[发明专利]一种基于联合参数学习的毫米波MIMO宽带信道估计方法

说明书

本发明属于通信技术中的阵列信号处理领域，具体涉及一种基于联合参数学习的毫米波MIMO宽带信道估计方法。本发明基于新颖的毫米波大规模多输入多输出信道模型，通过部分接收信号从空域和频域中提取信道信息，将信道估计问题转换为线谱估计问题。然后，提出了一种联合参数学习算法来估计所有信道参数。因此，最终可以恢复信道，是一种低复杂度高性能的信道估计方法。

技术领域

本发明属于通信技术中的阵列信号处理领域，具体涉及一种基于联合参数学习的毫米波MIMO宽带信道估计方法。

背景技术

大规模多输入多输出(multiple-input multiple-output,MIMO)和毫米波(millimeter-wave,mmWave)均被公认为是未来第五代(fifth generation,5G)无线通信的有前途的技术。一方面，毫米波频谱能够提供近2GHz的传输带宽。另一方面，大规模MIMO可提供高波束成形增益，以补偿毫米波信道的路径损耗并改善频谱和能效。因此，mmWave大规模MIMO系统能够为未来的5G蜂窝网络实现1000倍的数据流量增长。

但是，mmWave大规模MIMO的实际实现可能不是一件容易的事。一个挑战性的问题是由于天线数量众多而导致的大规模MIMO信道估计。常规解决方案是设置波束码字，然后遍历所有方向。尽管这些方案计算复杂度低，但是要么需要频繁的反馈训练信息，要么具有高训练开销。在过去的几年中，利用mmWave信道的稀疏特性，已经提出了许多有效的信道估计算法。特别地，利用压缩感知技术将信道估计问题转化为稀疏恢复问题。此外，通过将接收信号建模为三阶张量，基于张量分解的方案，可以获得所有通道参数。实际上，大多数现有研究都基于常规MIMO信道模型，只需简单地假设信道尺寸很大。但是，如果天线的数量很大且传输带宽非常宽，则不同的天线元件将在相同的采样时间接收不同的符号。这种现象在阵列信号处理领域中称为波束斜视，对mmWave大规模MIMO系统产生了空间宽带效应。有研究提出了一种新颖的信道模型，其中考虑了空间宽带效应。然而，现有的信道估计方案具有很高的计算复杂度，并且需要从所有天线中采样数据。

发明内容

本发明的目的在于提供一种基于联合参数学习的毫米波MIMO低复杂度宽带信道估计方法。本发明考虑的是通过设计低复杂度的方法来适用于工程设计，同时在应对宽带效应的基础上要提高信道估计的鲁棒性。

本发明基于新颖的毫米波大规模MIMO信道模型，提出了一种基于联合参数学习的毫米波MIMO低复杂度宽带信道估计方案。特别地，通过从空域和频域中提取信道信息。将信道估计问题转换为线谱估计问题。然后，提出了一种联合参数学习算法来估计所有信道参数。因此，最终可以恢复信道，是一种低复杂度高性能的信道估计方法。

本发明的核心思想是信道估计问题被转化为二维线性频谱估计问题，利用联合参数学习算法，从接收信号中提取信道参数。

为了方便理解，首先介绍本发明使用的模型：

本发明用于考虑空间宽带效应的毫米波信道模型。在一个均匀线阵(uniformlinear arrays,ULAs)的毫米波大规模MIMO系统，其中基站(based station,BS)有N根天线，移动台(mobile station,MS)配了1根天线。对每一个示例，都考虑毫米波正交频分多址系统(orthogonal frequency division multiplexing,OFDM)传输方案。τ_k,n表示从MS到BS的第n根天线的第k条路径。第n根天线接收到的基带时域信号可以表示为：

其中，K是独立的物理路径数，α_k表示第k条路径的复增益，x(t)是传输的基带信号，f_c表示载波频率。基于阵列信号理论，我们有：