[发明专利]一种Massive MIMO的相位噪声估计方法及装置

摘要

本发明实施例公开了一种Massive MIMO的相位噪声估计方法及装置，本发明为基于无迹卡尔曼滤波的相位噪声估计方法，用于大规模天线系统中下行链路本振相位噪声的估计，从而改善系统的性能。本发明实施例方法包括：建立大规模天线下行链路的系统模型，并设置各个参数，建立空间状态方程和测量方程；利用无迹卡尔曼滤波算法估计本振相位噪声，从而对其矫正，以提高系统的性能。该方法可以有效减弱相位噪声对系统的影响，可以很好的解决大规模天线系统相位噪声估计中存在的复杂度高、估计精度差、稳定性差等问题。

主权项

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；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；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；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；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。