首页 / 专利库 / 电脑编程 / 算法 / 期望最大化算法 / 毫米波大规模MIMO系统的波束空间信道估计方法

毫米波大规模MIMO系统的波束空间信道估计方法

阅读:395发布:2020-05-20

专利汇可以提供毫米波大规模MIMO系统的波束空间信道估计方法专利检索,专利查询,专利分析的服务。并且本 发明 属于无线通信技术领域,涉及一种毫米波大规模MIMO系统的波束空间信道估计方法。本发明基于波束空间中的信道稀疏性,首先将信道估计放到稀疏 信号 恢复的 框架 中,第一步利用OMP 算法 获得信道的粗略估计,也就是只保留 稀疏信号 中几个具有较大绝对幅值的元素,其次基于 期望最大化算法 来学习框架中的相关参数,利用估计的参数,可以通过简单的替换获得信道估计。相较基于支持检测、SCAMPI的算法,本发明所提出的方案可以充分有效地利用信道响应的特性从而实现更好的估计性能,并且相比单纯的基于期望最大化的算法,该方案具有更低的复杂度且性能也更具优势。,下面是毫米波大规模MIMO系统的波束空间信道估计方法专利的具体信息内容。

1.毫米波大规模MIMO系统的波束空间信道估计方法,所述MIMO系统的基站配备有三维透镜天线阵列,透镜长度和高度分别为Dy和Dz,并将M×N天线阵列置于透镜焦平面上,MN根天线通过Q×MN的选择网络W与Q个射频链相连,即基站利用网络 检测接收信号y;
其特征在于,所述信道估计方法包括以下步骤:
S1、将信道h表示为字典D中原子的线性组合,具体为:令入射平面波方位和入射平面波仰角 在[-1,1]均匀采样P个网格点S={-1+1/P,-1+3/P,...,(P-1)/P},字典D中的第p个原子D(:,p)记为v(sp1,sp2),v(·)表示矢量化,sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P,此时字典的维度为MN×P2,信道h为:
由于多径数L有限,因此信号x是稀疏的;将接收信号记为:
n为噪声矢量,测量矩阵
S2、基于OMP算法稀疏信号x进行粗略估计得到 并保留其中I个绝对幅值最大的元素及其位置,其中I大于L但远小于P2;OMP算法的具体实现步骤如下:
1)、初始化:接收信号r0=r,索引合集 迭代次数t=1, 表示空集;
2)、找到第t次迭代的索引λt: a'j代表矩阵A'的第j列;
3)、令Λt=Λt-1∪{λt}, 表示测量矩阵A'的第λt列,A't表示按索引Λt选出的矩阵A'的列集合;
4)、求r=A'txt+n的最小二乘解:
5)、更新残差:
6)、t=t+1,若t小于等于I,则返回步骤2;
7)、得到重构的 在Λt处有非零项,其值分别为最后一步迭代得到的
S3、对S1中的字典进行细化,记信道响应矢量为:
其中,s1、s2表示S中离 最近的格子点,
δy、δz表示 的离散化误差,d(s1,s2)=v(s1,s2),dy(s1,s2)和dz(s1,s2)分别是 对求导后在s1、s2处的值;基于此,步骤S1中的字典D转换为3个MN×P2的稀疏使能字典D,Dy,Dz且D(:,p)=d(sp1,sp2),Dy(:,p)=dy(sp1,sp2),Dz(:,p)=dz(sp1,sp2),信道另记为:
T T
其中, 且δy=[δy,1,δy,2,...,δy,P], 且δz=[δz,1,δz,2,...,δz,P],IP表示长度为P的单位列向量,由于信道只有L条多径,δy、δz只有L个非零元,若(sp1,sp2)是离最近的格子点,则 否则δy,p1=0、δz,p2=0且1≤
p1,p2≤P;
根据步骤S2中确定的I个非零元的位置Iloc,保留字典D,Dy,Dz中的相应列得到降维字典且 以及保留参数δ1、δ2中的相应元
素得到新的参数 接收信号记为:
S4、通过期望最大化算法对降维信号 进行细化估计:
S41、计算信号 的后验分布均值和方差
假设信号 中每个元素服从均值为0,方差为 的相同复高斯分布,且α=[α1,α2,…,αI]T;噪声n中每个元素服从均值为0,方差为β-1的相同复高斯分布;因此,利用信号 的先验概率 和条件概率 并基于期望最大化算法可得信号 的后验概率为:
其中,||·||表示表示向量的二范数,<·>q(n)表示相对于高斯噪声后验分布q(n)的期望,(·)H表示共轭转置,协方差矩阵 后验均值 Ddiag=diag
(α)表示对角线上为矢量α的对角阵;
S42、更新参数α、β、
通过最大化完全似然函数 来实现参数的更新:
上式分别对αl、β求导并令其一阶导数为0,得到参数αl、β的更新公式:
相对参数 最大化完全似然函数也就是最小化函数
为了便于表示,将Φ另记为
其中, 此时目
标函数 中的两项可分别表示为:
其中,(·)*、(·)T分别代表共轭和转置符号, 表示对变量取实部,⊙表示Hadamard积;
综合以上两式,最终得到目标函数 为:
其中,
E、
F、G、U、V只是作为中间变量方便公式的表示,没有物理含义;基于式(17)分别对 求导,得到参数 的更新公式:
对于 中的任意一个元素 有以下限制:当 时, 当
时, 当 时,
S43、迭代步骤S41、S42直到循环结束条件:迭代次数大于等于N或
其中N表示最大迭代次数, 代表第n次迭代的后验均值;
S5、信道估计值的获取:
根据参数 的估计值及信号 的后验均值,基于
得到信道h的估计值。

说明书全文

毫米波大规模MIMO系统的波束空间信道估计方法

技术领域

[0001] 本发明属于无线通信技术领域,涉及一种毫米波大规模MIMO系统的波束空间信道估计方法。

背景技术

[0002] 由于毫米波大规模MIMO的大带宽和高频谱效率,从而可以实现数据速率的显著提高,因此它被认为是5G无线通信的关键技术。然而在实践中实现毫米波大规模MIMO并不容易,一个关键的挑战性问题是MIMO系统中的每根天线通常需要一个专用的射频(RF)链(包括数模转换器、上变频器等),这将导致毫米波大规模MIMO系统中难以承受的硬件成本和能量消耗,并且由于天线数量变大,RF链的能量消耗就会很高。如果考虑一个典型的基站有256根天线的毫米波大规模MIMO系统,仅仅RF链消耗的能量就会远远高于4G微蜂窝基站的能量消耗。为了减少所需射频链的数量,具有透镜天线阵的毫米波大规模MIMO被提出。
[0003] 透镜天线阵列通常由具有能量聚焦能的电磁透镜和位于透镜焦面上的匹配天线阵列构成,可以通过在不同天线上集中来自不同方向的信号将传统信道变换为波束空间信道。由于毫米波频率的散射不丰富,因此毫米波通信中的有效传播路径数量非常有限,仅占用少量波束,因此毫米波波束空间是稀疏的。基于此,可以根据稀疏波束空间信道选择少量主波束,以显著减小MIMO系统的维数和所需射频链的数量。所以具有透镜天线阵列的毫米波大规模MIMO被认为是缓解巨大能耗瓶颈的有效方案。当天线阵列很大并且RF链的数量有限时,毫米波通信系统的信道估计问题具有较大难度,而透镜天线阵列的能量聚焦能力和毫米波通信的多径稀疏性给信道估计问题带来了新的技术。包括之前提出的基于支持检测、SCAMPI等信道估计算法

发明内容

[0004] 为了在较低的算法复杂度下进一步提高信道估计性能,本发明提出了一种新信道估计方案。基于波束空间中的信道稀疏性,首先将信道估计放到稀疏信号恢复的框架中,第一步利用OMP算法获得信道的粗略估计,也就是只保留稀疏信号中几个具有较大绝对幅值的元素,其次基于期望最大化算法来学习框架中的相关参数,利用估计的参数,可以通过简单的替换获得信道估计。相较基于支持检测、SCAMPI的算法,本发明所提出的方案可以充分有效地利用信道响应的特性从而实现更好的估计性能,并且相比单纯的基于期望最大化的算法,该方案具有更低的复杂度且性能也更具优势。
[0005] 本发明采用了OMP和EM算法,OMP算法的目的是对稀疏信号进行一个粗略估计并保留其中的非稀疏元素以降低待估信号的维度,EM算法就只需要再次对降维信号进行细化估计,从而减小EM算法的复杂度。
[0006] 为了便于本领域内技术人员对本发明技术方案的理解,首先对本发明采用的系统模型进行说明。
[0007] 考虑单天线用户向配备有三维(3D)透镜天线阵列的基站(BS)发送信号,基站处的EM透镜长度和高度分别为Dy和Dz,并将M×N天线阵列置于透镜焦平面上,MN根天线通过Q×MN的选择网络W与Q个射频链相连。记天线的索引为(m,n),于是有第(m,n)根天线处的阵列响应为:
[0008]
[0009] 其中, λ、φy、φz分别代表入射平面波波长、入射平面波方位、入射平面波仰角,且天线数与透镜尺寸满足 且 且
[0010] 根据公式(1),定义第l条路径的阵列响应矩阵为 假设共有L条多径,3D透镜天线阵列的信道矩阵为:
[0011]
[0012] 其中,α(l)是第l条路径的复增益,且服从零均值单位方差的复高斯分布。通过矢量化H和A(l),可得波束空间信道矢量为:
[0013]
[0014] h和v(l)分别表示H和A(l)的矢量化结果。
[0015] 在上行链路信道估计中,用户向基站发送的训练符号s,此时基站的接收信号为:
[0016]
[0017] 其中, 表示服从均值为0,方差为 复高斯分布的噪声矢量。信噪比定义为 不失一般性,假设s=1,因此可以省略符号s以简化表示。
[0018] 由于有限的射频链,BS不能直接观测信号y。假设有K个射频链,基站利用选择网络来检测y,因此得到 的每一个分支由1位移相器实现。对于q个训练符号,总的接收信号为:
[0019]
[0020] 其中, 且Q=Kq, 且Iq为长度为q的单位矢量,复高斯噪声矢量表示Kronecker积。
[0021] 本发明通过如下步骤实现:
[0022] S1、首先将信道h表示为字典D中原子的线性组合。假设到达角 在[-1,1]均匀采样P个网格点S={-1+1/P,-1+3/P,...,(P-1)/P},字典D中的第p个原子D(:,p)可以记为v(sp1,sp2),v(·)与公式(3)中v相对应,sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P,此时字典的维度为MN×P2,公式(3)可另记为:
[0023]
[0024] 由于多径数L有限,因此信号x是稀疏的。基于式(5),将接收信号另记为:
[0025]
[0026] 其中,测量矩阵 n为噪声矢量。
[0027] S2、基于OMP算法对稀疏信号x进行粗略估计得到 并保留其中I个绝对幅值最大的元素及其位置,其中I稍大于L但远小于P2。OMP算法的具体实现步骤如下:
[0028] 1)、初始化:r0=r, t=1,其中t表示迭代次数, 表示空集
[0029] 2)、找到第t次迭代的索引λt:
[0030] 3)、令Λt=Λt-1∪{λt}, 其中 表示测量矩阵A'的第λt列
[0031] 4)、求r=A't xt+n的最小二乘解:
[0032] 5)、更新残差:
[0033] 6)、t=t+1,若t小于等于I,则返回步骤2
[0034] 7)、得到重构的 在Λt处有非零项,其值分别为最后一次迭代得到的[0035] 其中a'j代表公式(7)中测量矩阵A'的第j列,Λt代表第t次迭代的索引合集,A't表示按索引Λt选出的矩阵A'的列集合,A'0表示A't的初始化,最后得到只保留了 中I个非零元的信号 其中, 表示待估稀疏信号, 表示通过OMP算法对x实现的粗略估计值, 表示 中的I个非稀疏元素的集合。
[0036] S3、对S1中的字典进行细化,另记信道响应矢量为:
[0037]
[0038] 其中,s1、s2表示S中离 最近的格子点,δy、δz表示 的离散化误差。d(s1,s2)=
v(s1,s2),dy(s1,s2)和dz(s1,s2)分别是 对 求导后在s1、s2处的值。基于此,步骤S1中的字典D转换为3个MN×P2的稀疏使能字典D,Dy,Dz且D(:,p)=d(sp1,sp2),Dy(:,p)=dy(sp1,sp2),Dz(:,p)=dz(sp1,sp2),sn表示S的第n个元素,p=p1+(p2-1)P且1≤p1,p2≤P。基于此,信道可另记为:
[0039]
[0040] 其中,diag(δ)代表对角元上为矢量δ的对角矩阵, 且δy=[δy,1,δy,2,...,δy,P]T, 且δz=[δz,1,δz,2,...,δz,P]T,IP表示长度为P的单位列向量,由于信道只有L条多径,δy、δz只有L个非零元,若(sp1,sp2)是离 最近的格子点,则否则δy,p1=0、δz,p2=0且1≤p1,p2≤P。
[0041] 根据步骤S2中确定的I个非零元的位置Iloc,保留字典D,Dy,Dz中的相应列得到降维字典 且 以及保留参数δ1、δ2中的相应元素得到新的参数 基于式(5),此时的接收信号可记为:
[0042]
[0043] 其中,
[0044] S4、通过期望最大化算法对降维信号 进行细化估计:
[0045] S41、计算信号 的后验分布均值和方差
[0046] 假设信号 中每个元素服从均值为0,方差为 的相同复高斯分布,令 中所有元素方差集合α=[α1,α2,…,αI]T。噪声n中每个元素服从均值为0,方差为β-1的相同复高斯分布。因此,利用信号 的先验概率 和条件概率 并基于期望最大化算法可得信号 的后验概率为:
[0047]
[0048] 其中,||·||表示表示向量的二范数,<·>q(n)表示相对于高斯噪声后验分布q(n)的期望,(·)H表示共轭转置,因此协方差矩阵 后验均值 Ddiag=diag(α)表示对角线上为矢量α的对角阵。
[0049] S42、更新参数α、β、
[0050] 通过最大化完全似然函数 来实现参数的更新, 表示相对信号 后验分布 的期望:
[0051]
[0052] 上式分别对αl、β求导并令其一阶导数为0,得到参数αl、β的更新公式:
[0053]
[0054]
[0055] 其中, 表示协方差矩阵 的第(l,l)个分支,tr(·)表示矩阵的迹。
[0056] 相 对 参 数 最 大 化 完 全 似 然 函 数 也 就 是 最 小 化 函 数为了便于表示,将Φ另记为其中, 此时目
标函数 中的两项可分别表示为:
[0057]
[0058]
[0059] 其中,(·)*、(·)T分别代表共轭和转置符号, 表示对变量取实部,⊙表示Hadamard积,综合以上两式,最终得到目标函数 为:
[0060]
[0061] 其中,E 、
F、G、U、V只是作为中间变量方便公式的表示,没有特殊含义。基于式(17)分别对 求导,得到参数 的更新公式:
[0062]
[0063]
[0064] 对于 中的任意一个元素 有以下限制:当 时, 当时, 当 时,
[0065] S43、迭代步骤S41、S42直到循环结束条件:迭代次数大于等于N或其中N表示最大迭代次数, 代表第n次迭代的后验均值。
[0066] S5、信道估计值的获取
[0067] 根据参数 的估计值及信号 的后验均值,基于可得到信道h的估计值。
[0068] 本发明的有益效果为能够在较低的算法复杂度下对具有透镜天线阵列的毫米波大规模MIMO系统进行更有效的信道估计。附图说明
[0069] 图1是本发明的算法与之前相关文献所提算法的NMSE性能曲线比较;
[0070] 图2是在移相器的不同断开比率下本发明的算法的NMSE性能曲线图。

具体实施方式

[0071] 下面结合附图和仿真示例说明本发明的有效性:
[0072] 仿真基于一个基站配有41×41透镜天线阵列的毫米波系统进行,相应的透镜尺寸为 其中波长λ=1,多径数L等于3,均匀采样的网格点数P取做41以保证字典D的完备性。经过OMP算法保留信号x中的10个最大非零元得到 最后对降维信号 进行细化估计得到hest,归一化均方误差定义为 来评估每个算法的性能,其中hest表示估计信道,h表示实际生成的信道,这里考虑100个信道。
[0073] 图1表示在相同的仿真条件下,SD算法、服从均匀分布的SCAMPI算法、单纯基于期望最大化算法、本发明所提出的算法在-20至10dB信噪比时的NMSE曲线。通过比较各算法的仿真性能可以发现,本发明所提出算法具有最好的信道估计性能,相较于单纯的基于期望最大化算法,本算法由于先对稀疏信号中的非零分支进行粗略估计以及再次的细化估计,使得本算法的仿真性能有所提升且算法的复杂度也得以降低。
[0074] 图2表示当W中的一些移相器断开以节省功率时所提出的方案的仿真性能。令p为总移相器中断开的移相器比率,从图2中可以看出,本发明所提出算法对移相器比率的变化不太敏感,即使总的移相器减少90%,该算法仍然具有很好的优势,且在10dB处的NMSE增加约2×10-3,相较于90%的网络功耗降低,性能的下降可忽略。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈