一种用于毫米波mimo混合预编码系统的信道估计方法
阅读说明：本技术 一种用于毫米波mimo混合预编码系统的信道估计方法 (Channel estimation method for millimeter wave MIMO hybrid precoding system ) 是由 方舒 王子豪 何志强 陈权 于 2021-07-30 设计创作，主要内容包括：本发明属于通信技术领域,具体来说涉及一种用于毫米波MIMO混合预编码系统的信道估计方法。本发明针对在混合预编码系统架构下由于基站天线数量远大于RF链数量从而使信道矩阵收到压缩这一限制而无法采用常规方法进行信道估计这一问题,提出了利用毫米波MIMO信道稀疏特性的一种信道估计方法。本发明采用压缩感知的方法对经压缩的信道矩阵进行重构；经仿真验证提出的信道估计算法性能较好,估计得到的信道矩阵能够用于混合预编码。(The invention belongs to the technical field of communication, and particularly relates to a channel estimation method for a millimeter wave MIMO hybrid precoding system. The invention provides a channel estimation method utilizing the sparse characteristic of a millimeter wave MIMO channel, aiming at the problem that the channel estimation can not be carried out by a conventional method because the number of base station antennas is far greater than the number of RF chains under the framework of a hybrid precoding system and the channel matrix is limited by compression. The invention adopts a compressed sensing method to reconstruct a compressed channel matrix; the channel estimation algorithm provided by simulation verification has good performance, and the estimated channel matrix can be used for hybrid precoding.)
技术领域
本发明属于通信技术领域，具体来说涉及一种用于毫米波MIMO混合预编码系统的信道估 计方法。
背景技术
毫米波MIMO系统中的信号处理常受一些现实问题所约束，如传统的全数字MIMO系统通 常在基站处进行全数字预编码，基站需要自由地控制信号的幅度和相位，因此全数字预编码 系统要求基站的发射天数和RF链数相等。由于毫米波MIMO系统在基站处通常采用非常大数 量的天线，为了节约RF链数量降低系统的硬件复杂度，通常采用混合预编码结构，即将预编 码分为数字预编码和模拟预编码两个部分实现。毫米波MIMO系统中的混合预编码技术能有效 降低RF链的配置数量以及在性能损失可以接受的前提下降低一定的成本，是一种系统性能和 硬件开销折中的方案。
为了有效地进行预编码操作，在理想情况下基站应当获取完整的信道信息。在传统的全 数字预编码系统中，基站能够通过接收移动台通过上行信道发送的sounding信号获取上行信 道信息，并根据信道互异性得到下行信道信息，从而进行预编码操作。
根据图1简单分析全数字预编码系统的结构。由前序链路环节产生的Ns个数据流经过数 字预编码器处理后至RF链处进行上载频等操作，并从与RF链连接的天线通过电磁波的形式 发射到空间中。值得注意的是，在全数字预编码结构中采用的是一根体现对应一条RF链的方 式，显然此时有：
NRF＝Nt
其中Nt表示基站天线数，NRF表示基站配置的RF链数。考虑系统采用进行信道估计并进 行下行预编码(利用信道互异性)的方式，系统需要移动台部分或全部天线发射上行sounding 信号，故有：
Nr≥Nsounding
其中Nr表示移动台天线数，Nsounding表示上行sounding信号流数。上式当且仅当移动台 所有天线均发送上行sounding信号时等号成立，此时基站能够获取完整的信道信息。同时， 基站要能正确处理这些信号，需要满足：
NRF≥Nsounding
至于Nsounding与Ns的关系，由于基站需要发送Ns流数据，因此至少需要Ns个子信道，而 每一流sounding信号仅能用于估计发送该信号的移动台天线与基站全部天线间的子信道信 息：
Nsounding≥Ns
其中，Ns表示基站发送的数据流数。综上，在全数字预编码系统中，以上提到的系统配 置参数应满足：
Nt＝NRF≥Nr≥Nsounding≥Ns
与全数字预编结构最大的不同是，混合预编码系统为了节约RF链以降低硬件复杂度，采 用数字预编码和模拟预编码相结合的方式，因而有：
Nt＞＞NRF
其中Nt表示基站天线数，NRF表示基站配置的RF链数。若要完美地将实际信道估算出来 那么需要用户的每一个根天线都发送一流sounding信号(已在分析全数字预编码系统结构时 进行阐述)，同时在基站的每一根天线都接收该sounding信号并通过RF链处理。但由于我们 在混合预编码结构下基站天线数远大于RF链数，由基站天线接收到的sounding信号必然被 压缩，因此通过这种方式得到的是降维的信道信息，难以进行基于信道矩阵的混合预编码。
发明内容
针对上述问题，本发明提出了一种用于毫米波MIMO混合预编码系统的信道估计方法，解 决利用上行sounding信号进行信道估计而受RF链限制而无法进行的问题。
为便于理解，对本发明采用的技术进行以下说明：
毫米波信道模型：
毫米波频段已经成为学术界研究的热点问题之一，毫米波频率高，波段带宽丰富，其波 长短，通信设备体积小，使得大规模天线阵列的小尺寸封装成为可能。但是其传输的过程中 容易受到空气分子、尘埃、烟雾等影响造成严重的路径损耗，需要大规模天线阵列的配置来 获取足够的增益以对抗多径效应，而大规模天线的配置又导致了较大的天线相关性，使得路 径数目远小于天线数目。与此同时，毫米波信道是稀疏的，只有视距信道能获得较好的能量 体现，其他散射路径的性能趋近于零。根据毫米波信道空间的稀疏特性，相对于传统MIMO信 道的瑞利分布，基于角度扩展的具有窄带群蔟信道的Saleh-Valenzuela信道模型(S-V信道 模型)更加匹配毫米波通信。
在毫米波MIMO系统中，根据S-V模型进行建模，可以将信道矩阵H表示为：
其中Nt表示基站天线数，Nr表示移动台天线数，Ncl表示散射蔟的数量，Nray表示每个散 射蔟中的路径数目，αil表示第i个散射蔟中的第1条传输路径的复增益因子，服从均值为0 方差为的复高斯分布，和分别表示接收端天线和发射端天线的阵列响 应向量，和分别表示方位角和下倾角的到达角(AOA)和离开角(AOD)，()H表示矩阵的 共轭转置。
压缩感知原理：
压缩感知理论主要涉及到三个方面，分别为信号的稀疏表示、测量矩阵的设计和重构算 法的构造。稀疏信号中只有少数元素是非零的，或者信号在某一变换域内只有少数元素是非 零的。那么如果只保留这些非零数据而丢弃其它系数，则可以减小储存该空间需要的空间从 而达到压缩的目的，因此通过这些系数可以很大概率地重构原始信号。如果信号x在某一变换 域内是稀疏的，则其可以表示为：可以用一组正交基线性组合表示：
其中Ψ＝{ψ1，ψ2，…ψN}表示正交基，si是对应于正交基的投影稀疏(由信号的稀疏性可 知si只含有少数不为零的数)。因此感知信号y可以表示为：
y＝φx＝φΨs
φ为观测矩阵，Ψ为稀疏表示矩阵，常用的测量矩阵有高斯随机矩阵等。
关于重构算法的构造，由于用少数信号分量恢复原信号这是一个欠定问题，一般采用最 优化的问题求解。
本发明的技术方案为：
1、一种用于毫米波MIMO混合预编码系统的信道估计方法，毫米波MIMO混合预编码系统中基站具有Nt根天线，基站配置NRF根RF链，且有Nt＞NRF，移动台具有Nr根天线，移 动台发射上行sounding信号以进行信道估计；通过上行接收信号y，以得到上行信道矩阵估 计值的信道估计方法包括以下步骤：
S1、利用上行sounding信号进行信道估计，建立模型为：
y＝Hupxp+n
其中，Hup为上行信道矩阵，其维度为Nt×Nr；xp为上行sounding信号，其维度为Nr×1； n为加性高斯噪声；y为基站天线处接收到的信号，其维度为Nt×1；
S2、定义压缩矩阵G，维度为NRF×Nt，将上行信道估计表示为：
Gy＝GHupxp+Gn
S3、通过经压缩的接收信号Gy和上行sounding信号xp，利用LS准则估计得到经压缩的 上行信道矩阵的估计值其中定义为：
利用毫米波信道稀疏性将上行信道矩阵的估计值表示为：
其中U为稀疏变换矩阵，为波束域信道矩阵的估计值，将信道估计问题转化为：
S4、求解步骤S3的稀疏信道估计问题，具体为：定义传感矩阵A＝GU，为经压缩的 上行信道矩阵的估计值，其信号稀疏度为K；迭代次数为t并初始化t＝1，Λt表示前t次迭代 的索引值集合并初始化λt表示第t次迭代寻找到的符合条件的索引值，At表示前t 次迭代根据索引值集合选出的矩阵A的列向量的集合并初始化初始化执行 以下迭代过程：
S41、
S42、Λt＝Λt-1∪λt，
S43、
S44、
S45、t＝t+1，如果t≤K则返回步骤S42，否则停止迭代进入步骤S46；
S46、完成以上迭代后，重构得到
S5、通过波束域信道矩阵得到上行信道矩阵的估计值，表示为：
本发明的有益效果为针对在混合预编码系统架构下由于基站天线数量远大于RF链数量 从而使信道矩阵收到压缩这一限制而无法采用常规方法进行信道估计这一问题，提出了利用 毫米波MIMO信道稀疏特性的一种信道估计方法。本发明采用压缩感知的方法对经压缩的信 道矩阵进行重构；经仿真验证提出的信道估计算法性能较好，利用估计得到的信道矩阵进行 混合预编码的系统性能与利用完美信道矩阵进行混合预编码的系统性能较为接近。
附图说明
图1为全数字预编码结构示意图；
图2为混合预编码结构示意图；
图3为压缩感知理论示意图；
图4为根据输入的K值(非实际稀疏度)进行信道估计；
图5为不同K值情形下信道矩阵估计值与实际值残差随RF链数的变化；
图6为不同信道估计方案下混合预编码的可达速率；
图7为不同信道估计方案下预编码误码率性能。
具体实施方式
下面结合附图，详细描述本发明的技术方案：
将在毫米波MIMO混合预编码结构下利用上行sounding信号进行信道估计的问题建模如 下：
y＝Hupxp+n
其中Hup为上行信道矩阵，其维度为Nt×Nr；xp为上行sounding信号，其维度为Nr×1；n 为加性高斯噪声；y为基站天线处接收到的信号，其维度为Nt×1。
另设一压缩矩阵G，维度为NRF×Nt。根据对混合预编码系统的分析，由于基站采用混合 架构使得Nt＞NRF，在接收sounding信号的时候在每一根天线的路上加一个权值后进行合并 压缩，然后再传递到RF链进行处理，因此每一流sounding信号的压缩及合并关系都保存在 压缩矩阵G中。根据实际的混合预编码结构，压缩矩阵G的具体实现方式为通过与基站天线连 接的移相器网络实现，因此在设计压缩矩阵G时应考虑这一限制，体现为压缩矩阵只能调整 信号相位而不能调整幅值。
到目前为止，整的上行信道估计可以表示为：
Gy＝GHupxp+Gn
可以看到，由于压缩矩阵的存在，基站天线接收到的Nt个信号通过移相器网络后被压缩 成为NRF个信号。基站端能够通过接收信号Gy和已知的导频序列xp通过LS准则估计得到经压 缩的上行信道矩阵的估计值这里 表示上行信道矩阵的估计值；现在的 问题转化为如何通过已知的和矩阵G求解未知的
毫米波信道能够在波束域(角度域)上体现出稀疏性。于是将上行信道矩阵的估计值稀疏表示为：
其中U为变换矩阵，为波束域信道矩阵的估计值。根据压缩感知原理，将上述信号估 计问题转化为稀疏信号重构问题：观测量为经压缩的上行信道矩阵观测矩阵为设计好的 压缩矩阵G，信号的稀疏表示为信道估计问题表示为：
至此，信号重构的准备工作就已经完成，接下来将根据上式以及具体算法进行稀疏信号 重构。
信道估计问题转化为稀疏信号重构问题，先进行符号说明如下：
(1)为经压缩的上行信道矩阵，定义为重构算法的观测量
(2)为波束域信道矩阵的估计值，定义为重构算法的待恢复量
(3)为K稀疏的；(通常情况下在进行信道估计时K为未知的)；
(4)G为观测矩阵(压缩矩阵)，维度为NRF×Nt；
(5)U为稀疏变换矩阵，维度为Nt×Nt，根据毫米波MIMO信道矩阵波束域稀疏特性，取其中U0为Nt阶DFT矩阵；
(6)A为传感矩阵，A定义为A＝GU，维度为NRF×Nt；
正交匹配追踪稀疏信号重构算法如下：
输入：传感矩阵A＝GU；经压缩的上行信道矩阵信号稀疏度K；
输出：波束域信道矩阵的估计值(K稀疏)；残差rK；
算法流程：
在以下流程中，t表示迭代次数，Λt表示前t次迭代的索引值集合，λt表示第t次迭代寻找到的符合条件的索引值；ai表示矩阵A的第i列；At表示前t次迭代根据索引 值集合选出的矩阵A的列向量的集合；<，>表示向量的内积，表示空集。
初始化：t＝1；
(1)
(2)Λt＝Λt-1∪λt，
(3)
(4)
(5)t＝t+1，如果t≤K则返回第(2)步，否则停止迭代进入第(6)步；
(6)重构得到
根据压缩感知原理，信道估计过程可以表示为利用信道的互异性将下行信道 表示为：
即可得到下行信道矩阵的估计值并基于此进行混合预编码操作。
下面通过仿真示例以证明本发明的实用性
在正交匹配追踪算法中，K应当是信号的原始稀疏度；但是由于毫米波信道在生成时不 可避免地在一定数量的角度上有功率较小的分量因而不严格稀疏，因此仿真中实际输入的K 值为一小于实际稀疏度的值；根据正交匹配追踪原理，输出的估计信号的稀疏度与输入的K 值相同，因此在输入的K小于实际稀疏度前提下，得到的信号为K稀疏的信号，图4展示了 这一过程。图4中左图表示实际信道的增益值，右图表示在人为输入K值后恢复得到的估计 信道的增益值(K稀疏)。
图5通过仿真验证信道估计算法本身的精确性。图5表示了在输入值K＝{10，20，30，40}情形下信道矩阵估计值与实际值残差随RF链数的变化。在RF链数较小情形下K＝10的残 差值和其它几种K值相比是最小的，但是由于此时残差值本身依然很大因此实际上的信道估 计性能依然很差。随着RF链数量的逐渐增加，K值越大的信道估计方案越能展现出优势；以 80根RF链为例，此时K值取20能使得残差值最最小。后续仿真中K值得选取将根据本仿真 进行，即选择当前RF链数量下使得信道矩阵估计值与实际值残差最小的K值进行仿真。
在图5的基础上，选取K＝20，图6仿真了在完美信道估计情形下全数字OMP预编码、完 美信道估计情形下混合预编码结构OMP预编码、NRF＝{40，80，120}的利用提出的算法进行信 道估计后在混合结构下进行OMP预编码五种方案的可达速率；其中发射天线数为256，用户 数为1，每用户接收天线数为4，每用户流数为4。
图7为进行链路级系统误码率仿真的结果，采用不同信道估计方案及预编码方案的误码 率情况。其中发射天数为256，用户数为1，每用户接收天线数为4，每用户流数为4，调制 方式为256QAM，均衡方式为MMSE-IRC均衡。根据图7，和完美信道估计场景相比，在RF链 数量为40时，此时系统的误码率性较差；在RF链数量为80时，系统误码率性能有了明显的 提升且已经较为接近采用完美信道估计场景下的误码率，此种RF链数量配置能够满足正常混 合预编码操作。在RF链数量为120时，误码率性能有一定提升，但是提升不大。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种适用于5G系统PDSCH的信道估计方法