一种多用户大规模MIMO系统中的迭代信道估计方法

摘要

本发明属于无线通信技术领域，尤其涉及一种频分双工(FDD)模式下的单天线多用户大规模MIMO(MU-Massive MIMO)系统的信道估计算法。本发明是一种在贝叶斯压缩感知框架下利用多用户大规模MIMO信道的联合稀疏性降低信道估计开销的算法，其基本模型是一个BS服务多个用户，BS端配置了大规模天线阵，移动用户为单天线，利用信道的联合稀疏性，引入基于贝叶斯方法的迭代算法进行信道估计，大大减少了信道估计的开销，使得信道估计的时间远小于信道的相干时间。

主权项

一种迭代的多用户大规模MIMO系统信道估计方法，其特征在于，具体步骤如下：S1、初始化，具体为：S11、BS用T个时隙向K个MS广播T个导频信号X＝[⁽¹⁾,x⁽²⁾,...,x⁽ⁱ⁾,...,x^(T)]∈C^N×T，其中，N为BS的天线数，X＝U_TX^a，X^a∈C^N×T的元素即从集合中以等概率抽取，P为每个时隙的导频信号功率，i＝1,2,3,...,T；S12、K个MS的接收信号为{Y_j:j＝1,2,...，K},Y_j表示第j个MS的接收信号；S13、进行符号转换，令$\begin{array}{c}{F}_j=Y_j^H{U}_R\\ \Phi =X^H{U}_T\\ S_j={\left(H_j^a\right)}^H\\ E_j=N_j^H{U}_R\end{array},$则$\begin{array}{c}\left\{F_j:j=1,2,...,K\right\},\\ \Phi ,\\ \left\{S_j:j=1,2,...,K\right\}\end{array},$其中，j＝1,2,...K，Φ表示压缩感知测量矩阵，S_j为角度域信道矩阵的共轭转置，角度域信道矩阵为Ε_j为等效高斯噪声矩阵，N_j为接收噪声信号矩阵；S2、各MS共同稀疏支持集合联合估计，具体为：S21、假设各MS拥有完全相同的稀疏支持集合，即Ω₁＝Ω₂＝…＝Ω_K＝Ω_c，其余各MS互不相同的稀疏支持当作噪声处理，其中，是各MS的共同稀疏支持集合；S22、按照贝叶斯压缩感知算法，设第1个MS的稀疏信道服从超参数为α₁＝[α₁,α₂,...,α_g,...,α_N]^T的多变量高斯分布，即联合概率密度函数其中，H₁表示第1个MS与BS之间的信道，表示信道向量的第g个元素，表示α_g的倒数；S23、设第j个MS的超参数与S22所述α₁第1个MS成正比列，即α_j＝k_jα₁，其中，k_j为第j个MS的比例系数；S24、联合考虑K个MS，根据导出联合更新规则：其中，μ_g表示μ的第g个元素，V_gg表示V的第g个对角元；S25、得到各MS的后验均值和协方差矩阵为$\begin{array}{c}{\mu }_j={\sigma }^{-2}{V}_j{A}^H{F}_j\\ V_j={\left({\sigma }^{-2}{A}^{H}A+diag\left(k_j{a}_1\right)\right)}^{-1}\end{array};$S26、输入S13所述中$\begin{array}{c}\left\{F_j:j=1,2,...,K\right\},\\ \Phi ,\\ \left\{S_j:j=1,2,...,K\right\}\end{array},$对S24‑S25进行不小于O次迭代，得到了共同位置的稀疏支持集合Ω_c，其中，O是经验值；S3、各用户稀疏支持集合迭代估计，具体为：S31、设置各MS稀疏支持集合迭代估计的迭代控制变量N_iter和最大迭代次数N_set；S32、共同位置信道状态信息更新，具体如下：S321、根据S26所述Ω_c，设第1个MS的共同位置上的信道状态值服从超参数为β₁的高斯分布，第j个MS的超参数与所述β₁正比列，即β_j＝c_jβ₁，其中，c_j为第j个MS的比例系数；S322、得到信道状态值的更新规则$\left\{\begin{array}{c}{c}_j=,1j=1\\ c_j=\frac{s_c}{{\beta }_1\underset{o=\left(j-1\right)s_c}{\overset{j}{\Sigma }}\left(V_{oo}+{\left|{\mu }_o\right|}^2\right)}\end{array}\right.,$其中，$s_c\stackrel{\Delta }{=}\left|{\Omega }_c\right|$表示共同的稀疏支持个数；S323、根据$\begin{array}{c}{\mu }_j^c={\sigma }^{-2}{V}_j^c{\Phi }_{{\Omega }_c}^T{F}_j\\ V_j^c={\left({\sigma }^{-2}{\Phi }_{{\Omega }_c}^T{\Phi }_{{\Omega }_c}+c_j{\beta }_{1}I\right)}^{-1}\end{array}$对共同位置上的系数进行估计；S324、重复迭代S322‑S323不小于O次，得到更新后的当前共同位置的信道状态的估计值S33、对每一个MS，减去S324所述的影响，单独估计非共同位置的稀疏支持集合，具体如下：S331、计算减去S324所述的影响后的残差S332、移除测量矩阵Φ中对应于共同位置稀疏支持的列，得到S333、对于测量矩阵和残差R_j，利用常规BCS估计，得到各MS非共同位置的信道状态信息估计S334、各MS减去S333中估计出的非共同位置的稀疏支持的影响$F_j=F_j-{\Phi }_{{\bar{\Omega }}_c}{\mu }_j^{nc};$S34、若N_iter≤N_set，则返回S32继续往下执行，否则执行S35，其中，N_set是预先设置的最大迭代次数；S35、将按照集合Ω_c中的索引插入中，得到的结果即为角度域信道状态的估计结果S4、各MS的信道估计结果为：