202011423176X基于牛顿-正交匹配追踪的超大规模MIMO信道估计方法.pdf

(19)中华人民共和国国家知识产权局

(12)发明专利

(10)授权公告号CN112565122B
(45)授权公告日2021.11.02
(21)申请号202011423176.X(56)对比文件
(22)申请日2020.12.08CN109412983A,2019.03.01
CN111181671A,2020.05.19
(65)同一申请的已公布的文献号
申请公布号CN112565122A审查员陈晓

(43)申请公布日2021.03.26
(73)专利权人江南大学
地址214122江苏省无锡市蠡湖大道1800
号
(72)发明人刘洋朱璇戴蓉谷稳李钢
(74)专利代理机构苏州市中南伟业知识产权代
理事务所(普通合伙)32257
代理人王玉仙
(51)Int.Cl.
H04L25/02(2006.01)
权利要求书3页说明书9页附图2页
(54)发明名称
基于牛顿-正交匹配追踪的超大规模MIMO信
道估计方法
(57)摘要
本发明公开了一种基于牛顿‑正交匹配追踪
的超大规模MIMO信道估计方法，其包括：根据空
间非平稳特性和近场效应建立信号模型；根据所
述信号模型通过最小化剩余功率获得散射体的
增益和位置的最大似然估计；划分初始网格，运
用正交匹配追踪算法搜索网格点，粗略估计散射
体位置和路径增益；根据粗略估计得到的初始值
利用牛顿迭代优化方法进行精确估计。本发明基
于牛顿‑正交匹配追踪的超大规模MIMO信道估计
方法考虑了近场效应和空间非平稳特性，增加散
射体生灭过程，模拟散射体在阵列和时间轴上的
出现和消失，在正交匹配追踪算法的基础上增加
牛顿迭代来提高信道估计精度和降低计算复杂
度，能够准确定位散射体和确定非平稳信道。
CN112565122B
CN112565122B权利要求书1/3页

1.基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征在于，包括：
根据空间非平稳特性和近场效应建立信号模型；
根据所述信号模型通过最小化剩余功率获得散射体的增益和位置的最大似然估计；
划分初始网格，运用正交匹配追踪算法搜索网格点，粗略估计散射体位置和路径增益；
根据粗略估计得到的初始值利用牛顿迭代优化方法进行精确估计；
所述基于空间非平稳特性和近场效应建立信号模型，包括：
根据空间非平稳特性建立散射体和天线之间的可见关系；
根据近场效应并根据散射体和天线之间的可见关系建立信号模型；
所述根据空间非平稳特性建立散射体和天线之间的可见关系，包括：
基站端采用均匀线性阵列，有M个天线，用户端采用单个天线，只考虑下行链路，链路中
存在多个散射点，在超大规模多输入多输出信道中，散射假设均为泊松分布，不同天线之间
散射体的生存概率可以表示为：

其中λr是散射体的存活率，D是与环境相关的相干因子，δ代表不同天线元件之间的间
距；
新生成的散射体的平均数量可以表示：

为

其中，λg代表散射体的再生速率；

用ψn表示散射体看到可见的阵列ψn＝{sn,1,...,sn,m},m∈{1,2,...,M}，sn,m代表相对于
散射体n的第m个可见天线，散射体和所有天线之间的可见关系可以表示为

如果sn,m在在集合ψn中，
所述根据近场效应并根据散射体和天线之间的可见关系建立信号模型，包括：
考虑近场效应用球面波模型来表征信道脉冲响应，散射体和天线之间的响应如下：

其中，表示散射体和阵列中心之间的距离，

表示散射体和阵列元素m之间的距离；
在球面波模型中，阵列上的相位变化和路径损耗变化是非线性的，下行链路的信道矩

阵是其中(xn,yn)代表第n个散射体的坐标，N是散射体的数目；gn
表示复杂的路径增益；⊙表示哈达玛积；
用矩阵表示法将信号模型表示为其中w是加性高斯白噪声，满足
分布。

2
CN112565122B权利要求书2/3页
2.如权利要求1所述的基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征
在于，根据所述信号模型通过最小化剩余功率获得散射体的增益和位置的最大似然估计，
其中，最大似然估计为：

为了获得目标函数的最优解，进一步将目标问题转换如下：

其中，是估计后获得的散射体坐标，

路径增益表示为：

3.如权利要求2所述的基于牛顿‑正交匹配追踪的超大规模MIMO信道估计方法，其特征
在于，所述划分初始网格，运用正交匹配追踪算法搜索网格点，粗略估计散射体位置和路径
增益，包括：

假设目标散射体的位置信息满足Xmin＜xn＜Xmax，Ymin＜yn＜Ymax，Xmin、Xmax、Ymin和Ymax分别
表示阵列可见范围内散射体位置的最小值和最大值，网格划分如下：

Z＝{(x,y)|x＝Xmin,Xmin+Δx,...,Xmax；y＝Ymin,Ymin+Δy,...,Ymax}
其