[发明专利]一种大规模MIMO系统的上行链路信道估计方法

摘要

本发明提出一种大规模MIMO系统的上行链路信道估计方法，包括如下步骤：(1)使用高斯混合模型对信道的概率模型进行建模；(2)使用最优贝叶斯参数估计进行信道估计；(3)使用层次聚类算法给定迭代初值；(4)使用近似消息传递算法求解步骤二中的边缘概率密度函数；(5)使用期望最大算法迭代求解高斯混合模型的参数。本发明充分利用信道增益在波束域的稀疏特性，采用贝叶斯参数估计方法，不需要预先知道信道的统计信息，与传统的基于LS的信道估计相比，可以获得更好的MSE性能。

主权项

1.一种大规模MIMO系统的上行链路信道估计方法，其特征在于，所述MIMO系统包括C个蜂窝小区，每个蜂窝小区配备1个基站和K个用户设备，每个基站配备N个天线，每个用户设备配备单个天线；在进行信道估计时，每个用户设备同时发送长度为L的导频序列；该方法包括步骤：(1)选取MIMO系统中的一个蜂窝小区为目标小区，定义Hc表示第c个蜂窝小区中所有用户设备到目标基站的信道向量矩阵，Hc＝[hc1,hc2,…,hcK]T，hck是一个N×1的向量，hck中的N个元素分别表示第c个蜂窝中的第k个用户设备到目标基站N根天线的信道；(2)构建MIMO系统内所有用户设备到目标基站第n根天线的信道增益概率分布模型：其中，ρ_n,r表示第r个高斯混合分量的加权系数，R为高斯混合分量的总数；表示均值为0，方差为的一维复高斯概率密度函数，h_k,n表示目标基站第n根天线与第k个用户设备之间的信道增益；(2)采用最优贝叶斯估计法估计hk,n，得到估计值hk,n；(3)采用层次聚类算法给定迭代初值，包括步骤：(3‑1)将hn中的每个元素都划分为一个单独的类别，hn代表目标基站第n个天线接收到的波束中的信道响应，hn＝[h1,n,…,hCK,n]；(3‑2)计算所有数据类别之间的欧氏距离，将欧氏距离最小的两个数据类别进行组合，形成新的数据类别，反复执行步骤(3‑2)，直到形成的数据类别的数目为R，转入步骤(3‑3)；(3‑3)将每个类别中数据点数占所有样本点的比例作为ρ_n,r的初始值，将每个类别的方差作为的初始值,将h_k,n作为μ_k,n的初始值；(4)采用近似消息传递算法求解最优贝叶斯估计中的边缘概率密度函数，得到hk,n的后验概率；(5)根据步骤(3)中得到的ρ_n,r、μ_k,n的初始值以及步骤(4)得到的后验概率，采用期望最大算法迭代求解参数ρ_n,r、和μ_k,n。