技术领域
[0001] 本
发明属于无线移动通信技术领域，具体涉及一种ADMA场景下MIMO系统信道估计的实现方法。
背景技术
[0002] 近年来，随着移动应用的爆炸式增长和现代信息社会数据、视频等高
质量的多媒体业务的蓬勃发展，现有的4G移动通信技术不能在保持很长时间满足企业和消费者对于无线通信网络的需求，所以，拥有更强大的承载
力和更广泛的应用场景的5G移动通信技术应运而生。而大规模多输入多输出(Massive Multiple Input Multiple Output，大规模MIMO)正是5G的关键技术之一，它因具有高
频谱效率、高功率效率以及高鲁棒性等优点而成为研究热点。大规模MIMO系统的性能很大程度上依赖于对于上行链路和下行链路信道状态信息的获取，即信道估计。但是大规模MIMO的大规模天线阵列会导致传统信道估计
算法的复杂度和资源消耗程度大大提升，同时也会带来导频污染等现象，在一定程度上限制了大规模MIMO发挥它的优势和特长。
[0003] 大规模MIMO的大规模天线阵列会使得系统的空间
分辨率大大提升，而且天线阵列建在高处带来的有限散射会使得入射
信号的
角展度很小，会导致信道呈现出一定的稀疏性，比如信道冲激响应矩阵和信道协方差矩阵会呈现出低秩的特性。这样一来，有效的信道状态信息的维度就得到了降低，从而使得信道估计的复杂度得到了降低。
[0004] 对于4G基站来说一般只有8根天线，而对于5G基站来说，天线阵列的规模一般是128根或者256根天线，所以大规模MIMO的信道估计来说，即使我们可以降低有效的信道状态信息的维度，但是在这之前依然会涉及到很多高秩矩阵的计算，包括DFT等。如果仅仅用
软件方法实现，会造成估计速度比较缓慢，效率很低。
发明内容
[0005] 发明目的:针对上述
现有技术的不足，本发明提供一种在ADMA场景下对大规模MIMO系统信道估计的
硬件实现方法，本发明提供的实现方法有效降低了现有大规模MIMO系统信道估计的复杂度，所提出的硬件结构具有很高的效率和吞吐量。
[0006] 技术方案：一种ADMA场景下MIMO系统信道估计的实现方法，所述方法基于信道冲激响应向量的DFT与信道的
空域特征之间的联系，包括以下步骤：
[0007] (1)序文训练以及用户分组：包括采用最小二乘估计对每个用户进行一次训练，提取每个用户的空域特征，然后依据用户空域特征进行用户分组，且每组用户的空域特征互不重叠；步骤(1)在基站一侧完成，包含的模
块有：预处理模块、用户信息提取模块、用户分组模块。所述步骤(1)通过提取用户信息进行用户分组，同一小组的用户可以使用同一导频序列，从而起到充分利用有限数量的导频序列，并保证没有导频污染的作用。
[0008] (2)上行链路信道估计：将所有用户同时向基站发送的导频序列，然后利用最小二乘估计得到每组用户的
叠加的信道状态信息，再经过FFT变换之后，依据每个用户的空域特征提取相对应每个用户的信道信息；步骤(2)在基站一侧完成，包含的模块有：预处理模块、上行链路估计模块。利用步骤(1)中提取的用户信息和分组情况，进行快速的上行链路信道估计，即可以通过一次最小二乘估计提取出同一小组内所有用户的上行链路信道信息。
[0009] (3)下行链路信道估计及反馈：利用最小二乘法分别估计基站向每个用户发送的导频序列，提取对应于其空域特征的信道状态信息并反馈给基站。本步骤在用户一侧完成，包含的模块与步骤(2)相同。利用步骤(1)中提取的用户信息，进行下行链路估计，并通过反馈信道把估计结果反馈给基站。
[0010] 进一步的，步骤(1)所述的序文训练以及用户分组具体包括以下步骤：
[0011] (1.1)对不同用户发送到基站的不同
正交序列进行数据缓冲；
[0012] (1.2)通过最小二乘估计分离出每个用户完整的信道信息，然后通过FFT和最大值
抽取对用户信道冲激响应中的非零元素的索引进行提取；
[0013] (1.3)对每个用户提取出的信息进行存储，当所用用户的信息都提取完成后，依据提取信息将空间上相互不干扰的用户分在一组，在上行链路估计时采用相同的导频序列。
[0014] 步骤(2)所述的上行链路信道估计包括所有用户同时发送自己所在的组对应的导频序列到基站，其步骤如下：
[0015] (2.1)基站对导频序列进行数据缓冲，通过最小二乘估计分离出每个组的用户叠加的信道；
[0016] (2.2)通过上行链路估计模块依据之前获得的用户信息提取出该分组每个用户的信道信息，然后再恢复出完整的信道冲激响应向量。
[0017] 步骤(3)中基站向用户发送导频序列包括以下步骤：
[0018] (3.1)用户对基站发送的导频序列利用最小二乘估计；
[0019] (3.2)提取用户信息进行信道的信息，并反馈给基站，由基站再恢复出完整的信道冲激响应向量。
[0020] 更进一步的，所述的方法中最小二乘模块的设计运算为矩阵乘向量，且采用脉动阵列结构；所述的FFT模块设计采用反馈结构。所述的实现方法采用功能模块设计，包括预处理模块、用户信息提取模块、用户分组模块、上行链路估计模块、下行链路估计模块，其中除用户分组模块外，均采用流
水线结构。
[0021] 本设计除分组模块外，均采用流水线结构，可以达到最大的数据通过率。
[0022] 有益效果：本发明与现有技术相比，其显著的效果在于，第一、本发明相比其它大规模MIMO系统的信道估计方法，大大降低了算法的复杂度和计算开销，尤其是通过导频序列的共用达到了节省导频序列数量的效果；第二、本发明由于大大降低复杂度，在高
信噪比下估计的均方误差有所降低，但是在低信噪比下比常规的最小二乘估计方法有所提升；第三、本发明的
硬件实现方案效率和数据吞吐率都很高，同时资源消耗也一定程度上得到了节省。
附图说明
[0023] 图1是本发明所述传输策略示意图；
[0024] 图2是本发明所述硬件实现方案结构图；
[0025] 图3是本发明所述最小二乘估计模块结构图；
[0026] 图4是本发明所述FFT模块结构图；
[0027] 图5是本发明所述脉动分组模块结构图；
[0028] 图6是本发明的PE对应的功能示意图；
[0029] 图7是本发明优选情况下均方误差与信噪比的关系图。
具体实施方式
[0030] 为了详细的说明本发明公开的技术方案，下面结合具体
实施例和
说明书附图作进一步的阐述。
[0031] 在一个多用户的大规模MIMO系统中，基站的天线阵列形式为均匀线性天线阵，间隔为d，天线数量为M(M＞＞1)，在此基站所
覆盖的小区里面随机分布着K个用户，并且用户终端都是单天线终端。信道规定衰落模型为慢衰落。用户k向基站发送的信号包含了P个波束(P＞＞1)，那么该用户的上行信道的冲激响应向量可以表示为：
[0032]
[0033] 其中，阵列流型矢量如下：
[0034]
[0035] 且αkp为复增益。
[0036] 本发明的传输策略如图1所示，先进行序文部分训练，先由每个组的用户分别发送导频序列给基站，然后基站进行用户分组；然后可以连续进行几次上行和下行链路的训练和数据传输，进行的次数由用户的移动性决定。
[0037] 本发明的硬件实现方案结构图如图2所示，步骤(1)序文部分信道估计以及提取用户信息进行用户分组，分组根据基站可容纳导频序列进行划分，具体步骤如下：
[0038] 由于基站最多可容纳τ个导频序列，那么把用户分成每τ个一组，按组依次向基站发送导频序列，那么基站收到的其中一组用户的信号可以表示为：
[0039]
[0040] 其中 是本组用户信道冲激响应向量(简称为信道向量)组成的矩阵， 为
能量约束矩阵， 为导频序列组成的矩阵，
为高斯噪声矩阵，那么用户k的信道向量可以通过最小二乘估计模块估
计为：
[0041]
[0042] 其中 为上行链路的信道能量， 和 分别是信号和噪声的方差，L为导频序列的长度。最小二乘估计模块的结构如图3所示，采用脉动阵列结构，由PE(处理单元)串接而成，每个PE负责一次乘加操作，在两个PE之间的连线处加了一级寄存器，形成了流水线结构，即每个时钟数据都在每个PE中进行操作并传输至下一个PE。由于接受信号是按天线数，即按列接受，一次接收M个数据，所以要想与最小二乘估计模块的PE(处理单元)相对应，需要将数据存储，即通过数据存储缓冲模块做以匹配。
[0043] 然后要对用户k的空域信息进行提取，即提取出信道向量中最大的连续τ个非零元素的索引，先要对信道向量进行旋转因子相乘和FFT，其计算表达式如下：
[0044]
[0045] 其中Φ(φ)＝diag{[1,ejφ,...,ej(M-1)φ]}是旋转因子矩阵， 所以需要分三路并行。 为DFT矩阵的元素。旋转因子相乘已在图3中体现，FFT采用反馈结构，如图4所示，通过MUX(数据选择器)对新输入数据和反馈回来的数据进行数据选择通过，从而进行寄存器的重复利用，达到节省资源的目的，同时此模块具有流水操作的特点，吞吐率很高。然后选出对应每一个φ的最大非零元素的索引，再在其中选取一个最大值的索引 然后向两侧对称拓展一个包含τ个索引的索引集合 虽然确立了这样的规则，但是在实际硬件实现方法中，只储存 和对应的φ即可。
[0046] 待到所有用户的空域信息都储存完毕后，即可开始分组。分组的目标是使得每组内用户的空域特征互相不重叠并且有一定的间隔，即
[0047]
[0048]
[0049] 其中 是指分在同一组g的用户的序号。实际操作中，要使同一组用户的 之间至少相隔Ω+τ。采取的方法是：先通过排序网络将所有用户的 进行排序，再通过
串并转换模块流水的送给脉动阵列分组模块进行分组操作。脉动阵列分组模块的结构参见图5，脉动阵列分组模块的结构和每个比较PE对应的功能如图6所示，每一个比较PE对应一个分组，每个用户的 依次经过比较PE，如果满足条件则进入此分组，并且作为下一个用户能否入组的标准；如果不满足条件则进入下一个比较PE进行判断处理。如此的脉动结构可以大大提高分组的效率。
[0050] (2)上行链路信道估计
[0051] 所有K个用户已被分为Gut个组(Gut≤τ)，此时所有用户一起向基站发送自己分组所对应的的导频序列，基站收到的信号为
[0052]
[0053] 接收到的数据进行缓冲后，进行最小二乘估计，分离出每组用户的叠加的信道向量，然后先进行旋转因子相乘和FFT，即(以第g组为例)
[0054]
[0055]
[0056] 由于每个用户的φ并不相同，为了提高运算速度，每个用户的旋转因子相乘和FFT要分开并行的做。之后即可依据每个用户的 进行信道信息的提取，即最后再通过IFFT恢复出完整的信道向量，不过此处由于有效的信息维度很小，所以可以不做完整的IFFT，而仅通过矩阵乘向量和旋转因子相乘即可完成，即
[0057]
[0058] 此处的脉动结构与最小二乘估计很相似，只是PE单元数量略有不同，应为τ个，其余结构均相同。
[0059] (3)下行链路信道估计及反馈
[0060] 下行链路估计与上行类似，基站发送给用户导频序列，用户一侧收到信息后，先进行最小二乘估计和DFT，然后根据、自己的空域特征进行信道状态信息的提取(由于本方案的上下行信道具有互易性，可以认为用户的上下行信道的空域特征是相同的)，然后把提取出的信道状态信息通过反馈信道反馈给基站。其具体硬件实现方法与上行链路估计的实现方案相同，故不展开叙述。
[0061] 本方案的一个优选设计参数为选取天线数M＝128，用户数K＝32，波束个数为100，导频序列长度64，在这些参数选取下，进行100次仿真得到的信道估计结果的均方误差与信噪比的关系如图7所示。
