[发明专利]基于模型约束的信道估计方法、系统、设备及存储介质

说明书

本发明属于信号处理技术领域，公开了一种基于模型约束的信道估计方法、系统、设备及存储介质，包括以下步骤：获取导频信号以及导频信号经过通信信道传输后的接收信号；根据预设的空间信道模型，构建基于空间信道模型的模型信道矩阵；以第一均方误差和第二均方误差之和最小为优化目标建立目标函数；其中，第一均方误差为恢复接收信号与估计接收信号的均方误差，第二均方误差为初始信道矩阵与模型信道矩阵的均方误差；依次以振幅参数、模型信道矩阵及信道矩阵为待优化参数，迭代求解目标函数至达到预设迭代次数，得到最终的信道矩阵。通过信道模型约束从接收的量化后导频信号来挖掘信道信息，从而实现信道估计精度性能的提升。

技术领域

本发明属于信号处理技术领域，涉及一种基于模型约束的信道估计方法、系统、设备及存储介质。

背景技术

大规模多输入多输出(MIMO)技术是在基站部署成百上千根天线的大规模天线阵列，在同一时频资源上服务更多的用户，以此来极大提高频谱效率。但是，当基站采用128根天线时，所使用的硬件造价已达数百万人民币，极大增加了系统部署成本。另一方面，大量的天线对应大量的射频链路，使得基站接收系统的功耗显著增加。其中，上行链路的接收机功耗包括由模数转换器(ADC)处理单元功耗和基带数字处理单元功耗两个方面，其中，ADC的功耗正比于采样速率和量化间隔；而基带数字处理的数据量又由ADC的采样频率和量化比特数来决定。因此，基站端ADC的指标选取将直接决定大规模MIMO系统总的功率消耗。除此之外，ADC精度越低基带数据处理压力越小，并且单比特ADC无需自动增益控制和线性放大器，能够用简单的比较器实现，价格可大幅度降低。所以，在大规模MIMO系统中采用单比特ADC将会在很大程度上降低成本和能耗，符合当前绿色通信的要求。然而，使用低精度ADC对基站端射频输出的I路和Q路进行采样量化时，会造成接收信号中幅度信息和相位信息的丢失，从而导致上行信道估计和数据检测性能的严重损失。尤其在TDD系统中，上行信道估计精度的大幅度下降，不仅会影响上行数据检测的性能，还会严重影响基于信道状态信息的下行传输策略的实施，从而极大降低下行传输链路的可靠性。因此，上行信道估计一直是低精度量化大规模MIMO系统研究的热点。

目前，基于导频的上行信道估计方法在单精度大规模MIMO系统中仍然应用广泛。基于此，有的学者研究了最小二乘信道估计方法在单比特大容量MIMO系统中的应用，实验结果表明其估计精度很低。还有学者提出了一种基于回溯线性搜索算法的最大似然估计方法，以极高的计算复杂度为代价，换取了一定程度上估计精度的提高。还有学者基于单精度毫米波MIMO系统信道矩阵的稀疏特性，提出了一种改进的期望最大(EM)信道估计方法。还有学者提出了一种近似最大似然(nML)信道估计器，相比于EM估计器具有更好的估计质量且能更好地支持高阶星座。然而，上述这些信道估计方法大多涉及迭代更新过程，估计精度难以定量分析。为解决这一问题，李永志学者先利用Bussgang分解方法将非线性量化器转化为一个线性函数，然后利用线性最小均方误差(LMMSE)估计器来实现更高质量的信道估计。然而，该方法不能有效地降低量化噪声的影响，并且具有较高的均方误差(MSE)下限。

现在，许多研究工作采用了Bussgang分解原理来解决单精度系统中的信道估计问题。但实验结果显示，基于Bussgang分解的信道估计方法基本都存在一个明显的“反弹”现象，即信道估计MSE随信噪比的增大先降低，到达某个拐点后MSE反而随着SNR增大而升高，并最终趋于一个稳定值，这正是Bussgang分解方法在背景噪声不显著时，对量化误差建模不准确所造成的现象。

由此可见，现有的信道估计方法并不能获得较高的估计精度，估计性能还存在较大的提升空间。

发明内容

本发明的目的在于克服上述现有技术中现有信道估计方法的估计精度较差的缺点，提供一种基于模型约束的信道估计方法、系统、设备及存储介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种基于模型约束的信道估计方法，包括以下步骤：