[发明专利]一种基于自适应感知矩阵的压缩感知信道估计算法及实现装置

说明书

本发明公开了一种毫米波大规模MIMO系统中基于自适应感知矩阵的压缩感知信道估计算法及装置，用于实现大规模MIMO系统中，针对混合波束赋形架构的欠维度特性导致的信道估计问题。该算法根据毫米波信道的稀疏性采用压缩感知算法进行信道估计；同时根据接收导频信号自适应的构建感知矩阵，有效地提高了在低信噪比下的信道重构概率，减小了重构信道的归一化最小均方误差。

技术领域

本发明涉及无线通信技术领域，具体涉及毫米波大规模MIMO 系统中混合波束赋形的欠维度信道估计算法。

背景技术

由于拥有丰富的频谱资源，毫米波通信技术在5G移动网络中得 到了广泛的研究。尽管将数据转移到毫米波频段可以提高信道容量， 但这种做法并非没有牺牲。对于毫米波所在的频段，空气是一种高度 吸收的介质，因此其产生的路径损耗非常严重，从而限制了基站的覆 盖范围。为了克服毫米波通信的缺点并充分利用多天线带来的增益， 数字波束赋形技术被广泛研究。但是，随着大规模MIMO的广泛应 用，天线数量增加所带来的硬件成本剧增已成为主要瓶颈。因此，业 界采用模拟波束赋形技术来降低硬件成本，从而演变为混合波束赋形 技术。

混合波束赋形技术的引入给传统信道估计带来的最大的问题就是 信道信息缺失。也就是说，由于混合波束赋形架构中射频链路数远小 于大规模的天线数，接收信号的维度已经从天线数，降低到射频链路 数。这种情况，可以称之为信号欠维度。为了解决混合波束赋形架构 的欠维度信道估计问题，我们提出了基于自适应感知矩阵的压缩感知 信道估计算法。

发明内容

本发明提出了一种毫米波大规模MIMO系统中基于自适应感知 矩阵的压缩感知信道估计算法，该算法在实现过程中，根据接收导频 信号来自适应构造感知矩阵，从而有效地提高了在低信噪比下的信道 重构概率，减小了重构信道的归一化最小均方误差。

本发明的具体实现过程如下：

步骤1：系统模型

考虑单用户上行场景，用户发送到基站的导频信号可以表示为 其中X_L是每根天线发送的信号的长度，则上行基站接收 信号可表示为

其中U_HBF和W_HBF分别是模拟预编码矩阵和接收矩阵。它们都可 以通过对信道做SVD分解或其他方法得到。Z是均值为零方差为1 的加性高斯白噪声。由于接收信号经过了模拟波束赋形矩阵的处理， 接收信号包含的信道状态信息会受到一定程度的降维损失(从N_R降到N_RF)。H为毫米波稀疏信道，可以表示为(2)：

其中，L是多径信道的多径数，是信道的复增益， 和分别是到达角导向矢量和离开角导向矢量。和分 别是这两个矢量的方位角，通常在(0,2π]内服从均匀分布。假设天线 是均匀分布的线阵(uniform linear arrays，ULA)，则导向矢量通常如 下表示

其中，d＝λ/2为天线间距，λ是载波波长。信道H可以通过稀疏 信道表示法进一步凸显稀疏性，转换过程如下所示

其中，V_R和V_T是酉离散傅里叶变换(DFT)矩阵，其大小分别 是N_R×N_R和N_T×N_T。而H_V是虚拟信道元素矩阵，大小为N_R×N_T。

步骤2：接收信号自适应处理

式(1)的有效接收信号为等式右端第一项，即 利用克罗内克积(Kronecker product)的性质，向量化有效接收信号可得