[发明专利]基于压缩感知的大规模MIMO信道估计方法和系统

说明书

本发明提供了基于压缩感知的大规模MIMO信道估计方法和系统，包括：获取区域内用户状态与用户分布，构建MIMO信道模型；基于MIMO信道模型建立变步长稀疏度自适应匹配追踪算法，在回溯过程引入阈值策略剔除错误原子得到信道估计结果；构建导频设计方案，结合估计结果进行导频分配。本发明解决了固定步长估计存在的精度和效率难以兼顾的问题，在不同环境下的重构信号具有更高的信噪比和重构效率。

技术领域

本发明涉及通信技术领域，尤其涉及基于压缩感知的大规模MIMO信道估计方法和系统。

背景技术

随着科技的发展，无线通信技术支撑了大规模移动用户数量的激增，在人们日常生活、工业发展中发挥着越来越重要的作用，有效满足人与人随时随地的多类型通信需求。

大规模MIMO是指通过在基站处部署数百根天线阵列，并为本小区的多个用户同时提供服务，以应对高载量的通信需求。信道估计是从接收数据中将假定的某个信道模型的模型参数估计出来的过程，良好的信道状态信息估计对于发挥MIMO系统的优势至关重要，决定了信号最终的解出率，有利于还原发送端发送的原信号。

而在大规模MIMO系统中，受通信条件、传输条件和导频污染等因素的干扰，导频复用问题限制了MIMO系统性能。由于通信系统中相干时间较短，导频序列长度有限，每个小区能够分配的正交导频数有限，导致相邻小区重复使用导频序列，产生了导频污染。导频污染严重限制了大规模MIMO的系统性能，如何减小导频污染的方法具有重大的实际应用价值与意义，目前信道估计方法和导频分配方法较多，但工程应用情况仍不够理想，以固定步长进行信道估计的精度和效率较低，无法满足工程应用需求。

综上所述，当前现有技术缺少能够准确估计信道状态并进行导频分配的方法。

发明内容

有鉴于此，本发明实施例提出基于压缩感知的大规模MIMO信道估计方法和系统，解决了固定步长估计存在的精度和效率难以兼顾的问题，在不同环境下的重构信号具有更高的信噪比和重构效率。

一方面，本发明实施例提供的基于压缩感知的大规模MIMO信道估计方法，包括：

获取区域内用户状态与用户分布，构建MIMO信道模型；

基于所述MIMO信道模型建立变步长稀疏度自适应匹配追踪算法，在回溯过程引入阈值策略剔除错误原子得到信道估计结果；

构建导频设计方案，结合所述估计结果进行导频分配。

示范性地，所述用户状态包括静止状态和非静止状态，所述用户分布包括用户分布数量。

示范性地，所述基于所述MIMO信道模型建立变步长稀疏度自适应匹配追踪算法，在回溯过程引入阈值策略剔除错误原子得到信道估计结果包括：

获取观测信号，建立观测矩阵；

初始化迭代参数与估计参数；

计算稀疏信号估计值，并判断估计结果为欠量估计或过量估计；

若为欠量估计，则增大估计值，若为过量估计，则减小估计值；

基于反正切函数的变步长策略对估计值进行回调以逼近真实稀疏度。

示范性地，所述基于反正切函数的变步长策略对估计值进行回调以逼近真实稀疏度包括：

在第一次出现过量估计时计算第一剩余残差；

将稀疏度估计值回调至上一估计值并计算第二剩余残差；

比较所述第一剩余残差和所述第二剩余残差的绝对值，并将所述绝对值小的估计值所对应的稀疏度作为最终稀疏度估计值。

示范性地，还包括：

基于回调后的稀疏度估计值进行信号重构。