[发明专利]一种FDD大规模MIMO系统中的下行链路信道估计方法

权利要求书

1.一种FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，包括：

构建FDD大规模MIMO系统的上行链路导频信号接收模型；

对上行链路空域信道进行压缩感知信道估计；

通过上行链路空域信道的估计值得到上行链路空域信道的支持集，根据上行链路空域信道的支持集估计下行链路空域信道的支持集；其中根据上行链路空域信道的支持集估计下行链路空域信道的支持集，具体为：通过密度聚类方法估计上行链路空域信道的多径数目；对上行链路空域信道的多径数目估计进行修正；对上行链路空域信道每条路径对应的类集合的中心进行估计；根据上行链路空域信道的支持集信息估计下行链路空域信道的支持集；

构建FDD大规模MIMO系统的下行链路导频信号接收模型；

基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计。

2.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述基于下行链路空域信道的估计支持集信息进行下行链路压缩感知信道估计包括：

构建下行链路空域信道的估计支持集信息矩阵；

结合下行链路空域信道的估计支持集信息矩阵进行下行链路信道估计。

3.如权利要求2所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述构建下行链路空域信道的估计支持集信息矩阵，具体为：

下行链路估计支持集信息矩阵为W＝diag(w₁，…，w_N)，其中0＜σ＜1为控制参数，其中Ω^d为下行链路空域信道的支持集。

4.如权利要求3所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述结合下行链路估计支持集信息矩阵的下行链路信道估计，具体为：

利用压缩感知恢复算法来进行下行链路信道估计，该下行链路信道估计问题表示为：

其中为下行链路基矩阵，由阵列导向矢量构成；为其空域信道稀疏表示，且满足为下行链路空域信道的估计矢量；||·||₀表示0范数，||·||₂表示2范数，ρ^d为下行链路信噪比，A为基站向用户发送的导频信号，h^d为下行链路信道，n^d为发射端高斯白噪声，ε为误差控制参数；

通过求解出的下行链路空域信道估计矢量，得到下行链路信道估计为

5.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述对上行链路空域信道进行压缩感知信道估计，包括：

利用压缩感知恢复算法来进行上行链路空域信道估计，该上行链路空域信道估计问题表示为：

其中为上行链路信道的空域表示，且满足其中为上行链路信道的基矩阵，由阵列的导向矢量构成；ε为误差控制参数；为空域信道的估计矢量；||·||₀表示0范数，||·||₂表示2范数，y^u为基站端接收到的导频信号，ρ^u为上行链路信道信噪比，a为用户向基站发射的导频信号，n^u为接收端高斯白噪声，为用户到基站的信道矩阵。

6.如权利要求1所述的FDD大规模MIMO系统中的下行链路信道估计方法，其特征在于，所述通过密度聚类方法估计上行链路空域信道的多径数目包括：

通过密度聚类算法，根据上行链路空域信道的支持集Ω^u进行密度聚类，聚类后的分类数n即为多径数目估计值；其中，每一类构成的集合为i∈[1，2，…，n]，称为类集合，经过聚类后的元素构成的集合为U表示集合的并集。