胡 睿

（中央廣播電視總臺技術(shù)局，北京 100026）

1 研究背景

移動網(wǎng)絡(luò)的高速發(fā)展，滿足了人們對快速、大容量網(wǎng)絡(luò)的需求，同時也帶動了相關(guān)行業(yè)和產(chǎn)業(yè)的快速發(fā)展，5G的大規(guī)模商用將會給傳統(tǒng)廣電帶來發(fā)展契機。5G網(wǎng)絡(luò)低延時、高帶寬的特點，使得超高清制作和轉(zhuǎn)播成為可能。廣電行業(yè)為適應(yīng)市場發(fā)展，也開始逐步建設(shè)自身的云平臺，為不同用戶提供個性化服務(wù)，從而緩解網(wǎng)絡(luò)新媒體帶來的沖擊[1]。廣電相關(guān)業(yè)務(wù)還可以利用5G技術(shù)對原有傳輸速率進行優(yōu)化來提升節(jié)目轉(zhuǎn)播速率。與傳統(tǒng)電視相比，5G通信網(wǎng)的誕生使電視機的功能得以創(chuàng)新，將電視與網(wǎng)絡(luò)相結(jié)合，以網(wǎng)絡(luò)電視的形式為用戶提供豐富的服務(wù)功能[2]。綜上所述，5G技術(shù)低時延、高可靠、低功耗、高速率、全覆蓋等特性，正是廣電媒體融合發(fā)展所需要的技術(shù)環(huán)境，它可以為媒體融合發(fā)展提供有力的技術(shù)支撐和技術(shù)保障，被廣泛運用于廣電媒體的各個部門和各項業(yè)務(wù)，使廣電媒體發(fā)生根本性的變化[3]。

現(xiàn)階段的視頻、音頻等廣電媒體業(yè)務(wù)出現(xiàn)了飛速的發(fā)展，導(dǎo)致流量爆發(fā)式地增長，這會對5G通信網(wǎng)絡(luò)造成巨大壓力。而且無線電頻譜資源作為無線通信的基本載體，其總量有限，若繼續(xù)沿用原有技術(shù)，頻譜資源匱乏問題將進一步加劇，難以滿足未來不斷擴大的通信容量和速率需求。毫米波大規(guī)模多輸入多輸出（MIMO）技術(shù)能解決5G無線通信系統(tǒng)面臨的問題[4]。為深入挖掘大規(guī)模MIMO的性能增益，基站在進行預(yù)編碼、波束設(shè)計時需要獲取用戶與每根基站天線之間大量的信道參數(shù)，包括到達角（DOA）、離開角（DOD）、時延和衰落系數(shù)，因此，精確的信道狀態(tài)信息（CSI）是通信系統(tǒng)性能提升的關(guān)鍵[5]。在進行廣播電視信號傳輸過程中，此時的信道可以稱為廣播信道。圖1展示了針對該類信道的參數(shù)估計過程，接收端依據(jù)一定準則，從接收信號中將信道模型的模型參數(shù)估計出來。不同于傳統(tǒng)的MIMO系統(tǒng)，大規(guī)模MIMO系統(tǒng)中天線數(shù)和用戶數(shù)巨大，導(dǎo)致未知信道參量較多。因此，有效降低信道估計復(fù)雜度是實現(xiàn)大規(guī)模MIMO系統(tǒng)的重要前提。

圖1 廣播信道估計原理框圖

針對大規(guī)模MIMO系統(tǒng)，傳統(tǒng)基于矩陣模型的信道估計方法，主要包括多重信號分類（MUSIC）方法和借助旋轉(zhuǎn)不變性進行信號參數(shù)估計（ESPRIT）方法。由于將接收信號重構(gòu)成矩陣形式損失了信號的多維信息，因此這類方法的估計性能較差，計算復(fù)雜度較高。本文針對現(xiàn)有廣播信道估計方法進行分析，然后利用毫米波信道的稀疏散射特性和廣播系統(tǒng)豐富的多維結(jié)構(gòu)提出了一種快速信道估計方法。

2 基于5G的廣電技術(shù)發(fā)展現(xiàn)狀

2.1 5G與廣播電視技術(shù)的融合

5G讓移動通信網(wǎng)絡(luò)技術(shù)速率得到了大幅的提升，它能傳播更多的視頻與音頻資源，形成巨大的信息網(wǎng)絡(luò)傳播構(gòu)架。在這樣的技術(shù)背景下，通過科學(xué)合理的融合應(yīng)用，能夠助力廣播電視行業(yè)的高速發(fā)展。多播技術(shù)與點到點或者點到面的廣播技術(shù)的實踐應(yīng)用已經(jīng)積累了較大的技術(shù)優(yōu)勢，而將5G技術(shù)與廣播技術(shù)相互融合，成為移動通信行業(yè)技術(shù)發(fā)展的必然。在5G環(huán)境下，廣電可以充分開展多樣化的廣播業(yè)務(wù)。當(dāng)下廣播電視領(lǐng)域采用點到點的廣播方式，通過蜂窩移動通信網(wǎng)絡(luò)進行移動視頻內(nèi)容的分發(fā)。在技術(shù)融合方面，5G技術(shù)對廣播電視行業(yè)的發(fā)展提出了新要求，并進一步提出反向信道技術(shù)與應(yīng)用信道技術(shù)，讓廣電更好地實現(xiàn)資源調(diào)撥[3]。

2.2 現(xiàn)有廣播信道估計方法

文獻[6]利用大規(guī)模MIMO信道的相關(guān)性，通過連續(xù)使用兩次MUSIC方法來實現(xiàn)DOD和DOA的估計。為克服MUSIC方法依賴譜峰搜索導(dǎo)致計算復(fù)雜度過高問題，文獻[7]提出了無須搜索的類ESPRIT方法實現(xiàn)DOA估計。針對頻率選擇性衰落信道，文獻[8]利用該信道的稀疏性提出了基于多階段壓縮感知的信道估計方法。利用接收信號的低秩特性，周舟等人將毫米波大規(guī)模MIMO信道模型表示為多維信號模型，提出了基于多維矩陣分解的多參數(shù)聯(lián)合估計方法[9]。針對具有雙寬帶效應(yīng)的MIMO正交頻分復(fù)用（OFDM）系統(tǒng)，文獻[10]提出了基于結(jié)構(gòu)化的多維矩陣分解方法來實現(xiàn)信道估計。為進一步節(jié)省頻譜資源，文獻[11]針對時變毫米波大規(guī)模MIMO信道，提出了一種基于優(yōu)化的嵌套多維矩陣分解方法實現(xiàn)聯(lián)合信道估計和符號檢測。

3 所提信道估計方法實現(xiàn)

3.1 系統(tǒng)模型

利用毫米波信道的稀疏散射特性和大規(guī)模MIMO系統(tǒng)豐富的維度資源來構(gòu)建多維接收信號模型。具體建模過程如下。

3.1.1 毫米波信道模型

考慮如圖2所示的單小區(qū)毫米波大規(guī)模多用戶MIMO廣播系統(tǒng)，其中包含一個基站和多個用戶?；咎炀€數(shù)和射頻鏈路數(shù)分別為NBS和MBS，用戶端天線數(shù)和射頻鏈路數(shù)分別為NMS和MBS。對于第u(u=1,…，U)個用戶，設(shè)基站和用戶間的散射路徑數(shù)為Lu，因此該用戶的第lu(lu=1,…，Lu)條散射路徑信息可以由時延lu、衰落系數(shù)和DOA這四個參數(shù)表征?？紤]存在K個子載波，并隨機選擇其中K個子載波參與導(dǎo)頻訓(xùn)練。

圖2 單小區(qū)毫米波大規(guī)模MIMO廣播系統(tǒng)

3.1.2 多維接收信號模型

對每個子載波而言，基站在 個有效的導(dǎo)頻訓(xùn)練時間幀里發(fā)射 個不同的波束成形向量，當(dāng)用戶接收信號時，用戶端首先將每個時間幀分成 個子幀，然后使用 個相互獨立的合并向量來檢測發(fā)射信號。當(dāng)把 個子載波上的接收信號收集在一起后，即可將接收信號重構(gòu)為三階多維信號模型。

3.2 所提方法實現(xiàn)流程

所提方法運用前后平滑和酉變換技術(shù)，將上述復(fù)值多維信號模型轉(zhuǎn)化為實值多維信號，以避免復(fù)值矩陣求解過程中過大的計算量，提高方法效率。該方法的實現(xiàn)流程如圖3所示。

圖3 所提方法實現(xiàn)流程

3.3 所提方法具體實現(xiàn)方法

在實現(xiàn)中，僅需依據(jù)圖3對每個步驟進行擴充即可。

3.3.1 實值化多維信號模型

為簡化復(fù)值多維信號模型的實值化過程，首先將預(yù)編碼矩陣和合并矩陣設(shè)計為中心共軛對稱矩陣；再將基站和用戶端的導(dǎo)向矩陣中每列都轉(zhuǎn)化為中心共軛對稱向量。在完成上述兩步預(yù)處理后，對復(fù)值多維信號模型的第3種模式展開執(zhí)行實值化操作。

3.3.2 擬合實值信號模型

（1）隨機初始化三個加載矩陣。

（2）每一步更新一個加載矩陣，對余下的加載矩陣依據(jù)前一次估計結(jié)果進行更新。

（3）重復(fù)步驟（2）直至收斂。

3.3.3 提取信道參數(shù)信息

根據(jù)多維矩陣模型分解唯一性，估計的實值加載矩陣存在共同的列模糊，即表明信道參數(shù)信息可以實現(xiàn)自動配對。此外，它們的尺度模糊也可以借助歸一化消除?；谏鲜銮疤幔煤唵蜗嚓P(guān)方法從估計的加載矩陣中提取信道參數(shù)。

4 性能測試

我們利用MATLAB平臺對所提方法和現(xiàn)有方法進行了仿真驗證和比較，以證明所提方法在估計精度和計算復(fù)雜度上的性能優(yōu)勢。本實驗考慮的單小區(qū)毫米波大規(guī)模MIMO廣播系統(tǒng)參數(shù)配置如表1所示。

表1 系統(tǒng)仿真參數(shù)配置

我們比較了本文所提方法和現(xiàn)有方法的各個信道參數(shù)估計性能，并以均方誤差（MSE）作為評價指標。圖4給出了不同信道參數(shù)的MSE和CRB隨SNR變化曲線，該圖表明，所提方法和現(xiàn)有方法的參數(shù)估計曲線在中、高SNR場景下與CRB非常接近，只是衰落系數(shù)估計性能稍差。而且，所提方法的信道參數(shù)MSE曲線都位于現(xiàn)有方法對應(yīng)曲線下方，尤其在低SNR情況下，意味著所提方法的信道參數(shù)估計精度優(yōu)于現(xiàn)有方法。

圖4 不同信道參數(shù)估計性能與SNR關(guān)系

我們還比較了所提方法和現(xiàn)有方法的復(fù)合信道估計性能，并以歸一化均方誤差（NMSE）作為評價指標。圖5給出了在不同時間幀 下，復(fù)合信道矩陣的NMSE隨SNR變化曲線。該圖表明，所提方法能夠提供比現(xiàn)有方法更高的估計精度，特別在較少時間幀T場景中。而且隨著時間幀T的增加，兩種方法的復(fù)合信道估計性能都相應(yīng)提高。

圖5 不同時間幀 下的復(fù)合信道估計性能與SNR關(guān)系

最后，我們比較了所提方法和現(xiàn)有方法的平均迭代次數(shù)，以反映總體計算復(fù)雜度。表2給出了兩種方法的平均迭代次數(shù)隨SNR變化情況。結(jié)果表明，隨著SNR的增加，所提方法的平均迭代次數(shù)始終小于現(xiàn)有方法。盡管實值多維信號模型的樣本量增加了一倍，但由于實值矩陣求解過程會大大降低計算負擔(dān)，因此所提方法的計算復(fù)雜度仍低于現(xiàn)有方法。

表2 海上應(yīng)急通信示范驗證測試記錄表

表2 所提方法和現(xiàn)有方法的平均迭代次數(shù)比較

5 結(jié)束語

對于單小區(qū)毫米波大規(guī)模MIMO廣播系統(tǒng)中的多信道參數(shù)聯(lián)合估計問題，現(xiàn)有信道估計方法都具有較高復(fù)雜度。為此，本文利用毫米波信道的稀疏散射特性和大規(guī)模MIMO廣播系統(tǒng)豐富的多維資源，提出了一種快速信道估計方法擬合實值多維信號模型。測試結(jié)果表明，本文所提方法在保證估計精度不變甚至略高于現(xiàn)有方法的情況下，可以進一步降低計算復(fù)雜度，優(yōu)化系統(tǒng)性能?！?/p>