[发明专利]一种空时相关信道大尺度MIMO传输方法

摘要

本发明属于图像处理领域，公开了一种空时相关信道大尺度MIMO传输方法。本发明采用转移导频的系统结构，利用基于用户位置的用户选择方案，去掉对周围小区干扰较大的子用户组，从而在信道估计阶段降低相邻小区数据干扰，同时在下行数据传输阶段降低小区间的干扰，实现对系统容量的提升。在用户选择方案的基础上，采用Kalman估计方法，利用信道的空时相关性，进一步消除小区间的残留干扰，提升信道估计的精度。本发明通过用户选择过程和Kalman信道估计的结合，实现了多小区Massive MIMO系统空时相关信道下更为准确的信道估计结果，在抑制小区间导频估计阶段干扰的同时，提高了系统下行数据的吞吐率。

主权项

一种空时相关信道大尺度MIMO数据传输方法，其特征在于包括以下步骤：步骤1，设置系统小区和小区分组，进行数据发送；假设系统由L个小区组成，共用同一组正交导频组，每个小区包含K个用户；步骤1.1，将系统小区分成4组；步骤1.2，第1组内用户同时发送序列长度为τ的导频，所有小区用户发送导频序列，第k个用户发送的导频序列为：sk＝[sk1 sk2 … skτ]导频序列符号的能量相等，且有|sk1|2+…+|skτ|2＝τ,k＝1,2,…,K；步骤1.3，其它组内小区基站经过预编码，发送数据wklqkl，其中qkl为第l小区发送给该小区第k个用户的数据，wkl为预编码矩阵；步骤2，通过Massive MIMO系统将数据发送至接收端，在接收端对信道进行建模；假设基站由均匀线阵组成，每个基站包含M根天线，天线间隔为半波长，且各基站的天线排列互相平行；步骤2.1，建立用户与基站之间具有空时相关性的多径块状信道模型；第t个时间块内第l小区第k个用户到第l′基站的信道状态可以表示为：式中，t≥0，P为路径数，a(θl′kl,p)为接收导向矢量，表示为：式中，D为基站处的天线间距，λ为信号波长，且D≤λ/2；θl′kl,p∈[0,π]为信号的随机到达角，用户位置的变化引起的到达角变化忽略不计，第l小区第k个用户到l′基站的到达角服从[θl′kl‑Δθ, θl′kl +Δθ]的均匀分布，Δθ为角度扩展，αl′kl,p(t)为第t个时间块内第p径的信道衰落，服从均值为0、方差为的高斯分布；步骤2.2，建立基站与基站之间具有空间相关性的多径传播信道模型；由于基站位置不变，基站之间的信道几乎不随时间变化，因此可以等效为时不变信道；则基站l到基站l′的信道矩阵表示为：式中，为基站l到基站l′之间的时不变信道衰落系数，为发送导向矢量，表示为：式中，为信号的随机发射角，且在[0,2π]内服从均匀分布；步骤3，基于用户的位置挑选出对周围小区干扰较小的子用户；步骤4，利用AR模型对待估计信道状态进行建模，得到其状态转移方程：hlkl(t)＝Ahlkl(t‑1)+w1(t‑1)式中，为状态转移矩阵；Rl,0为干扰信号的空间自相关矩阵，与l基站到目标小区的到达角有关，Rl,1为目标信道的空时自相关矩阵，w1(t)为状态变量噪声，其方差为为干扰信号的空时自相关矩阵的转置共轭；步骤5，基于空时相关性进行Kalman信道估计；步骤6，基站对本地用户进行赋形；第l′小区经过信道估计获取信道状态信息后，对小区内用户进行波束赋形，第k′用户的波束赋形矩阵为：步骤7，基站进行下行数据传输，同时其它组中的某一组小区进行信道估计，另外两组小区继续进行下行数据传输；依次改变信道估计和下行数据传输的组区顺序，转步骤4，循环上述过程。