茆玉庭，馬 狀

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染下的信道估計研究

茆玉庭，馬 狀

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京210003)

大規(guī)模多輸入多輸出(Multiple-InputMultiple-Output，MIMO)技術(shù)的很多優(yōu)點讓它發(fā)展為5G通信系統(tǒng)的主要技術(shù)之一?；趯?dǎo)頻的信道估計方法原理較為簡單，但系統(tǒng)的性能會受到導(dǎo)頻污染很大的影響，所以研究低復(fù)雜度且能有效抗導(dǎo)頻污染的信道估計算法就顯得尤為重要。論文詳細論證了導(dǎo)頻污染下的信道估計在大規(guī)模MIMO系統(tǒng)中的主要運算過程。將LS信道估計方法與貝葉斯信道估計方法做比較，仿真結(jié)果表明貝葉斯信道估計方法有著較好的抗導(dǎo)頻污染能力。

大規(guī)模MIMO技術(shù)；導(dǎo)頻污染；信道估計

0 引言

在大規(guī)模多輸入多輸出(Multiple-Input Multiple-Output，MIMO)系統(tǒng)中，能否對信道進行精準的估計將直接影響到大規(guī)模MIMO系統(tǒng)能否獲得最佳性能?；趯?dǎo)頻的信道估計方法原理上較為簡單且比較容易實現(xiàn)，不過這類方法需要發(fā)送很多導(dǎo)頻信號，這就降低了通信系統(tǒng)的頻譜利用率，而且導(dǎo)頻污染會在這種通信系統(tǒng)中嚴重發(fā)生，使系統(tǒng)的綜合性能大幅度降低。本文針對這種導(dǎo)頻污染，提出了一種新的估計方法——貝葉斯估計。通過信道的二維統(tǒng)計，把目標用戶和干擾用戶的信道分開，該方法對比于傳統(tǒng)的LS估計方法有著較為明顯的性能增益。

1 大規(guī)模MIMO系統(tǒng)模型

本文考慮如圖1所示的多小區(qū)多用戶大規(guī)模MIMO系統(tǒng)的模型[1]。

圖1 多小區(qū)多用戶大規(guī)模MIMO系統(tǒng)

此系統(tǒng)有L個六邊形的小區(qū)，在各個小區(qū)的某個位置設(shè)置有一個安裝M根天線的BS，該小區(qū)用于服務(wù)K個單天線的用戶。這里設(shè)M?K，令Gji∈M×K為小區(qū)i終端用戶到小區(qū)j內(nèi)的BS的信道矩陣。該矩陣中的元素gjmik表示小區(qū)i內(nèi)第k個UT到小區(qū)j中BS端的第m根天線的信道系數(shù)。gjmik的式子是由大、小尺度衰落及幾何衰減組成[2]，gjmik表達式：

(1)

其中，hjmik是小尺度衰落系數(shù)，該系數(shù)表示小區(qū)i內(nèi)第k個UT到小區(qū)j中BS端的第m根天線衰落系數(shù)，βjik是大尺度衰落系數(shù)，該系數(shù)表示小區(qū)i內(nèi)的第k個UT到小區(qū)j的BS端的衰落系數(shù)。所以，Gji信道矩陣能夠通過下式表示：

(2)

在某時刻n，小區(qū)j內(nèi)的BS端接收到的信號yj∈M×1，可以用下式表示：

(3)

其中，pd表示各個UT的平均發(fā)送功率，xi∈K×1表示小區(qū)i內(nèi)全部終端在某時刻n發(fā)送的信號形成的發(fā)射信號矩陣。nj∈M×1表示噪聲，元素服從CN(0,1)?？稍O(shè)βjik在測試過程中是已知常量，且其中任何一個UT到任何一個BS端的不同天線的大尺度衰落系數(shù)是一樣的。

由信道矩陣的漸近正交性，即當M→∞時，Hji(n)的列向量相互正交，可得下式：

(4)

由式(2)和(3)，當M→∞時，可得：

(5)

2 LS信道估計

研究多小區(qū)多用戶大規(guī)模MIMO系統(tǒng)的上行鏈路，該系統(tǒng)中全部小區(qū)的用戶在相同時刻向目的基站發(fā)送導(dǎo)頻序列。設(shè)導(dǎo)頻序列長度為τ，各個小區(qū)中有K個用戶，所以這就要求導(dǎo)頻序列τ≥K，小區(qū)全部使用一樣的導(dǎo)頻序列，且在任何一小區(qū)內(nèi)，不相同的終端用戶所發(fā)送的導(dǎo)頻序列具有正交關(guān)系。用式Pj∈K×τ表示小區(qū)j全部UTs發(fā)送導(dǎo)頻序列所構(gòu)成的矩陣，Pj=[pj1,pj2,L,pjK]T。其中pjk為小區(qū)j中第k個用戶所發(fā)送的導(dǎo)頻序列，k=1,2,…,K。

則pjk=[pjk1pjk2…pjkτ]。每個小區(qū)中各個用戶的導(dǎo)頻序列是正交，也就有：

(6)

小區(qū)j的基站端接收到的信號用下式表示：

(7)

式(7)中，ρp表示導(dǎo)頻序列發(fā)送功率，nj∈M×τ為噪聲項，它的元素為服從CN(0,1)分布的隨機變量，同時認為在一定間隔內(nèi)，信道狀態(tài)信息為定值。

由上可得，第j個小區(qū)LS算法信道矩陣Hjj可以通過下面方式求解：

(8)

(9)

令偏導(dǎo)式等于0，可以得到：

(10)

由上式得到Hjj的LS估計表達式：

(11)

3 貝葉斯估計

上述兩種信道估計方法都引出了一個新的問題：導(dǎo)頻污染。為了有效地處理這個問題，接下來介紹一種估計方法：貝葉斯估計[4-6]。為了更好地理解貝葉斯估計，這里取用戶K=1，要對接收信號進行重新表達。針對小區(qū)j中的BS，目標BS端的接收信號為：

yj=P?G+nj

(12)

式(12)中，P?表示對全部小區(qū)所發(fā)送的導(dǎo)頻序列聯(lián)合式作克羅內(nèi)克積，yj表示小區(qū)j接收信號的向量化，它是τM×1的列向量，nj是噪聲向量。P?的表達式如下：

P?=[P1?IMP2?IM…PL?IM]=

(13)

矩陣P?是個Mτ×ML維的矩陣，其中?表示克羅內(nèi)克積，其中plki表示第l(l=1,2,…,L)個小區(qū)第k(k=1,2,…,K)個用戶所發(fā)送導(dǎo)頻序列的第i(i=1,2,…,τ)個元素。

G表示將本地信道與干擾信道疊加起來的矩陣，它是一個Mτ×1維的矩陣：

(14)

條件概率的表達式如下：

(15)

式(15)中，p(G|y)表示在得知接收信號y的前提下，再求出信道矩陣G的概率，y為BS端接收的信號，那么很顯然p(y)=1，p(G)表示信道轉(zhuǎn)移矩陣的概率分布函數(shù)，假定研究中的無線信道服從瑞利分布，即Gj～CN(0,Rj)，那么信道的概率密度函數(shù)表達式如下:

(16)

式中R=diag(R1，R2，…，RL)。

這里研究的是多小區(qū)模型，那么各小區(qū)的p(G)相互獨立，則L個小區(qū)的聯(lián)合概率分布表達式如下：

(17)

在BS端已知信道轉(zhuǎn)移矩陣G的前提下，y的條件概率密度表達式為:

(18)

根據(jù)最大后驗概率準則，貝葉斯估計方法的信道估計值可以表示為：

繼而得到：

(19)

(20)

不過，貝葉斯估計方法要有一些先驗信息，需要BS端知道各小區(qū)的相鄰信號。

貝葉斯信道估計方法的核心思想是:通過不同UTs在小區(qū)內(nèi)位置和角度域信息上的不同，可以把目標用戶和干擾用戶的信道分隔開，基于此求得更精準的目標信道估計結(jié)果。該方法需要得到信道二維統(tǒng)計特性，在這個過程中，主要與信號的多徑傳播和信號到BS端天線的角度域分布有關(guān)。綜上，將在下面內(nèi)容中分別研究分析多徑傳播及角度域分布。

(1)多徑傳播

基于多徑傳播的信道建模是：P條相互獨立的路徑構(gòu)成的多徑信道，各路徑的信號到達BS端天線的角度為θjp，那么UTs到目的基站j的信道的表達式如下:

(21)

(22)

其中，D為兩個相鄰天線間距，D、λ滿足：D≤λ/2。

(2)到達角

發(fā)射信號從UT端到BS端的多徑傳播的角度函數(shù)就是無線通信信道的協(xié)方差矩陣，其中涉及到多徑信號到達角度的均值和角度擴展值，取決于傳播信號的角度域分布。且不同UT在小區(qū)內(nèi)位置的不同也會影響UTs的多徑傳播信號到達角度的均值及路徑衰落。

UT與BS端的第m根天線之間的信道系數(shù)表達式如下:

(23)

式(23)中，θp表示路徑p到達BS端天線m的到達角度，φp為路徑p的傳播相位，均勻分布于[-π,π]，每個傳播路徑的相位相互獨立，β表示UT到BS端的路徑衰落。UTs信號到BS端天線的到達角的角度域分布可按兩種情況分析:服從均勻分布及高斯分布。

情況1：角度域分布是均勻分布，這里用θμ表示其均值，用θ∧表示其角度域擴展，則到達角均勻分布于[θμ-θ∧,θμ+θ∧]。其概率密度表達式為:

(24)

通過式(24)，求得第m1、m2(m1、m2=1,2,…,M)根天線間的相關(guān)度，其表達式如下：

(25)

如果到達角在角度域服從均勻分布，則到達角取值范圍可以被確定，若目的UT的到達角和干擾UT的到達角取值不重合，那么在角度域上則可認為是正交的，這樣貝葉斯信道估計方法能夠區(qū)別出目的信道與干擾信道，基于此有著較好的抗導(dǎo)頻污染能力。

(26)

由此可以非?？旖莘奖愕厍蟮玫趍1,m2(m1,m2=1,2,…,M)根天線間的相關(guān)度表達式：

(27)

到達角服從高斯分布使得目的UT、干擾UT的到達角的取值區(qū)間重合，這時該估計方法很難區(qū)分目的信道及干擾信道，同時，到達角標準差越大，重疊區(qū)域越多，那么區(qū)分目的信道及干擾信道會越困難，其結(jié)果必然影響信道估計的準確度。

4 仿真與性能分析

通過LS和貝葉斯信道估計方法的對比來分析貝葉斯方法的性能優(yōu)勢，通過MATLAB仿真，按信號到達角的兩種分布對系統(tǒng)性能進行分析研究。在這次仿真過程中，假定每個小區(qū)中的UTs都有導(dǎo)頻污染情況的出現(xiàn)。各種情況共同的仿真參數(shù)如表1所示。

表1 共同的MATLAB仿真參數(shù)表

圖2仿真條件是：信號到BS端天線的角度域服從均勻分布，小區(qū)1中的UTs到BS1的信號θμ=0°，小區(qū)2中的UTs到BS1的信號θμ=45°，同時小區(qū)1、2角度擴展都是15°，在這種情況下，兩個用戶到達基站的角度域是正交的。

圖2 角度域均勻分布正交的性能對比

由圖2可知，當系統(tǒng)中有導(dǎo)頻污染時，隨著基站端的天線數(shù)量變多，LS估計并沒有明顯的變化，貝葉斯的估計性能非常逼近無導(dǎo)頻污染時的性能，且趨于穩(wěn)定。顯然貝葉斯估計方法在抗導(dǎo)頻污染方面優(yōu)于LS估計。

圖3仿真條件是：信號到BS端天線的角度域服從均勻分布，角度域在兩個小區(qū)中完全重疊。

圖3 角度域均勻分布重疊的性能對比

由圖3可知，系統(tǒng)有導(dǎo)頻污染時，隨著BS端天線數(shù)量的變多，兩種方法的性能都沒有很大的提高，貝葉斯估計性能與無導(dǎo)頻污染時的信道估計性能有著很大的距離。

圖4仿真條件是：角度域是高斯分布，小區(qū)1內(nèi)的UTs至BS1的角度均值等于零，小區(qū)2內(nèi)的UTs到BS1的角度均值等于25°，而到達角標準差均等于15°。

圖4 角度域高斯分布重疊的性能對比

從仿真圖4中能夠得到，重合的角度域讓貝葉斯估計性能有一些減弱，但是其估計性能還是比LS估計的性能要好上許多，這同時也說明其有著較好的抗導(dǎo)頻污染能力。當系統(tǒng)無導(dǎo)頻污染時，貝葉斯估計與LS估計所對比的就是處理噪聲的能力，貝葉斯估計加入噪聲因素，因此一定是好于LS估計的。

圖5仿真條件是：信號到BS端天線的角度服從高斯分布，這里假設(shè)小區(qū)1內(nèi)UTs和BS1的到達角均值等于零，小區(qū)2內(nèi)的UTs和BS1的到達角均值等于25°，BS端的天線數(shù)M=60。

圖5 信道估計隨角標準差變化的性能對比

由圖5可知，針對貝葉斯信道估計，當系統(tǒng)存在導(dǎo)頻污染時，其性能隨角標準差變大而下降，性能逐漸與LS估計接近。對其的解釋是：到達角的標準差越大，表明UTs間角度域會有更多重疊，這樣系統(tǒng)的干擾會更大，其結(jié)果是不能將目的信道和干擾信道分離。

5 結(jié)論

本文主要對多小區(qū)多用戶大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染下的信道估計技術(shù)進行了研究分析。給出了一種新的估計方法：貝葉斯估計。該方法通過運用不同用戶在小區(qū)中的不同位置及不同的角度域信息，通過信道的二維統(tǒng)計，把目標用戶和干擾用戶的信道分開，該方法對比于傳統(tǒng)的LS估計方法有著較為明顯的性能增益。最后通過仿真實驗對比其與LS估計的性能優(yōu)勢，仿真結(jié)果表明，貝葉斯信道估計方法具有較好的抗導(dǎo)頻污染能力。

[1] ANDREWS J G，CLAUSSEN H，DOHLER M，et al.Femtocells: past，present，and future [J].IEEE Journal on Selected Areas in Communications，2012，30(3): 498-509.

[2] MARZETTA T L.Noncooperative cellular wireless with unlimited numbers of base station antennas[J].IEEE Transactions on Wireless Communications，2010，9(11): 3588-3606.

[3] BIGUESH M，GERSHMAN A B.Training-based MIMO channel estimation: a study of estimator tradeoffs and optimal training signals[J].IEEE Transactions on Signal Processing，2006，54(3):888-899.

[4] NGO H Q，LARSSON E C，MARZETTAT T L.Uplink power efficiency of multiuser MIMO with very large antenna arrays[C].Conference on Communication，Control，and Computing.IEEE，2011,15(8):1270-1285.

[5] HOCHWALD B M，MARIETTA T L，TAROKH V.Multiple-antenna channel hardening and its implications for rate feedback and scheduling[J].IEEE Transactions on Information Heory, 2004，50(9):1892-1912.

[6] NEUMANN D，JOHAM M.Gruendinger multi-cell TDD systems[J].Pilot Coordination for Large-scat ITG-Faclibericht-WSA，2014,2(5):98-105.

Research of channel estimation based on pilot pollution in massive MIMO system

Mao Yuting，Ma Zhuang

(College of Communication & Information Engineering，Nanjing University of Posts & Telecommunications，Nanjing 210003，China)

The advantages of Massive Multiple Input Multiple Output (MIMO) technology make it become one of the main technologies of 5G communication.Although the pilot-based channel estimation method is relatively simple，the pilot pollution will seriously influence the system performance.So the research of low complexity and effective anti-pilot pollution channel estimation algorithm is particularly important.This paper demonstrated the main operation process of pilot-based channel estimation in Massive MIMO system, and put the LS channel estimation method compared with the Bayes channel estimation method.Eventually，the simulation results show that the Bayes channel estimation method has better anti-pilot pollution ability according to comparing its performance with LS estimation.

massive MIMO technology; pilot pollution; channel estimation

TN911.23

A

10.19358/j.issn.1674-7720.2017.21.020

茆玉庭，馬狀.大規(guī)模MIMO系統(tǒng)中導(dǎo)頻污染下的信道估計研究J.微型機與應(yīng)用，2017,36(21)：65-69.

2017-06-08)

茆玉庭(1992-)，男，碩士，主要研究方向：寬帶無線通信。

馬狀(1991-)，男，碩士，主要研究方向：通信與信號處理。