申请/专利权人：北京理工大学

申请日：2019-04-26

公开（公告）日：2020-12-15

公开（公告）号：CN110071881B

主分类号：H04L25/02(20060101)

分类号：H04L25/02(20060101);H04B7/0413(20170101)

优先权：

专利状态码：有效-授权

法律状态：2020.12.15#授权;2019.08.23#实质审查的生效;2019.07.30#公开

摘要：本发明公开了一种自适应开销的活跃用户检测和信道估计方法，利用估计到的活跃用户集合及其信道，通过计算接收信号误差评估估计质量，可以根据现实系统中活跃用户数量和信道环境，自适应调整帧结构中导频的时隙开销，以尽可能低的接入时延保证服务质量，实现超可靠的活跃用户检测和信道估计。本发明还针对未来蜂窝网络中的增强移动宽带场景和大规模机器类型通信等巨址通信场景，利用用户上行传输流量的零星特性以及大规模MIMO虚拟角度域信道的稀疏性，合理设计用于宽带上行免授权多址接入的导频信号，并引入先进的压缩感知技术，能大幅降低用户接入时延。

主权项：1.一种自适应开销的活跃用户检测和信道估计方法，其特征在于，包括：步骤1、在每一个时隙，活跃用户采用免授权的多址接入协议上行发送信号；所述免授权的多址接入协议对应的帧结构包含时域和频域两个部分；频域上由N个子载波组成，时域上由T个时隙组成；前G个时隙用于同时发送导频和数据，且在这G个时隙的N个子载波中，P个导频子载波用于发送导频，N-P个数据子载波用于发送数据；而后T-G个时隙仅用于发送数据，故所有N个载波均为数据子载波；导频所使用的时隙开销G是根据基站对活跃用户检测和信道估计质量的评估结果自适应调整的；活跃用户所发送的导频信号为非正交导频信号，对于每个导频子载波，所有用户在导频开销内的导频信号通过独立同分布的标准复高斯产生；不同导频子载波上的导频互不相同；步骤2、根据初始时隙开销G0，收集基站端接收到的活跃用户在G0个时隙内发送的上行导频信号，利用所接收的信号进行活跃用户检测和信道估计，得到活跃用户集合以及对应的大规模MIMO信道；步骤2.1、活跃用户检测和信道估计建模1基于所有用户的MIMO信道矢量组成的子信道矩阵具有列稀疏性，不同天线上观测到的稀疏性完全相同，以及不同导频子载波所对应的子信道矩阵具有相同的稀疏图样，从而将活跃用户检测问题建模成空间域压缩感知问题，构成空间-频率域模型；空间-频率域的建模过程为：对于第p个导频子载波，定义基站接收到的第k个用户在第t个时隙的信号为： 其中为第k个用户的第p个导频子信道，是第k个用户在第p个导频子信道上传输的上行多址导频，是第p个导频子信道的高斯白噪声；基站配备大规模天线，M是基站天线数；用户使用单天线；共P个导频子载波；进一步定义第k个用户的活跃因子为αk，用户活跃时取1，静默时取0，那么，基站端总的接收信号可以写成： 其中·T为转置符号；K为用户总数；那么在连续的G个时隙内，基站端收集到的接收信号可以写成： 其中是空间域上行多址信道矩阵，由于希望G＜＜K,同时信道矩阵具有列稀疏性，不同列之间具有共同支撑集，故该模型为空间-频率域压缩感知模型；已知接收信号和导频矩阵估计Xp的支撑集，得到估计的活跃用户集合，从而实现活跃用户检测；2基于大规模MIMO信道在虚拟角度域存在簇稀疏性，以及不同的子信道矩阵在频域上也具有相同的稀疏图样，从而将活跃用户的信道估计问题建模成角度域的压缩感知问题，构成角度-频率域模型；角度-频率域的建模过程为：考虑将信道从空间域变换到虚拟角度域，变换关系为： 其中wp,k是虚拟角度域信道；是变换矩阵，在天线间隔为二分之一波长的均匀线性阵列情况下为离散傅里叶矩阵，·H为共轭转置符号；因此，可以得到角度-频率域模型： 其中，是角度域的多址信道矩阵，·*是共轭符号；该模型用于信道估计；已知接收信号通过空间域和角度域的变换关系可以得到等效的接收信号利用导频矩阵以及估计的活跃用户集合可以估计得到活跃用户对应的虚拟角度域信道再将该信道变换回空间域，从而实现活跃用户的信道估计；3采用空间-频率域模型进行活跃用户检测，采用角度-频率域模型进行信道估计，且均采用改进的AMP算法解算，改进的AMP算法利用EM算法学习超参数，并根据信道矩阵的稀疏结构优化超参数更新规则，将这样的过程称为DMMV-AMP算法；其中，当改进的AMP算法应用于空间-频率域模型时，稀疏率的更新规则为： 式I中，稀疏率表示信道矩阵第p,k,m个元素非零的概率，p为导频子载波的索引，k为用户索引，m为基站天线的索引，i代表算法的第i次迭代，集合这里q,l,u表示三维信道矩阵的元素索引，置信因子是AMP算法中定义的中间变量；|·|c表示集合元素个数；当改进的AMP算法应用于角度-频率域模型时，稀疏率的更新规则为： 式II中，集合定义模块A：基于DMMV-AMP算法的活跃用户检测器定义模块B：基于DMMV-AMP算法的信道估计器在每一次Turbo迭代，模块A利用空间-频率域模型获得活跃用户集合，进一步通过不同的置信门限得到活跃用户集合中可靠度不同的两个活跃用户子集，并将这两个子集作为消息传递给模块B；模块B将所述活跃用户集合代入角度-频率域模型进行信道估计，并从接收信号中减去可靠度高的活跃用户子集中用户对应的信号，得到接收信号残差，再将该残差作为消息传递给模块A；模块A代入空间-频率域模型进行剩余的活跃用户检测，以此类推，模块A和模块B交替地进行活跃用户检测和信道估计，直到达到给定的最大迭代次数或者接收信号残差小于事先给定的门限；步骤3、利用估计得到的活跃用户集合和对应信道，重构信道矩阵，并计算接收信号误差；根据接收信号误差评估活跃用户检测和信道估计质量，并将评估结果广播给所有的用户，如果该结果满足事先给定的标准，活跃用户停止发送导频，再接下来的时隙内仅发送数据，从而得到可靠的活跃用户集合及其信道；否则，活跃用户继续发送导频，基站端多收集一个时隙的接收信号重新进行活跃用户检测和信道估计，并重新执行步骤3，直至所收集的接收信号足以得到可靠的活跃用户集合及其信道。

全文数据：一种自适应开销的活跃用户检测和信道估计方法技术领域本发明涉及无线通信中活跃用户和信道估计领域，尤其涉及在支持增强移动宽带的巨址通信中，海量用户上行多址接入场景下的活跃用户检测和信道估计。背景技术随着视频流，社交网络，以及新兴物联网技术的快速发展，在未来的蜂窝网络中，用户设备的数量和业务流量都将呈爆炸性增长，因此，要求基站支持与海量用户之间形成能够承载巨大业务流量的巨连接。目前蜂窝网络的设计主要针对手机用户，可支持的用户数量有限，对巨维上行多址接入的可靠支持对目前的网络来说十分挑战。传统基于授权的随机多址协议需要额外的控制信令以及资源调度，用户设备需要经过基站授权才能接入网络。典型的如4G-LTE系统中物理随机接入信道协议，分为无竞争随机多址和竞争随机多址。在无竞争随机多址中，基站配给每个用户特定的导频，以便于基站区分不同的用户；而竞争随机多址中，活跃用户从事先定义好的导频集合中选取导频并发送，当两个用户选取相同导频时，需要额外的请求冲突处理。不幸的是，在巨址通信中，由于用户数量庞大，这种竞争资源的接入方式会出现严重的接入请求冲突，从而导致大量用户无法快速接入网络。如果对每个用户分配正交多址接入资源，又会导致巨大开销。此外，在用户顺利接入网络之后，还需要额外发送导频实现上行链路信道估计。因此，对于巨址通信，传统的基于授权的随机多址接入方案会导致较高的接入时延以及复杂的请求冲突处理。另一方面，未来巨址通信一个重要的特点是，大量的用户设备是低功耗电池受限的传感器等，在大部分时间内处于休眠状态，只有在外部事物触发的情况下才会唤醒并发送数据。故巨维多址接入的典型特点是大量设备并非持续性地向通信网络上行传输数据，而是长时间的静默和突发传输交织在一起。通过利用这种用户流量的稀疏性，目前有学者提出基于压缩感知的免授权随机多址接入方案，活跃的设备直接向基站上行发送导频和数据，而不需要经过基站的授权。该方案无疑会降低接入时延，但是也带来新的挑战，即用户需要根据接收的信号检测出活跃的用户，同时进行信道估计和数据检测。利用用户零星的上行传输流量和压缩感知技术，目前已有多种活跃用户检测方案被提出，用以实现有效可靠的免授权随机多址。这些方案的主要思想是将活跃用户检测问题建模成稀疏信号重构问题。具体地，清华大学王昭成教授等人提出一种基于压缩感知的多用户检测方案实现联合活跃用户检测和数据解码。为了进一步提高性能，美国俄勒冈州立大学OregonStateUniversity的L.Wu教授利用发送离散符号的先验信息，提出了基于AMP近似消息传递，ApproximateMessagePassing算法和EM期望最大化,ExpectationMaximization算法的活跃用户检测方案。美国哥伦比亚大学ColumbiaUniversityX.Wang教授等人指出上行随机多址信号存在块稀疏性，并提出一种TA-BSASP门限辅助的块稀疏自适应子空间追踪，ThresholdAidedBlockSparsityAdaptiveSubspacePursuit算法来提高压缩感知重构性能。此外，香港科技大学的V.K.N.Lau教授等人将大规模随机多址的工作扩展到C-RAN云无线接入网，CloudRadioAccessNetwork架构中，提出了该架构下可靠的多址方案。但是，上述方案均依赖于完美的信道状态信息，而信道状态信息的获取，特别是对于巨址通信，是一项非常有挑战性的任务。为了联合实现活跃用户检测和信道估计，华为技术有限公司加拿大的A.Bayesteh等人提出一种SCMA稀疏码多址，SparseCodeMultipleAccess的盲检测方案来支持巨址通信中的免授权随机多址，但是该方案仅考虑基站单天线的场景。对于多天线系统，香港科技大学的V.K.N.Lau教授针对C-RAN网络提出了基于改进BCS贝叶斯压缩感知，BayesianCompressiveSensing,算法的多址方案，通过利用上行信道矩阵不同接收天线之间的结构化稀疏性来提高活跃用户检测和信道估计性能。加拿大多伦多大学UniversityofToronto的W.Yu教授通过提出一种基于AMP算法的活跃用户检测和信道估计算法来进一步减少大规模随机多址中的计算复杂度，同时分析了多天线系统在巨址通信中的优越性，然而该方案需要以信道具体分布和噪声功率作为先验信息，在实际通信系统的应用中仍然存在阻碍。此外，上述所有的大规模随机多址方案均考虑单载波传输的窄带巨址通信，对于eMBB增强移动宽带，EnhancedMobileBroadband场景下大规模随机多址的可靠支持，依然是一个十分挑战的问题。而且，对于实际系统，活跃用户数量和信道环境是时刻变化的，导致上行信道矩阵的稀疏度是时变的，稀疏度比较小时，只要比较小的导频时隙开销即可获得可靠的活跃用户集合及其信道；相反，稀疏度比较大时，则需要较大的开销。上述所有方案均使用固定长度的导频开销，无疑会造成导频浪费或者不足，因此需要一种更加灵活的方式来合理控制导频开销。发明内容有鉴于此，本发明针对宽带场景下巨维随机多址，提供了一种自适应开销的活跃用户检测和信道估计方法，可以根据实际活跃用户数量和信道环境自适应调整多址导频开销，以保证可靠的用户检测和信道估计性能，而且不依赖信道信道和噪声等先验信息；进一步地，本发明可以利用上行信道矩阵空间-频率域和角度-频率域的结构化稀疏性，大幅降低接入时延。为了解决上述技术问题，本发明是这样实现的：一种自适应开销的活跃用户检测和信道估计方法，包括：步骤1、在每一个时隙，活跃用户采用免授权的多址接入协议上行发送信号；步骤2、根据初始时隙开销G0，收集基站端接收到的活跃用户在G0个时隙内发送的上行导频信号，利用所接收的信号进行活跃用户检测和信道估计，得到活跃用户集合以及对应的大规模MIMO信道；步骤3、利用估计得到的活跃用户集合和对应信道，重构信道矩阵，并计算接收信号误差；根据接收信号误差评估活跃用户检测和信道估计质量，并将评估结果广播给所有的用户，如果该结果满足事先给定的标准，活跃用户停止发送导频，再接下来的时隙内仅发送数据，从而得到可靠的活跃用户集合及其信道；否则，活跃用户继续发送导频，基站端多收集一个时隙的接收信号重新进行活跃用户检测和信道估计，并重新执行步骤3，直至所收集的接收信号足以得到可靠的活跃用户集合及其信道。优选地，步骤1所采用的免授权的多址接入协议对应的帧结构包含时域和频域两个部分；频域上由N个子载波组成，时域上由T个时隙组成；前G个时隙用于同时发送导频和数据，且在这G个时隙的N个子载波中，P个导频子载波用于发送导频，N-P个数据子载波用于发送数据；而后T-G个时隙仅用于发送数据，故所有N个载波均为数据子载波。优选地，活跃用户所发送的导频信号为非正交导频信号，对于每个导频子载波，所有用户在导频开销内的导频信号通过独立同分布的标准复高斯产生；不同导频子载波上的导频互不相同。优选地，步骤2所述进行的活跃用户检测和信道估计为：基于所有用户的MIMO信道矢量组成的子信道矩阵具有列稀疏性，不同天线上观测到的稀疏性完全相同，以及不同导频子载波所对应的子信道矩阵具有相同的稀疏图样，从而将活跃用户检测问题建模成空间域压缩感知问题，构成空间-频率域模型；基于大规模MIMO信道在虚拟角度域存在簇稀疏性，以及不同的子信道矩阵在频域上也具有相同的稀疏图样，从而将活跃用户的信道估计问题建模成角度域的压缩感知问题，构成角度-频率域模型；利用空间-频率域模型获得活跃用户集合，进一步通过不同的置信门限得到活跃用户集合中可靠度不同的两个活跃用户子集；将所述活跃用户集合代入角度-频率域模型进行信道估计，并从接收信号中减去可靠度高的活跃用户子集中用户对应的信号，得到接收信号残差，再将该残差代入空间-频率域模型进行剩余的活跃用户检测，以此类推，交替地进行活跃用户检测和信道估计，直到达到给定的最大迭代次数或者接收信号残差小于事先给定的门限。优选地，所述步骤2中，空间-频率域的建模过程为：对于第p个导频子载波，定义基站接收到的第k个用户在第t个时隙的信号为：其中为第k个用户的第p个导频子信道，是第k个用户在第p个导频子信道上传输的上行多址导频，是第p个导频子信道的高斯白噪声；基站配备大规模天线，M是基站天线数；用户使用单天线；共P个导频子载波；进一步定义第k个用户的活跃因子为αk，用户活跃时取1，静默时取0，那么，基站端总的接收信号可以写成：其中·T为转置符号；K为用户总数；那么在连续的G个时隙内，基站端收集到的接收信号可以写成：其中是空间域上行多址信道矩阵，由于希望G＜＜K,同时信道矩阵具有列稀疏性，不同列之间具有共同支撑集，故该模型为空间-频率域压缩感知模型；已知接收信号和导频矩阵估计Xp的支撑集，得到估计的活跃用户集合从而实现活跃用户检测。优选地，所述步骤2中，角度-频率域的建模过程为：考虑将信道从空间域变换到虚拟角度域，变换关系为：其中wp,k是虚拟角度域信道；是变换矩阵，在天线间隔为二分之一波长的均匀线性阵列情况下为离散傅里叶矩阵，·H为共轭转置符号；因此，可以得到角度-频率域模型：其中，是角度域的多址信道矩阵，·*是共轭符号；该模型用于信道估计；已知接收信号通过空间域和角度域的变换关系可以得到等效的接收信号利用导频矩阵以及估计的活跃用户集合可以估计得到活跃用户对应的虚拟角度域信道再将该信道变换回空间域，从而实现活跃用户的信道估计。优选地，采用空间-频率域模型进行活跃用户检测，以及采用角度-频率域模型进行信道估计均采用改进的AMP算法解算，改进的AMP算法利用EM算法学习超参数，并根据信道矩阵的稀疏结构优化超参数更新规则；其中，当改进的AMP算法应用于空间-频率域模型时，稀疏率的更新规则为：式I中，稀疏率表示信道矩阵第p,k,m个元素非零的概率，p为导频子载波的索引，k为用户索引，m为基站天线的索引，i代表算法的第i次迭代，集合这里q,l,u表示三维信道矩阵的元素索引，置信因子是AMP算法中定义的中间变量；|·|c表示集合元素个数；当改进的AMP算法应用于角度-频率域模型时，稀疏率的更新规则为：式II中，集合有益效果：1本发明利用估计到的活跃用户集合及其信道，通过计算接收信号误差评估估计质量，可以根据现实系统中活跃用户数量和信道环境，自适应调整帧结构中导频的时隙开销，以尽可能低的接入时延保证服务质量，保证超可靠的活跃用户检测和信道估计。2本发明针对宽带场景，提出了一种适用于多载波的免授权多址协议的自适应帧结构，前G个时隙中的N个子载波可以同时承载导频和数据，因此用户可以不经过基站授权将导频和数据同时发送，基站用导频进行活跃用户检测和信道估计后，可以实现对数据的解码，在不同导频子载波之间引入导频多样性，可以避免复杂调度，大大降低接入时延。3本发明结合用户上行流量的零星特性和大规模MIMO信道虚拟角度域的稀疏性，将活跃用户检测和信道估计分别建模为空间域和角度域的分布式多测量矢量压缩感知模型，并交替地进行活跃用户检测和信道估计，可以利用两种模型各自的优势，得到活跃用户集合及其对应的信道。4本发明通过在基站配备大规模天线，并利用大规模MIMO虚拟角度域的稀疏性，可以进一步地降低接入时延并提高活跃用户检测和信道估计性能。5本发明通过EM算法学习信道分布的超参数以及噪声方差，便于在实际系统中的应用。附图说明图1为大规模MIMO系统中的巨维多址接入场景以及one-ring信道模型示意图。图2为巨维多址接入中空间-频率域及角度频率域上行信道矩阵的结构化稀疏性示意图。图3为本发明自适应开销的活跃用户检测和信道估计方法的流程图。图4为本发明宽带免授权多址接入协议的帧结构。图5为基于空间域DMMV-AMP算法的巨维多址方案与三种传统免授权多址方案的活跃用户检测性能对比。图6为基于空间域DMMV-AMP算法的巨维多址方案与三种传统免授权多址方案的信道估计性能对比。图7为本发明与三种对比方案的活跃用户检测性能对比。图8为本发明与三种对比方案的信道估计性能对比。图9为本发明与基于Turbo-DMMV-AMP算法的多址方案在不同活跃用户数下的活跃用户检测和信道估计性能。具体实施方式本发明的特点包括如下几个方面：首先，通过计算接收信号误差评估用户检测和信道估计质量，并将评估结果广播给所有用户，活跃用户根据评估结果决定是否继续发送导频，从而自适应调整导频开销；得益于自适应导频开销的方案，本发明能够以尽可能小的接入时延保证所有活跃用户可靠地接入网络。其次，本发明利用用户上行传输流量的零星特性和大规模MIMO虚拟角度域信道的稀疏性，通过设计多址导频信号和宽带免授权多址协议的帧结构，将基站端的活跃用户检测和信道估计问题分别建模成空间-频率域和角度-频率域的分布式多测量矢量压缩感知问题；然后利用所提出的Turbo-DMMV-AMP算法交替地进行活跃用户检测和信道估计，得到活跃用户集合及其信道矢量。得益于该交替的估计方式可以充分利用空间-频率域和角度-频率域的稀疏结构，导频开销可以被大幅度地降低。此外，本发明引入EM算法对真实信道分布的参数及噪声功率进行学习，使该算法更有利于实际系统的实现。下面结合附图并举实施例，对本发明进行详细阐述。本发明考虑大规模MIMO系统中典型的上行巨维多址接入场景，如图1所示。该系统由一个基站和K个用户设备组成，通常K很大，基站端配备了M根天线的均匀线性阵列而用户端不失一般性地仅考虑单天线。为了支撑海量的业务流量承载，采用N个子载波的OFDM正交频分复用,OrthogonalFrequencyDivisionMultiplexing传输技术，P个导频均匀地插入N个子载波中，用于活跃用户检测和信道估计。对于第p个导频子载波，在基站端接收到的第k个用户在第t个时隙内第t个OFDM符号发送的信号为这里表示第k个用户第p个导频子载波对应的子信道，是第k个用户在第p个导频子信道上传输的上行多址接入的导频信号，是第p个导频子信道的加性高斯白噪声。对于典型的巨维多址接入场景，在给定的信道相干时间内只有一小部分的用户设备处于激活状态并且需要上行接入网络。我们定义用户k的活跃因子为αk，当用户活跃时取1否则取0；同时，定义活跃用户的集合为活跃用户的数量为|·|c表示集合元素个数。那么，在第个p导频子载波和第t个时隙，基站接收到来自所有活跃用户的信号为其中将信道建模成这里ρk是路径衰落和阴影衰落造成的大尺度衰落，是小尺度衰落。对于第p个导频子载波，第k个用户的子信道为其中L是多径成分数量，βk,l是路径复增益，为路径时延，是双边带带宽。基站天线阵列响应矢量为这里是第k个用户第l路径的到达角，λ是传播波长，是临界天线间隔。由于用户上行传输流量的零星特性，只有一小部分用户是活跃的，即Ka＜＜K。因此，定义信道矩阵则第p个导频子载波和第m根天线所对应的信道矢量是稀疏的，|supp{[Xp]:,m}|c＝Ka＜＜K4而且，该稀疏性对于所有天线来说都是相同的，supp{[Xp]:,1}＝supp{[Xp］:,2}＝…＝supp{［Xp］:,M},5supp{·}表示向量或者矩阵的支撑集，我们把这种稀疏性称为巨维多址信道矩阵的空间域结构化稀疏。因为对于所有的子信道都是相同的，因此在频率域上具有共同支撑集，supp{X1}＝supp{X2}＝…＝supp{XP}6我们把5和6中联合的结构化稀疏称为的空间-频率域结构化稀疏性，为了举例说明这种稀疏性，我们假设总共有K＝10个用户，其中有Ka＝3个用户是激活的并且需要上行接入网络，基站配备了M＝16根天线，那么，的结构化稀疏性如图2a所示。另一方面，基站一般架设在高处，周围的散射体很少，而用户设备一般位于远离基站的低处，四周散射体丰富，可以用one-ring信道模型对此特性进行建模。考虑一个离基站距离为R的用户，散射体主要分布在它周围半径为r的圆内，那么在基站观察到的角度扩展△≈arctanrR将会非常小，因为R＞＞r。这将导致大规模MIMO虚拟角度域信道存在稀疏性。具体的，用户虚拟角度域信道和空间域信道的关系可以表示为这里AR是取决于基站天线阵列几何结构的变换矩阵，当采用临界天线间隔的均匀线性阵列时，AR是一个DFT矩阵。由于巨大的天线阵列和极小的角度扩展，即△＜＜M，信道矢量是稀疏的，并且这种稀疏是成簇的，如图2b所示。而且，因为在系统带宽内，信道的空间传播特性非常相似，故不同子载波上的子信道享有相似的散射体，导致在频域上有相同的稀疏图样我们把8和9中联合的结构化稀疏称为的角度-频率域结构化稀疏性。进一步地，定义虚拟角度域信道矩阵其中考虑4和6中的空间-频率域结构化稀疏性，可以得到|supp{[Wp]:,m}|c＜＜K，以及supp{W1}＝supp{W2}＝…＝supp{WP}10图2b关于虚拟角度域信道矩阵的示例同时考虑了空间-频率域和角度-频率域的结构化稀疏性。上述的这些稀疏特性将在本发明中用于实现超可靠低时延的活跃用户检测和信道估计。基于上述分析，下面结合图3分步骤地对本发明的活跃用户检测和信道估计过程进行详细描述。步骤1、活跃用户上行发送多址导频信号在每一个时隙，需要接入网路的活跃用户直接向基站发送非正交的多址导频信号，该导频是基于DCS理论事先设计好的，并且对于基站端已知。系统采用免授权多址接入协议。本发明针对宽带系统进一步设计了免授权多址接入协议。目前存在的多址方案均考虑单载波传输的窄带巨址通信，无法支撑海量的业务流量承载的巨连接，对宽带系统中巨维多址接入的可靠支持是一个更具挑战性的难题。为了解决该难题并利用宽带系统中的一些特性，本发明进行了以下步骤。步骤1.1、设计宽带免授权多址接入协议的帧结构针对大规模MIMO-OFDM系统，本发明所设计宽带免授权多址接入协议的帧结构包含时域和频域两个部分，如图4所示。频域上由N个子载波组成，时域上由T个时隙组成。前G个时隙用于同时发送导频和数据，在N个子载波中，P个导频子载波用于发送导频，N-P个数据子载波用于发送数据。而后T-G个时隙仅用于发送数据，故所有N个载波均为数据子载波。由于前G个时隙中的N个子载波可以同时承载导频和数据，因此用户可以不经过基站授权将导频和数据同时发送，基站用导频进行活跃用户检测和信道估计后，可以实现对数据的解码，这种帧结构可以避免复杂调度，大大降低接入时延。同时，导频所使用的时隙开销G是根据基站对活跃用户检测和信道估计质量的评估结果自适应调整的。调整过程参见步骤3。步骤1.2、设计宽带多址导频信号所有用户设计好的多址导频信号将在基站端建模时用作压缩感知的观测矩阵。而观测矩阵对压缩感知重构性能十分重要，因此需要对多址导频进行设计。为了满足观测矩阵的RIP有限等距特性，RestrictedIsometryProperty条件，对于第p个导频子载波，所有用户的在多个时隙内发送的导频均由独立同分布的复高斯分布产生。同时，不同导频子载波上的导频必须互不相同，以引入子载波间的多样性，即观测矩阵对于不同的p互不相同。DCS理论指出，这种多样性可以进一步提高压缩感知重构性能。步骤2、活跃用户检测和信道估计本步骤根据初始时隙开销G0，收集基站端接收到的活跃用户在G0个时隙内发送的上行信号，根据所接收的信号以及已知的所有用户的导频进行活跃用户检测和信道估计，得到活跃用户集合以及对应的大规模MIMO信道。现有技术是采用空间域模型同时进行活跃用户检测和信道估计。而本发明在基站将活跃用户检测和信道估计问题分别建模成空间-频率域和角度-频率域的DMMV分布式多测量矢量，DistributedMultipleMeasurementVector压缩感知问题。然后，根据空间-频率域模型得到活跃用户集合根据该集合，通过设定不同的置信门限可以进一步得到可靠度不同的两个活跃用户子集；其中一个子集用户活跃度可靠度高，参见步骤2.3对模块A的描述；将活跃用户集合代入角度-频率域模型估计得到对应的信道矢量，根据估计的信道，从接收信号中减去可靠度高的活跃用户所对应的接收信号，获得接收信号残差，并将该残差代入空间-频率域模型估计剩余的活跃用户，从而使得活跃用户检测部分需要检测的活跃用户越来越少；以此类推，通过交替地进行活跃用户检测和信道估计，得到活跃用户集合及其信道矢量。步骤2.1、活跃用户检测和信道估计建模在基站端，在G个连续时隙内接收到的信号可以写成其中，对于免授权随机多址，为了避免复杂的调度以及所造成的接入时延，基站需要根据接收信号和导频矩阵快速准确地估计出活跃用户集合及其对应的信道矢量该问题可以等效为基于模型11估计信道矩阵为了求解上述问题，传统的估计方法，如MMSE线性估计器，需要G≥K，而且，必须是一个酉矩阵。这就意味着需要给用户分配正交的导频，方便基站识别不同的用户，而在巨连接中用户数量庞大，信道相干时间有限，无法为所有用户分配正交的导频，即G≥K无法实现。为了解决该难题，本发明利用的空间-频率域结构化稀疏性，在G＜＜K情况下，11变成一个空间域DMMV压缩感知问题。那么，已知接收信号和导频矩阵估计Xp的支撑集，得到估计的活跃用户集合从而实现活跃用户检测。同时为了进一步利用上行信道矩阵的角度-频率域结构化稀疏性，根据大规模MIMO信道在空间域和虚拟角度域之间关系7，空间域模型11可以进一步写成其中，是虚拟角度域信道矩阵。该模型是虚拟角度域对应的DMMV压缩感知问题。已知接收信号通过空间域和角度域的变换关系可以得到等效的接收信号利用导频矩阵以及估计的活跃用户集合可以估计得到活跃用户对应的虚拟角度域信道再将该信道变换回空间域，从而实现活跃用户的信道估计。因为模型12同时考虑了上行信道矩阵的空间-频率域和角度-频率域结构化稀疏性，与空间域模型11中的信道Xp相比，信道Wp更加稀疏，但是在不同天线之间观测到的共同稀疏性被破坏。目前存在的基于压缩感知的巨维多址方案仅考虑Xp的空间域结构化稀疏性，并利用11实现来联合的活跃用户检测和信道估计。为了充分利用Xp增强的稀疏结构和Wp增强的稀疏性所带来的收益，本发明利用11进行活跃用户检测并利用12进行对应的信道估计。具体地，本发明首先改进AMP-NNSPL算法，提出用于联合估计三维稀疏矩阵的DMMV-AMP算法，该算法即为11和12所表达出来的模型，可用于解决压缩感知问题11或12实现同时的活跃用户和信道估计对于AMP-NNSPL算法，具体参见文献“译名：利用近似共同支撑集实现稀疏大规模MIMO-OFDM信道估计”，其作者、英文名称及出处为“LinX,WuS,etal.EstimationofsparsemassiveMIMO-OFDMchannelswithapproximatelycommonsupport[J].IEEECommunicationLetters,2017,215:1179-1182.”。之后，基于DMMV-AMP算法，本发明提出了交替进行活跃用户和信道估计的方案，称为Turbo-DMMV-AMP算法。作为DMMV-AMP的增强版本，Turbo-DMMV-AMP算法通过交替地进行活跃用户和信道估计，从而提高性能。步骤2.2、DMMV-AMP算法本发明采用空间-频率域模型进行活跃用户检测，以及采用角度-频率域模型进行信道估计均采用改进的AMP算法解算，改进的AMP算法利用EM算法学习超参数，并根据信道矩阵指空间域信道Xp或者角度域信道Wp的稀疏结构优化超参数。为了叙述方便，这里以模型11为例介绍本发明中的DMMV-AMP算法。首先我们定义xp,k,m＝[Xp]k,m，则Xp的最小均方误差估计，即后验均值可以表示为为了简化表达式，这里我们忽略了xp,k,m，Xp以及中的下标索引p和上标G，其中边缘后验概率可以写成pxk,m|Y＝∫pX|YdX\k,m,14这里X\k,m表示集合而联合后验概率通过贝斯公式计算其中是归一化常数因子。在高斯白噪声的假设下，似然函数为这里σ为噪声功率。在本发明中，我们假设一个灵活的针板先验模型，该模型能够很好地与信道矩阵的真实分布匹配，这里0ε时rx；ε＝1，否则rx；ε＝0。那么，本发明根据获取的置信因子设计如下活跃用户检测器，这里pth设置为0.9，而01，模块A中的活跃用户检测问题变为其中，是第j次Turbo迭代的接收信号残差，是信道矩阵残差，定义为而这里是上一次Turbo迭代模块B所估计的信道矩阵。本发明通过交替的方式对两个模块迭代执行，因为随着迭代的进行，变得越来越稀疏，同时集合Ω中用户的信道也被不断地重新估计，故这种交替的方式大幅度地降低导频开销。当迭代终止时，便可获取估计的活跃用户集合及其对应的信道矢量步骤3、评估活跃用户检测和信道估计质量本步骤利用步骤2估计得到的活跃用户集合和对应信道，重构信道矩阵，并计算接收信号误差；根据接收信号误差评估活跃用户检测和信道估计质量，并将评估结果广播给所有的用户，如果该结果满足事先给定的标准，活跃用户停止发送导频，再接下来的时隙内仅发送数据，从而得到可靠的活跃用户集合及其信道；否则，活跃用户继续发送导频，基站端多收集一个时隙的接收信号重新进行活跃用户检测和信道估计，并重新执行步骤3，直至所收集的接收信号足以得到可靠的活跃用户集合及其信道。本步骤具体分为三个步骤：步骤3.1、重建估上行多址信道矩阵利用估计的活跃用户集合及对应信道，重建估计的上行多址信道矩阵具体过程为：而步骤3.2、计算接收信号的估计误差利用估计的信道矩阵计算接收信号的估计误差，过程为：步骤3.3、评估估计质量根据接收信号的估计误差评估活跃用户检测和信道估计质量，并将评估结果广播给所有用户。若则估计不可靠，活跃用户继续发送导频，基站多收集一个时隙的接收信号重新进行活跃用户检测和信道估计，并重复步骤3，直到获得可靠的活跃用户集合和信道估计。这里∈是事先给定用于评估估计质量的标准。以上便是本发明公开的自适应开销的活跃用户检测和信道估计方法。与目前存在的基于免授权的巨维多址接入方案相比这里考虑基于GSP算法，SOMP算法，DSAMP算法的联合活跃用户和信道估计方法，这些方案仅考虑空间域结构化稀疏性，为了体现本发明在降低接入时延上的优势，这里用图5～图9来说明本发明的效果。同时，为了体现利用虚拟角度域稀疏性，活跃用户检测和信道估计交替进行的估计方式，以及自适应导频开销方案所带来的性能增益，这里另外提出三种对比方案，总结为：1基于空间域DMMV-AMP算法的活跃用户检测和信道估计：将DMMV-AMP算法应用于空间域压缩感知模型11，得到空间域信道矩阵的估计及其置信因子，并利用公式31所示检测器进行活跃用户检测。这里只利用用户上行流量零星特性所造成的信道矩阵空间-频率域结构化稀疏性。2基于角度域DMMV-AMP算法的活跃用户检测和信道估计：将DMMV-AMP算法应用于角度域压缩感知模型12，得到角度域信道矩阵的估计及其置信因子，并利用公式31所示检测器进行活跃用户检测。这里同时利用了信道矩阵的空间-频率域和角度-频率域结构化稀疏性。3基于Turbo-DMMV-AMP算法的活跃用户检测和信道估计：本方案联合利用模型11和12，分别利用空间频率域和角度-频率域结构化稀疏性交替地进行活跃用户检测和信道估计。此方案与本发明的唯一区别在于，此方案中的导频时隙开销是固定的，而本发明中的导频时隙开销是根据活跃用户检测和信道估计质量评估结果自适应的。图5基于空间域模型对比了基于DMMV-AMP算法的方案和其他三种传统方案的活跃用户检测性能，此性能通过检测错误概率Pe衡量，定义为从图5可以看出，基于DMMV-AMP算法的方案要显著地优于其他三种传统方案。因此。当考虑相同的性能时，DMMV-AMP算法会显著地降低接入时延，比如，对于检测错误概率小于10-5情况下，传统方案中性能最好的GSP算法至少需要G＝72的导频开销，而DMMV-AMP算法仅需G＝58的开销，这意味着该算法可以降低接近19％的接入时延。而且，通过在基站配备更多的天线或者使用更大的这里指用于活跃用户检测和信道估计的导频子载波数量，DMMV-AMP算法可以获得更好的性能，这是因为更大的基站天线数或者会增强信道矩阵的结构化稀疏性。图6对比了信道估计的MSE均方误差，MeanSquareError，进一步说明了DMMV-AMP算法在提高信道估计性能方面的优越性。对于本发明和所提的三种对比方案，图7和图8分别对比了它们的活跃用户检测和信道估计性能。可以看出，在导频开销G18时，基于角度域模型12方案的性能会显著优于基于角度域模型11方案的性能，而在G18时相反。这是因为，模型12中同时考虑空间-频率域和角度-频率域的结构化稀疏性，因此对应的信道矩阵要比模型11中的更加稀疏，但是不同天线上的稀疏结构被破坏。所以，12中获得可靠重构所需要的最小观测即导频开销要远小于模型11。而在观测值不足情况下，模型中11信道矩阵在不同天线上的结构性稀疏会给压缩感知重构带来性能增益，故在低开销情况下基于空间域模型11会获得更好的性能。上述结论说明，单独利用空间域模型或者角度域模型，都不能充分利用空间-频率域和角度-频率域的结构化稀疏性，而基于Turbo-DMMV-AMP算法的方案，联合利用了两种模型，从图7和图8中可以看出，在所有时隙开销范围内，该方案的活跃用户检测和信道估计性能都要优于单独利用空间域或者角度域模型的方案。另外地，与以上三种对比方案对比，本发明的自适应开销的活跃用户检测和信道估计方案会自适应调整导频时隙开销，保证可靠的活跃用户检测和信道估计性能。图8中标注了本发明不同导频开销所占的比例。图9对比了本发明和基于Turbo-DMMV-AMP算法非自适应多址方案在不同活跃用户数下的用户检测和信道估计性能，并且标注了每种情况下本发明所需要的平均导频时隙开销，可以看出，随着活跃用户数量的增加，非自适应方案的检测错误概率和信道估计MSE都将上升，而本发明会自适应调整导频开销，保证所有活跃用户可以被正确地检测出来，并且获得可靠的信道估计，体现了本发明在实际活跃用户数量时变场景下的鲁棒性，确保用户可以快速可靠地接入网络。综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

权利要求：1.一种自适应开销的活跃用户检测和信道估计方法，其特征在于，包括：步骤1、在每一个时隙，活跃用户采用免授权的多址接入协议上行发送信号；步骤2、根据初始时隙开销G0，收集基站端接收到的活跃用户在G0个时隙内发送的上行导频信号，利用所接收的信号进行活跃用户检测和信道估计，得到活跃用户集合以及对应的大规模MIMO信道；步骤3、利用估计得到的活跃用户集合和对应信道，重构信道矩阵，并计算接收信号误差；根据接收信号误差评估活跃用户检测和信道估计质量，并将评估结果广播给所有的用户，如果该结果满足事先给定的标准，活跃用户停止发送导频，再接下来的时隙内仅发送数据，从而得到可靠的活跃用户集合及其信道；否则，活跃用户继续发送导频，基站端多收集一个时隙的接收信号重新进行活跃用户检测和信道估计，并重新执行步骤3，直至所收集的接收信号足以得到可靠的活跃用户集合及其信道。2.如权利要求1所述的方法，其特征在于，步骤1所采用的免授权的多址接入协议对应的帧结构包含时域和频域两个部分；频域上由N个子载波组成，时域上由T个时隙组成；前G个时隙用于同时发送导频和数据，且在这G个时隙的N个子载波中，P个导频子载波用于发送导频，N-P个数据子载波用于发送数据；而后T-G个时隙仅用于发送数据，故所有N个载波均为数据子载波。3.如权利要求2所述的方法，其特征在于，活跃用户所发送的导频信号为非正交导频信号，对于每个导频子载波，所有用户在导频开销内的导频信号通过独立同分布的标准复高斯产生；不同导频子载波上的导频互不相同。4.如权利要求3所述的方法，其特征在于，步骤2所述进行的活跃用户检测和信道估计为：基于所有用户的MIMO信道矢量组成的子信道矩阵具有列稀疏性，不同天线上观测到的稀疏性完全相同，以及不同导频子载波所对应的子信道矩阵具有相同的稀疏图样，从而将活跃用户检测问题建模成空间域压缩感知问题，构成空间-频率域模型；基于大规模MIMO信道在虚拟角度域存在簇稀疏性，以及不同的子信道矩阵在频域上也具有相同的稀疏图样，从而将活跃用户的信道估计问题建模成角度域的压缩感知问题，构成角度-频率域模型；利用空间-频率域模型获得活跃用户集合，进一步通过不同的置信门限得到活跃用户集合中可靠度不同的两个活跃用户子集；将所述活跃用户集合代入角度-频率域模型进行信道估计，并从接收信号中减去可靠度高的活跃用户子集中用户对应的信号，得到接收信号残差，再将该残差代入空间-频率域模型进行剩余的活跃用户检测，以此类推，交替地进行活跃用户检测和信道估计，直到达到给定的最大迭代次数或者接收信号残差小于事先给定的门限。5.如权利要求4所述的方法，其特征在于，所述步骤2中，空间-频率域的建模过程为：对于第p个导频子载波，定义基站接收到的第k个用户在第t个时隙的信号为：其中为第k个用户的第p个导频子信道，是第k个用户在第p个导频子信道上传输的上行多址导频，是第p个导频子信道的高斯白噪声；基站配备大规模天线，M是基站天线数；用户使用单天线；共P个导频子载波；进一步定义第k个用户的活跃因子为αk，用户活跃时取1，静默时取0，那么，基站端总的接收信号可以写成：其中·T为转置符号；K为用户总数；那么在连续的G个时隙内，基站端收集到的接收信号可以写成：其中是空间域上行多址信道矩阵，由于希望G＜＜K,同时信道矩阵具有列稀疏性，不同列之间具有共同支撑集，故该模型为空间-频率域压缩感知模型；已知接收信号和导频矩阵估计Xp的支撑集，得到估计的活跃用户集合从而实现活跃用户检测。6.如权利要求5所述的方法，其特征在于，所述步骤2中，角度-频率域的建模过程为：考虑将信道从空间域变换到虚拟角度域，变换关系为：其中wp,k是虚拟角度域信道；是变换矩阵，在天线间隔为二分之一波长的均匀线性阵列情况下为离散傅里叶矩阵，·H为共轭转置符号；因此，可以得到角度-频率域模型：其中，是角度域的多址信道矩阵，·*是共轭符号；该模型用于信道估计；已知接收信号通过空间域和角度域的变换关系可以得到等效的接收信号利用导频矩阵以及估计的活跃用户集合可以估计得到活跃用户对应的虚拟角度域信道再将该信道变换回空间域，从而实现活跃用户的信道估计。7.如权利要求5或6所述的方法，其特征在于，采用空间-频率域模型进行活跃用户检测，以及采用角度-频率域模型进行信道估计均采用改进的AMP算法解算，改进的AMP算法利用EM算法学习超参数，并根据信道矩阵的稀疏结构优化超参数更新规则；其中，当改进的AMP算法应用于空间-频率域模型时，稀疏率的更新规则为：式I中，稀疏率表示信道矩阵第p,k,m个元素非零的概率，p为导频子载波的索引，k为用户索引，m为基站天线的索引，i代表算法的第i次迭代，集合这里q,l,u表示三维信道矩阵的元素索引，置信因子是AMP算法中定义的中间变量；|·|c表示集合元素个数；当改进的AMP算法应用于角度-频率域模型时，稀疏率的更新规则为：式II中，集合

百度查询： 北京理工大学 一种自适应开销的活跃用户检测和信道估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD