本發(fā)明屬于毫米波通信(millimeter wave communication)技術(shù)領(lǐng)域，特別涉及一種利用CANDECOMP/PARAFAC分解(CP分解)來聯(lián)合估計多用戶下行鏈路信道的方法。

背景技術(shù)：

毫米波通信是未來5G網(wǎng)絡(luò)中非常有前途的一項技術(shù)。通過利用毫米波頻段中的大帶寬，它甚至可以具有提供每秒千兆比特速率的潛力，因此引起了廣泛的關(guān)注。但是，在如此高的頻段中進行通信將會引起很高的信號衰減和吸收，為了補償嚴重的路徑損耗，基站端和用戶端都需要使用大規(guī)模的天線陣列利用波束控制增加鏈路增益。但是準確的波束賦形預編碼矩陣需要完整的信道狀態(tài)信息(channel state information，CSI)，這對于具有大規(guī)模天線和低信噪比的毫米波信道是一個巨大挑戰(zhàn)，在多用戶MIMO下這種情況會變得更加嚴重。

由于毫米波頻段頻率很好，空間散射性很差，信號幾乎都是直線傳播，現(xiàn)有的毫米波信道估計方法都是利用毫米波信道的稀疏散射特性來降低信道估計訓練開銷。此外根據(jù)信道的稀疏散射特性，很多基于壓縮感知的方法也被引入來估計毫米波信道。此外，一種新的分層多分辨率波束賦形碼本和自適應(yīng)壓縮感知方法也被提出來進行毫米波信道估計。但是現(xiàn)有的方法仍舊訓練開銷過大，訓練耗時較長，并且有些算法還需要在基站端和用戶端建立反饋信道，需要消耗更多資，。因此迫切需要提出一種新的毫米波信道估計方法。

本發(fā)明中，對多用戶上行毫米波信道進行估計，也可利用TDD信道的互易性，進而得到下行鏈路毫米波信道的信道狀態(tài)信息。本發(fā)明提出了一種新的分層導頻傳輸方案，使基站端的接收信道構(gòu)成一個三階tensor,然后通過CP分解將其分解成一系列一階tensor的線性組合，并通過分解后的參數(shù)矩陣估計信道。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種多用戶MIMO系統(tǒng)毫米波信道估計方法，并且能夠提高估計精確度、降低計算復雜度。

本發(fā)明通過新的分層導頻傳輸方案，訓練階段包含一系列的幀，每個幀又被分為一些子幀，在每個子幀中，所有用戶使用共同的波束賦形向量同時傳輸他們各自的導頻信息。通過該方案，基站端接收的信號可以構(gòu)造成一個三階tensor，然后通過CP分解將其分解成 一系列一階tensor的線性組合，并通過分解后的參數(shù)矩陣估計信道。

為描述方便，下面對系統(tǒng)模型進行介紹：

一個單基站(Base Station,BS)服務(wù)U個移動用戶(Mobile Station,MS)的毫米波系統(tǒng)，該系統(tǒng)使用混合模擬和數(shù)字波束賦形結(jié)構(gòu)，如圖1所示。其中，BS端配備N_BS個發(fā)射天線和M_BS個射頻(Radio Freqency,RF)鏈路,MS端配備N_MS個發(fā)射天線和M_MS個RF鏈路。這里假設(shè)M_BS＜N_BS，M_MS＜N_MS。假設(shè)毫米波信道中第u個用戶與基站間共有L_u個散射簇，則第u個用戶與基站間的信道可以表示為其中，α_u,l為第u個用戶的第l條路徑的復增益。θ_u,l∈[0,2π]，φ_u,l∈[0,2π]分別為到達方位角(azimuth angle of arrival，AoA)和離開方位角(azimuth angle of departure，AoD)。a_BS(θ_u,l)和a_MS(φ_u,l)分別為BS和MS的天線陣列響應(yīng)向量。本發(fā)明假設(shè)為均勻線性陣列，則

其中，λ為信號波長，d為相鄰天線間的距離。

考慮單層導頻傳輸規(guī)劃。假設(shè)訓練階段總共包括T個相鄰幀，每個幀又被分為T'個子幀。在每個子幀t'＝1,...,T'中，所有用戶使用一個共同的波束賦形向量p_t'同時傳輸他們各自的導頻符號s_u,t。因此每個幀中，每個用戶共使用T'波束賦形向量來發(fā)送導頻。在BS端，發(fā)送信號同時被MS端的M_MS個RF鏈的接收向量接收到。因此，第m個RF鏈在第t個幀的第t'個子幀接收到的信號為其中，w_m,t,t'第m個RF鏈在第t個幀的第t'個子幀時的加性高斯白噪聲。將信道帶入后，可得 其中，α_l＝α_u,l，θ_l＝θ_u,l，φ_l＝φ_u,l，

定義

P＝[p₁ … p_T']，令為固定tensory中t之后的矩陣，因此可得 其中，根據(jù)以上分析，tensory可以表示為以下一階tensor的和：其中， “ο”表示矢量積。

定義

S＝[s₁ … s_L]，其中，s_u＝[s_u,1 … s_u,T]^T。則S_L＝SO，且其中，1_l表示l維全1列向量。

將接收信號進行CP分解后分解成3階tensor，通過對各階進行估計，利用估計后的一階tensor得到毫米波信道的估計值。

一種多用戶MIMO系統(tǒng)毫米波信道估計方法，具體步驟如下：

S1、設(shè)置初始參數(shù)μ，計算初始發(fā)射導頻S；

S2、估計A_Q、A_P、S_L，具體為：

S21、L已知時：

使用迭代最小二乘算法即可得到三個參數(shù)矩陣，其中，為固定tensory中t之后的矩陣，⊙表示Khatri-Rao積；

S22、L未知時：

通過使用迭代最小二乘算法即可對三個參數(shù)矩陣進行估計；

S3、對估計矩陣進行分解，即，令為估計得到的值，其與實際的A_Q、A_P、S_L之間滿足：

其中，Λ₁、Λ₂分別為與A_Q、A_P塊結(jié)構(gòu)相對應(yīng)的非奇異對角矩陣，Λ₃為非奇異對角陣，且Π為一置換矩陣，E₁、E₂、E₂為別為三個參數(shù)矩陣的估計誤差，由S_L＝SO，得S均已知，且O為塊對角陣，塊中全為1，Λ₃為對角陣，Π為置換矩陣，不考慮估計誤差，得觀察SS的結(jié)構(gòu)，SS應(yīng)為一個對塊對角陣進行置換的矩陣，即可估計出O，Λ₃，Π，從而得到L_u；

S4、利用估計毫米波信道：

由其中，E為由E₁、E₂引起的估計誤差，令則其中，表示Kronecker積，通過離散化連續(xù)參數(shù)空間到一個N₁×N₂的二位網(wǎng)格中，每個格點為設(shè)存在于網(wǎng)格上，則可得到其中，是一個過完備字典，共有N₁×N₂列，其第((i-1)N₁+j)列為為α_u補零得到的向量，通過使用壓縮感知的方法，從而得到毫米波信道的準確估計。

本發(fā)明的有益效果在于：

通過CP分解，將接收信號分解成一系列一階tensor的線性組合，并通過分解后的參數(shù)矩陣估計信道，大大降低了計算復雜度，相比于傳統(tǒng)的毫米波估計方法，本發(fā)明具有更強的實際操作性。

附圖說明

圖1為BS和MS的混合預編碼結(jié)構(gòu)圖。

圖2為兩種信道的AoA與AoD集合顯示圖。

圖3為NMSE與SNR的關(guān)系圖。

圖4中a為NMSE與T的關(guān)系圖，b為NMSE與M_BS的關(guān)系圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步詳細說明。

仿真中，設(shè)該毫米波系統(tǒng)基站使用N_BS＝64的均勻線性陣列天線，服務(wù)U＝8個移動用 戶，每個移動端使用N_MS＝32的均勻線性陣列天線,M_MS＝1個RF鏈，且相鄰天線的距離為信號的半波長。毫米波信道各AoA與AoD分布在[0,2π]中，復增益α_u,l為一隨機變量，服從循環(huán)對稱高斯分布α_u,l～CN(0,N_BSN_MS/ρ)，ρ＝(4πDf_c/c)²，D表示MS與BS間的距離，f_c表示載頻，c表示光速。假設(shè)D＝50m，f_c＝28GHz。MS和BS間共有L＝13個散射簇，L_u為1或者2。導頻個數(shù)T分別為2,3,6,8。正則系數(shù)為μ＝3×10^-3。

一種多用戶MIMO系統(tǒng)毫米波信道估計方法，具體步驟如下：

S1、設(shè)置初始參數(shù)μ，計算初始發(fā)射導頻S；

S2、估計A_Q、A_P、S_L，具體為：

S21、L已知時：

使用迭代最小二乘算法即可得到三個參數(shù)矩陣，其中，為固定tensory中t之后的矩陣，⊙表示Khatri-Rao積；

S22、L未知時：

通過使用迭代最小二乘算法即可對三個參數(shù)矩陣進行估計；

S3、對估計矩陣進行分解，即，令為估計得到的值，其與實際的A_Q、A_P、S_L之間滿足：

其中，Λ₁、Λ₂分別為與A_Q、A_P塊結(jié)構(gòu)相對應(yīng)的非奇異對角矩陣，Λ₃為非奇異對角陣，且Π為一置換矩陣，E₁、E₂、E₂為別為三個參數(shù)矩陣的估計誤差，由S_L＝SO，得S均已知，且O為塊對角陣，塊中全為1，Λ₃為對角陣，Π為置換矩陣，不考慮估計誤差，得觀察SS的結(jié)構(gòu)，SS應(yīng)為一個對塊對角陣進行置換的矩陣，例如SS第一行的系數(shù)即為Λ₃中對角線上的第一個元素，觀察第一行中各元素的位置可得置換矩陣的第一行中1的位置，依次類推，即可估計出O，Λ₃，Π，從而得到L_u；

S4、利用估計毫米波信道：

由其中，E為由E₁、E₂引起的估計誤差，令則其中，表示Kronecker積，通過離散化連續(xù)參數(shù)空間到一個N₁×N₂的二位網(wǎng)格中，每個格點為設(shè)存在于網(wǎng)格上，則可得到其中，是一個過完備字典，共有N₁×N₂列，其第((i-1)N₁+j)列為為α_u補零得到的向量，通過使用壓縮感知的方法，例如OMP算法即可估計出和α_u，從而得到毫米波信道的準確估計。

下面將利用了降低PAPR的相關(guān)算法同本發(fā)明方法的算法性能對比分析，以進一步驗 證本發(fā)明的性能。

采用兩種衡量指標來度量算法的性能。一個是用來衡量毫米波信道的恢復準確性，叫做歸一化均方誤差(Normalized Mean Squared Error，簡稱NMSE)；一個是用來衡量接收端信號強度，叫做信噪比(Signal-to-Noise Ratio，SNR)。NMSE的定義為

SNR的定義為

y與w分別表示接收信號與加性噪聲。

仿真中采用兩種隨機毫米波信道，其AoA與AoD的關(guān)系如圖2所示。圖3分別為兩種毫米波信道下采用CP分解的方法與普通的CS方法的NMSE隨著SNR的變化情況。第一種CS算法將AoA-AoD空間離散化到64×32的格點上，第二種CS算法將AoA-AoD空間離散化到128×64的格點上。由于我們將毫米波信道分解成各個用戶的信道分別進行估計，因此可以采用更多的格點。新算法采用將AoA-AoD空間離散化到256×128的格點上。從圖3可以看出，新算法相比兩種CS網(wǎng)格算法具有明顯的優(yōu)勢，這主要是由于新算法使用的CP分解具有唯一性保證，并且具有更強的魯棒性。圖4分別為兩種毫米波信道下采用CP分解的方法與普通的CS方法的NMSE隨著T的變化情況。此時T'＝16，M_BS＝16。從圖4可以看出，當T＞2時，新算法具有更好的信道估計性能。此外，當AoA/AoD充分分離開來時，A_Q，A_P各自的自相關(guān)變得更低，CP分解也可以以更高的精確度完成?？偟膩碚f，本發(fā)明相對其他算法可以大幅提高毫米波信道的估計精度，相比其他算法具有明顯的性能優(yōu)勢。

綜上所訴，本發(fā)明是基于CP分解的對多用戶MIMO上行毫米波信道進行聯(lián)合估計的算法，其將接收信號通過CP分解得到三個參數(shù)矩陣，通過迭代最小二乘算法對三個參數(shù)矩 陣的估計后，將信道使用三個參數(shù)矩陣表示后，轉(zhuǎn)化為CS格點法對信道進行估計。由于本發(fā)明將信道分解，對每個用戶的信道進行分別估計，大幅提高了估計精度，相比其他算法具有更好的性能，同時由于CP分解的唯一性，使算法的魯棒性更好。