[发明专利]一种大规模MU-MIMO系统信道估计方法

说明书

本发明公开了一种大规模MU‑MIMO系统的信道估计方法，所述方法包括以下步骤：(1)设计生成正交导频信号，避免用户间的干扰；(2)利用正交导频的性质，在接收端消除用户间干扰；(3)利用主成分法计算因子载荷矩阵；(4)估计公共因子；(5)利用信道的相关性和噪声的不相关性去掉噪声，实现信道估计。通过执行本发明的信道估计方法，不仅可得到信道矩阵的估计值，而且具有计算复杂度低、估计精度高和不需要信道统计信息的优势。此外，本发明方法具有较高的实用性，其可应用于具有相关关系的各种系统参数的估计中。

技术领域

本发明属于MU-MIMO系统信号处理技术领域，更具体地，涉及一种大规模MU-MIMO系统信道估计方法。

背景技术

MIMO技术能提高无线信道容量，即在不增加带宽和天线发送功率的情况下显著提高频谱利用率。但是，传统的MIMO技术依然不能满足当代呈指数上涨的无线传输速率的需求。在2010年，贝尔实验室提出了大规模MIMO的概念。与传统MIMO相比，大规模MIMO将天线的数量进行了数量级的提高，基站使用数以百计的天线，同时对用户提供服务。大规模MIMO继承了MIMO系统的所有优点，并且大大地提高了这些优点。大规模MIMO系统使得通信更加稳健、更加安全、更加有效。

大规模多用户MIMO(MU-MIMO)系统是基站天线数目非常大并同时服务于多个用户的系统，信道模型采用的是有限物理散射信道模型。在大规模MU-MIMO系统中，接收端信道的均衡和检测都需要精确的信道状态信息(CSI)。但是，当基站天线数目和用户数目都非常大时，信道矩阵的维度变的非常大，信道估计问题也变得非常复杂，因此信道估计已成为近年来研究的一个热点。

传统的信道估计方法，例如最小二乘(LS)算法、最小均方误差(MMSE)算法等，均假设无线信道是密集多径的，从而利用大量导频信号来实现信道估计，导致频谱资源利用率低。并且，在大规模MU-MIMO系统中，随着用户数目和基站天线数目的增加，传统的信道估计算法存在估计精度下降和计算复杂度非常大的缺点。于是提出了基于压缩感知的信道估计方法。但是这类方法均需要信道的统计信息，而在实际中是很难获得的。

发明内容

针对现有技术的以上缺陷或不足，本发明提供一种大规模MU-MIMO系统的信道估计方法，利用因子分析算法，可在较低的计算复杂度下，不需已知信道的统计信息就可以比较准确的实现大规模MU-MIMO系统中的信道估计。

为实现上述目的，本发明提供一种大规模MU-MIMO系统的信道估计方法，所述方法包括：

(1)生成K×K的正交导频信号S，在发射端发送正交导频信号S，则其在基站端的接收信号矩阵为Y(t)＝H(t)S+N(t)，其中表示系统的信道矩阵，表示噪声矩阵；K为用户数目，M为基站天线数目；

(2)消除用户间的干扰，得到每个用户在基站端的接收信号

(3)在I个不同的时刻，对每个用户在基站端的接收信号进行采样，得到每个用户在基站端的接收信号样本矩阵k＝1,2,...,K；

(4)分别对Z_k的实部和虚部利用主成分法进行同样的处理，估计每个用户的因子载荷矩阵B_k，k＝1,2,...,K；

(5)根据每个用户在基站端的接收信号样本矩阵Z_k和每个用户的因子载荷矩阵B_k，估计每个用户的公共因子f_k，k＝1,2,...,K；

(6)去掉噪声，根据每个用户的因子载荷矩阵B_k和公共因子f_k，得到每个用户的信道估计值为h_k＝B_kf_k，k＝1,2,...,K，进而得到整个信道的估计值H＝[h₁,h₂,...,h_K]。