[发明专利]一种低训练开销的混合大规模MIMO-OFDM系统信道估计方法

说明书

本发明公开了一种低训练开销的混合大规模MIMO‑OFDM系统信道估计方法，适用于通信领域使用。先建立混合大规模MIMO‑OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型，使得基站得到一个不完整的基带信号采样张量用于信道估计；对不完整的基带信号采样张量进行模3展开，获得不完整的基带信号采样矩阵；基站设计矩阵补全算法，以不完整的基带信号采样矩阵为输入，输出完整的估计矩阵；将完整的估计矩阵进行模3展开逆运算，得到估计张量，然后根据该估计张量和已知的导频矩阵完成信道估计。该方法能显著降低训练开销，并且可以通过增加子载波数来降低估计误差。

技术领域

本发明涉及一种混合大规模MIMO-OFDM系统信道估计方法，尤其适用于无线通信技术领域使用的一种低训练开销的混合大规模MIMO-OFDM系统信道估计方法。

背景技术

大规模多输入多输出正交频分复用(Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing,MIMO-OFDM)系统由于频谱和能量效率高，已成为一种有广泛应用前景的无线技术。在全数字体系结构的大规模MIMO-OFDM系统中，每根天线都配备了具有高分辨模数转换器(Analog to Digital Converter,ADC)的射频(Radio Frequency,RF)链，因而增加了成本。为了降低成本，具有RF链路和ADC数量的混合模拟/数字体系结构得到了广泛应用。

为了实现混合大规模MIMO-OFDM系统，获取准确的信道状态信息(Channel StateInformation,CSI)是至关重要的。由于RF链路的数量减少，传统的仅使用导频的方法需要大量的训练开销来获得准确的信道估计结果。

由于宽带信道的稀疏散射特性，通过压缩感知方法可以大幅度降低训练开销，利用这一点研究者们已经提出了一些降低训练开销的信道估计方法。假设路径角度属于大尺度衰落，而路径增益属于小尺度衰落。典型的方法是，利用接收到的无噪声信号的低秩特性，对大规模MIMO系统进行基于低秩矩阵补全的半盲信道估计，该方法减少了使用导频的数量。然而，该方案中，混合大规模MIMO-OFDM系统接收到的无噪声信号张量不具有低秩特性，训练开销依然较大。

发明内容

针对上述技术的不足之处，提供一种与现有技术相比，能显著降低训练开销的混合大规模MIMO-OFDM系统信道估计方法。

为实现上述技术目的，本发明的的一种低训练开销的混合大规模MIMO-OFDM系统信道估计方法，所述混合大规模MIMO-OFDM系统包括一个配备Q_a根天线的基站以及K个随机分布的单天线用户；混合大规模MIMO-OFDM系统总共有N个子载波，被所有用户复用；基站天线采用均匀线性阵列，天线间距等于半波长；基站采用混合结构，用Q_r＜Q_a个RF链路将接收信号合并到RF波段，每个RF链路配备一个高分辨率ADC将数据流传给基带处理器；

S1.建立混合大规模MIMO-OFDM系统信道模型、上行链路信号传输模型以及混合结构采样模型，使得基站得到一个不完整的基带信号采样张量用于信道估计；

S2.基站对其得到的不完整的基带信号采样张量进行模3展开，从而获得一个不完整的基带信号采样矩阵；基站设计矩阵补全算法，以不完整的基带信号采样矩阵为输入，输出一个完整的估计矩阵；

S3.基站将其得到的完整的估计矩阵进行模3展开逆运算，得到估计张量，然后根据该估计张量和已知的导频矩阵完成信道估计。

所述步骤S1具体包括：