1.一种基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,包括以下步骤:步骤1:构建大规模时分双工MIMO单小区多用户系统,并生成导频序列;
步骤2:按系统模型分别生成用户接收信号矩阵和信道矩阵;
步骤3:将信道估计问题的模型转化为基于Schatten p‑norm最小化的矩阵弹性正则化模型;
步骤4:采用交替迭代算法求解基于Schatten p‑norm最小化的矩阵弹性正则化问题。
2.根据权利要求1所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,所述步骤1具体包括如下步骤:
构建大规模时分双工MIMO单小区多用户系统,所述系统设有一个配备大量的天线M的基站,所述基站同时为多个单天线用户K服务,满足条件M>>K;采用BPSK调制方案用于避免用户之间的干扰,为每个用户设置正交导频序列,如sk(t)={+1,‑1};在T个可用下行链路中,为了获取状态信息,基站在第t个信道中发送导频信号的表达式为:M×1
s(t)=C (t=1,2,…,T)其中,C表示向量矩阵,M表示天线的数量;
发送端导频信号向量的表达式为:S(t)=[s1(t),s2(t),…,sk(t)]其中,sk(t)表示第k个传输信道中的导频信号向量,k表示用户的数量。
3.根据权利要求2所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,所述步骤2中,按系统模型生成用户接收信号矩阵具体包括:基站处的接收信号矢量表达式为:其中,ρtr表示用户端每个用户的发送功率, 表示的是用户与基站之间平坦衰落信道矩阵, 表示的是均值为0、方差为 的加性高斯白噪声,在基站处接收的总导频序列矩阵形式的表达式为:其中, 表示的是用户到基站处的总传输导频序,是均值为0、方差为 的加性高斯白噪声矩阵。
4.根据权利要求3所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,所述步骤2中,按系统模型生成信道矩阵具体包括:假设实际的有限散射多径信道模型,在用户与基站之间的信道向量的表达式为:其中,gkr表示的是每条路径r∈1,2,…,R,用户与基站之间的衰落系数,βk表示的是每个用户与基站之间的路径损失系数,表达式为:其中,dk表示的是每个用户与基站之间的距离,γ表示的是路径损失指数,α是一个常数,a(θr)是与每条路径r相关的转向矢量,用户与路径之间的转向矢量的总数表达式为:其中,λ是信号的波长,D是天线的间距,其值都是一个固定值, 是对应于每个路径r的随机到达角;
信道矩阵H对于大规模用户MIMO系统,其紧凑的表达式为:H=AG,其中,是一个包含转向矢量的M×R阶矩阵, 是用户与基站之间衰落系数的R×K阶矩阵,每个向量中的所有元素 假设为独立的瑞利衰落系数,其均值为零,方差为单位权方差。
5.根据权利要4所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,所述步骤3具体包括如下步骤:
基于Schatten p‑norm最小化的非凸正则化方法表达式:其中, 0<p≤1,在此基础之上,基于矩阵的弹性网模型Matrix Elastic Network,MEN正则化模型表达式如下:在上述基础之上,给出此模型的整体估计量的形式,即损失函数和MEN‑Sp惩罚项的极小化变量,所述MEN‑Sp惩罚项为Schatten p‑norm和Frobenius范数结合,所述MEN‑Sp解释为:对于给定的ε≥0,MEN‑Sp惩罚项Pε: 表示式为 其中
为了恢复原始矩阵X,基于MEN‑Sp惩罚项的矩阵弹性正则化表达式为:将所述步骤2中的信道矩阵H代入上式,关于信道估计问题的矩阵弹性正则化表达式为:
其中,
6.根据权利要5所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,所述步骤4具体包括如下步骤:
为了恢复矩阵,构造一种交替迭代算法来优化式,将所述信道估计问题的矩阵弹性正则化表达式转化为以下形式:T
s.t.Z=H‑A(A(H)‑Y)p‑1
W=(σ(H)+ε0)
通过以下步骤进行求解:
计算Hk+1:固定Hk和Zk,通过最小化P(H,Zk,Wk)得到Hk+1:忽略其中与H无关的常数项,上式简化后如下:上述问题的解表示为:
计算Zk+1:固定Hk+1,计算Zk+1如下:T
Zk+1=Hk+1‑A(A(Hk+1)‑Y)计算Wk+1:固定Hk+1,计算Wk+1:p‑1
Wk+1=(σ(Hk+1)+ε0) 。
7.根据权利要1所述的基于矩阵恢复的大规模MIMO信道估计方法,其特征在于,对基于Schatten p‑norm最小化算法在大规模MIMO信道估计中的估计结果,采用归一化均方误差NMSE衡量信道估计性能,其表达式为:其中,H是信道矩阵,H是估计信道矩阵。