基于Kapteyn级数展开的低复杂度大规模MIMO信道估计

【作者】 王兵； 李正权； 燕锋； 沈连丰；

【机构】 东南大学信息科学与工程学院；

【摘要】 能否准备获取信道状态信息是进一步研究大规模MIMO系统的至关重要的一个因素。传统的信道估计中,常常采用Bayesian MMSE进行估计,该方法必然涉及对矩阵进行求逆,然而求逆的复杂度高,不适合直接用于大规模MIMO系统中。本文针对上述问题,提出了一种基于Kapteyn级数多项式展开的低复杂度算法的大规模MIMO信道估计。在该算法中,主要涉及以下3个步骤。步骤1构建基于导频的信道估计模型,发射方通过发射导频信号,然后从接收信号中估计出信道系数以及与信道协方差矩阵的关系,从而简化计算。步骤2基于Taylor级数展开的低复杂度信道估计(Taylor-MMSE),通过Taylor级数把协方差逆矩阵展开成L阶的多项式矩阵来近似求逆,从而降低信道估计的复杂度,同时发现随着阶数l增加,利用Taylor级数展开的最小均方误差(minimum mean square error,MMSE)逐渐收敛于经典的MMSE算法。步骤3基于Kapteyn级数展开的低复杂度算法的信道估计(Kapteyn-MMSE),采用Kapteyn级数对协方差矩阵进行多项式展开,并且截取前l阶多项式和K阶Kapteyn阶数来近似表示协方差逆矩阵,从而将求逆运算转换成矩阵乘积运算,降低了计算复杂度。最后文中还比较了MMSE、Taylor-MMSE、KapteynMMSE 3种估计方法的复杂度。从比较中可以看出,MMSE估计方法复杂度最高,明显不适合直接用于大规模MIMO系统中;Kapteyn-MMSE估计方法的复杂度略高于Taylor-MMSE估计方法的复杂度,但复杂度的损失带来的好处是Kapteyn-MMSE估计方法的收敛速度明显快于Taylor-MMSE估计方法的收敛速度。通过该算法,文中给了通过Kapetyn级数展开的低复杂度信道估计模型,通过该模型可以快速估计出信道状态信息。本文最后通过仿真表明KapteynMMSE方法估计的MSE收敛速度明显快于TaylorMSME方法估计的MSE,不足的是Kapteyn-MMSE复杂度略高于Taylor-MSME,但仍远小于经典MMSE算法。更多还原