大规模mimo系统中结合grassmann流形的信道估计方法及系统
技术领域
1.本发明属于无线通信技术领域，具体涉及大规模mimo系统中结合grassmann流形的信道估计方法及系统。
背景技术：2.在大规模mimo系统中，无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等，使得发射机和接收机之间的传播路径非常复杂。将无线信道传输的信息看作一个矩阵，利用流形的概念，传输的信道信息就是grassmann流形里的一个点。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，因而从基站发送到用户的信号也因此受到影响而变得不准确。因此，在实际系统中如何获取完整的csi对系统性能的影响至关重要。
3.针对单用户大规模mimo系统，要获取下行csi需要花费大量的导频开销。在实际的mimo系统中，由于训练量和反馈开销与bs天线的数量成正比，因此采用传统的线性信道估计方法(如最小二乘算法(ls)和线性最小均方误差算法(lmmse))来获取csi的开销太大。
4.针对以上技术问题，故需对其进行改进。
技术实现要素：5.针对现有技术中存在的上述问题，本发明结合数学领域中的grassmann流形，提供一种大规模mimo系统信道估计方法及系统，本发明提升了信道估计的准确性。
6.本发明采用以下技术方案：
7.大规模mimo系统中结合grassmann流形的信道估计方法，包括如下步骤：
8.s1、接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；
9.s2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
10.s3、利用grassmann流形的性质，以得到方位到达角估计值；
11.s4、利用方位到达角估计值，恢复信道状态信息。
12.作为优选方案，s1中初步估计信道信息的计算公式为：
[0013][0014]
其中，lc表示基站到用户之间的传播路径数；β
l
表示第l条路径的信道复增益系数；α(θ
l
)表示第l条路径的信道导向矢量；θ
l
为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
[0015]
作为优选方案，第l条路径的信道导向矢量表示为：
[0016]
[0017]
其中，t表示转置，n
t
表示基站处设置的天线数量，j表示虚数单位。
[0018]
作为优选方案，步骤s1中基站发送训练序列m次，接收端根据接收信号得到的初步估计信道信息记为根据上述公式，可以表示为：
[0019][0020]
作为优选方案，步骤s2包括步骤：
[0021]
s2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
[0022]
s2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
[0023]
s2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
[0024]
s2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
[0025]
作为优选方案，步骤s2.1中，第一汉克尔矩阵h
ql
表示为：
[0026][0027]
显然，h
ql
∈cq×
l
，cq×
l
表示为所有大小为q行l列的复数矩阵所组成的集合，q,l为正整数，且满足条件q+l-1＝m,q≥lc,l≥lc且q≥l+1，当m为偶数时，则取定的一个整数，当m h为奇数时，则取定的一个整数；
[0028]
步骤s2.2中，对初步估计信道信息取共轭转置得到可以表示为：
[0029][0030]
上标h表示取共轭转置；
[0031]
步骤s2.3中，第二汉克尔矩阵表示为：
[0032][0033]
步骤s2.4中，合并汉克尔矩阵表示为：
[0034][0035]
作为优选方案，步骤s3，包括步骤：
[0036]
s3.1、对作svd分解，即其中，u是一个大小为q
×
q的酉矩阵，d是一个大小为q
×
2l的对角矩阵，v是一个大小为2l
×
2l的酉矩阵；
[0037]
s3.2、取出矩阵u的前lc(lc为路径数)列，且从第一行依次选取1到2lc行构成矩阵t1、2到2lc+1行构成矩阵t2、3到2lc+2行构成矩阵t3等，并按此规律直至取到q-2lc+1到q行构成矩阵
[0038]
s3.3、分别构造步骤s3.2里的所构造的矩阵tk(k＝1,2,
…
,q-2lc+1)到矩阵的测地线ψk(t)，其中，是一个大小为lc×
lc的零矩阵，是一个大小为lc×
lc的单位阵。ψk(t)计算公式如下：
[0039][0040]
其中，u
1k
，d
1k
，v
1k
是对矩阵作svd分解后的结果，即φk＝atan(d
1k
)。
[0041]
s3.4、计算步骤s3.3的测地线上的点到矩阵的grassmann临界角临界角计算公式如下：
[0042][0043][0044][0045]
其中，u
2k
，d
2k
，v
2k
是对作简约型svd分解所得到的矩阵，d
2k
(i1,i2)表示矩阵d
2k
的第i1行第i2列的元素。
[0046]
s3.5、在步骤s3.3所构造的测地线上找到一点w
1k
使之与矩阵的临界角满足关系式步骤如下：
[0047][0048]
计算发现因此，ψk(t)简化为：
[0049][0050]
求解临界角的步骤如下：
[0051][0052][0053]
其中，φk(i1,i2)表示矩阵φk的第i1行第i2列的元素，将代回ψk(t)，即可得到w
1k
。重复步骤s3.3，分别构造w
1k
到矩阵的测地线，重复s3.5的上述步骤，在新的测地线上找到一点使之与矩阵的临界角满足关系式依此类推，重复上述步骤直至找到一点到矩阵的临界角满足关系式并将此点记为g1，同理，依据步骤s3.3里的其它测地线，按上述步骤可得到矩阵换成其它同类矩阵如矩阵可得到新的一批估计点
[0054]
s3.6、记步骤s3.5得到的所有估计点总个数为g。对g个估计点分别作svd分解，取出左奇异向量矩阵，分别记为p1,p2,
…
,pg。
[0055]
s3.7、计算出矩阵的特征值和对应的特征向量，特征值记为且有取出特征值所对应的特征向量构成矩阵w。
[0056]
s3.8、对w取1到2l
c-1行记为u1，对w取2到2lc行记为u2：
[0057]
u1＝w(1:2l
c-1,:)
[0058]
u2＝w(2:2lc,:)
[0059]
根据式：
[0060][0061]
其中，eig表示取特征值，而angle表示取此特征值的角度，记该角度为
则是θi(i＝1,2,
…
,lc)的估计值。
[0062]
作为优选方案，步骤s4包括：
[0063]
s4.1、根据方位到达角估计值得到重构信道导向矢量
[0064]
s4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数具体步骤如下：
[0065][0066][0067]
s4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
[0068]
作为优选方案，步骤s4.3中，恢复的信道状态信息计算公式为：
[0069][0070]
其中，即为恢复的信道状态信息，
[0071]
本发明还公开了一种大规模mimo系统中结合grassmann流形的信道估计系统，包括如下模块：
[0072]
估计信道信息模块：接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；
[0073]
构造汉克尔矩阵模块：根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
[0074]
方位到达角估计模块：利用grassmann流形的性质，得到方位到达角估计值；
[0075]
恢复信道状态信息模块：利用方位到达角估计值，恢复信道状态信息。
[0076]
本发明的有益效果是：
[0077]
本发明利用grassmann流形的性质估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用grassmann流形的性质估计信道的方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
附图说明
[0078]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0079]
图1是不同信噪比下本发明方法的平均信道利用率的仿真图(训练次数为33)；
[0080]
图2是不同训练次数下本方法的平均信道利用率的仿真图(信噪比为10db)；
[0081]
图3是实施例1大规模mimo系统中结合grassmann流形的信道估计方法流程图。
[0082]
图4是实施例2大规模mimo系统中结合grassmann流形的信道估计系统框图。
具体实施方式
[0083]
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。
[0084]
实施例1：
[0085]
本实施例通过特定的具体实例以说明本发明的方法，本发明对大规模mimo系统中方位到达角(aoa)估计的信道估计方法进行了改进。
[0086]
具体应用案例如下：
[0087]
假设有1个用户，1个基站且以基站的天线数为128根为例。下表1给出了一般参数设置，根据表1中的参数来进行aoa估计和信道的估计。
[0088]
表1参数设置
[0089]
参数设定发射天线n
t
128接收天线nr1基站发送训练序列次数m33信噪比ρ4,6,8,10,12,14,16,18簇数lc4辐射路径数p1矩阵h
ql
行数q17矩阵h
ql
列数l17
[0090]
如图3所示，本实施例大规模mimo系统中利用信道共轭数据的信道估计方法，包括如下步骤：
[0091]
s1、接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；
[0092]
s2、根据初步估计信道信息及其共轭数据，构造合并汉克尔(hankel)矩阵；
[0093]
s3、对合并汉克尔矩阵进行拆分并结合grassmann流形性质，以得到方位到达角估计值；
[0094]
s4、利用方位到达角估计值，恢复信道状态信息。
[0095]
本发明利用grassmann流形的性质估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用共轭数据的信道估计方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。
[0096]
具体地：
[0097]
假设所述大规模天线系统中包括1个单天线用户，1个基站，基站配备128根天线。
[0098]
步骤s1具体为，用户端根据接收信号初步估计得到的信道记为
[0099]
该大规模天线系统中基站天线采用线阵(ula)的排列方式，基站到用户的信道表示为：
[0100][0101]
其中，β
l
表示第l条路径的信道复增益系数；α(θ
l
)表示第l条路径的信道导向矢量；
θ
l
为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。
[0102]
所述第l条路径的信道导向矢量表示为：
[0103][0104]
其中，t表示转置，j表示虚数单位，本实施例中j2＝-1。
[0105]
步骤s1中基站发送训练序列33次，接收端根据接收信号得到的初步估计信道信息记为可以表示为：
[0106][0107]
步骤s2包括以下步骤：
[0108]
s2.1、根据初步估计信道信息，构造第一汉克尔矩阵；
[0109]
s2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；
[0110]
s2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；
[0111]
s2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，以得到合并汉克尔矩阵。
[0112]
本实施例中，第一汉克尔矩阵h
ql
表示为：
[0113][0114]hql
矩阵满足条件q+l-1＝32,q≥4,l≥4，取定q为17。
[0115]
步骤s2.2中，对初步估计信道信息取共轭转置得到表示为：
[0116][0117]
其中，上标h表示取共轭转置。
[0118]
由此可见，和所对应生成的列空间是一致的。
[0119]
本实施例中，步骤s2.3中所述第二汉克尔矩阵表示为：
[0120][0121]
步骤s2.4中，合并汉克尔矩阵表示为：
[0122][0123]
步骤s3包括步骤：
[0124]
s3.1、对作svd分解，即其中，u是一个大小为17
×
17的酉矩阵，d是一个大小为17
×
34的对角矩阵，v是一个大小为34
×
34的酉矩阵；
[0125]
s3.2、取出矩阵u的前4列，且从第一行依次选取1到8行构成矩阵t1、2到9行构成矩阵t2、3到10行构成矩阵t3等，并按此规律直至取到10到17行构成矩阵t
10
；
[0126]
s3.3、分别构造步骤s3.2里的所构造的矩阵tk(k＝1,2,
…
,10)到矩阵的测地线ψk(t)，其中，04×4是一个大小为4
×
4的零矩阵，i4×4是一个大小为4
×
4的单位阵。ψk(t)计算公式如下：
[0127][0128]
其中，u
1k
，d
1k
，v
1k
是对矩阵作svd分解后的结果，即
[0129]
s3.4、计算步骤s3.3的测地线上的点到矩阵的grassmann临界角具体如下：
[0130][0131][0132][0133]
其中，u
2k
，d
2k
，v
2k
是对作简约型svd分解所得到的矩阵。
[0134]
s3.5、将代入步骤s3.3所构造的测地线ψk(t)即可确定一
点，并将此点记为w
1k
，分别构造w
1k
到矩阵的测地线ψ'k(t)，ψ'k(t)表达式如下：
[0135][0136]
其中，u'
1k
，d'
1k
，v'
1k
是对矩阵作svd分解后的结果，即φ'k＝atan(d'
1k
)。将代入ψ'k(t)得到一点记为g1，同理，依据步骤s3.3里的其它测地线，按上述步骤可得到g2,g3,
…
,g
10
。矩阵换成其它同类矩阵如矩阵可得到新的一批估计点g'1,g'2,
…
,g'
10
。
[0137]
s3.6、对步骤s3.5得到的所有20个估计点分别作svd分解，取出左奇异向量矩阵，分别记为p1,p2,
…
,p
20
。
[0138]
s3.7、计算出矩阵的特征值和对应的特征向量，特征值记为λ1,λ2,
…
,λ8，且有λ1≥λ2≥
…
≥λ8。取出特征值λ1,λ2,λ3,λ4所对应的特征向量构成矩阵w。
[0139]
s3.8、对w取1到7行记为u1，对w取2到8行记为u2：
[0140]
u1＝w(1:7,:)
[0141]
u2＝w(2:8,:)
[0142]
根据式：
[0143][0144]
其中，eig表示取特征值，而angle表示取此特征值的角度，记该角度为则是θi(i＝1,2,3,4)的估计值。
[0145]
步骤s4包括步骤：
[0146]
s4.1、根据方位到达角估计值得到重构信道导向矢量
[0147]
s4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数步骤如下：
[0148][0149]
[0150]
s4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。
[0151]
步骤s4.3中，恢复的信道状态信息计算公式为：
[0152][0153]
其中，即为恢复的信道，第l条路径的重构信道导向矢量为然后，经归一化后根据式
[0154][0155]
求得恢复的信道状态信息的利用率η。
[0156]
参照附图1所示，在训练次数为33次时，信噪比在10db的情况下，本发明信道估计方法的仿真显示信道利用率为81.9％，并且随着系统信噪比的升高，信道利用率也随之增大。
[0157]
参照附图2所示，在信噪比为10db时，随着次数的增大，信道利用率也随之增大并接近1。
[0158]
实施例2
[0159]
如图4所示，本实施例基于实施例1的方法，公开了一种大规模mimo系统中结合grassmann流形的信道估计系统，其包括如下模块：
[0160]
估计信道信息模块：接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；
[0161]
构造汉克尔矩阵模块：根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；
[0162]
方位到达角估计模块：利用grassmann流形的性质，得到方位到达角估计值；
[0163]
恢复信道状态信息模块：利用方位到达角估计值，恢复信道状态信息。
[0164]
本实施例其他内容可参考实施例1。
[0165]
本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
技术特征：1.大规模mimo系统中结合grassmann流形的信道估计方法，其特征是包括如下步骤：s1、接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；s2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；s3、利用grassmann流形的性质，得到方位到达角估计值；s4、利用方位到达角估计值，恢复信道状态信息。2.如权利要求1所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，s1中初步估计信道信息的计算公式为：其中，l
c
表示基站到用户之间的传播路径数；β
l
表示第l条路径的信道复增益系数；α(θ
l
)表示第l条路径的信道导向矢量；θ
l
为第l条路径的方位到达角；w是服从零均值、方差为σ2的高斯噪声。3.如权利要求2所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，第l条路径的信道导向矢量表示为：其中，t表示转置，n
t
表示基站处设置的天线数量，j表示虚数单位。4.如权利要求3所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s1中基站发送训练序列m次，接收端根据接收信号得到的初步估计信道信息记为表示为：5.如权利要求1-4任一项所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s2具体包括：s2.1、根据初步估计信道信息，构造第一汉克尔矩阵；s2.2、对初步估计信道信息取共轭转置，得到共轭转置后的初步估计信道信息；s2.3、根据共轭转置后的初步估计信道信息，构造第二汉克尔矩阵；s2.4、将第一汉克尔矩阵、第二汉克尔矩阵进行合并，得到合并汉克尔矩阵。6.如权利要求5所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s2.1中，第一汉克尔矩阵h
ql
表示为：
其中，h
ql
∈c
q
×
l
，c
q
×
l
表示为所有大小为q行l列的复数矩阵所组成的集合，q,l为正整数，且满足条件q+l-1＝m,q≥l
c
,l≥l
c
且q≥l+1，当m为偶数时，则取定的一个整数，当m为奇数时，则取定的一个整数；步骤s2.2中，对初步估计信道信息取共轭转置得到表示为：上标h表示取共轭转置；步骤s2.3中，第二汉克尔矩阵表示为：步骤s2.4中，合并汉克尔矩阵表示为：7.如权利要求6所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s3具体包括：s3.1、对作svd分解，即其中，u是一个大小为q
×
q的酉矩阵，d是一个大小为q
×
2l的对角矩阵，v是一个大小为2l
×
2l的酉矩阵；s3.2、取出矩阵u的前l
c
列，l
c
为路径数，且从第一行依次选取1到2l
c
行构成矩阵t1、2到2l
c
+1行构成矩阵t2、3到2l
c
+2行构成矩阵t3等，并按此规律直至取到q-2l
c
+1到q行构成矩阵s3.3、分别构造步骤s3.2里的所构造的矩阵t
k
到矩阵的测地线ψ
k
(t)，k＝1,2,
…
,q-2l
c
+1，其中，是一个大小为l
c
×
l
c
的零矩阵，是一个大小为l
c
×
l
c
的单位阵；ψ
k
(t)计算公式如下：
其中，u
1k
，d
1k
，v
1k
是对矩阵作svd分解后的结果，即φ
k
＝atan(d
1k
)；s3.4、计算步骤s3.3的测地线上的点到矩阵的grassmann临界角临界角计算公式如下：临界角计算公式如下：临界角计算公式如下：其中，u
2k
，d
2k
，v
2k
是对作简约型svd分解所得到的矩阵，d
2k
(i1,i2)表示矩阵d
2k
的第i1行第i2列的元素；s3.5、在步骤s3.3所构造的测地线上找到一点w
1k
使之与矩阵的临界角满足关系式步骤如下：计算发现因此，ψ
k
(t)简化为：求解临界角的步骤如下：求解临界角的步骤如下：
其中，φ
k
(i1,i2)表示矩阵φ
k
的第i1行第i2列的元素，将代回ψ
k
(t)，得到w
1k
；重复步骤s3.3，分别构造w
1k
到矩阵的测地线，重复s3.5步骤，在新的测地线上找到一点使之与矩阵的临界角满足关系式依此类推，重复上述步骤直至找到一点到矩阵的临界角满足关系式并将此点记为g1，同理，依据步骤s3.3的其它测地线，得到矩阵换成其它同类矩阵如矩阵得到新的一批估计点s3.6、记步骤s3.5得到的所有估计点总个数为g；对g个估计点分别作svd分解，取出左奇异向量矩阵，分别记为p1,p2,
…
,p
g
；s3.7、计算出矩阵的特征值和对应的特征向量，特征值记为且有取出特征值所对应的特征向量构成矩阵w；s3.8、对w取1到2l
c-1行记为u1，对w取2到2l
c
行记为u2：u1＝w(1:2l
c-1,:)u2＝w(2:2l
c
,:)根据式：其中，eig表示取特征值，而angle表示取此特征值的角度，记该角度为则是θ
i
(i＝1,2,
…
,l
c
)的估计值。8.如权利要求7所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s4具体包括：s4.1、根据方位到达角估计值得到重构信道导向矢量s4.2、基于重构信道导向矢量估计出对应的重构信道复增益系数具体如下：具体如下：
s4.3、根据重构信道导向矢量、重构信道复增益系数，恢复信道状态信息。9.如权利要求8所述大规模mimo系统中结合grassmann流形的信道估计方法，其特征是，步骤s4.3中，恢复的信道状态信息计算公式为：其中，为恢复的信道状态信息，10.大规模mimo系统中结合grassmann流形的信道估计系统，其特征是包括如下模块：估计信道信息模块：接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；构造汉克尔矩阵模块：根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；方位到达角估计模块：利用grassmann流形的性质，得到方位到达角估计值；恢复信道状态信息模块：利用方位到达角估计值，恢复信道状态信息。
技术总结本发明公开了一种大规模MIMO系统中结合Grassmann流形的信道估计方法及系统，本发明方法包括如下步骤：S1、接收端接收基站发送的信号，并根据接收信号按照优选方案得到初步估计信道信息；S2、根据初步估计信道信息及其共轭数据，构造合并汉克尔矩阵；S3、利用Grassmann流形的性质，得到方位到达角估计值；S4、利用方位到达角估计值，恢复信道状态信息。本发明利用了Grassmann流形的性质估计信道的方法，与传统的方法相比，在已知少量信道信息的情况下，利用Grassmann流形的性质估计信道的方法可以减少噪声的影响，因此能够实现更高的信道利用率，通信系统性能得到进一步提高。通信系统性能得到进一步提高。通信系统性能得到进一步提高。
技术研发人员：武智炜 王海泉 张欣禹 李美慧 钱淘鑫
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.07.21
技术公布日：2022/11/1
