[发明专利]一种大规模MIMO系统中低复杂度的信道估计方法

说明书

本发明公开了一种大规模MIMO系统中低复杂度的信道估计方法，包括首先建立信道协方差矩阵的最优化估计问题，其次根据协方差估计的迭代关系，进而利用Sherman‑Morrison定理将矩阵求逆转化为矩阵与向量乘积的形式，从而使得方法复杂度降低。该方法通过对信道相关矩阵进行近似估计，和运用Sherman‑Morrison定理将MMSE方法中矩阵求逆变换成矩阵与向量乘积，大大地降低了MMSE方法的计算复杂度，且具有较低的性能损耗。

技术领域

本发明为一种大规模MIMO系统中低复杂度的信道估计方法，属于大规模MIMO无线通信领域。

背景技术

随着用户需求的不断提高，高速率、高质量的通信系统是新一代移动通信技术的研究目标。为了实现这一目标，大规模多输入多输出(MIMO)通信系统引起了业界的广泛关注。该系统通过在基站侧配置庞大的天线阵列，从而获得了较大的分集增益，大大提高了系统容量和能量效率。然而，大规模MIMO系统的这些优势是基于基站拥有质量可靠的信道状态信息的假设给出的，而在实际中信道状态信息是未知的，其需要通过一定的处理估计得到。因此，信道估计技术对大规模MIMO系统具有重要的意义。

近年来，国内外一些文献已开展了大规模MIMO系统中信道估计方法的研究。在这些方法中，若信道统计信息已知，贝叶斯最小均方误差(MMSE)方法将是最优的。然而，在大规模MIMO系统中，随着天线数目的增加，MMSE方法将涉及的大的矩阵逆运算使其计算复杂度急剧增加，这将影响其在实际中的应用。若信道的协方差矩阵是对角阵，MMSE方法将可以避免高的复杂度。但是，由于有限的阵元间隔和丰富的传输环境的影响，大规模MIMO信道是具有明显的空间信道相关性，这将不能保证信道协方差阵是理想的对角阵。

多项式扩展是一种典型的降低大维度矩阵逆运算复杂度的方法，该方法利用泰勒公式在矩阵中的推广，将矩阵求逆转化成L-维的矩阵多项式的加法和乘法运算。根据这一思想，Nafiseh Shariati等人提出了(Nafiseh Shariati等人，瑞典，IEEE Journal OfSelected Topics in Signal Processing，“Low-Complexity Polynomial ChannelEstimation in Large-Scale MIMO with Arbitrary Statistics”)一种大规模MIMO系统中基于多项式拓展的信道估计方法，该方法通过一个L-维的多项式来近似MMSE中的矩阵逆运算。当多项式维数L趋于无穷大时，该方法性能收敛于MMSE，但是在有限L情况下，该方法的性能将严重下降。为了解决这一问题，该作者又提出了一种加权的多项式信道估计方法，该方法虽然在较小的L下可以获得较高的估计性能，但是其最佳权值的选择同样将带来很高的计算复杂度。因此，MMSE方法需要进一步改进，且研究大规模MIMO系统中低复杂度的MMSE 信道估计方法具有重要的意义。

发明内容

技术方案：本发明采用的技术方案为一种应用于大规模MIMO通信系统的低复杂度最小均方误差信道估计改进方法，旨在进一步的降低MMSE方法的计算复杂度和付出较小的性能代价。该方法通过对信道相关矩阵进行近似估计，和运用Sherman-Morrison定理将MMSE方法中矩阵求逆变换成矩阵与向量乘积，大大地降低了MMSE方法的计算复杂度，且具有较低的性能损耗。本发明采用的技术方案包括以下步骤：

步骤1：根据最小均方误差估计(MMSE)原理，建立当前时刻协方差矩阵，当前时刻接收信号以及前一时刻协方差矩阵的迭代关系，考虑迭代关系因子对协方差估计性能的影响，建立协方差估计的最优化求解问题；

建立的优化问题以实际信道协方差矩阵、噪声协方差矩阵以及接收信号为约束条件，最小化协方差估计误差为优化目标函数，从而求解出迭代关系式中最优因子。在实际的系统中，信道的协方差矩阵是未知的，其需要估计得到。因此，将协方差矩阵的估计考虑到MMSE中与实际更加的相符合，具有一定的实用价值。