[发明专利]一种大规模MIMO系统中的稀疏低秩信道联合估计方法

说明书

本发明公开了一种大规模MIMO系统中的稀疏低秩信道联合估计方法，包括以下步骤：1)上行链路下的TDD大规模MIMO系统中的基站端配备N根均匀线阵摆放的天线数，接收端为M个单天线用户，用户向基站发射导频信号X，基站接观测到导频信号Y，H为用户到基站端的信道矩阵，用户m到基站的信道矢量为h_m，得波束域信号接收模型；2)构建大规模MIMO系统波束域的上行信道估计问题，再引入惩罚因子μ，得无约束问题，并将无约束问题进行松弛化，然后求解松弛化后的无约束问题，得最优秩对应的用户到基站的信道矩阵，完成大规模MIMO系统中的稀疏低秩信道联合估计。本发明能够完成大规模MIMO系统中的稀疏低秩信道联合估计，并且具有高精度、低复杂度的特点。

技术领域

本发明属于无线通信系统的天线选择领域，涉及一种大规模MIMO系统中的稀疏低秩信道联合估计方法。

背景技术

大规模MIMO是未来5G无线通信系统的核心技术之一。为了获得大规模天线阵列所带来的性能增益，获取精确的信道状态信息(CSI)是非常重要的。这使得信道估计成为了大规模MIMO技术研究中的重要方向之一。

相对传统MIMO系统来说，完成大规模MIMO系统的信道估计更加具有挑战性。一方面，基站端配置的天线数上升到了几十根甚至上百根，这使得待估计参数的维度大幅度上升，给估计带来了巨大挑战。例如，导频开销等；另一方面，基站天线数的增多使得某些系统，例如：FDD系统中的反馈开销剧增。

具体地，大规模MIMO信道具有以下一些新的特性。

首先，假设基站端的均匀线阵以半波长摆放。由于不同用户信道的导向矢量相同，这使得用户间的信道是相关的。其次，由于用户与基站间可辨识的路径数远小于基站天线数，这使得信道是低秩的；其次，研究指出，在大规模MIMO系统中，在波束域观测下的信号具有近似的稀疏特性。即波束信道系数中仅有一小部分较大的值，而其它系数都近似等于零。所以，大规模MIMO系统的信道系数在波束域具有低秩和近似稀疏的双重特性。

现有的大规模MIMO系统信道估计方案一般可以分为两类，低秩估计和稀疏估计。这些方案仅仅考虑了某一方面，并不能反映信道的真实特性。因此，我们希望综合考虑二者的特性，采用稀疏低秩联合估计获得更真实的信道。

综上所述，针对大规模系统中的低秩稀疏信道估计问题，设计一种秩估计精度高且具有合理复杂度的方案是很有必要的。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种大规模MIMO系统中的稀疏低秩信道联合估计方法，该方法能够完成大规模MIMO系统中的稀疏低秩信道联合估计，并且具有高精度、低复杂度的特点。

为达到上述目的，本发明所述的大规模MIMO系统中的稀疏低秩信道联合估计方法，其特征在于，包括以下步骤：

1)上行链路下的TDD大规模MIMO系统中的基站端配备N根均匀线阵摆放的天线数，接收端为M个单天线用户，用户向基站发射导频信号X，基站接观测到导频信号Y，H为用户到基站端的信道矩阵，用户m到基站的信道矢量为h_m，得波束域信号接收模型；

2)构建大规模MIMO系统波束域的上行信道估计问题，再给大规模MIMO系统波束域的上行信道估计问题中引入惩罚因子μ，得无约束问题，并将无约束问题进行松弛化，然后采用基于IALM及半阈值算子的迭代算法求解松弛化后的无约束问题，得最优秩对应的用户到基站的信道矩阵，完成大规模MIMO系统中的稀疏低秩信道联合估计。

每个用户向基站端发射长度为T的导频信号基站端观测到的导频信号Y为：

Y＝XH+N (1)

其中，为用户到基站端的信道矩阵，X为训练信号，Y为基站端接收的信号，Ν为用户m的加性高斯白噪声，m∈{1,...,M}，