[发明专利]用于大规模MIMO上行链路信道估计和数据解调方法

摘要

本发明属于无线通信技术领域，涉及用于大规模MIMO上行链路信道估计和数据解调方法。本发明主要包括：首先对信道矢量的估计：假定相位噪声为0，作为迭代的初始值，计算信道矢量的后验分布的均值和方差，计算等效发射端相位噪声展开矢量的后验分布的均值和方差，对信道矢量的先验协方差矩阵D进行更新；实现对数据符号的估计，计算等效发射端相位噪声展开矢量的后验分布的均值和方差，计算数据符号的后验分布的均值和方差；在已知接收信号的条件下，信道矢量和数据符号矢量将收敛于一个稳定的值。本发明与传统变分贝叶斯推断算法相比，将信道估计的协方差矩阵的求逆运算转化为对角矩阵的求逆，从而该算法拥有较低的复杂度。

主权项

1.用于大规模MIMO上行链路信道估计和数据解调方法，设定系统发射端有K个用户，每个用户有1根天线，接收端基站有M根天线，发射端第k个用户和接收端第m根天线之间的时域信道矢量记为其中L为信道矢量的长度，对于每个OFDM符号，接收端第m根天线的时域信号表达式为其中，是第m根天线上的时域接收信号，N是OFDM子载波的个数，是接收端第m根天线的相位噪声矩阵，是发射端第k个用户的相位噪声矩阵，是第k个用户到接收端第m根天线之间的circulant信道矩阵，它的第1列为其中0_1×(N‑L)表示元素全为0、长度为N‑L的行矢量，F∈C^N×N是归一化的FFT矩阵，它的第i行第j个元素为d_k＝[d_k,1,d_k,2,…,d_k,N]^T是第k个用户发送的数据或者导频序列，是时域的复高斯白噪声序列，分解为以下的形式：其中Hm,k＝diag{[Hm,k,1,Hm,k,2,…,Hm,k,N]T}，且把(2)代入(1)得将(3)改写为表示非归一化FFT矩阵，它的第i行第j列元素为表示由的前L列组成的矩阵，记将(4)改写为统一把接收端的相位噪声矢量θ_r,m＝[θ_r,m,1,θ_r,m,2,…,θ_r,m,N]^T和发射端的相位噪声矢量θ_t,k＝[θ_t,k,1,θ_t,k,2,…,θ_t,k,N]^T统一记为θ＝[θ₁,θ₂,…,θ_N]^T，把和统一记为由于θ_n的值很小，利用近似关系则有p≈1+jθ，其中1表示元素全为1的N维列向量；θ＝[θ1,θ2,…,θN]T为实高斯分布的相位噪声矢量，即θ＝N(0,Φ)，由于θ的协方差矩阵Φ为实对称矩阵，其特征值是实数，并且可以用正交矩阵进行相似对角化：Φ＝UΛUT                                    (6)其中Λ＝diag{[λ1,λ2,…,λN]T}是对角矩阵，对角元素为Φ的降序排列的特征值，U是正交矩阵，它的每一列是Λ对应列的特征值的特征向量；Λ中的对角元只有前若干项的值较大，其它的元素和前若干项相比很小，因此只取前I项来近似，即Φ≈VΓVT                                    (7)Γ＝diag{[λ1,λ2,…,λI]T}是以Λ中前I个特征值为对角元素的对角矩阵，V∈CN×I是由前U的前I列组成的矩阵，对相位噪声矢量θ作线性变换θ＝Ux'≈Vx                                   (8)由高斯分布的性质可知，x＝N(0,Γ)，由于Γ为对角阵，所以x的各个分量之间是相互独立的；由此，将发射端相位噪声矩阵近似为Pt,k＝diag{1+jVxt,k}，接收端相位噪声矩阵近似为Pr,m＝diag{1+jVxr,m}，代入(5)可得其中，是经过近似的矩阵；把接收端天线分成G组，则每组有M/G＝S根天线，每组的S根天线使用同一振荡器，则组内各天线上的相位噪声的值相同，即对于第g(g＝1,2,…,G)组内的天线，有的先验概率密度函数为hm服从复高斯的先验分布其中协方差矩阵同时，设定符号序列dk服从如下的先验复高斯分布，且不同用户之间的数据统计意义上是相互独立的p(dk)＝CN(0,I)＝π‑Nexp{‑||dk||2},k＝1,2,…,K            (12)其特征在于，包括以下步骤：S1、通过以下步骤的迭代来实现对信道矢量的估计：S11、假定相位噪声为0，作为迭代的初始值；S12、计算信道矢量的后验分布的均值和方差：S13、计算等效发射端相位噪声展开矢量的后验分布的均值和方差：S14、对信道矢量的先验协方差矩阵D进行更新；S15、循环步骤S11‑S15，在已知接收信号的条件下，信道矢量将收敛于一个稳定的值；S2、通过以下步骤的迭代来实现对数据符号的估计：S21、计算等效发射端相位噪声展开矢量的后验分布的均值和方差S22、计算数据符号的后验分布的均值和方差S23、循环步骤S21‑S22，在已知接收信号的条件下，数据符号矢量将收敛于一个稳定的值。