[发明专利]一种基于压缩感知的低复杂度5G NR信道估计方法

说明书

本发明涉及一种基于压缩感知的低复杂度5G NR信道估计方法，属于无线通信领域。该方法包括：利用压缩感知理论求信道时域信息对进行傅里叶变换，得到对应频域信息计算信道频域自相关矩阵R_HH；利用提取的导频信号，快速估计信噪比SNR；根据循环矩阵的特征，求LMMSE估计矩阵引入拓普利兹矩阵，计算基于压缩感知的导频LMMSE信道估计值本发明从传统LMMSE信道估计出发，结合压缩感知理论和循环矩阵的特点，提高了频带利用率的同时降低了复杂度。

技术领域

本发明属于无线通信领域，涉及一种基于压缩感知的低复杂度5G NR信道估计方法。

背景技术

在无线通信领域，随着5G通信的发展，信道估计作为5G NR的重要组成部分，实现了通过获取信道详细信息，从而解调出发送端信息的功能，其精度直接影响整个系统的性能。传统的信道估计方法有最小二乘法和最小均方误差法。最小二乘法的复杂度低，但是没有考虑噪声的影响，信道估计的性能较差；最小均方误差考虑噪声，但是存在对相关矩阵和逆矩阵的求解，提高了算法复杂度。并且这些方法都需要大量的导频信息，对于没有携带有用信息的导频，存在频带资源浪费的现象。

压缩感知作为一种新的信号处理方法，应用到信道估计中，能够有效提高系统性能。其优点主要有：第一，结合5G MIMO-OFDM信道的稀疏性，找到合适的稀疏分解算法；第二，考虑了信道噪声的影响，从而寻找有效的观测矩阵用于恢复稀疏信号；第三，能够获取信道中的延时和抽头等先验信息，从而选择合适的重构算法，实现优化。所以相比于传统的LMMSE算法，压缩感知技术的引入，意味着能从较少的导频信息中恢复出原信号，导频开销得到有效降低，充分利用频谱资源，同时信道估计的精度也大大提高。

考虑到以上问题，可设计一种结合压缩感知理论的低复杂度5G NR信道估计方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于压缩感知的低复杂度5G NR信道估计方法，基于循环矩阵的特点，采用托普利兹矩阵，在保证系统的性能的前提下减少导频开销，降低计算复杂度。

为达到上述目的，本发明提供如下技术方案：

一种基于压缩感知的低复杂度5G NR信道估计方法，具体包括以下步骤：

S1：利用压缩感知理论求信道时域信息

S2：对进行傅里叶变换，得到对应频域信息

S3：通过压缩感知预先获得的信道时延和抽头信息，计算信道频域自相关矩阵R_HH；

S4：利用提取的导频信号，快速估计信噪比SNR；

S5：根据循环矩阵的特征，对循环矩阵求逆后获得最小均方误差(Linear MinimumMean Squared Error,LMMSE)估计矩阵

S6：引入拓普利兹矩阵，计算

进一步，所述步骤S1具体包括：

S11：在一个K稀疏度的信道中，发射端发送i个导频，即

X＝diag[x(k₀),x(k₁),…，x(k_i-1)]

其中，k₀，k₁，…，k_i-1为导频所在位置，接收端收到一个i×1的信号向量：

Y＝[y(k₀),y(k₁),…，y(k_i-1)]^T，

则接收端的信号表示为：

Y＝Xh+n＝XF_i×jh+n；