节点文献

基于Kapteyn级数展开的低复杂度大规模MIMO信道估计

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【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。

  • 【会议录名称】 物联网与无线通信——第二届全国物联网技术与应用学术会议和第十一届全国无线电应用与管理学术会议论文集
  • 【会议名称】第二届全国物联网技术与应用学术会议(CIoT 2016)和第十一届全国无线电应用与管理学术会议(CRAM 2016)
  • 【会议时间】2016-12-10
  • 【会议地点】中国重庆
  • 【分类号】TN919.3
  • 【主办单位】中国通信学会
节点文献中: 

本文链接的文献网络图示:

本文的引文网络