[发明专利]一种基于压缩感知和大规模MIMO的自适应信道估计方法

说明书

本发明公开了一种基于压缩感知和大规模MIMO的自适应信道估计方法，属于无线通信技术领域。本发明包括：获取信道矩阵在角度域分解U_r、U_t，并计算对应的测量矩阵Φ、感知测量值Y；基于系统前一时刻的索引集Γ_n‑1、测量矩阵Φ、感知测量值Y迭代计算共享信道参数估计值由Φ、Y迭代求解稀疏信号估计值最后，基于发射天线数M、发射天线的信噪比P、发射天线的导频长度T根据公式得到信道矩阵估计值本发明的信道估计不需要已知共享信道信息，自适应利用前一时刻的索引集，比传统子空间追踪算法具有更小的误差。

技术领域

本发明涉及无线通信技术领域，特别是涉及一种在大规模MIMO系统中，基于压缩感知的自适应信道估计方法。

背景技术

MIMO技术指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量。

当MIMO两端天线数提高到无限大时，目标终端所接收到的信号将不包含热噪声和大范围衰落(这些都会被目标基站的多天线传过来的信号平均掉)，此时基站的容量取决于它服务的用户数量，而不是基站所覆盖的范围，唯一影响该系统性能将是由于导频复用带来的邻区干扰，即导频污染。

压缩感知，又称压缩采样，压缩传感。作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知重构算法主要包括凸优化法和贪婪匹配追踪算法。

信道估计，就是从接收数据中将信道参数估计出来的过程。在实际环境中，由于有限的局部散射环境，用户能够接收到基站发射信号的角度个数是有限的，因而可以利用大规模MIMO信道在角度域的稀疏性，采用压缩感知理论进行信道估计。在慢速时变的环境中，由于时间相关性，当前时刻与前一时刻有着部分相同的空间信道，传统的压缩感知方法，如文献“Subspace pursuit for compressive sensing signal reconstruction”(W.Daiand O.Milenkovic,IEEE Trans.Inf.Theory,vol.55,no.5,pp.2230–2249,2009.)中提出的子空间追踪算法并没有利用这些信息。文献“Compressive Sensing with PriorSupport Quality Information and Application to Massive MIMO ChannelEstimation with Temporal Correlation”(Rao Xiongbin，Lau Vincent K.N.Source:IEEE Transactions on Signal Processing,v 63,n 18,p 4914-4924,September 15,2015)中利用共享信道这一先验信息和子空间追踪算法得到了比传统子空间追踪算法更准确的信道估计结果，但是该改进算法需要提前给定稀疏度，在实际环境中难以获取。

发明内容

本发明充分利用慢速时变环境下相关时刻的索引集，采用压缩感知的方法，缩小索引集的搜索范围，获取更准确的信道估计结果。解决了共享信道信息未知情况下利用前一时刻索引集，自适应获取共享信道信息的问题，在实际环境中难以获取准确共享信道信息的情况下更具实用价值。

在基站端与移动端均为均匀线阵的大规模MIMO系统中，信道矩阵在角度域可以表示为：其中H_a∈C^N×M，U_r∈C^N×N，U_t∈C^M×M，U_r、U_t均为酉矩阵，其中M对应基站端的天线数、N对应移动端的天线数。本说明书中用C^m×n表示m×n矩阵的通式，上标“H”表示共轭转置。