确定的所有路径分量的数目；γ表示基于所述远场路径分量子模型确定的远场路径分量占所有路径分量的数目比例；表示基于所述远场路径分量子模型确定的远场路径分量中的远场路径增益；表示基于所述近场路径分量子模型确定的近场路径分量中的近场路径增益；表示基于所述远场路径分量子模型确定的远场路径分量对应的空间角度，表示基于所述近场路径分量子模型确定的近场路径分量对应的空间角度，表示基于所述近场路径分量子模型确定的近场路径分量对应的超大规模阵列的中心到散射体之间的距离；a(θ)表示远场阵列响应矢量；b(θ,r)表示近场阵列响应矢量。
[0011]根据本专利技术提供的一种信道估计方法，所述基于所述远场路径分量在角度域的稀疏性，根据压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，包括：确定混合信道估计模型；基于所述远场路径分量在角度域的稀疏性，通过所述混合信道估计模型以及所述压缩感知算法对所述远场路径分量进行估计，得到第一估计结果。
[0012]根据本专利技术提供的一种信道估计方法，所述混合信道估计模型采用以下公式确定：
[0013]y＝PFh
A
+PWh
P
+n
[0014]其中，y表示用户获取的接收导频；n表示接收噪声；P表示所述MIMO基站向所述用户发送的导频矩阵；h
A
表示所述第一估计结果；F表示远场信道转换矩阵；h
P
表示所述第二估计结果；W表示近场信道转换矩阵。
[0015]根据本专利技术提供的一种信道估计方法，所述通过所述混合信道估计模型以及所述压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，包括：通过所述混合信道估计模型，确定第一稀疏信号恢复模型；以所述接收导频作为第一初始残差向量，通过压缩感知算法对所述第一稀疏信号恢复模型进行计算，得到所述第一估计结果。
[0016]根据本专利技术提供的一种信道估计方法，所述第一稀疏信号恢复模型采用以下公式确定：
[0017]min||h
A
||0,s.t.||y
‑
PFh
A
||2＜ε,
[0018]其中，||h
A
||0表示h
A
中非零元素的个数；h
A
表示所述第一估计结果；ε表示可容忍的误差阈值；y表示用户获取的接收导频；P表示所述MIMO基站向所述用户发送的导频矩阵；F表示远场信道转换矩阵。
[0019]根据本专利技术提供的一种信道估计方法，所述基于所述近场路径分量在极化域的稀疏性，根据压缩感知算法对所述近场路径分量进行估计，得到第二估计结果，包括：基于所述近场路径分量在极化域的稀疏性，通过所述混合信道估计模型以及所述压缩感知算法对所述近场路径分量进行估计，得到第二估计结果。
[0020]根据本专利技术提供的一种信道估计方法，所述基于所述近场路径分量在极化域的稀
疏性，通过所述混合信道估计模型以及所述压缩感知算法对所述近场路径分量进行估计，得到第二估计结果，包括：
[0021]通过所述混合信道估计模型，确定第二稀疏信号恢复模型；
[0022]以接收导频与所述第一估计结果的影响之差作为第二初始残差向量，通过压缩感知算法对所述第二稀疏信号恢复模型进行计算，得到所述第二估计结果，其中，所述第二初始残差向量通过以下公式确定：
[0023]r＝y
‑
PFh
A
[0024]r表示所述第二初始残差向量；y表示所述接收导频；PFh
A
表示所述第一估计结果的影响。
[0025]根据本专利技术提供的一种信道估计方法，所述第二稀疏信号恢复模型采用以下公式确定：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信道估计方法，其特征在于，所述方法应用于MIMO基站，所述方法包括：创建混合场信道模型，其中，所述混合场信道模型包括远场路径分量子模型和近场路径分量子模型；基于所述远场路径分量子模型，对关于所述MIMO基站的信道进行划分，得到关于所述MIMO基站的多条远场路径分量，以及基于所述近场路径分量子模型，对关于所述MIMO基站的信道进行划分，得到关于所述MIMO基站的多条近场路径分量；基于所述远场路径分量在角度域的稀疏性，根据压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，以及基于所述近场路径分量在极化域的稀疏性，根据压缩感知算法对所述近场路径分量进行估计，得到第二估计结果；基于所述第一估计结果和所述第二估计结果，得到关于所述MIMO基站的信道估计结果。2.根据权利要求1所述的信道估计方法，其特征在于，所述基于所述第一估计结果和所述第二估计结果，得到关于所述MIMO基站的信道估计结果，包括：基于角度域信道转化矩阵对所述第一估计结果进行处理，得到所述第一估计结果在所述MIMO基站所在的原始空间域的转化后第一估计结果，以及基于极化域信道转化矩阵对所述第二估计结果进行处理，得到所述第二估计结果在所述MIMO基站所在的原始空间域的转化后第二估计结果；基于所述转化后第一估计结果和所述转化后第二估计结果，得到关于所述MIMO基站的信道估计结果。3.根据权利要求1所述的信道估计方法，其特征在于，所述混合场信道模型采用以下公式确定：其中，h表示所述MIMO基站到用户之间的信道；N表示所述MIMO基站的天线数目；L表示基于所述远场路径分量子模型和所述近场路径分量子模型确定的所有路径分量的数目；γ表示基于所述远场路径分量子模型确定的远场路径分量占所有路径分量的数目比例；表示基于所述远场路径分量子模型确定的远场路径分量中的远场路径增益；表示基于所述近场路径分量子模型确定的近场路径分量中的近场路径增益；表示基于所述远场路径分量子模型确定的远场路径分量对应的空间角度；表示基于所述近场路径分量子模型确定的近场路径分量对应的空间角度；表示基于所述近场路径分量子模型确定的近场路径分量对应的超大规模阵列的中心到散射体之间的距离；a(θ0表示远场阵列响应矢量；b(θ,r)表示近场阵列响应矢量。4.根据权利要求1所述的信道估计方法，其特征在于，所述基于所述远场路径分量在角度域的稀疏性，根据压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，包括：确定混合信道估计模型；基于所述远场路径分量在角度域的稀疏性，通过所述混合信道估计模型以及所述压缩感知算法对所述远场路径分量进行估计，得到第一估计结果。
5.根据权利要求4所述的信道估计方法，其特征在于，所述混合信道估计模型采用以下公式确定：y＝PFh
A
+PWh
P
+n其中，y表示用户获取的接收导频；n表示接收噪声；P表示所述MIMO基站向所述用户发送的导频矩阵；h
A
表示所述第一估计结果；F表示远场信道转换矩阵；h
P
表示所述第二估计结果；W表示近场信道转换矩阵。6.根据权利要求5所述的信道估计方法，其特征在于，所述通过所述混合信道估计模型以及所述压缩感知算法对所述远场路径分量进行估计，得到第一估计结果，包括：通过所述混合信道估计模型，确定第一稀疏信号恢复模型；以所述接收导频作为第一初始残差向量，通过压缩感知算法对所述第一稀疏信号恢复模型进行计算，得到所述第一估计结果。7.根据权利要求6所述的信道估计方法，其特征在于，所述第一稀疏信号恢复模型采用以下公式确定...

【专利技术属性】
技术研发人员：戴凌龙，魏秀红，崔铭尧，陆宇，吴梓栋，
申请(专利权)人：清华大学，
类型：发明
国别省市：