一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计方法
专利汇可以提供一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA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 提出一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA( 最小均方误差 -主成分分析)信道估计方法。该方法首先在基站侧以MMSE预编码为基准的幅度最大化标准选择波束 信号 。其次在接收端使用PCA信道压缩方法，将信道进行压缩 降维 ，最后使用经典的最小二乘法(LS)进行信道估计。MMSE预编码可以减小系统中信道噪声和各个用户之间的干扰，减少基站使用射频链路数目，因此可降低系统的实现成本和 能量 损耗。同时，PCA利用原始高维数据的相关性，将高维的 数据压缩 到低维。该方法在降低系统复杂度 基础 上，达到有效优化系统传输性能和提高能量效率的目的。，下面是一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计方法专利的具体信息内容。
1.一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计方法，其特征在于，包括：
S1，在基站侧采用以最小均方误差预编码为基准的幅度最大化(MM)标准选择波束信号，并引入最小均方误差线性预编码技术，以减弱噪声的影响和用户间干扰；
S2，采用时分双工(TDD)大规模MIMO系统，根据TDD系统中的信道互易，在上行链路通过最小二乘法(LS)信道估计来获得信道状态信息(CSI)；
S3，采用Saleh-Valenzuela信道模型体现信道稀疏特性，在接收端使用主成分分析(PCA)信道压缩方法，把CSI从高维映射到低维，用于降低特征维度；
S4，接收端将信道进行压缩降维之后，再采用LS进行信道估计。
2.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计的方法，其特征在于，所述S1包括：
基站侧采用以MMSE预编码为基准的MM标准选择波束信号，在迫零(ZF)算法的基础上引入了MMSE线性预编码技术，MMSE预编码矩阵表达式为：
其中，β表示功率控制因子，||·||2表示求2范数，E(·)表示求期望；为计算简单，MMSE预编码算法的优化问题可以看作是在一定的功率约束条件下求解接收信号与发送信号的最小均方误差的问题；在此基础上，建立目标函数：
其中，P表示信号的最大发射功率；根据MMSE准则，得到预编码矩阵为：
其中，σ2为噪声功率，功率控制因子β为：
其中，Tr(H)表示矩阵的迹，(H)-1表示矩阵的逆，HH表示矩阵的共轭转置。
3.根据权利要求1所述的一种于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计方法，其特征在于，所述S2包括：
天线矩阵U表达式为：
式中： 表示空间方位角，基于3D波束空间的大规模MIMO
的系统模型接收信号可表示为：
式中 为波束空间的接收信号矢量，将信道矢量与转化成波束空间的信道矢量后，转化方式为： 包含了hk的所有信道信息，可用于估计整个CSI；那么波束空间的信道矩阵 可定义为： 表示下行波束
空间信道矩阵；
上行链路通过LS信道估计来获得CSI，这个过程中每个用户需要在Q时刻向基站发送正交导频序列ψm，假设将Q时刻分成为M个块，每个块由K个时刻组成，根据TDD系统中的信道互易，在第m块的基站处接收的上行链路信号矢量 可以表示为：
通过自适应选择网络，基站端用维数为K×N的模拟组合器Wm来组合出 并通过射频链在基带采样中获得维数为K×K的采样信号Rm，其中Rm表达式为：
最后，将降低维度的信号与正交导频矩阵 相乘，获得波束空间信道 的检测矩阵Zm，其中 表示有效噪声矩阵，在TDD系统中，根据上行链路估计得到的CSI，由于信道互易性，可以作为下行信道的CSI。
4.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计的方法，其特征在于，所述S3包括：
由于毫米波通信中有效路径数量有限，因此H具有稀疏结构特性；
那么基于波束空间的大规模MIMO系统降低维度的信号可以表示为：
式中， B表示所选波束的集合，Pr为已降低维数的预编码矩阵；为了实现近乎最佳的性能，基站需要获得具有有限数量的射频链的3D波東空间信道，为了保证K个用户的空间复用增益，所需射频链的最小数目应为NRF＝K，所以考虑射频链数目为NRF＝K，且不损失一般性；
信号通过MM-MMSE进行预编码形成波束发送出去后，接收端接收到预编码信号，然后通过PCA对CSI进行降维；
基于低复杂度PCA的CSI算法中，首先对协方差矩阵进行特征值分解，求出CH的特征值和特征向量，表示为：
其中， 是对角矩阵，其对角元素是协方差矩阵的特征值， 的列向量是
协方差矩阵CH的特征向量；
然后将特征值按照由大到小进行排列，选取特征值贡献率超过阈值γ的前l个特征值所对应的特征向量，组成压缩矩阵
其次利用压缩矩阵 将高维下行信道信息矩阵Hr压缩到低维空间，表示为：
其中 表示降维后的信道矩阵；
基于PCA算法的反馈量压缩比为：
rPCA＝l(Nr+Nt)/(Nr×Nt)
采用非码本的反馈，反馈量是通过压缩比来定义，压缩比越小，所需反馈开销越低；
最后用户将 以及压缩矩阵 反馈给基站端，基站端接收到反馈信息后利用同样的压缩矩阵恢复原始信道，表示为；
其中 表示信道的恢复值。
5.根据权利要求1所述的一种基于波束选择的毫米波大规模MIMO系统MMSE-PCA信道估计方法，其特征在于，所述S4包括：
接收端用LS算法估计出CSI；
令信道矩阵为H，接收信号矩阵为 发送信号矩阵为X，其估计可表示为：
为得到具体表达式，对上式求偏导，并令偏导为0，可得：
解之，得到信道估计为：
若X是非奇异矩阵，可以使用X的穆尔-彭罗斯逆。
一种基于波束选择的毫米波大规模MIMO系统MMSE–PCA信道估
计方法
技术领域：
2020年的第五代移动通信技术(5G)还处于起步阶段。毫米波大规模多输入多输出(MIMO)是未来5G无线通信的一项关键技术，因为它的带宽更宽和频谱效率更高，可以显著提高数据速率。然而随着移动通信用户数量及无线数据传输速率的飞速增长，现有的频谱资源变得拥挤不堪，已无法达到5G的通信指标要求，因此未被完全开发的毫米波频谱资源在未来5G通信中的应用研究得到了国内外研究学者的关注。一方面，毫米波的带宽可达10GHz，可以为通信系统提供丰富的带宽资源，另一方面，由于无线通信系统中天线尺寸与信号波长成正比，毫米波的波长使得其对应的天线尺寸大大降低，适合在发送端和接收端部署大量的天线，从而获得较高的天线阵列增益。因此，毫米波与大规模MIMO技术的完美结合，将会成为当前通信领域的研究热点。
阵，然后毫米波系统的信道估计问题可以作为一个典型的稀疏信号恢复问题来研究。
间的信道矩阵 可定义为： 表示
下行波束空间信道矩阵；
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种便携式非接触配电网接地故障检测定位系统 | 2020-05-08 | 385 |
| 自适应配置的时分双工通信系统中的上行链路功率控制 | 2020-05-15 | 7 |
| 一种逆变频率自适应控制电路及控制方法 | 2020-05-13 | 124 |
| 无线个域网发射波束成形 | 2020-05-11 | 241 |
| 一种基于自适应虚拟阻抗的低压微网逆变器的控制方法 | 2020-05-14 | 417 |
| 基于自适应虚拟阻抗的孤岛微电网无功功率分配控制方法 | 2020-05-11 | 227 |
| 茎流信号采集节点和利用该节点的基于温补偿的热源自适应茎流测量系统 | 2020-05-12 | 459 |
| 一种具有多层管理体系和结构的模块化电池系统 | 2020-05-12 | 133 |
| 一种无人机网络拓扑及路由联合构建方法 | 2020-05-15 | 840 |
| 功率控制方法、装置及电子设备 | 2020-05-12 | 207 |
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。
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。
