[发明专利]一种Massive MIMO的相位噪声估计方法及装置

权利要求书

1.一种Massive MIMO的相位噪声估计方法，其特征在于，包括：

S0：获取起始时刻的预置相位噪声向量，并将起始时刻的预置相位噪声向量作为当前时刻的相位噪声向量，相位噪声向量由各个天线的相位噪声组成；

S1：获取当前时刻的相位噪声向量和下一时刻的实际接收数据向量，接收数据向量由各个天线的接收数据组成；

S2：对当前时刻的相位噪声向量进行卡尔曼滤波器形式的sigma点选取，对得到的各个sigma点进行噪声补偿得到下一时刻的各个sigma点组成的sigma点列向量；

B(n+1)＝B(n)+δ(n)

式中，B(n)为n时刻接收各个天线振荡器的相位噪声向量，δ(n)表示各个天线振荡器的高斯白噪声；

具体为：

获取当前时刻的相位噪声向量的协方差，计算当前时刻的相位噪声向量的平均值，通过预置第一公式组对当前时刻的相位噪声向量的协方差、平均值进行计算得到当前时刻的各个sigma点；

其中，预置第一公式组为：

R＝E{V(n)V(n)^T}

式中，为当前时刻的相位噪声向量的平均值，P_B为当前时刻的相位噪声向量的协方差，为的第i列，L为天线的个数；ξ₀，ξ_i表示Sigma点；λ为调节参数，λ＝α²(L+κ)-L，α表示测试点偏离期望值的程度，κ为第二个调节参数；

S3：对下一时刻的各个sigma点进行线性权重计算，得到下一时刻的相位噪声第一向量；

具体包括：

获取当前时刻的高斯白噪声向量，高斯白噪声向量由各个天线的高斯白噪声组成；

将得到的各个sigma点加上当前时刻的高斯白噪声向量得到下一时刻的各个sigma点组成的sigma点列向量；

通过预置第二公式对下一时刻的各个sigma点进行线性权重计算；

其中，预置第二公式为：

式中，W_i^m为第i个均值权重，ξ_i,k+1|k为下一时刻的sigma点列向量的第i列；B_k+1|k为相位噪声第一向量，L为接收端天线的数量；

S4：获取接收数据向量与相位噪声向量之间的卡尔曼滤波算法的量测方程，将下一时刻的sigma点列向量输入量测方程再进行线性权重计算得到下一时刻的预估接收数据向量；

所述接收数据向量与相位噪声向量之间的卡尔曼滤波算法的量测方程为：

Y(n)＝H⊙e^jB(n)+V(n)

式中，H为天线信道增益向量，B(n)为相位噪声向量，V(n)为测量噪声向量，Y(n)为接收数据向量；

将下一时刻的sigma点列向量输入量测方程得到输出矩阵，通过预置第三公式对输出矩阵进行线性权重计算得到下一时刻的预估接收数据向量；

其中，预置第三公式为：

式中，φ_i,k+1|k为输出矩阵的第i列，W_i^m为第i个均值权重；Y_k+1k为下一时刻的预估接收数据向量，L为接收端天线的数量；

S5：根据下一时刻的相位噪声第一向量和预估接收数据向量之间的协方差、下一时刻的预估接收数据向量的方差计算卡尔曼增益；

下一时刻的相位噪声第一向量和预估接收数据向量之间的协方差的计算公式为：

下一时刻的预估接收数据向量的方差的计算公式为：

计算卡尔曼增益具体包括：

式中，B_k+1|k为下一时刻的相位噪声第一向量，Y_k+1|k为下一时刻的预估接收数据向量，W_i^c为第i个方差权重；ξ_i,k+1|k为下一时刻的sigma点列向量的第i列；R＝E{V(n)V(n)^T}；

S6：将下一时刻的实际接收数据向量与预估接收数据向量之差乘以卡尔曼增益，再加上相位噪声第一向量得到下一时刻的相位噪声第二向量；

S7：将下一时刻的相位噪声第二向量作为当前时刻的相位噪声向量，重新执行步骤S1。