[发明专利]基于ISSOR_PCG的低复杂度大规模MIMO系统的信道估计方法在审
申请号: | 201910611110.4 | 申请日: | 2019-07-08 |
公开(公告)号: | CN110392005A | 公开(公告)日: | 2019-10-29 |
发明(设计)人: | 李正权;周成;赵小青;吴琼;刘洋;李宝龙;武贵路 | 申请(专利权)人: | 江南大学 |
主分类号: | H04L25/02 | 分类号: | H04L25/02;H04B7/0413 |
代理公司: | 无锡盛阳专利商标事务所(普通合伙) 32227 | 代理人: | 顾吉云;黄莹 |
地址: | 214000 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 矩阵 线性方程 基站端 导频序列信号 低复杂度 信道估计 求解 对称 松弛 估计信道矩阵 信道状态信息 计算复杂度 预处理矩阵 导频信号 过程转换 迭代法 近似解 向量化 用户端 求逆 向量 收敛 发送 分解 改进 | ||
本发明提供基于ISSOR_PCG的低复杂度大规模MIMO系统的信道估计方法,其可以在维持现有性能的基础上,降低计算复杂度,且收敛速度更快。其包括:S1建立大规模MIMO系统模型,用户端发送导频序列信号到基站端;S2大规模MIMO系统模型中,基站端利用接收到的导频序列信号对信道状态信息进行估计;S3对基站端接收的导频信号矩阵Y进行向量化处理,得到向量根据确定需要求逆的矩阵;S4利用对称逐步超松弛方法对需要求逆的矩阵进行分解,获得可以表达需要求逆的矩阵的线性方程,将求逆过程转换为求解线性方程;S5利用改进的对称逐步超松弛方法获得预处理矩阵,对线性方程通过迭代法求解;S6根据线性方程的近似解,求得最终的估计信道矩阵。
技术领域
本发明涉及无线通信技术领域,具体为基于ISSOR_PCG的低复杂度大规模MIMO系统的信道估计方法。
背景技术
大规模MIMO(Massive Multiple-Input Multiple-Output,Massive MIMO)系统是第五代移动通信系统的关键技术之一,通过在基站端和用户端配备大量天线,以此来提高系统的信道容量、数据传输速率、频谱效率和通信质量。随着基站端和用户端的天线数量的增多,导致信道矩阵的维度越来越高。而很多传统的方法被使用到大规模MIMO系统时,需要对高维的矩阵进行直接求逆运算,而直接的求逆运算在大规模MIMO系统中将会引入很高的计算复杂度:用现有方法,比如最常用的经典的最小均方误差(MMSE)方法做信道估计时的其计算复杂度表达为:O(M3),其中M=Nr×Nt,Nr表示接收天线数,Nt表示发射天线数;过高的计算复杂度可能会导致在信号传输的一个相干时间内无法完成相关计算,进而导致无法完成相关估计;过高的计算复杂度也会对硬件设备的性能要求越来越高,导致其在实际中的应用受到阻碍。
发明内容
为了解决在大规模MIMO系统中,由于随着天线数目的增加,矩阵的维度也随之增加,而直接对高维矩阵进行求逆时产生过高的计算复杂度,导致计算时间过长、对系统性能要求过高的问题,本发明提供基于ISSOR_PCG的低复杂度大规模MIMO系统的信道估计方法,其可以在维持现有性能的基础上,降低计算复杂度,且收敛速度更快。
本发明的技术方案是这样的:基于ISSOR_PCG的低复杂度大规模MIMO系统的信道估计方法,其包括以下步骤:
S1:建立大规模MIMO系统模型,用户端发送导频序列信号到基站端,所述基站端和所述用户端都安装有天线装置;
其特征在于:
S2:所述大规模MIMO系统模型中,所述基站端利用接收到的导频序列信号对信道状态信息进行估计,所述MIMO系统模型中的接收端的导频信号矩阵由下式表示:
Y=HP+N
其中:Y表示所述基站端的天线装置接收到的导频信号矩阵,P表示所述用户端的天线装置发送的导频序列信号矩阵,N表示接收端噪声矩阵,H表示信道矩阵,Nr表示接收天线数,Nt表示发射天线数,B表示导频信号长度;
S3:对所述基站端的天线装置接收的导频信号矩阵Y进行向量化处理,得到向量且根据确定需要求逆的矩阵;
S4:利用对称逐步超松弛方法对步骤S3中获得的所述需要求逆的矩阵进行分解,获得可以表达所述需要求逆的矩阵的线性方程,将求逆过程转换为求解所述线性方程;
S5:利用改进的对称逐步超松弛方法获得预处理矩阵,且对步骤S4中的所述线性方程通过迭代法求解,求得所述线性方程的近似解;
S6:根据所述线性方程的近似解,求得最终的估计信道矩阵;所述最终的估计信道矩阵即为大规模MIMO系统的最终的的信道估计结果。
其进一步特征在于:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910611110.4/2.html,转载请声明来源钻瓜专利网。