一种基于实值稀疏贝叶斯学习的大规模MIMO通信系统的下行链路信道估计方法

    公开(公告)号:CN109639604A

    公开(公告)日:2019-04-16

    申请号:CN201910022276.2

    申请日:2019-01-10

    Applicant: 江苏大学

    CPC classification number: H04L25/0204 H04L25/0224 H04L25/0242

    Abstract: 本发明公开了一种基于实值稀疏贝叶斯学习的大规模MIMO通信系统的下行链路信道估计方法,1:基站采用具有N根天线的均匀线性阵列,下行链路用户采用单天线,T个时刻内,基站发送导频信号矩阵X,用户接收到信号y=Φ(β)s+n;2:定义实值化矩阵QN;3:定义X=GQN,构造实值接收信号矩阵Y=Φ(β)S+N;4:设置迭代次数计数变量k=1,初始化s的精度向量中的各元素为1,初始化噪声精度α=1,初始化β为全零元素;5:利用SBL原理和期望最大化准则,固定δ、β,更新α;6:固定α、β,更新δ;7:固定α、δ,更新β;8:判断k是否达到上限K或δ是否收敛,如果都不满足,则k=k+1,并返回5;9:设置门限η,利用η选取信道的有效角度集合Ω;10:根据Ω估计最终的信道。

    信道估计方法及装置、计算机可读存储介质、终端

    公开(公告)号:CN109302360A

    公开(公告)日:2019-02-01

    申请号:CN201710606009.0

    申请日:2017-07-24

    Inventor: 张帆 李俊强

    CPC classification number: H04L25/0204 H04L25/022 H04L25/0224

    Abstract: 一种信道估计方法及装置、计算机可读存储介质、终端,所述信道估计方法包括:利用频域上的导频进行初步信道估计,以得到多个初始信道估计值;利用滤波器组对选取的M个初始信道估计值进行滤波处理,以得到多个滤波结果,所述滤波器组包括具有多种通带宽度的多个滤波器,M为所述滤波器组中滤波器的抽头数;在所述多个滤波结果中,选取与所述M个初始信道估计值的误差值最小的滤波结果作为信道估计值。通过本发明技术方案可以提高信道估计的准确性以及适用范围。

    一种基于神经网络的信道环境自适应OFDM接收方法

    公开(公告)号:CN109194595A

    公开(公告)日:2019-01-11

    申请号:CN201811123542.2

    申请日:2018-09-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于神经网络的信道环境自适应OFDM接收方法,包括:选择若干种不同的信道环境,得到训练后的各深度神经网络;输入接收频域导频和本地频域导频估计得到带噪信道估计结果,输入训练后的主维纳滤波深度神经网络中并输出主信道估计结果,及得到各副信道估计结果并乘以权重后相加,得到最终信道估计结果;输入最终信道估计结果和接收的频域数据,得到迫零均衡结果,输入训练后的主和副均衡深度神经网络中得到各网络的输出结果并乘以权重系数后相加,经过硬判决后输出得到估计的比特流。实时采集实际传输中已知频域导频或信道参数,对所述权重系数动态调整。本发明具有参数少、工作效率高、在线切换灵活迅速等优点。

    一种低复杂度的大规模MIMO信道参数估计方法

    公开(公告)号:CN108683619A

    公开(公告)日:2018-10-19

    申请号:CN201810479528.X

    申请日:2018-05-18

    CPC classification number: H04L25/0204 H04B7/0413 H04B17/3912

    Abstract: 一种低复杂度的大规模MIMO信道参数估计方法,包括:步骤1、构造MIMO系统信道模型;步骤2、基站接收到数据后,利用FFT算法对接收数据做离散傅里叶变换;步骤3、对步骤2所获得的接收信号空间离散谱通过内插的方法重构接收信号的连续空域谱;步骤4、分析步骤3获得的信号连续空域谱,估计在不同物理路径上接收信号的到达角及幅度衰减;本发明提出的方法是利用FFT算法,得到信号的空域离散谱,然后利用补零和内插技术来获得信号的连续空域谱,可以更精准的恢复出接收信号的空间连续谱。最后根据连续空域谱的峰值可以估计出信号通过物理信道到达基站时的入射角参数与幅度大小。该算法复杂度低,同时不存在导频污染的问题。

Patent Agency Ranking