[发明专利]大规模MIMO-OFDM系统混合消息传递信道估计方法

说明书

本发明公开了大规模MIMO‑OFDM系统混合消息传递信道估计方法。本发明针对大规模MIMO‑OFDM系统进行建模，利用隐马尔可夫模型建模角度‑时延域信道矢量。基于贝叶斯自由能理论，将角度‑时延域稀疏信道估计问题转化为受限贝叶斯自由能最小化问题。通过拉格朗日乘子法求解该问题得到混合消息传递算法，利用该算法实现角度‑时延域信道估计。本发明中的大规模MIMO‑OFDM系统混合消息传递信道估计方法能够大幅提高角度‑时延域信道估计的准确性，具有很快的收敛速率，并且可以有效减少导频开销。

技术领域

本发明属于通信技术领域，涉及大规模MIMO-OFDM系统的信道估计方法。

背景技术

大规模多输入多输出(MIMO，Multiple-Input Multiple-Ouput)技术是5G以及未来无线通信系统的关键技术之一。它通过在基站(BS，Base Station)配备大规模天线阵列同时服务多个用户终端(UTs，User Terminals)极大地提高了频谱效率和系统容量。正交频分多址(OFDM，Orthogonal Frequency Division Multiplexing)技术是一种多载波调制技术，它可以充分提高数据传输速率并有效增强对抗频率选择的鲁棒性。未来，大规模MIMO-OFDM技术仍将是5G之后(B5G)移动通信的研究热点。

在大规模的MIMO-OFDM系统中，获取准确的信道状态信息(CSI，Channel StateInformation)是实现有效通信的关键。然而，对于大规模的MIMO-OFDM系统，上行信道估计面临着各种挑战。随着用户侧天线的增多，导频开销变得难以承受，而且导频的重复使用将会导致导频污染。此外，随着信道矩阵维数的增大，传统的信道估计方法，如最小二乘法(LS，Least Squares)和最小均方误差法(MMSE，Minimum Mean Square Error)具有非常高的计算复杂度，这给基站侧带来了很大的计算负担。因此，研究准确的CSI估计算法并有效降低计算复杂度和减少导频开销是非常有必要的。

发明内容

发明目的：本发明目的在于提供一种大规模MIMO-OFDM系统混合消息传递信道估计方法，能够克服现有技术的不足，降低计算复杂度和减少导频开销，准确地估计角度-时延域信道。

技术方案：为了达到上述目的，本发明所述的大规模MIMO-OFDM系统混合消息传递信道估计方法包括以下步骤：

(1)建立大规模MIMO-OFDM系统OFDM符号对应于角度-时延域信道的系统模型；

(2)利用隐马尔可夫模型进行角度-时延域信道矢量建模，将角度-时延域信道矢量建模为状态指示矢量和隐数值矢量的克罗内科积；

(3)基于贝叶斯自由能理论，将角度-时延域信道估计问题转化为受限贝叶斯自由能最小化问题；

(4)基于拉格朗日乘子法解决上述受限贝叶斯自由能最小化问题，通过求解受限贝叶斯自由能最小化问题的拉格朗日方程，得到混合消息传递算法，利用混合消息传递算法实现角度-时延域信道估计。

步骤(1)中大规模MIMO-OFDM系统在当前的OFDM符号t对应于角度-时延域信道的系统模型表示为：

其中为基站侧观测矢量，为导频子载波采样矩阵，为K个用户的频率域发射信号矩阵，为第k个用户的频率域发射信号矩阵，diag(·)表示对角化矢量操作，I_K和I_M分别为K维和M维的单位矩阵，F_N×L为N维酉DFT矩阵的前L列，为测量矩阵，表示克罗内科积运算，为角度-时延域信道矢量，为加性高斯白噪声矢量，M为基站侧天线数量，K为小区内用户数量，N为OFDM调制子载波总数，P为导频子载波数，L为保护间隔长度。

步骤(2)中角度-时延域信道矢量被建模为状态指示矢量和隐数值矢量的克罗内科积：