一种超大规模天线通信系统的混合信道估计方法

1.本发明属于无线通信技术领域，具体涉及一种超大规模天线通信系统的混合信道估计方法


背景技术：

2.高频段通信和超大规模天线阵列是下一代移动通信网络的两项关键技术，与第五代通信系统相比，这两项关键技术有助于实现更通行能力强大、更智能、更可靠、更节能的目标。随着基站(bs)上安装的天线数量增加到数百上千，天线整列对应的瑞利距离将达到数十米。在这种情况下，用户(ue)可以位于近场区域或远场区域。这使得仅适用于远场区域的平面波假设不再适用于拥有超大规模天线的通信系统。因此，在超大规模天线的通信系统中，信道的建模需要同时考虑近场的球面波假设以及远场区域的平面波假设。球面波和平面波具有的不同传播特性，使得混合近场/远场信道的估计是一个具有挑战性的问题。


技术实现要素：

3.本发明的目的在于提出适用于超大规模天线通信系统的信道估计方法，以较少的训练导频开销实现高精度的信道估计。利用近场/远场导向矢量的相干性，找到混合近场/远场信道矢量的块稀疏表示，并通过模式耦合稀疏贝叶斯学习方案进一步估计。与现有的基于极域的稀疏恢复方法以及传统的最小二乘方法相比，所设计的信道估计方法不仅可以实现训练导频开销的大幅度减少，而且还可以获取跟高精度的信道信息。
4.本发明的技术方案为：
5.面向超大规模天线通信系统的下行信道估计问题，考虑多输入单输出(multiple-input single-output,简称miso)的通信系统，基站(base station,简称bs)配置均匀线阵，天线数为n和射频链路数为r，满足r＜＜n，移动用户端(user)配置全向天线。下行导频训练时，考虑t个连续帧，对于第t个帧，用户采用rf模拟预编码器和基带数字预编码器
6.技术方案包括以下步骤：
7.s1、构建信道。由于毫米波/太赫兹信号的波长较小，电磁波的衍射和散射能力有限，导致基站与用户之间的传播路径很少。因此，采用几何信道模型刻画混合近场/远场信道模型，即：
[0008][0009]
式中，l为路径数，r
l
为在基站处的第一个天线(作为参考天线)与第l条路径的散射/用户之间的距离，θ
l
为第l条路径的射出角(aod)，a(
·
,
·
)表示与角度和距离有关的导向矢量。特别地，a(θ,r)有如下表达式：
[0010][0011]
其中，λ为载波频率的波长，r
(n)
为第n根天线与散射体/用户之间的距离。r
(n)
与r的关系为：
[0012][0013]
其中，
△
定义为：
[0014][0015]
需要注意的是，(n-1)d是天线阵列的孔径，通常远小于r。因此，
△
对应于一个比较小的值。考虑对应较小的x，近似关系成立的事实，得到r
(n)
的近似表达式如下：
[0016][0017]
需要注意的是r
(1)
≡r，这是第一个天线被当作参考天线的缘故，此时
△
＝0。从上式中发现r
(n)
包含两部分，即与角有关的部分和与角无关的部分。因此，a(θ,r)可以重新表达为：
[0018][0019]
其中，代表hadamard积，a(θ)是远场导向矢量，定义为：
[0020][0021]
a(r)是与给定距离相关的项：
[0022][0023]
该信道模型可以同时捕获近场区域和远场区域的特性。具体来说，对于特定的传播路径，例如第l条路径的信道响应当r
l
大于瑞利距离时，a(r
l
)可以近似为：
[0024][0025]
其将导致：
[0026]
[0027]
其中，由此得到的信道响应向量h
l
是传统的远场信道模型。当r
l
小于瑞利距离时，a(r
l
)一般不能进一步简化。因此，h
l
表示为：
[0028][0029]
s2、混合近场/远场信道的稀疏表示。更进一步，给定距离r
p
，定义矩阵为：
[0030][0031]
其中，是一个离散傅里叶变换(dft)矩阵，其第n列由a(θn)给出，其中sin(θn)＝(2n-n-1)/n(n＝1,
…
,n)是与dft矩阵相关的离散角。显然，是一个酉矩阵，即：
[0032][0033]
这是因为a(r
p
)是一个常模向量，同时dft矩阵具有正交性。因此，h可以唯一地表示为：
[0034][0035]
其中定义为：
[0036][0037]
其中α
l
的第n个元素为：
[0038]
α
l
(n)＝ah(θn,r
p
)a(θ
l
,r
l
)
[0039]
这表明α
l
中每个元素的值(也是同样)是由两个混合近场/远场导向矢量的相干性决定的。根据近场导向矢量的相干特性可知，是一个具有块稀疏特性的稀疏向量。
[0040]
s3、块稀疏感知信道估计方案
[0041]
第t时刻的接收信号为：
[0042]
y(t)＝hhs(t)+n(t)
[0043]
＝hhf(t)+n(t)
[0044]
其中，b(t)是传输信号，假设b(t)＝1。其中是加性复高斯噪声。
[0045]
令y＝[y(1)
ꢀ…ꢀ
y(t)]h，f＝[f(1)
ꢀ…ꢀ
f(t)]h，n＝[n(1)
ꢀ…ꢀ
n(t)]h。可以将接收信号表达为：
[0046]
y＝fh+n
[0047]
根据s2,接收信号进一步表示为：
[0048][0049]
其中，因此，信道估计问题可以转化为用有噪声干扰的观测向量y恢复块稀疏向量为了充分利用块稀疏结构，本发明在这项工作中利用模式耦合压缩感知算法来解决稀疏恢复问题。
[0050]
本发明的有益效果为，本发明所提出的信道压缩估计方法能够在大幅度减少训练开销的同时实现准确的信道估计，为超大规模天线通信系统提供可靠的信道状态信息。
附图说明
[0051]
图1为各方法归一化均方误差与时帧的关系，实验条件为snr＝10db；
[0052]
图2为各方法归一化均方误差与信噪比的关系，实验条件为t＝100。
具体实施方式
[0053]
下面结合附图和仿真示例对本发明进行详细的描述，以证明本发明的实用性。
[0054]
本发明面向超大规模天线通信系统的下行信道估计问题，考虑多输入单输出(multiple-input single-output,简称miso)的通信系统，基站(base station,简称bs)配置均匀线阵，天线数为n和射频链路数为r，满足r＜＜n，移动用户端(user)配置全向天线。下行导频训练时，考虑t个连续帧，对于第t帧，用户采用rf模拟预编码器和基带数字预编码器第t时刻的发射信号可表示为：
[0055][0056]
其中，是混合波束成形矢量，和分别是rf预编码矩阵和基带编码矩阵，b(t)＝1是传输符号。注意，每个用户单独接收传输的信号并估计其自身的信道信息。因此，下面只关注特定用户的信道估计。
[0057]
令表示从基站到用户的信道，用户在第t时刻接收到的信号可以表示为：
[0058]
y(t)＝hhs(t)+n(t)
[0059]
＝hhf(t)+n(t)
[0060]
其中，表示加性复高斯噪声。
[0061]
定义y＝[y(1)
ꢀ…ꢀ
y(t)]h，f＝[f(1)
ꢀ…ꢀ
f(t)]h和n＝[n(1)
ꢀ…ꢀ
n(t)]h。可以将接收信号表达为：
[0062]
y＝fh+n
[0063]
本发明的目标是根据接收到的有噪观测值y来估计h。理论上，在观测值t不小于n的条件下可以通过最小二乘(ls)来估计h。然而，对于超大规模天线来说，n通常是一个很大的数字，基于最小二乘的信道估计方法可能会受到较高训练开销的影响。本发明利用h的固有结构来减少训练开销。
[0064]
由于毫米波/太赫兹信号的波长较小，电磁波的衍射和散射能力有限，导致基站与用户之间的传播路径很少。因此，采用几何信道模型刻画混合近场/远场信道模型，即：
[0065][0066]
式中，l为路径数，r
l
为在基站处的第一个天线(作为参考天线)与第l条路径的散射/用户之间的距离，θ
l
为第l条路径的射出角(aod)，a(
·
,
·
)表示与角度和距离有关的导向矢量。特别地，a(θ,r)有如下表达式：
[0067][0068]
其中，λ为载波频率的波长，r
(n)
为第n根天线与散射体/用户之间的距离。r
(n)
与r的关系为：
[0069][0070]
其中，
△
定义为：
[0071][0072]
需要注意的是，(n-1)d是天线阵列的孔径，通常远小于r。因此，
△
对应于一个比较小的值。考虑对应较小的x，近似关系成立的事实，得到r
(n
)的近似表达式如下：
[0073][0074]
需要注意的是r
(1)
≡r，因为第一个天线被当作参考天线，在这种情况下
△
＝0。r
(n)
包含两部分，即与角有关的部分和与角无关的部分。因此，a(θ,r)可以重新表达为
[0075][0076]
其中，代表hadamard积，a(θ)是远场导向矢量，定义为：
[0077][0078]
a(r)是给定的距离相关项：
[0079][0080]
信道模型可以同时捕获近场区域和远场区域的特性。具体来说，对于特定的传播路径，例如第l条路径的信道响应当r
l
大于瑞利距离时，a(r
l
)可以近似为：
[0081][0082]
其将导致：
[0083][0084]
其中，由此得到的信道响应向量h
l
是传统的远场信道模型，因为它只
在角域中进行表征。当r
l
小于瑞利距离时，a(r
l
)一般不能进一步简化。因此，h
l
表示为：
[0085][0086]
由于角域的稀疏性，远场信道可以用空间傅里叶变换矩阵稀疏表示，然而这种稀疏表示不再适用于近场场景。因为近场信道不仅与角度有关，而且与距离有关。有相关工作引入了近场信道的极域稀疏表示，其中通过同事采样不同角度和距离来构造极域变换矩阵。然而，这种极域通道表示包含了大量原子，这些原子不是正交的。本发明提出一种新的近场/远场混合信道表示。具体而言，混合近场/远场导向矢量可以分为两个部分，即角度相关部分和角度无关部分。因此给定一个特定距离r
p
，可以定义矩阵为：
[0087][0088]
其中，是dft矩阵，其第n列由a(θn)给出，其中sin(θn)＝(2n-n-1)/n(n＝1,
…
,n)是与dft矩阵相关的离散角。显然，是一个酉矩阵，即：
[0089][0090]
这是因为a(r
p
)是一个常模向量，以及dft矩阵具有正交性。h可以唯一地表示为：
[0091][0092]
其中定义为：
[0093][0094]
其中,α
l
的第n个元素为：
[0095]
α
l
(n)＝ah(θn,r
p
)a(θ
l
,r
l
)
[0096]
这表明α
l
中每个元素的值(反过来)是由两个混合近场/远场导向矢量的相干性决定的。根据近场导向矢量的相干特性可知，是一个具有块稀疏特性的稀疏向量。
[0097]
利用的块稀疏特性设计信道估计算法。有噪接收信号可进一步表示为
[0098][0099]
其中，因此，信道估计问题可以转化为用被噪声破坏的观测向量y恢复块稀疏向量为了充分利用块稀疏结构，本发明在这项工作中利用模式耦合压缩感知算法来解决稀疏恢复问题。
[0100]
在仿真中，本发明将载波频率设置为100ghz，并为bs配置n＝256个天线的ula。本发明假设仿真中存在l＝3个传播路径，其中包括一个los路径和2个nlos路径。los路径中与nlos径的信号功率比率为设置为13db。每个传播路径的参数选择为θ
l
∈[0,π)和r
l
∈[10m,120m]。同时定义归一化均方误差用于评估估计的信道向量的精度，即
[0101]
[0102]
其中，h和分别是真实信道和估计信道。
[0103]
图1描述了当snr设置为10db时nmse随t增加的曲线。可以看到，所提出的方案只需要t＝50就可以获得低于0.1的nmse，而极域方法则需要t＝130。因此，与极域方法(传统的最小二乘法)相比，本发明提出的方案可以显著减少开销。图2描述了当t＝100时具有不同snr的nmse。显然，当信噪比在0db以上，图中所示的方案均可以提供相对准确的信道矢量估计，并且随着信噪比的增加，所提出的方案远超极域方法的性能。此外，本发明提出的方案对r
p
的选择不太敏感；不同的r
p
具有相似的nmse。
[0104]
综上所述，本发明研究了超大规模天线通信系统的近场/远场混合信道估计问题。基于这种块稀疏性，利用模式耦合稀疏贝叶斯学习方法来估计混合近场/远场信道。仿真结果表明，本发明可以在大幅度减少训练开销的同时实现准确的信道估计。

技术特征：
1.一种超大规模天线通信系统的混合信道估计方法，用于多输入单输出系统的下行信道估计，系统包括配置均匀线阵的基站，基站天线数为n、射频链路数为r，r＜＜n，和配置全向天线的移动用户端；下行导频训练时，考虑t个连续帧，对于第t个帧，用户采用rf模拟预编码器和基带数字预编码器其特征在于，所述方法包括：s1、采用几何信道模型构建混合近场/远场信道模型，即：式中，l为路径数，r
l
为在基站处的第一个天线与第l条路径的散射/用户之间的距离，θ
l
为第l条路径的射出角，a(
·
,
·
)表示与角度和距离有关的导向矢量，a(θ,r)表达式为：其中，代表hadamard积，a(θ)是远场导向矢量，定义为：其中，λ为载波频率的波长，d是阵列天线阵元的间距，n是第n根阵列天线，n＝1,
…
,n，a(r)是给定的距离相关项：s2、给定距离r
p
，定义矩阵为：其中，是dft矩阵，第n列由a(θ
n
)给出，sin(θ
n
)＝(2n-n-1)/n是与dft矩阵相关的离散角；是一个酉矩阵，即：a(r
p
)是一个常模向量，并且dft矩阵具有正交性；利用得到h为：其中定义为：其中α
l
的第n个元素为：α
l
(n)＝a
h
(θ
n
,r
p
)a(θ
l
,r
l
)s3、定义第t时刻的接收信号为：y(t)＝h
h
s(t)+n(t)＝h
h
f(t)+n(t)其中，b(t)是传输信号，n(t)是加性复高斯噪声；
令y＝[y(1)
ꢀ…ꢀ
y(t)]
h
，f＝[f(1)
ꢀ…ꢀ
f(t)]
h
，n＝[n(1)
ꢀ…ꢀ
n(t)]
h
，将接收信号表达为：y＝fh+n根据s2中得到的h，将接收信号进一步表示为：其中，从而将信道估计问题转化为用被噪声破坏的观测向量y恢复块稀疏向量具体为利用模式耦合压缩感知算法来解决稀疏恢复问题，实现信道估计。

技术总结
本发明属于无线通信技术领域，具体涉及一种超大规模天线通信系统的混合信道估计方法。由于混合远场/近场信道不存在角度域上的稀疏特性，因此传统的基于压缩采样方案的远场信道估计方法无法直接扩展由于实现混合远场/近场信道信息的获取。为此，本发明致力于提出适用于混合近场/远场信道估计方法，以合理的训练导频开销实现高效、可靠的信道估计。本发明所设计的信道估计方法利用近场导向矢量相干特性，构建了混合近场/远场信道矢量的块稀疏的表示方式，并通过模式耦合稀疏贝叶斯学习方法实现混合近场/远场信道矢量的高精度、高可靠估计。相比于传统的最小二乘方法以及基于压缩感知的信道估计方法，本发明可以大幅度减少训练导频的开销。练导频的开销。练导频的开销。


技术研发人员：王宏伟 郑熹 方俊 王集林
受保护的技术使用者：电子科技大学
技术研发日：2023.06.19
技术公布日：2023/8/5