[发明专利]时变大规模MIMO网络中信道参数的稀疏估计方法

摘要

本发明公开一种时变大规模MIMO网络中信道参数的稀疏估计方法，其步骤为：构建基站接收信号的虚拟信道稀疏信号模型；从未选取的时隙中选取时隙序号最小的时隙；利用卡尔曼滤波器，计算虚拟信道方差值；计算虚拟信道值；计算每个蜂窝网小区用户在每个时隙中的虚拟信道自相关后验统计概率；计算每个蜂窝网小区用户在每个相邻时隙中的虚拟信道互相关后验统计概率；联合估计每个蜂窝网小区用户的虚拟信道转移状态值和虚拟信道转移状态噪声方差值；利用低复杂度搜索算法，估计每个蜂窝网小区用户的信道稀疏性参数。本发明具有可应用于时变大规模MIMO网络的优点。

主权项

1.一种时变大规模MIMO网络中信道参数的稀疏估计方法，其特征在于，一个基站管控多个蜂窝网小区，基站在连续的多个时隙内只与一个移动的蜂窝网小区用户通信，基站与每个蜂窝网小区用户间的信道在一个时隙内保持不变，相邻的时隙间动态时变，通过构建基站接收信号的虚拟信道稀疏信号模型，利用卡尔曼滤波器计算虚拟信道方差值，采用低复杂度搜索算法估计信道稀疏性参数，该方法的步骤包括如下：(1)构建基站接收信号的虚拟信道稀疏信号模型如下：其中，Ym表示在第m个时隙基站接收信号的虚拟信道稀疏信号，τ表示与基站进行当前通信的蜂窝网小区中用户的总数，Σ表示求和操作，k表示与基站进行当前通信的蜂窝网小区用户的序号，FG表示G×G大小的归一化傅里叶矩阵，G表示基站的天线数，H表示共轭转置操作，diag(ck)表示对角线元素为第k个蜂窝网小区用户的信道稀疏参数ck的对角矩阵，rk,m表示第k个蜂窝网小区用户在第m个时隙上对应的虚拟信道，sk表示第k个蜂窝网小区用户的发送信号，T表示转置操作，Nm表示第m个时隙对应的信道的独立加性高斯白噪声；(2)从未选取的时隙中选取时隙序号最小的时隙；(3)利用卡尔曼滤波器，计算虚拟信道方差值：(3a)利用方差值预测公式，计算所选时隙上的每个蜂窝网小区用户的虚拟信道方差值的预测值；(3b)利用卡尔曼滤波器参数公式，通过虚拟信道方差值的预测值，计算卡尔曼滤波器参数；(3c)求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道方差值的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道方差值的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道方差值；(4)计算虚拟信道值：(4a)求所选时隙上每个蜂窝网小区用户在前一次得到的所有时隙中的虚拟信道转移状态值与该蜂窝网小区用户在前一个时隙上的虚拟信道的预测值的乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道的预测值；(4b)求所选时隙上每个蜂窝网小区用户的增益参数、虚拟信道的预测值和卡尔曼滤波器参数值的乘积，再用所选时隙上每个蜂窝网小区用户的虚拟信道的预测值减去该乘积，得到所选时隙上每个蜂窝网小区用户的虚拟信道值；(5)判断是否存在最小的未选取时隙，若是，则执行步骤(2)，否则，执行步骤(6)；(6)判断是否存在未选取的时隙，若是，则选取未选取的时隙后执行步骤(3)，否则，执行步骤(7)；(7)按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个时隙中的虚拟信道自相关后验统计概率：其中，Θk,m表示第k个蜂窝网小区用户在第m个时隙的虚拟信道自相关后验统计概率，rk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道值，Ψk,m表示第k个蜂窝网小区用户在第m个时隙上的虚拟信道方差值；(8)按照下式，通过虚拟信道值和虚拟信道方差值，计算每个蜂窝网小区用户在每个相邻时隙中的虚拟信道互相关后验统计概率：其中，Πk,m‑1,m表示第k个蜂窝网小区用户在第m‑1个时隙与第m个时隙的虚拟信道互相关后验统计概率，Bk,m表示第k个蜂窝网小区用户的第m个时隙上的增益参数，其取值范围为大于0小于1的小数，rk,m‑1表示第k个蜂窝网小区用户在第m‑1个时隙上的虚拟信道值；(9)利用下式，联合估计每个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值和虚拟信道转移状态噪声方差值：其中，αk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态值，Λk表示第k个蜂窝网小区用户在所有时隙中的虚拟信道转移状态噪声方差值，max{·}表示求最大值操作，ln表示以自然底数为底的对数操作，|·|表示绝对值操作，Θk,m‑1表示第k个蜂窝网小区用户在第m‑1个时隙的虚拟信道自相关后验统计概率，Re{·}表示取实部操作；(10)利用低复杂度搜索算法，估计每个蜂窝网小区用户在所有时隙中的信道稀疏性参数：(10a)利用最大似然函数的期望公式，计算大小为G×G的单位矩阵的每一列对应的最大似然函数的期望值，将最大似然函数的期望值的最大值对应的列作为初始列向量；(10b)判断初始列向量的第一个元素是否为1，若是，则执行步骤(10e)，否则，执行步骤(10c)；(10c)将初始列向量中元素值为1的最小元素序号的前一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值；(10d)判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值后执行步骤(10c)，否则，执行步骤(10e)；(10e)将初始列向量中元素值为1的最大元素序号的后一个元素序号对应的元素设为1，利用最大似然函数的期望公式，计算当前初始列向量的最大似然函数的期望值；(10f)判断当前初始列向量的最大似然函数的期望值是否大于最大似然函数的期望值的最大值，若是，则用当前初始列向量的最大似然函数的期望值更新最大似然函数的期望值的最大值，执行步骤(10e)，否则，将当前的初始列向量值作为信道稀疏性参数，执行步骤(11)；(11)判断虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数是否满足终止条件，若是，则执行步骤(12)，否则，执行步骤(2)；(12)将满足终止条件的当前虚拟信道转移状态值、虚拟信道转移状态噪声方差值和信道稀疏性参数，作为时变大规模MIMO网络中稀疏估计后的信道参数。