CN107770105A

CN107770105A - 基于1比特adc的大规模mimo系统的信道估计方法

Info

Publication number: CN107770105A
Application number: CN201711290287.6A
Authority: CN
Inventors: 方俊; 王涵宇; 王飞宇; 陈智
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2017-12-08
Filing date: 2017-12-08
Publication date: 2018-03-06

Abstract

本发明属于无线通信技术领域，提供一种基于1比特ADC的大规模MIMO系统的信道估计方法，用以提高信道估计性能、降低均方误差；本发明首先给定一组实数结构化的导频序列A，并由信道状态信息分布先验随机产生N个与信道状态信息同分布的由此产生随机的量化门限：n＝1,…,N；然后由量化门限得到量化信号：b_n＝sgn(y_n‑τ_n),n＝1,…,N；最后基于量化信号求解最大似然估计：即得到信道估计值本发明通过信道统计特性随机量化策略对1比特ADC量化门限进行随机量化，从而有效改善信道估计的准确性，使信道估计MSE显著降低，且随机量化策略易于实现；导频序列越长，信道估计方法的性能也越好。

Description

基于1比特ADC的大规模MIMO系统的信道估计方法

技术领域

本发明属于无线通信(wireless communication)技术领域，特别涉及一种基于量化门限优化的1比特模数转换器(analog to digital converter，简称ADC)的大规模MU-MIMO上行链路信道估计方法，用以降低均方误差(mean squared error，简称MSE)。

背景技术

为满足现代通信的数据传输速率等性能要求，通过增加基站天线数量构建大规模MIMO系统就是一种有效的技术手段，同时其也是第五代移动通信中最具潜力的研究内容之一；然而对于一般的MIMO系统而言，在后续的数字信号处理之前，每个天线单元都需要连接一个高分辨率的ADC，但ADC功耗会随着分辨率的增加而产生指数级的增长，此外ADC的硬件成本也会随之大大增加。为解决这一问题就需要在大规模MIMO系统的天线单元中引入低分辨率ADC，如1比特ADC；这就使得在大规模MIMO系统中，设计一种有效的基于1比特ADC量化下的信道估计方法显得尤为重要。然而，目前对于大规模MIMO的上行信道估计问题，现有的1比特ADC的MIMO系统的信道估计一般是在基于0量化门限的设定下进行的，其性能较差，估计值均方误差(mean squared error,简称MSE)有待提高。

发明内容

本发明的目的在于提供一种基于1比特ADC的大规模MIMO系统的信道估计方法，用以提高基于1比特ADC的大规模MIMO系统的上行链路信道估计性能；为实现该目的，本发明采用的技术方案为：

基于1比特ADC的大规模MIMO系统的信道估计方法，其特征在于，包括以下步骤：

步骤1、给定一组实数结构化的导频序列A，代表A的第n行、n＝1,…,N，其中，M为发射天线数量、L为导频序列长度；

步骤2、基于先验的噪声功率σ²，设置初始参数σ；

步骤3、由信道状态信息分布先验随机产生N个与信道状态信息同分布的由此产生随机的量化门限τ：

其中，τ_n表示量化门限τ的第n元；

步骤4、由设定的量化门限得到量化信号：

b_n＝sgn(y_n-τ_n),n＝1,…,N

其中，y_n表示向量化接收信号y的第n元；

步骤5、基于量化信号求解最大似然估计：

其中，

以上，即得到信道估计值

本发明的有益效果在于：

提供一种基于1比特ADC的大规模MIMO系统的信道估计方法，通过信道统计特性随机量化策略对1比特ADC量化门限进行随机量化，同时采用正交导频设计规则，从而有效改善信道估计的准确性，使信道估计MSE相对于固定量化门限的策略显著降低，且随机量化策略易于实现；导频序列越长，信道估计方法的性能也越好。

附图说明

图1为本发明基于1比特ADC的大规模MIMO系统的信道估计方法流程示意图。

图2为本发明实施例中1比特ADC大规模MU-MIMO系统上行链路框图。

图3为本发明实施例中信道估计值MSE、CRB与导频序列长度关系曲线图。

图4为本发明实施例中信道估计值MSE、CRB与SNR关系曲线图。

具体实施方式

下面结合附图和实施例对本发明进行进一步详细说明。

本发明中，通过分析信道最大似然估计问题的克拉美罗界(Cramér–Rao bound，简称CRB)可以发现估计步骤的有效性性能与ADC的门限参数有关，即ADC的门限参数设置将会影响信道估计方法的性能，同时在最优门限设计下的最优导频设计规则为正交导频设计。本发明中，将使用1比特ADC大规模MU-MIMO上行链路的信道估计问题建模为一个最大似然估计问题，同时利用信道统计特性的随机量化方法对量化门限参数进行优化，并采用正交导频，由此能够使得1比特模数转换器大规模MU-MIMO上行链路的信道估计结果的MSE显著下降。

本实施例提供一种基于1比特ADC的大规模MIMO系统的信道估计方法，用于降低基于1比特ADC的大规模MU-MIMO系统上行链路信道估计的MSE，为描述方便，下述实施例将建立以下系统模型来进行说明：

采用1比特ADC的MU-MIMO系统上行链路的系统框图如图2所示，其中，基站配备有M根发射天线，同一时刻服务的单天线用户数为K，且K＜＜M，每一个RF链路后接收的两路正交信号分别通过1比特ADC量化。通信模型建模中，信道衰落在一定相关时间内不变，设为接收信号，是每一行为对应用户的长度为L的导频序列的训练矩阵，为信道矩阵，为零均值方差2σ²的复高斯分布加性白噪声，即复高斯白噪声的功率为2σ²，为量化门限，B为接收信号量化后得到的数据；由此量化接收过程建模为：

Y＝HX+W

其中，表示取实部运算，表示取虚部运算；

通过实数化上述模型有：

其中，

进一步将接收信号向量化有：

y＝Ah+w

其中， vec(·)表示矩阵向量化运算，I_M表示M阶单位阵；显然有

则向量化的1比特量化过程如下

b＝sgn(y-τ)

其中，为书写方便作如下规定，令b_n、yn、τ_n、w_n分别代表b、y、τ、w的第n元，令代表A的第n行，则有：

将基于最大似然估计的1比特ADC的大规模MU-MIMO系统上行链路信道估计的问题建模为：

其中，F_w(·)为零均值方差σ²的高斯分布的分布函数；

基于上述极大似然估计问题，继续分析其CRB如下，首先可以得到Fisher矩阵表示如下

其中，g(τ_n,a_n)定义如下，

其中， f_w(·)和F_w(·)分别是零均值方差σ²高斯分布的概率密度函数和分布函数，即

相应估计问题的CRB矩阵则为Fisher矩阵的逆矩阵，则基于估计问题CRB的量化门限优化问题则表示如下：

其中，tr(XX^H)≤P是导频信号的传输功率约束；固定导频序列矩阵，通过分析可以得到量化门限的最优规则如下：

再将最优量化门限代入CRB的优化问题可得到目标函数的最小值为πσ²MK²/P，优化目标取到最小值导频矩阵X的条件，即最优导频的产生规则为：

XX^H＝(P/K)I_K，I_K为表示K阶单位阵

仿真中，设该MIMO系统的基站有M＝64根发射天线，服务K＝8个单天线用户。信道矩阵H各元服从相互独立的零均值复高斯分布，设P为信号传输功率约束，随机产生导频序列矩阵X并使之满足XX^H＝(P/K)I_K。

基于上述所构建模型及定义，本发明提供了基于信道统计特征的随机量化以优化1比特ADC量化门限的方法来实现信道估计，能够显著降低信道估计结果的MSE。

本发明的目的通过如下步骤实现：

S1、给定一组实数结构化的导频序列A，基于对信道状态信息分布的先验，依据优化规则随机产生量化门限，并对在该门限量化后的信号作最大似然估计，就能够降低信道估计的MSE；

S2、基于先验的噪声功率σ²，设置初始参数σ；

S3、由信道状态信息分布先验随机产生N个与信道状态信息同分布的由此产生随机的量化门限τ如下：

S4、由设定的量化门限得到量化信号

b_n＝sgn(y_n-τ_n),n＝1,…,N

S5、基于量化信号用基搜索方法求解最大似然估计

其中，

S6、最终输出信道估计

经过上述操作，就完成了对H的估计。

下面将利用了不进行优化量化门限的1比特ADC的信道最大似然估计算法同本发明方法的算法性能对比分析，以进一步验证本发明的性能。

采用均方误差(mean squared error,简称MSE)作为衡量指标来度量算法的性能，仿真实验中的信道估计的MSE定义为：

图3及图4中CRB-FQ和CRB-RQ分别指代固定量化门限为0及随机量化策略下的CRB；MLE-FQ和MLE-RQ分别指代固定量化门限为0、及随机量化策略信道估计结果的MSE；图3描述了在两个量化策略下，信道极大似然估计MSE、CRB与导频序列长度的关系，从图中可以看出，首先各个量化策略下的MSE随着导频序列长度的增加逼近CRB，通过优化门限来降低CRB能够有效地改善信道估计的MSE，此外对于相同的MSE精度，随机量化策略所需的导频序列长度要小于固定量化策略；综合图3与图4的仿真结果，随机量化策略相较于固定量化门限为0的量化策略能够明显地改善信道估计的MSE性能。

综上所述，本发明是在采用1比特ADC的大规模MU-MIMO系统中，利用信道统计特性随机量化策略以优化上行链路的量化门限的信道估计方法及正交导频设计规则，以改善信道估计的准确性；通过随机量化优化量化门限，能够使得信道估计MSE相对于固定量化门限的策略有明显降低，且随机量化策略易于实现；导频序列越长，信道估计方法的性能也越好。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims

1.基于1比特ADC的大规模MIMO系统的信道估计方法，其特征在于，包括以下步骤：

步骤2、基于先验的噪声功率σ²，设置初始参数σ；

其中，τ_n表示量化门限τ的第n元；

步骤4、由设定的量化门限得到量化信号：

b_n＝sgn(y_n-τ_n),n＝1,…,N

其中，y_n表示向量化接收信号y的第n元；

步骤5、基于量化信号求解最大似然估计：

<mrow> <mover> <mi>h</mi> <mo>^</mo> </mover> <mo>=</mo> <munder> <mrow> <mi>arg</mi> <mi> </mi> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>h</mi> </munder> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mo>{</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>b</mi> <mi>n</mi> </msub> </mrow> <mn>2</mn> </mfrac> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>&lsqb;</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>F</mi> <mi>w</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>a</mi> <mi>n</mi> <mi>T</mi> </msubsup> <mi>h</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>&rsqb;</mo> <mo>+</mo> <mfrac> <mrow> <mn>1</mn> <mo>+</mo> <msub> <mi>b</mi> <mi>n</mi> </msub> </mrow> <mn>2</mn> </mfrac> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>&lsqb;</mo> <msub> <mi>F</mi> <mi>w</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>a</mi> <mi>n</mi> <mi>T</mi> </msubsup> <mi>h</mi> <mo>-</mo> <msub> <mi>&tau;</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>&rsqb;</mo> <mo>}</mo> </mrow>

其中，

以上，即得到信道估计值