高级搜索

大规模MIMO系统上行链路时间-空间结构信道估计算法

路新华 MANCHÓNCarles Navarro 王忠勇 张传宗

引用本文: 路新华, MANCHÓNCarles Navarro, 王忠勇, 张传宗. 大规模MIMO系统上行链路时间-空间结构信道估计算法[J]. 电子与信息学报, doi: 10.11999/JEIT180676 shu
Citation:  Xinhua LU, Carles Navarro MANCHÓN, Zhongyong WANG, Chuanzong ZHANG. Channel Estimation Algorithm Using Temporal-spatial Structure for Up-link of Massive MIMO Systems[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT180676 shu

大规模MIMO系统上行链路时间-空间结构信道估计算法

    作者简介: 路新华: 男,1980年生,讲师,博士生,研究方向为大规模MIMO、信道估计、变分贝叶斯推理和狄利克雷过程;
    MANCHÓNCarles Navarro: 男,副教授,研究方向为无线通信中的统计信号处理,包括联合信道估计和检测、稀疏信号估计和重构、多天线信号处理技术等;
    王忠勇: 男,1965年生,教授,研究方向为通信系统及其信号处理、嵌入式系统等;
    张传宗: 男,1982年生,副教授,研究方向为移动通信系统和接收机的设计、变分推理、因子图与消息传递算法;
    通讯作者: 王忠勇, zywangzzu@gmail.com
  • 基金项目: 国家自然科学基金项目(61571402, 61501404, 61640003)

摘要: 针对大规模多入多出(MIMO)系统上行链路非平稳空间相关信道的估计问题,该文利用信道的时间-空间2维稀疏结构信息,应用狄利克雷过程(DP)和变分贝叶斯推理(VBI),设计了一种低导频开销和计算复杂度的信道估计迭代算法,提高了信道估计精度。由于平稳空间相关信道难以适用于大规模MIMO系统,该文借助于狄利克雷过程构建了非平稳空间相关信道先验模型,可将具有空间关联的多个物理信道映射为具有相同时延结构的概率信道,并应用变分贝叶斯推理设计了低导频开销和计算复杂度的信道估计迭代算法。实验结果验证了所提算法的有效性,且具有对系统关键参数鲁棒性的优点。

English

    1. [1]

      MARZETTA T L. Noncooperative cellular wireless with unlimited numbers of base station antennas[J]. IEEE Transactions on Wireless Communications, 2010, 9(11): 3590–3600. doi: 10.1109/TWC.2010.092810.091092

    2. [2]

      RUSEK F, PERSSON D, LAU B K, et al. Scaling up MIMO: opportunities and challenges with very large array[J]. IEEE Signal Processing Magazine, 2013, 30(1): 40–60. doi: 10.1109/MSP.2011.2178495

    3. [3]

      PAYAMI S and TUFVESSON F. Channel measurements and analysis for very large array systems at 2.6 GHz[C]. Proceedings of the 6th European Conference on Antennas and Propagation, Prague, Czech Republic, 2012: 433–437.

    4. [4]

      GAO Xiang, TUFVESSON F, and EDFORS O. Massive MIMO channels - Measurements and models[C]. Proceedings of Asilomar Conference on Signals, Systems and Computers, Pacific Grove, USA, 2013: 280–284.

    5. [5]

      WU Shangbin, WANG Chengxiang, HAAS H, et al. A Non-stationary wideband channel model for massive MIMO communication systems[J]. IEEE Transactions on Wireless Communications, 2015, 14(3): 1434–1446. doi: 10.1109/TWC.2014.2366153

    6. [6]

      NGUYEN S. Compressive sensing for multi-channel and large-scale MIMO networks[D]. [Ph.D. dissertation], Concordia University, 2013.

    7. [7]

      QI Chenhao, HUANG Yongming, JIN Shi, et al. Sparse channel estimation based on compressed sensing for massive MIMO systems[C]. Proceedings of 2015 IEEE International Conference on Communications, London, UK, 2015: 4558–4563.

    8. [8]

      CHEN Lei, LIU An, and YUAN Xiaojun. Structured turbo compressed sensing for massive MIMO channel estimation using a Markov prior[J]. IEEE Transactions on Vehicular Technology, 2018, 67(5): 4635–4639. doi: 10.1109/TVT.2017.2787708

    9. [9]

      HOU Weikun and LIM C W. Structured compressive channel estimation for large-scale MISO-OFDM systems[J]. IEEE Communications Letters, 2014, 18(5): 765–768. doi: 10.1109/LCOMM.2014.030714.132630.

    10. [10]

      NAN Yang, ZHANG Li, and SUN Xin. Weighted compressive sensing based uplink channel estimation for time division duplex massive Multi-Input Multi-Output systems[J]. IET Communications, 2017, 11(3): 355–361. doi: 10.1049/iet-com.2016.0625

    11. [11]

      MASOOD M, AFIFY L H, and AL-NAFFOURI T Y. Efficient coordinated recovery of sparse channels in massive MIMO[J]. IEEE Transactions on Signal Processing, 2015, 63(1): 104–118. doi: 10.1109/TSP.2014.2369005

    12. [12]

      PEDERSEN N L, MANCHÓN C N, and FLEURY B H. A fast iterative Bayesian inference algorithm for sparse channel estimation[C]. Proceedings of 2013 IEEE International Conference on Communications, Budapest, Hungary, 2013: 4591–4596.

    13. [13]

      MA Jianpeng, LI Hongyan, ZHANG Shun, et al. Sparse Bayesian learning for the channel statistics of the massive MIMO systems[C]. Proceedings of 2017 IEEE Global Communications Conference, Singapore, Singapore, 2017: 1–6.

    14. [14]

      GUI Guan, XU Li, and SHAN Lin. Block Bayesian sparse learning algorithms with application to estimating channels in OFDM systems[C]. Proceedings of 2014 International Symposium on Wireless Personal Multimedia Communications, Sydney, Australia, 2014: 238–242.

    15. [15]

      CHENG Xiantao, SUN Jingjing, and LI Shaoqian. Channel estimation for FDD multi-user massive MIMO: a variational Bayesian inference-based approach[J]. IEEE Transactions on Wireless Communications, 2017, 16(11): 7590–7602. doi: 10.1109/TWC.2017.2751046

    16. [16]

      TIPPING M. Sparse Bayesian learning and the relevance vector machine[J]. The Journal of Machine Learning Research, 2001, 1: 211–244. doi: 10.1162/15324430152748236

    17. [17]

      BLEI D M and JORDAN M I. Variational inference for dirichlet process mixtures[J]. Bayesian Analysis, 2006, 1(1): 121–143. doi: 10.1214/06-BA104

    18. [18]

      梅素玉, 王飞, 周水庚. 狄利克雷过程混合模型、扩展模型及应用[J]. 科学通报, 2012, 57(34): 3243–3257.
      MEI Suyu, WANG Fei, and ZHOU Shuigeng. Dirichlet process mixture model, extensions and applications[J]. Chinese Science Bulletin (Chinese Version), 2012, 57(34): 3243–3257.

    19. [19]

      WANG Lu, ZHAO Lifan, BI Guoan, et al. Novel wideband DOA estimation based on sparse bayesian learning with dirichlet process priors[J]. IEEE Transactions on Signal Processing, 2016, 64(2): 275–289. doi: 10.1109/TSP.2015.2481790

    20. [20]

      TSE D and VISWANATH P. Fundamentals of Wireless Communication[M]. Cambridge: Cambridge University, 2004: 32–50, 348–352.

    1. [1]

      刘凯陈贵潮陶成周涛. 基于混合精度模数转换器的大规模MIMO-OFDM系统性能分析. 电子与信息学报, doi: 10.11999/JEIT181136

    2. [2]

      刘小龙. 改进多元宇宙算法求解大规模实值优化问题. 电子与信息学报, doi: 10.11999/JEIT180751

    3. [3]

      张杰鑫庞建民张铮邰铭刘浩. 基于非相似余度架构的网络空间安全系统异构性量化方法. 电子与信息学报, doi: 10.11999/JEIT180764

    4. [4]

      李瑞张群苏令华梁佳罗迎. 基于稀疏贝叶斯学习的双基雷达关联成像. 电子与信息学报, doi: 10.11999/JEIT180933

    5. [5]

      陈曦张坤. 一种基于树增强朴素贝叶斯的分类器学习方法. 电子与信息学报, doi: 10.11999/JEIT180886

    6. [6]

      赵辉张静张乐刘莹莉张天骐. 基于非局部低秩和加权全变分的图像压缩感知重构算法. 电子与信息学报, doi: 10.11999/JEIT180828

    7. [7]

      邓红辉闫辉肖瑞陈红梅. 一种全数字前馈式时间交织模数转换器时间误差后台校准算法. 电子与信息学报, doi: 10.11999/JEIT190052

    8. [8]

      杨文哲杨宏雷王学运张升康赵环杨军冯克明. 高精度光纤时间频率一体化传递. 电子与信息学报, doi: 10.11999/JEIT180807

    9. [9]

      伊鹏谢记超张震谷允捷赵丹. 抗侧信道攻击的服务功能链部署方法. 电子与信息学报, doi: 10.11999/JEIT190127

    10. [10]

      蒲磊冯新喜侯志强余旺盛. 基于空间可靠性约束的鲁棒视觉跟踪算法. 电子与信息学报, doi: 10.11999/JEIT180780

    11. [11]

      黄国策王桂胜任清华董淑福高维廷魏帅. 基于Hilbert信号空间的未知干扰自适应识别方法. 电子与信息学报, doi: 10.11999/JEIT180891

    12. [12]

      徐丹符吉祥孙光才邢孟道苏涛保铮. 空间目标的短时三维几何重构方法. 电子与信息学报, doi: 10.11999/JEIT180936

    13. [13]

      侯志强王帅廖秀峰余旺盛王姣尧陈传华. 基于样本质量估计的空间正则化自适应相关滤波视觉跟踪. 电子与信息学报, doi: 10.11999/JEIT180921

    14. [14]

      施伟锋卓金宝兰莹. 一种基于属性空间相似性的模糊聚类算法. 电子与信息学报, doi: 10.11999/JEIT180974

    15. [15]

      徐保庆赵永波庞晓娇. 基于实值处理的联合波束域双基地MIMO雷达测角算法. 电子与信息学报, doi: 10.11999/JEIT180766

    16. [16]

      钱志鸿田春生王鑫王雪. D2D网络中信道选择与功率控制策略研究. 电子与信息学报, doi: 10.11999/JEIT190149

    17. [17]

      杨凌赵膑陈亮李媛张国龙. 基于回声状态网络的卫星信道在线盲均衡算法. 电子与信息学报, doi: 10.11999/JEIT190034

    18. [18]

      陈树新洪磊吴昊刘卓崴岳龙华. 学生 t 混合势均衡多目标多伯努利滤波器. 电子与信息学报, doi: 10.11999/JEIT181121

    19. [19]

      代振王平波卫红凯. 非高斯背景下基于Sigmoid函数的信号检测. 电子与信息学报, doi: 10.11999/JEIT190012

    20. [20]

      王汝言李宏娟吴大鹏李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报, doi: 10.11999/JEIT190016

  • 图 1  大规模MIMO系统上行链路信道分层贝叶斯图模型

    图 2  信道估计均方误差随信噪比变化曲线图

    图 3  信道估计均方误差随带宽变化曲线图

    表 1  信道估计算法的计算复杂度

    算法复杂度
    本文方法$\cal{O}\left( {R{L^{\rm{2}}}} \right)$
    FSBL$\cal{O}\left( {R{N_{\rm{p}}}L} \right)$
    BSBL$\cal{O}\left( {{{\left( {RL} \right)}^3}} \right)$
    SABMP$\cal{O}\left( {R{N_{\rm{p}}}{L^2}} \right)$
    下载: 导出CSV

    表 2  大规模MIMO-OFDM系统参数

    参数名参数意义数值
    R基站侧天线数128
    fc载波中心频率2.6 GHz
    NOFDM总子载波数1024
    Np信道估计占用子载波数64
    BW用户带宽10~100 MHz
    QQAM调制阶数4
    L信道抽头个数64
    Ip多径总径数20
    下载: 导出CSV
  • 加载中
图(3)表(2)
计量
  • PDF下载量:  20
  • 文章访问数:  313
  • HTML全文浏览量:  223
  • 引证文献数: 0
文章相关
  • 通讯作者:  王忠勇, zywangzzu@gmail.com
  • 收稿日期:  2018-07-06
  • 录用日期:  2019-02-02
  • 网络出版日期:  2019-05-21
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章