[发明专利]基于压缩感知的大规模MIMO非正交多用户接入方法

说明书

技术领域

本发明属于无线通信技术领域，尤其涉及在大规模多入多出(MIMO)系统下，对于散发性的通信随机的接入信道的一种信道估计，用户检测，数据检测联合完成的方法。

背景技术

在散发性无线通信情景中，大量的用户活跃度低，并且随机的接入到信道中，若仍然采用传统的握手通信过程显得非常繁琐。随着第五代移动通信(5G)技术的发展，机器到机器通信用户量急速增长，如何提升信道容量成为关键问题，已有研究表明，在基站使用大规模MIMO天线会使得一个小区的机器到机器通信容量提升百分之四十。

目前已经有很多基于压缩感知的信道估计和用户检测算法。在用户检测中，大多数算法都把用户检测模型建模为SMV问题，再使用正交匹配追踪、基追踪等算法来对当前的活跃用户量进行估计。这类算法大多基于信号状态完全已知的情况，并不符合实际应用中的情况，其次，由于SMV在低信噪比中抗干扰能力较弱，在噪声较大的情况往往不能取得良好的检测效果。本发明基于5G通信大规模MIMO的情况，利用接收信号的协方差矩阵信息，将检测问题构造成强鲁棒性的MMV问题，给出了一种基于非正交导频多用户接入的信道估计、用户检测、数据检测在同一个时隙完成的联合检测算法。

发明内容

本发明的目的在于提供一种在5G通信技术下，提高机器到机器通信的用户容量，同时减少通信过程中的冗余开支，具有强鲁棒性的基于压缩感知的大规模MIMO非正交多用户接入方法。本发明通过使用压缩感知技术，使用非正交的导频对当前活跃用户数量进行检测，再基于用户检测结果，确定当前使用的导频数据，从而完成信道估计及数据检测。

为了方便描述，首先对本发明采用的模型进行介绍。

在大规模MIMO的基站，接收到的信号表示为：Y＝HX+W，其中，信道为发送的信号矩阵，是零均值高斯噪声，其元素为独立同分布满足L是用户导频长度，K为总的用户数量，M为天线数。

在用户检测中，发送信号矩阵X为导频字典S∈R^L×K，所述S是所有用户的导频序列集合，基站只已知导频字典，但是并不知道具体哪个用户使用哪一个导频。将接收到的信号其转置形式可以表示为：Y^H＝SH^H+W^H，其中，H^H＝[h₁,h₂,...,h_M]是一个K×M的矩阵，H^H的第m列是一个稀疏矩阵，可以表示为：代表活跃用户索引值的集合，D为总的活跃用户数，即稀疏度。

一种基于压缩感知的大规模MIMO非正交多用户接入方法，具体步骤如下：

S1、进行用户检测，具体为：通过LASSO方法，求解问题其中，S为导频字典；

S2、根据S1求解的结果进行信道估计，具体为：找到活跃用户索引值的集合S₀，所述集合S₀包含了K_a个活跃用户节点，||S₀||₀＝K_a，确定与所述集合S₀对应的所使用的大小为L×K_a导频字典基站接收到的导频信号可以表示为：通过最小二乘法，可以求解得出

S3、根据S2估计得到的信道进行数据检测：基站接收到的数据可以表示为：其中D∈R^K×N为用户发送的数据所组成的矩阵，N为用户发送数据长度，为了简化系统的设计，用最小二乘法进行求解

本发明的有益效果是：

在用户量激增的通信情况下，并不需要使用正交导频来增加冗余开销，也不需要繁琐的握手通信过程，并且由于该算法利用了二阶统计信息，即使在噪声较大的情况下，仍然保持着良好的检测性能。本发明具有更强的实际操作性。

附图说明

图1活跃用户正确检测率与活跃用户数的关系。

图2为活跃用户正确检测率与信噪比的关系。

图3为活跃用户正确检测率与基站天线数量的关系。

图4为误码率与信噪比的关系。

图5为误码率与活跃用户数的关系。

图6为信道估计的均方误差与活跃用户数、信噪比的关系。。

具体实施方式

下面将结合实施例和附图，利用基于压缩感知的MMV相关算法同本发明方法的算法性能对比分析，以进一步验证本发明的性能。