[发明专利]大规模天线系统信道训练及传输过程小区间干扰消除方法

说明书

大规模天线系统信道训练及传输过程小区间干扰消除方法，本方法分析和解决大规模多输入多输出天线系统中信道估计和数据传输过程中的小区间干扰问题。考虑到空间相关信道在角度域的系数特性，期望信道和干扰信道的多径很难具有相同的到达角，这使得在角度域期望信道的分量和干扰信道的分量可分辨。上行数据子帧中的符号数远多于导频序列的长度。通过抽取信道粗估计中相应位置上的信道系数可以得到信道的精估计，进而根据精估计信道进行下行数据传输的预编码。仿真结果表明，无论相邻小区采用同一组正交导频序列还是不同的导频序列，所提出的信道估计方法都有效地消除了导频污染。

技术领域

本发明公开了一种能够应用于5G通信中的大规模天线信道训练及传输过程区间干扰消除法，属于通讯技术领域。

背景技术

为了满足爆炸式增长的移动通信服务需求，迎接物联网、车联网、触觉网等新应用的到来，第五代移动通信系统(5G)正向“信息随心至，万物触手及”的远景目标发展。相比于第四代移动通信系统(4G)，5G预期传输速率达到10Gbps，是4G的100倍。与此同时，5G还要满足低延时高可靠、低功率大传输、以及热点高覆盖等需求。近年来，若干项关键技术被认为是实现5G预期指标的重要方法，已经引起了大量的关注，其中包括大规模多输入多输出(Massive Multi-input Multi-output，Massive MIMO)、超密集网络(Ultra-densenetwork，UDN)、全双工(Full Duplex，FD)以及设备间通信(Device2-Device，D2D)等。

Massive MIMO是满足5G蜂窝网高数据率需求的一项关键技术。在2010年T.L,Marzetta开始提出Massive MIMO时，他指出当基站天线数趋于无穷时，小区间干扰(Intercell interference，ICI)不再是制约系统性能的主要因素。随着基站端天线数增多(远大于所服务的用户数，其典型值为128和256)，Massive MIMO的空间自由度很大，空间分辨率极高，在已知信道状态信息(Channel state information，CSI)的条件下有能力消除对邻小区用户的干扰，从而大大提高网络的吞吐量。

Massive MIMO系统是否能够达到很高的吞吐量依赖于准确的实时信道估计。在LTE帧结构中，导频被用来进行信道估计。以时分双工(Time division duplex，TDD)系统为例，用户在上行帧的末尾发送导频序列用于在基站进行信道估计。常用的信道估计方法有基于最小二乘(Least square，LS)的算法和基于最小均方误差(Minimum mean squareerror，MMSE)的算法。基站认为在一整帧的时间内信道保持不变，一旦获得信道估计，就利用估计的信道计算用于上行传输数据解调的检测器和下行传输时使用的预编码。

Massive MIMO系统能够达到性能潜力强烈依赖于获取事实信道状态信息的质量。在传统的多小区MIMO系统中，多个小区内的用户向基站发送相互正交的导频序列，基站根据接收信号估计出期望用户的信道向量。然而实际中正交序列的长度有限，因此只能保证同一小区中选取同一序列用作导频的用户将在信道估计的过程中互相干扰，从而严重影响信道估计的质量。在文献中，一般称由于正交序列复用而产生的信道估计误差为导频污染。如果相邻小区之间使用不同的正交序列集，正如目前LTE系统中所采用的，则此时不同小区的正交序列之间存在相关性，导致基站在对本小区用户进行信道估计时被相邻小区用户的信道干扰。由于训练序列不完全正交导致的信道估计误差，在本文中被称为交叉污染。