[发明专利]一种低复杂度的大规模MIMO通信系统下行链路信道估计方法

说明书

本发明公开了一种低复杂度的大规模MIMO通信系统下行链路信道估计方法，步骤1：基站采用了一个具有M_t根天线的均匀线性阵列，下行链路中的移动用户装配M_r根天线的均匀线性阵列，在T个时刻内，基站发送导频信号矩阵S，则移动用户接收到的信号为Y＝SA_T(β)WB^T+N。步骤2：将接收信号进行向量化。步骤3：初始化参数。步骤4：设置迭代次数计数变量j＝1。步骤5：固定q(α)，q(γ),β，B,更新q(w)。步骤6：固定q(w),q(γ),β，B,更新q(α)。步骤7：固定q(w)，q(α)，β，B,更新q(γ)。步骤8：固定q(w)，q(α)，q(γ)，β,更新B。步骤9：固定q(w),q(α),q(γ),B,更新β。步骤10：判断迭代计数变量j是否达到上限J或γ是否收敛，如果都不满足，则迭代计数变量j＝j+1，并返回步骤5。步骤11：估计最终的信道H。本发明在信道估计性能上有明显的提升，同时复杂度较低。

技术领域

本发明属于无线通信领域，涉及一种多输入多输出(Multi-input Multi-output，MIMO)通信系统的信道估计方法，具体来说是一种基于变分贝叶斯推理(variationalBayesian inference,VBI)的低复杂度大规模MIMO通信系统的下行链路信道估计方法。

背景技术

大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)技术是下一代无线通信的研究热点和关键技术之一。将大规模MIMO技术应用于无线通信中，可获得较高的信道增益，同时其极低的系统功耗可以使得信号的覆盖范围得到有效扩大。相比于传统无线通信系统，大规模MIMO系统具有很高的频谱利用率、能量效率和系统的鲁棒性能。

信道信息的获取在通信系统中占有举足轻重的地位，然而在无线通信系统中信道信息都是不可知的，因此信道估计是无线通信中极为重要的技术，信道估计的精度将直接影响整个通信系统的性能。同时，随着天线规模的扩大，信道矩阵的维度也随之线性增长，高计算复杂度的问题愈发成为信道估计技术的制约因素。为了降低计算复杂度，现有方法在进行信道估计时大多将用户端的阵列信息并入路径增益矩阵中，进而利用复杂度较低的行稀疏特性进行信道估计。目前，人们已经提出了很多利用行稀疏特性的方法解决大规模MIMO信道估计问题，例如在文献J.Dai,A.Liu and V.K.N.Lau,FDD Massive MIMO ChannelEstimation with Arbitrary 2D-Array Geometry,IEEE Transactions on SignalProcessing,vol.66,no.10,pp.2584-2599,15May,2018中提出了一种基于离网稀疏贝叶斯学习的大规模MIMO通信系统的信道估计方法，由于此方法忽略了用户端的阵列反馈信息，因此会损失一定的信道估计性能。

发明内容

针对现有方法的不足，本发明将提出一种低复杂度的基于VBI的大规模MIMO通信系统的下行链路信道估计方法。

用于实现本发明的技术解决方案包括如下步骤：

步骤1：基站采用了一个具有M_t根天线的均匀线性阵列，下行链路中的移动用户装配M_r根天线的均匀线性阵列，在T个时刻内，基站发送导频信号矩阵S，则移动用户接收到的信号为Y＝SA_T(β)WB^T+N。

步骤2：将接收信号进行向量化。

步骤3：初始化参数。

步骤4：设置迭代次数计数变量j＝1。

步骤5：固定q(α),q(γ),β,B,更新q(w)。

步骤6：固定q(w),q(γ),β,B,更新q(α)。

步骤7：固定q(w),q(α),β,B,更新q(γ)。