基于协方差信息的Massive MIMO信道估计算法性能研究

1. 引言

随着移动互联网不断发展,人们对通信的速率和可靠性的要求越来越高[1]。目前第四代移动通信系统已经逐渐商用,研究人员开始着手研究下一代移动通信系统相关技术[2][3]。在下一代移动通信系统中要求下行速率达到10Gbps,这就要求我们使用更先进的技术和更宽的系统带宽。MIMO技术由于可以在不增加系统带宽和功率的前提下,成倍的提升系统容量和可靠性,已经广泛应用于各种无线通信系统中,但仅采用传统的MIMO技术很难实现10Gbps的速率需求,于是Bell实验室于2010年提出了Massive MIMO[4]的概念。Massive MIMO技术在基站侧设置大量天线,同时服务多个用户,其基站侧天线数远大于用户总的天线数,可以极大的提升系统的容量和可靠性[5][6],被认为是下一代移动通信系统可能的关键技术之一。

然而由于采用大规模的天线阵列,Massive MIMO的信道估计问题较MIMO系统更为突出,尤其是在多小区环境下,导频污染[4][5] [6]被认为是制约Massive MIMO性能的关键因素。因此,研究人员针对Massive MIMO的信道估计问题展开了大量的研究,根据Massive MIMO系统拥有大量多余的空间自由度的特点,提出了一系列对抗导频污染的信道估计算法,其中包括盲信道估计[7],基于子空间投影的信道估计[8],基于信道统计信息的信道估计[9][10]。其中基于信道协方差矩阵的信道估计算法[10]的实现相对简单,是本文主要讨论的对象。该算法要求基站拥有精确的本小区用户信道的协方差矩阵和相邻小区干扰用户信道的协方差矩阵,这在实际环境中往往无法得到,本文主要分析带误差的信道协方差矩阵对信道估计算法性能的影响,并提出一种信道的协方差矩阵的训练方法。

本文的结构如下:第2节,给出Massive MIMO的系统模型、信道建模方法以及线性预编码;第3节,给出了基于协方差信息的Massive MIMO信道估计算法以及信道的协方差矩阵的训练方法;第4节,在基站估计的信道协方差矩阵拥有不同大小误差的情况下,对信道估计算法的性能进行仿真,并对仿真结果进行分析;第5节,结论。

2. 系统模型

本文主要考虑在Massive MIMO系统上行链路中,在非视距、瑞利衰落环境下研究信道估计算法的性能。假定基站侧天线响应相关,用户侧天线响应不相干,且信道为平坦衰落,其系统模型如图1所示。

2.1 Massive MIMO系统模型

本文考虑系统中有L个时间同步的小区,即所有用户在同一时刻发送导频序列,并假定导频序列的长度为τ,且小区内的用户导频相互正交,而L个小区共用一组导频序列,则此时进行信道估计时就会受到来自其余L-1小区的导频干扰。同时在基站侧设置M根天线,为了简化分析假设每个小区内只有一个用户,在用户发送导频阶段,第j个小区的基站接收到的信号可以表示为:

(1)

式中yj∈CM×τ表示第j个小区的基站接收到的信号,hi,j∈CM×1表示位于第i个小区的用户到的第j个小区基站侧M根天线的信道传输矩阵,xi∈C1×τ表示第i个小区的用户发送的信号,N∈CM×τ表示M根天线上的均值为零,方差为σn2的加性高斯白噪声,其中hj,j·xj表示目标小区用户的导频信号,∑Li=1,i≠j(hi,j·xj)表示来自其余L-1个小区用户的干扰。

图1 多小区的Massive MIMO的系统模型

2.2 Massive MIMO的信道模型

当在非视距情况下,不同用户的信号往往经过不同的路径,以不同的角度到达基站,如图2所示。因此假设基站侧的M根天线响应相关,而用户侧的响应相互独立,此时对Massive MIMO的信道传输矩阵h可以表示

(3)

式中Giid∈CM×1是复高斯分布的随机变量;RT∈CM×M是基站侧天线响应的相关矩阵,即信道的协方差矩阵,可以根据用户信号的到达角(AOA)功率谱P(θ)得到,当基站侧天线为线性天线阵列时,信道的协方差矩阵RT可以表示为:

(4)

(5)

式中A(θ)表示当信号的到达角(AOA)为θ时,基站侧天线阵列的导向矢量。其中d表示基站侧天线间距,λ表示信号的波长。本文中考虑采用为高斯分布或者仅在某角度范围内有值、且为均匀分布的到达角(AOA)功率谱函数P(θ)来生成信道的协方差矩阵,分析不同分布情况下算法性能。

图2 Massive MIMO的系统的信道模型

3. 信道估计算法

为了简化分析,本文中主要考虑某特定小区估计的信道受其他小L-1个小区的影响情况,由于L个小区的用户使用长度为τ、且相同的导频序列,因此当第j个小区的基站采用LS算法得到的受导频污染影响的信道可以表示为

式中表示采用LS算法估计得到的信道,而即来自其他L-1个小区的导频污染。从式中可以看出,若在多小区的Massive MIMO系统中直接采用LS算法来进行信道估计,将会来自其他小区的干扰直接泄漏到估计的信道中,直接降低了Massive MIMO系统预编码和检测方法的有效性,严重制约了Massive MIMO性能的提升。

Massive MIMO系统的基站侧天线数远大于用户总的天线数,其拥有大量多余的空间自由度,如何利用系统多余的空间自由度为信道估计服务,是目前消除Massive MIMO信道估计中的导频污染影响的主要思想。

3.1基于协方差信息的Massive MIMO信道估计算法[10]

Massive MIMO系统中,信道的协方差矩阵是信道的二阶统计量,其中包含用户信号的到达角功率分布信息(主要是均值和方差),且和信道传输矩阵相比信道的协方差信息一般是慢时变的,因此考虑利用信道的协方差信息来进行对Massive MIMO信道估计。

3.2信道的协方差矩阵的训练方法

基于协方差信息的Massive MIMO信道估计算法要求基站拥有所有用户的精确的信道协方差矩阵,由于信道协方差信息是慢时变的,这获取小区内的用户的精确的信道协方差矩阵比较容易实现,但是要获取相邻小区的干扰用户的精确的信道协方差矩阵将会比较困难。同时由于信道协方差矩阵的时变特性,导致估计的信道协方差矩阵与真实的信道协方差矩阵总存在一定的偏差,这就要求我们设计一种可以让基站获取多个小区用户的精确信道协方差矩阵的训练方法。

本文主要考虑非视距的Massive MIMO信道,信道的瞬时响应呈现小尺度衰落,但是依据上面Massive MIMO信道建模公式可知,信道协方差矩阵由用户信号的到达角功率谱函数P(θ),即实际信道中的散射体分布情况直接决定,其在相当大的一个频段范围内都是平坦的。在实际系统往往将Massive MIMO技术与OFDM技术相结合,因此利用少量子载波估计得到的信道协方差矩阵适用于所有子载波。

因此,本文提出以若干个小区一组,组内不同小区的用户在不同的子载波上发送用于训练其信道协方差矩阵的导频信号,用于训练其信道协方差矩阵的子载波在组内小区之间不再复用,以消除小区间干扰,提高信道协方差矩阵的估计精度,利用这种方法可以有效解决用户信道的协方差矩阵的训练问题,保证信道估计算法的性能。

4. 性能仿真与分析

本文主要考虑当基站用于信道估计的干扰用户的信道协方差矩阵包含不同程度的误差情况下,对基于协方差信息的Massive MIMO信道估计算法性能进行仿真,其中系统参数设置如表1所示。

首先是当基站拥有精确的信道协方差矩阵时,对基站侧设置不同天线数情况下的算法性能进行仿真。假设目标用户功率与干扰用户功率的比值为5dB,仿真结果如图3所示。从图中可以看出,当基站拥有目标用户和所有干扰用户精确的信道协方差矩阵时,随着基站侧天线数的增加,该信道

表1 仿真参数设置

系统参数信道参数
小区数2AOA分布高斯分布
小区内用户数1AOA均值50゜/80゜
基站侧天线4-128根(线性阵列)AOA扩展角10゜
天线间距λ/2小区内用户SNR20dB
工作频率2.6Ghz
仿真次数10000

估计算法的估计误差迅速下降,当天线数达到128根时,信道估计误差接近-20dB,可见当基站拥有目标用户和所有干扰用户的精确的信道协方差矩阵时,该信道估计算法可以有效抑制来自其他小区的导频污染,提升系统性能。

图3 基站拥有精确的信道协方差信息时,信道估计精度与基站侧天线数的关系

然后仿真了在基站用于信道估计的信道协方差矩阵与实际的信道协方差矩阵有一定偏差情况下,当基站估计的信道协方差矩阵的AOA均值与实际的存在10゜的偏差时,对基站侧设置不同天线数情况下的算法性能进行仿真,假设目标用户功率与干扰用户功率的比值为5dB,仿真结果如图4所示。从图中可以看出,当基站用于信道估计的干扰用户的信道协方差矩阵存在误差时,随着基站侧天线数的增加,该算法的信道估计误差出现明显振荡现象,当天线数达到128根时,估计误差约为-8dB比理想情况下的性能要差12dB左右,可见当信道协方差矩阵存在误差时,算法性能急剧下降,这说明该算法不适用于无法获取用户的实时的精确的信道协方差信息的信道情况。

图4 基站拥有的信道协方差信息含噪声时,信道估计精度与基站侧天线数的关系

图5 算法处理前后的目标信号的均方值比值与干扰用户的信道协方差矩阵估计精度的关系

最后仿真了当基站用于信道估计的干扰用户的信道协方差矩阵包含不同程度的误差情况下,该算法对导频污染的抑制能力。仿真了当基站拥有目标用户的精确信道协方差矩阵,同时基站估计的干扰用户的信道协方差矩阵的AOA均值与实际AOA均值的偏差从-5゜到5゜时,基站侧天线数为128根,算法处理前后的目标信号、干扰信号和系统噪声的均方值比值的仿真结果如图5、6、7所示。从图中可以看出,干扰用户的信道协方差矩阵存在一定偏差时,不会对目标信号的提取和对高斯白噪声的抑制产生影响,l1保持在0dB左右,l3保持在-5dB左右。而当出现角度偏差时,该算法对干扰信号的抑制能力将会出现振荡现象,振荡的幅值达到15dB,l2最好可以达到-27.4dB左右,l2最差仅为-13dB,可见当基站估计的干扰用户的信道协方差矩阵与实际的信道协方差矩阵存在一定偏差时,该信道估计算法的性能将会大幅下降。

图6 算法处理前后的干扰信号的均方值比值与干扰用户的信道协方差矩阵估计精度的关系

图7 算法处理前后的系统热噪声的均方值比值与干扰用户的信道协方差矩阵估计精度的关系

5. 结论

在Massive MIMO系统中,若用户信道位于不同向量子空间,则可以利用用户信道的协方差矩阵可以有效地提取目标用户的信道传输矩阵。但若用于信道估计的协方差信息与实际的信道传输矩阵存在一定的偏差时,该算法性能快速下降,说明该算法需要所有用户的精确的信道协方差信息。针对精确的信道协方差信息的获取问题,本文提出了一种信道的协方差信息的训练方法,使基站可以获取目标用户和所有干扰用户的精确且实时的信道协方差矩阵,这对该信道估计算法应用于实际的Massive MIMO系统的信道估计拥有非常重要的意义。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/362172.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

怎么把图片转成jpg格式?其他格式快速转换成jpg图片的方法

怎么把图片在线转jpg?jpg格式的图片是现在使用最广泛的一种图片格式,一般在网上传图时都会需要使用jpg格式的图片,那么当手中的图片不满足使用的要求时,如何操作能够快速将其他格式的图片转换jpg格式呢? 下面来教大家…

【Unity】Excel配置工具

1、功能介绍 通过Excel表配置表数据,一键生成对应Excel配置表的数据结构类、数据容器类、已经二进制数据文件,加载二进制数据文件获取所有表数据 需要使用Excel读取的dll包 2、关键代码 2.1 ExcelTool类 实现一键生成Excel配置表的数据结构类、数据…

iptables(11)target(SNAT、DNAT、MASQUERADE、REDIRECT)

简介 前面我们已经介绍了ACCEPT、DROP、REJECT、LOG,这篇文章我们介绍SNAT、DNAT、MASQUERADE、REDIRECT,这几个参数的定义我们在上篇文章中都有介绍,我这里再列出回顾一下 DNAT(目标地址转换)和 SNAT(源地址转换) 原理:修改数据包的源或目标 IP 地址。通常用于 NAT(…

重生之我要学后端0--HTTP协议和RESTful APIs

http和RESTful APIs HTTP协议RESTful APIs设计RESTful API设计实例 HTTP协议 HTTP(超文本传输协议)是用于分布式、协作式和超媒体信息系统的应用层协议。它是网页数据通讯的基础。工作原理简述如下: 客户端请求(Request&#xf…

Linux下Cmake安装或版本更新

下载Cmake源码 https://cmake.org/download/ 找到对应的版本和类型 放进linux环境解压 编译 安装 tar -vxvf cmake-3.13.0.tar.gz cd cmake-3.13.0 ./bootstrap make make install设置环境变量 vi ~/.bashrc在文件尾加入 export PATH/your_path/cmake-3.13.0/bin:$PAT…

【D3.js in Action 3 精译】第一部分 D3.js 基础知识

第一部分 D3.js 基础知识 欢迎来到 D3.js 的世界!可能您已经迫不及待想要构建令人惊叹的数据可视化项目了。我们保证,这一目标很快就能达成!但首先,我们必须确保您已经掌握了 D3.js 的基础知识。这一部分提到的概念将会在您后续的…

Psychtoolbox 脑电实验范式之mp4视频绘制

1. 读取 首先需要使用到Screen(‘OpenMovie’)函数,该函数可以读取mp4、gif格式的数据,具体方式如下: clear; clc; Screen(Preference, SkipSyncTests, 1); screens Screen(Screens); screenNum max(screens); [window, screenRect] Scr…

AL8807是一款降压型DC/DC转换器,旨在以恒定电流驱动LED,可串联驱动多达9个LED,从6V至36V的电压源

一般描述 AL8807是一款降压型DC/DC转换器,旨在以恒定电流驱动LED。根据LED的正向电压,该设备可串联驱动多达9个LED,从6V至36V的电压源。LED的串联连接提供相同的LED电流,从而实现均匀的亮度,并消除了对镇流电阻…

数学建模 —— 矩阵的运算(上)

目录 调用函数运算 sum : 求和函数 prod : 求乘积函数(product) cumsum : 计算累积和(cumulative sum) diff : 计算差分(difference) mean : 计算平均值 (average) median : 计算中位数 mode : 计算众数 var : 计算方差 (variance) std : 计 算 标 准 差 (standard d…

教程:在 Kubernetes 集群上部署 WordPress 网站

WordPress 是专为每个人设计的开源软件,强调创建网站、博客或应用程序的可访问性、性能、安全性和易用性。WordPress 是一个基于 PHP 的内容管理系统(CMS),使用 MySQL 作为数据存储,目前很多网站、电商独立站、个人博客…

华为od-C卷200分题目3 - 两个字符串间的最短路径问题

华为od-C卷200分题目3 - 两个字符串间的最短路径问题 题目描述 给定两个字符串,分别为字符串A与字符串B。 例如A字符串为ABCABBA,B字符串为CBABAC可以得到下图m*n的二维数组,定义原点为(0, 0),终点为(m, n),水平与垂…

知识图谱介绍及其应用领域分析

1.知识图谱 知识图谱(Knowledge Graph)乃一种精心设计的技术,旨在储存并整合交织的描述性知识信息。此技术通过构建由实体及其相互关系所组成的网络结构,实现对知识的有序组织与呈现。这些实体涵盖广泛的范畴,包括但不限于具体的物体、事件或抽象概念,它们经由多样化的关…

【论文导读】CCF语音对话与听觉专委会论文导读(2024年第1期)-- INTERSPEECH 2024专题(一)

为促进最新研究成果的传播与交流,CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目,定期分享最新语音、对话与听觉相关研究方向论文。本期是2024年导读栏目的第1期,也是INTERSPEECH 2024专题第一部分,共遴选了7篇论文&am…

参加六西格玛绿带培训是投资未来,还是花冤枉钱?

是否值得花费资金参加六西格玛绿带培训,取决于多个因素。 从积极的方面来看,参加六西格玛绿带培训具有以下潜在价值: 1. 提升专业技能:使您掌握一套系统的问题解决方法和流程改进工具,有助于在工作中更高效地解决复杂…

今天不看明天付费------中国AGI(人工智能)的发展趋势

深入解析了中国AGI(人工智能)的发展趋势,并清晰地展示了其市场分层结构。 ** 从下至上,AGI市场被划分为四个主要层级:基础设施层、模型层、中间层和应用层。 基础设施层作为最底层,为AGI的发展提供了坚实…

vue3+element ui +ts 封装周范围选择器

vue3element ui ts 封装周范围选择器 在业务场景中,产品需要在页面中使用周范围选择器,我们在使用ant-design的时候里面是有自带的,但是在emement中只有指定周的范围选择器: 这个是ant-design的周范围选择器 这个是element ui 的…

web基础学习

1、安装 React 从一开始就被设计为可以被渐进地采用,你可以根据需要或多或少地试用 React。无论你只是想体验一下 React,并为 HTML 页面添加一些交互性,还是创建一个复杂的 React In this chapter 如何将 React 添加到 HTML 页面中 如何新建…

gin-vue -admin 初始化安装后 进入 后台首页报错

报错原因: 因为 我是使用的phpstudy 小皮的数据库 默认的是MySam 的引擎 mysql 引擎需要是 innoDB 解决办法 : 在linux 的环境下 配置一个数据库 , 我是用的是vmware 虚拟机

RP2040 开发,用 Arduino 通过 ADC 获取电压测量数据

这两天测试了一下如何通过 RP2040 的内置 ADC 获取一个待测量的电压数据,RP2040 内置了4路ADC,分辨率是12bit,也就是说,可以获取4096阶的变化量,但第4个 ADC 已经用于测量芯片的内部温度,所以实际能用的仅有…

【ARMv8/v9 GIC 系列 4 -- GIC 中断分类 SGI | PPI | SPI 及中断检测流程】

文章目录 GIC 中断分类SGI(Software Generated Interrupts)PPI(Per-Processor Interrupts)SPI(Shared Peripheral Interrupts) 中断检测流程物理中断生命周期SPI 中断检测流程PPI 和SGI中断检测流程LPI中断…