[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

TWI463823B - 相關性衰落通道的模型基礎通道估計器和通道估計方法 - Google Patents

相關性衰落通道的模型基礎通道估計器和通道估計方法 Download PDF

Info

Publication number
TWI463823B
TWI463823B TW100125175A TW100125175A TWI463823B TW I463823 B TWI463823 B TW I463823B TW 100125175 A TW100125175 A TW 100125175A TW 100125175 A TW100125175 A TW 100125175A TW I463823 B TWI463823 B TW I463823B
Authority
TW
Taiwan
Prior art keywords
channel
model
base
matrix
estimator
Prior art date
Application number
TW100125175A
Other languages
English (en)
Other versions
TW201249129A (en
Inventor
Yen Chih Chen
Chien Chun Cheng
Yu Ted Su
Original Assignee
Ind Tech Res Inst
Univ Nat Chiao Tung
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ind Tech Res Inst, Univ Nat Chiao Tung filed Critical Ind Tech Res Inst
Publication of TW201249129A publication Critical patent/TW201249129A/zh
Application granted granted Critical
Publication of TWI463823B publication Critical patent/TWI463823B/zh

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/068—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission using space frequency diversity

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radio Transmission System (AREA)

Description

相關性衰落通道的模型基礎通道估計器和通道估計方法
本揭露係關於一種相關性衰落通道的模型基礎通道估計器和通道估計方法。
對更高的無線系統容量的需求不斷增加已經催化出多種突破性的傳輸技術。在無線通信系統中，近期的發展已經採用正交頻分多工(orthogonal frequency division multiplexing，OFDM)技術。在OFDM技術中，利用精確的頻率差異來間隔副載波頻率，而且允許重疊以有效地利用頻譜。並且，通道等化(channel equalization)變得比使用自適性等化(adaptive equalization)技術與單載波的系統更為簡單。在OFDM系統中，藉由使用多輸入多輸出(multiple-input multiple-output，MIMO)的技術，可以增加數據的容量。MIMO技術在近期吸引了很大部分的關注。第一圖是一種典型的MIMO系統的一範例示意圖，此典型的MIMO系統在第k個副載波具有M個發送天線和N個接收天線。如第一圖的範例所示，發送端和接收端皆有多個天線。數據X是透過M×N條無線通道H發送，然後觀測到的數據Y是經由接收器的多個天線來接收。
同時在發送端和接收端使用多元素天線(multi-element antennas，MEA)已經被證明可以實現明顯的容量收益(capacity gain)。空間多工(spatial multiplexing)技術，例如貝爾實驗室分層空時(Bell-lab Layered Space-Time，BLAST)系統，在豐富的散射(rich-scattering)環境中可達到非常高的頻譜效率。理想的豐富散射環境可以針對不同對的發送和接收天線解除通道相關性。
然而當實際設計一個MIMO接收器以評價相對應的系統性能時，空間相關性(spatial correlation)確實存在，並且需要被重視。空間相關性取決於物理參數，如天線的間距(spacing)、天線的安排(arrangement)、以及散射分佈(scattering distribution)。天線相關性減少了相當於正交副通道(sub-channel)的數量，降低了頻譜效率，使之更難以偵測出發送的數據。一個同步的MIMO接收器需要一個準確的通道估計來進行關鍵性的運作(critical operation)，以及提供令人滿意的性能。不僅可靠的通道估計是強制性的以保證信號接收品質，但也需要在發送端設計合適的預編碼器(precoder)，於反饋式(feedback)的MIMO系統中達成最大的吞吐量(throughput)或最小誤碼率(bit error rate)。
各種領航輔助(pilot-assisted)MIMO通道估計器已被揭露。例如，一個建立MIMO通道的稀疏結構(sparsity structure)的方法。在MIMO OFDM系統中，可以採取一通道估計程序或一領航器安置(placement)和領航器分配(allocation)程序，來做MIMO符號間干擾(inter-symbol interference，ISI)通道的稀疏通道估計。經由該方案，一通道估計器的前端或後端可使用通道估計的輸出。在此方法中，針對發送端的預編碼器(precoder)或接收端的碼書選擇器(codebook selector)並沒有固定的基底。
另一份文件揭露了MIMO系統通道參數的估計。參考第二圖，由通道參數估計器來執行的一實施範例包括了使用一最小平方(least square，LS)的方法且/或迫零(zero forcing)的方法來計算粗糙的(coarse)通道估計(步驟202)、執行一頻域插補(frequency domain interpolation)程序(步驟204)到不被激發的(not excited)副載波、以及減少平方誤差(步驟206)。除了通道參數的估計，參數估計器可以進一步計算“噪音方差”(noise variance)的估計，這是一個代表存在於信號中無關係和無用的噪音功率的參數。估計噪音方差的一實施範例包括從粗糙和細緻的(final)通道估計中算出一噪音項目(步驟212)，此噪音項目與每一音調(tone)的信號傳輸矩陣(signal transmission matrix)相乘(步驟214)，以及轉換頻域係數到時域(步驟216)，並對各個接收天線計算噪音方差估計(noise variance estimate)(步驟218)。針對發送端的預編碼器或接收端的碼書選擇器也沒有固定的基底。而只有一個頻率基底是用於通道估計器。
另一份文件揭露一種通信系統的降階層(reduced rank)通道估計的技術。參考第三圖，此技術利用系統內多餘的且/或一先前知識，來簡化估計計算，包括估計通道的嚴重延遲(步驟310)、產生全維(full dimension)通道估計(步驟312)、以及計算通道的一協方差(covariance)矩陣(步驟314)。再進一步分析協方差矩陣，以確定是否可以降低通道估計的通道參數。如果沒有，使用系統的全階層(full rank)來模擬通道(步驟320)，否則使用一降階層矩陣來計算，包括估計通道子空間(步驟322)、以及估計降階層通道參數(步驟324)，並且轉換通道參數回到全維(步驟326)。針對發送端的預編碼器或接收端的碼書選擇器也沒有固定的基底。而只有一個空間基底是用於即時的(real time)通道估計。
在傳統的設計中，當準確的通道狀態資訊(channel state information，CSI)是可使用時(往往是經由反饋)，閉環(closed-loop)MIMO系統可提供高的容量和強健的性能。碼書為基礎的解決方法可用來降低CSI帶寬(bandwidth)需求。針對相關性MIMO通道很少有估計器被專門設計，而該少數估計器經由一解析模型以近似時域且/或頻域響應，來建立通道時間和頻率相關性特性。事實上，針對MIMO系統沒有任何可以利用空間、頻率、以及時間的相關性的方法或裝置被提出。
本揭露實施範例可提供一種相關性衰落通道的模型基礎通道估計器和通道估計方法。
所揭露的一實施範例是關於一種相關性衰落通道的模型基礎通道估計器，此相關性衰落通道適應於具有一發送天線陣列(transmit antenna array)和一接收天線陣列(receive antenna array)的一多輸入多輸出(MIMO)系統。此模型基礎通道估計器包含一通道參數估計器(estimator of channel parameters)，以及一估計重建單元(estimate reconstruction unit)。此通道參數估計器根據多個接收信號、多個發送領航器(transmit pilot)、一衍生通道模型(derived channel model)的多個已知的模型階級數(model order)、以及多個預定基底(predetermined base)，來對一給定的離開角度(angle of departure，AoD)估計一通道矩陣的一係數向量(coefficient vector)，此多個預定基底用以建立時間、頻率、一發送天線陣列間的空間通道相關性、以及一接收天線陣列間的空間通道相關性。然後根據估計的通道矩陣來估計一平均AoD。其中，此通道估計器重複地估計此係數向量和此平均AoD，直到滿足一停止條件。此估計重建單元利用此多個預定基底、此係數向量、以及此平均AoD，來重建一通道估計。
所揭露的另一實施範例是關於一種相關性衰落通道的模型基礎通道估計方法，此相關性衰落通道適應於具有一發送天線陣列和一接收天線陣列的一多輸入多輸出(MIMO)系統。此模型基礎通道估計方法包含：藉由一估計算法來決定一衍生通道模型的多個模型階級數(model order)K L ,K F ,K T ,K R ；藉由使用一疊代(iterative)方法來執行一通道矩陣的一係數向量Coef的一估計和執行一離開角度(AoD)的一估計，並且當滿足一條件時則停止疊代；以及藉由利用此估計的通道係數向量Coef和多個預定基底矩陣，記為、、、和，來重建一全維通道估計HL ；其中包含一基底矩陣與此AoD，此衍生通道模型是藉由預定此多個基底矩陣,,和而衍生出，此多個基底矩陣,,和分別用來建立時間通道相關性、頻率通道相關性、此發送天線陣列間的空間通道相關性、以及此接收天線陣列間的空間通道相關性。
所揭露的又一實施範例是關於具有一碼書選擇器的一接收端，此接收端適應於具有一發送天線陣列和一接收天線陣列的一多輸入多輸出(MIMO)系統。此接收端包含一模型階級數估計器(model order estimator)以及一模型基礎通道估計器(model-based channel estimator)。此模型行列數估計器估計多個模型階級數。此模型基礎通道估計器根據多個接收信號、多個發送領航器、一衍生通道模型的此多個模型階級數、以及多個預定基底，來對一給定的離開角度(AoD)估計一通道矩陣的一係數向量，此多個預定基底分別用以建立時間、頻率、一發送天線陣列間的空間通道相關性、以及一接收天線陣列間的空間通道相關性。然後此模型基礎通道估計器根據估計的通道矩陣來估計一平均AoD。其中此模型基礎通道估計器重複地估計此係數向量和此平均AoD，直到符合一停止條件。當符合此停止條件時，此模型基礎通道估計器利用此多個預定基底、此係數向量、以及此平均AoD，來重建一通道估計。
茲配合下列圖示、實施範例之詳細說明及申請專利範圍，將上述及本揭露之其他優點詳述於後。
在具有MIMO的OFDM系統(以MIMO-OFDM系統代表)，全階層(full-rank)碼書可能大部分時間是不需要的，特別是如果考慮所有的自由度。高效率碼書設計可以經由考慮空間，時間和頻率的相關性來完成。並且，預先確定的基底可以被用來減少計算。本揭露實施範例提供了一種相關性衰落通道的模型基礎通道估計器。通道參數的估計包括通道係數和平均離開角度(AoD)估計，以及建立通道響應的結構，如時間、頻率和空間相關性。
在實施範例中的領航器輔助通道是以不需二階通道統計資料的一新MIMO通道的表述為基礎。空間和時間協方差(或相關性)的功能是以非參數回歸(non-parametric regression)來描述，並且經由一回歸模型，平均AoD的影響是與其他通道參數相關。此表述容許一降階層通道模型和簡潔的通道狀態資訊(CSI)表述，可以降低反饋通道(feedback channel)的帶寬需求。這可以導致將相關的MIMO系統的通道相關性和平均AoD分開來描述。因此，可以發展有效的技術來識別實際的通道響應。換句話說，本揭露實施範例可以提供更高的CSI解析度，在大多數情況下提供增強的估計器效能，以及簡化後置通道估計(post-channel-estimation)的信號處理。
回顧典型的時-空(space-time)天線的安裝和一般的MIMO接收信號模型後，對於多條空間相關的(spatial-correlated)區塊衰減(block-faded)MIMO通道的一新通道模型可推導如下。例如，在一具有連續式導航器(continue-type pilot)的系統模型中，考慮具有M個發送天線和N個接收天線的線性陣列(N≦M)的一個k副載波MIMO-OFDM系統。從基地站(base station，BS)發送獨立的資料串流(data stream)Xn (k)。
Xn (k)=[x1 (k),x2 (k),…,xM (k)]T
其中
xi (k)是從第i個發送天線發送的信號。
k是副載波指標(sub-carrier index)。
n是時間指標(time index)。
M是發送天線的總數(total number)。
[ ]T 代表矩陣轉置(matrix transpose)運算。
在接收端，經過移除循環字首(cyclic prefix，CP)後，利用一K點離散傅立葉變換(K-point discrete Fourier transform，DFT)，將每一資料區塊轉換到頻域，產生
Yn (k)=[y1 (k),y2 (k),…,yN (k)]T
其中，yj (k)是在時間nT，於第k個副載波的第j個接收天線接收到的信號。
假設循環字首(CP)的長度大於或等於通道衝擊響應(channel impulse response)。因此，於第k個副載波的接收的信號可表示為
Yn (k)=Hn (k)Xn (k)+γn (k)
其中
Yn (k)是在時間nT，於第k個副載波的N×1接收向量(receive vector)。
Xn (k)是在時間nT，於第k個副載波的M×1發送向量(transmit vector)。
γn (k)是一零均值(zero mean)附加性高斯白噪音(additive white Gaussian noise，AWGN)的M×1向量。
Hn (k)是N×M的頻域通道響應矩陣(frequency domain channel response matrix)。
將所有副載波的接收信號排列為一個矩陣，從第0個至第k-1個副載波所堆疊的接收向量可以表示為
其中
K是頻域中的一觀察窗的大小(observation window size)。
是在時間nT，於K個副載波的N×k接收矩陣。
是在時間nT，於K個副載波的MK×K發送矩陣。
對於大小為L的一觀察窗，從時間nT至時間(n+L-1)T所接收的取樣向量(sample vector)可以表示為
根據上述揭露的模型，第四圖是與所揭露的一實施範例一致的一示意圖，說明一MIMO系統在頻率、時間和空間域所需要的通道係數。其中，MIMO系統的資源包括K個副載波和L個時段(time slot)。因此，頻域的範圍記為K，時域的範圍記為L，在M個發送和N個接收天線的線性陣列之空間域範圍記為M和N。此空間、時間和頻域通道相關性可藉由單式矩陣(unitary matrix)作正交轉換(orthogonal transform)。
其中是用來描述在時間域通道行為的一L×K L 基底矩陣。
是用來描述在頻率域通道行為的一F×K F 基底矩陣。
是用來描述一發送天線陣列間之空間通道相關性的一M×K T 基底矩陣。
是用來描述一接收天線陣列間之空間通道相關性的一N×KR 基底矩陣。
C coef 是一KL KF KT KR ×1係數向量，包含上述基底的係數。
是一M×KT 矩陣，包含一發送基底和AoD資訊。
W是一M×M對角矩陣(diagonal matrix)，包含AoD資訊。
wi 是一1×1單位模數元素(unit modulus entry)，代表AoD資訊。
是一Kronecker乘積運算(product operation)。
vec( )是向量化運算(vectorization operation)。
K L ,K F ,K T ,K R 是已知的模型階級數，而矩陣被分解成一新的單式矩陣和具有單位模數元素的一對角矩陣W。在本揭露實施範例中，以具有階層KL (≦L)、KT (≦M)、KR (≦N)的基底矩陣、、和來取代單式矩陣QL 、QT 、和QR ，以便為通道估計找到更簡潔的通道係數。換句話說，在本揭露實施範例中推導出一降階層通道模型以便為通道估計找到更簡潔的通道係數。
換句話說，無線通道可藉由指導向量(steering vector)以上面的公式模形化。有了已知的適當的模型階級數，在本揭露實施範例中，可由W FL optimum 和C coef optimum 來表達相對應的最佳通道估計(用最小平方法)，並從中推導出獲得通道估計的一疊代法，其中假設當用最小平方法分別估計AoD資訊和方向資訊時，最佳方向矩陣(directional matrix)W FL optimum 和最佳係數向量C coef optimum 是可以使用的。第五圖是與所揭露的一實施範例一致的一示意圖，說明一種相關性衰落通道的模型基礎通道估計器。參考第五圖的範例，模型基礎通道估計器500可包含一通道參數估計器520和一估計重建單元530。
為了推導出一MIMO通道，以建立時間，頻率和空間通道相關性的基底是預先決定的。例如，一基底矩陣用來描述時域通道的行為，一基底矩陣用來描 述頻域通道的行為，一基底矩陣用來描述發送空間相關性，一基底矩陣用來描述接收空間相關性。經由接收信號Yp、發送領航器Xp、已知的模型階級數KL ,KF ,KT ,KR 、以及預定基底、、和，通道參數估計器520先對一給定的AoD 522a，估計出通道矩陣的通道係數522。然後根據估計的通道矩陣，估計一平均AoD 524。通道參數估計器520重複地估計通道係數522和平均AoD 524，直到滿足一停止條件。估計重建單元530使用、、、以重建一通道估計H，和通道係數522的一最終估計(final estimate)。基底矩陣、、、和可以於離線(offline)時計算之。
以下說明在第五圖的模型基礎通道估計器中，以一疊代法來執行通道估計的一範例。在每一疊代程序中，此疊代法可包括兩個階段，即分別為通道係數估計和AoD估計。當滿足一條件時，此疊代法停止重複。例如，此停止條件可以被定義為一最大重複次數(maximum iteration number)或一最小差異更新(minimum difference update)。第六圖是與所揭露的一實施範例一致的一範例流程圖，說明一種相關性衰落通道的模型基礎通道估計方法。
參考第六圖的範例，第四狀態(步驟640，即重複直到一極限數)會返回第二狀態以及第三狀態直到滿足一給定的門檻值，如一最大重複次數或一最小差異更新，其中回到第二狀態來執行第一階段(步驟620，即在第i次疊代中的通道係數估計)，回到第三狀態來執行第二階段(步驟630，即在第i次疊代中的AoD估計)。此模型基礎通道估計方法的運作流程如下。首先，經由一些現有的算法，例如一階層估計演算法(rank estimation algorithm)或一模型階級數估計演算法(model order estimation algorithm)，對一衍生的通道模型，決定模型階級數KL 、KF 、KT 和KR (步驟610)。此步驟可採取離線來實現。例如，如果可以接受因模型階級數的不匹配所造成的性能損失，則此步驟可採用一些固定的模型階級數來實施。接下來，開始第一次疊代程序，即i=1，以執行步驟620和步驟630。然後到第四狀態來執行疊代程序，即i=i+1，直到此疊代i的值達到一極限數(limit number)。最終狀態是，為後置處理運算來重建一全維通道估計(步驟650)。此通道估計HL 可藉由一指導向量重建如下列式子：
此模型基礎的通道估計器和通道估計方法可以顯現同時提供通道係數估計和AoD估計的優勢。以下詳細描述第一階段和第二階段後，可以更瞭解。
第一階段-通道係數估計：假設方向矩陣是最佳的，即，因此通道係數的最小平方(LS)估計即為 其中{ }† 表示擬似反向(pseudo-inverse)運算。
是一FLM×FLM矩陣，包含此AoD資訊W。
是一M×M矩陣，表示在第i-1次疊代程序的W估計。
是一KL KF KT KR ×1向量，表示在第i次疊代程序的Ccoef 估計，這是矩陣WFL optimum 的一函數。在第i次疊代程序時， 由於最佳方向矩陣不可用，而以疊代估計來代替WFL optimum 。
第二階段-AoD估計(方向估計)：與第一階段相似，當估計方向資訊時，假設最佳係數向量是可用的，即。然後定義一新的矩陣G[i] 如下所示。
其中是一KR ×KL KF KT 矩陣，由下列式子推導而來。
，其中1iKR ,1jKL KT KF 。
C(i,j)是矩陣C的第i行，第j列的元素，並且是從KR KL KF KT ×1到KR ×KL KF KT 的排列。
定義一矩陣T[i] 如下所示。
其中⊙代表Hadamard乘積的運算。
1F×L 是一全一(all-one)矩陣，即和。
IM 是一單位矩陣(unit matrix)，即。
然後藉由一求根的(root-finding)問題找到最佳相位估計(phase estimate)，如下所示。
其中Z是一M×1向量，只有一未知變數z，使得Z=[1,z,z2 ,…,zM-1 ]。
是在第i次疊代的估計結果，即
{ }H 是埃爾米特(Hermitian)轉換運算。
表示相位擷取(phase extraction)，定義如下：
最小數問題(minimum problem)是求解P(z)=0以得到M-1個根，然後從M-1個根中找到一個能降低成本 函數的最好的根(best one)，即||Z |-1|。在第i次疊代程序的方向矩陣可以由下列式子來建構。
其中是第i次疊代程序中z的估計，是的一元素。換句話說，從相關性多項式P(z)=0尋找其根，這是單位圓的最接近值，然後從取得AoD資訊。方向矩陣是由一單位矩陣IL 乘以z的估計的對角線矩陣來重建。換句話說，AoD資訊可以由一方向估計經由一相位擷取來取得，並且可以藉由一個求根的問題找到一最佳的相位估計。
在每次疊代程序中，通道係數估計和AoD提取兩者皆會被執行。換句話說，所揭露的通道估計器或通道估計方法藉由考慮空間、時間和頻率的相關性，提供了一以單一區塊(single-block)為基礎的通道係數的最小平方估計，並且顯現同時提供通道係數估計和AoD估計的優勢。如第六圖中步驟640所描述，當滿足該條件時，它可以停止重複。此停止條件可以被定義為一最大重複次數或是一最小差異更新，例如，如果i>5，則停止，不然則增加i，即i=i+1，以便繼續第一階段和第二階段。
對於一具有梳型(comb-type)領航器的系統模型，所有的設定是幾乎相同的，但是用較少的領航器。在頻域，其發送和接收矩陣如下列所示。
其中，k i S K 表示頻率的領航器指標，例如，S K -[1,2,6,7,...,126,127]，則k2 =2，和k3 =6。φ是頻域之發送領航器的總數。同樣地，在時域中， 其中，ni SN 表示時域領航器指標，例如SN =[6,7,13,14]。
ψ是時域發送領航器的總數，例如ψ=4。
對於梳型領航器的系統模型，其基底也降低到一適當的大小。在實施範例中，僅使用在領航器指標名單上 的矩陣的i個列，例如，時域和頻域的基底將減少如下。
其中，是一1×KL 向量，是時域基底矩陣的第ni 個列向量，即 ，並且是它的一較小的集合。
是一1×KF 向量，是頻域基底矩陣的第ki 個列向量，即 ，並且是它的一較小的集合。
由於在空間域有充分的領航器，所以用於發送和接收天線的基底仍與連續式領航器相同。
在分析均方誤差(mean square error，MSE)性能中，是以一8×8的MIMO-OFDM系統使用求根方法，其FFT 大小為k=128和AS=20 的範例模擬結果來說明。通道模型是根據3GPP的空間通道模型(spatial channel model，SCM)，此通道模型根據一組選定的參數如AoD、到達角度(angle of arrival，AoA)等，來產生此通道係數。此通道模型是一參數化隨機模型(parametric stochastic model)，其空間交叉相關性(spatial cross correlation)是在發送端的AoD和在接收端的AoA的聯合分佈(joint distribution)的函數。
假設在移動台周圍的環境是具有豐富的散射與可忽略不計的空間相關性。因此，使用一個全階層基底矩陣來描述在接收端的空間相關性。在模擬中使用其他的假設和條件如下：(1)發送和接收陣列的天線間距是一樣的，(2)使用一正交訓練矩陣(training matrix)，(3)模擬使用10次疊代，(4)在每一接收天線之輸入端的Eb/No被定義為平均信號與噪音功率比(signal to noise ratio,SNR)，(5)正交多項式基底矩陣被用於單式矩陣QL 、QT 、和QR 。所有的演算法計算頻域通道響應已如上所述，是以代替第一階段的最終結果(即估計的係數矩陣)和第二階段的最終結果來成為通道估計HL 。此通道是具有近似兩階層的一種區塊衰落(block fading)。由於基地站(BS)的空間相關性都很高，相對應的相關性函數位於低維的子空間，因此小的KT 就足以描述此通道。第七圖是與所揭露的一實施範例一致的一示意圖，說明在一SCM通道中，模型階級數KT 對求根方法的MSE性 能的效果。第八圖是與所揭露的一實施範例一致的一示意圖，說明在一SCM通道中，模型階級數KT 和KL 對求根方法的MSE性能的效果。
參考第七圖的範例，考慮時間相關聯的一衰落環境和使用觀察窗L=7，假設空間域或時間域的相關性足夠高，則處理的維數可以大大減少。當模型階級數不夠大而無法捕捉到通道特性時，即出現性能下降。從第七圖的範例可看出，對任何給定的SNR，存在一個最佳的KT 。提高模型階級數KT 並不一定能提高性能。正如所預期的，當SNR高時，模擬誤差支配該MSE性能。
在第八圖的範例中，時域相關性夠高時，可以大大減少處理的維數KL 。並且，如果考慮到一可接受的MSE的某一特定水平，例如(10-3 ,10-4 )，則本揭露實施例的模型基礎的通道估計器和方法可以減少處理的維數KT 、KL 、和D，以進一步維持一合理的誤碼率(BER)性能，其中D是對一離散時間MIMO通道脈衝響應的一基地站天線和一移動台天線之間的路徑數(number of paths)。例如，在KT =4、KL =2和CP比例=1/16的情況下，MSE性能是低於10-3 ，壓縮率(compression rate)是(4/8)×(2/7)×(1/16)=0.0089，此說明了只需要1%的係數就能有效地表示通道響應。換言之，在本揭露實施例的模型基礎通道估計器中，即使如壓縮率高到1%，在高 度相關性的環境中，其模型基礎的通道估計有能力維持在一個可接受的MSE。
本揭露實施範例的降階層通道模型可應用於前置或後置通道估計，例如CSI反饋、預編碼器設計和用戶/通道選擇。第九圖是與所揭露的一實施範例一致的一示意圖，說明所揭露的模型基礎通道估計的反饋模型係數的應用。在此應用範例中，藉由建立通道的時間、頻率和空間的相關性可得到反饋模型係數。對一MIMO系統所獲得的反饋模型係數，在時間域、頻率域和空間域的維數分別以L、K、M和N表示。相較於LTE碼書基礎的機制，第九圖中的反饋模型係數是更簡潔的通道係數。例如，對於第九圖中的反饋模型係數，L×K×M×N可以是4×1×2×8。而對於LTE碼書基礎的機制的通道係數，L×K×M×N會是12×14×8×8。本揭露實施範例的模型基礎通道估計器可以對MIMO系統中的一資源區塊(resource block)，於不同的時間和副載波，提供不同的預編碼矩陣(precoding matrix)，而不是一個資源區塊僅有一個相同的預編碼矩陣。
對於在接收端或碼書選擇的後置通道估計的應用上，本揭露的模型基礎通道估計器由於具有空間基底，可以降低搜查的複雜度(search complexity)，並且由於考慮時域和頻域之間的相關性，可以提高碼書的選擇準確度。第十圖是與所揭露的一實施範例一致的一示意圖， 說明所揭露的模型基礎通道估計器在接收端後置通道估計的應用。參考第十圖的範例，4×1×2×8反饋模型係數和AoD資訊由所揭露的模型基礎的通道估計器500所產生，其中一模型階級數估計器1010可以提供模型階級數KL 、KF 、KT 和KR 給通道估計器500。此4{頻率}×1{時間}×2{發送空間}×8{接收空間}反饋模型的係數被進一步用於碼書選擇1020。同樣地，對於一個資源區塊，在接收端1000於不同的時間和副載波，提供了不同的預編碼矩陣，而不是一個資源區塊僅有一個相同的預編碼矩陣。
對於前置通道估計的應用，例如在發送端或預編碼器，所揭露的基礎模型通道估計器由於在發送端使用了空間基底，並提供天線的發送角度的資訊，所以可減少需要的上傳鏈節的傳輸。第十一圖是與所揭露的一實施範例一致的一示意圖，說明所揭露的基礎模型通道估計器在發送端前置通道估計的應用。參考第十一圖的範例，在發送端1100，現在空間、時間和頻率的資訊可以使用。因此，此基礎模型通道估計器可以提供時間、頻率和空間基底給預編碼1110。並且，模型基礎通道估計器產生AoD的資訊，碼書指標和通道階層(channel rank)可進一步用於碼書選擇。利用來自碼書選擇的計算結果和模型基礎通道估計器所提供的模型基底，在發送端1100於不同的時間和副載波，提供了不同的預編碼 矩陣，而不是一個資源區塊僅有一個相同的預編碼矩陣。
第十二圖是與所揭露的一實施範例一致的一接收端示意圖。備有一碼書選擇器的接收端1200可包含一模型基礎通道估計器500和一模型階級數估計器1220。模型階級數估計器1220分別為基底矩陣、、、和估計其模型階級數KL 、KF 、KT 和KR 。模型基礎通道估計器500的運算與功能已描述於第五圖。如前所述，藉由使用多個接收信號Yp、多個發送領航器Xp、估計的模型階級數KL 、KF 、KT 和KR 、以及建立時域、頻域和空間通道相關性的基底、、、，模型基礎通道估計器500對一給定的AoD，估計通道矩陣的通道係數Coef，然後根據此估計的通道矩陣來估計一平均AoD。並且模型基礎通道估計器500重複通道係數的估計和平均AoD的估計，直至滿足一停止條件。如前所述，當滿足停止條件時，模型基礎通道估計器500使用、、、和Coef來重建一個通道估計H，其中包含發送基底和AoD的資訊。類似地，對於一個資源區塊，在接收端1200於不同的時間和副載波，提供了不同的預 編碼矩陣，而不是一個資源區塊僅有一個相同的預編碼矩陣。接收端1200還可以包括通道模型的一基底決定器(base determiner)1210，來預先決定多個基底矩陣 、 、 和 。
所以，藉由建立時間、頻率和空間通道的相關性，並且可進一步提供準確的估計、結構簡潔(compact)和實用的CSI、以及削減潛在的後處理的複雜性的方法或裝置，本揭露實施範例提供一通用降階層通道模型和一相對應的低複雜度估計方法給寬帶空間相關性的MIMO系統。本揭露實施範例也提供了一種以單一區塊為基礎的重複最小平方通道估計器，此通道估計器考慮了頻率相關性和時間相關性。所揭露的基礎模型通道估計器和方法可以進一步在發送端產生時間、頻率和空間的基底，以及在發送端天線的發送角度。除了通道估計，本揭露實施範例也提供了一接收端，此接收端進一步包括一基底決定器和一模型階級數估計器。此基底決定器和此模型階級數估計器用來建構此通道估計的系統和通道模型，這可以是離線建構。
以上所述者皆僅為本揭露實施例，不能依此限定本揭露實施之範圍。大凡申請專利範圍所作之均等變化與修飾，皆應屬於專利涵蓋之範圍。
MIMO．．．多輸入多輸出
202．．．使用一最小平方的方法且/或迫零的方法來計算粗糙的通道
204．．．頻域插補程序
206．．．減少均方誤差
212．．．從粗糙和細緻的通道估計計算噪音項目
214．．．噪音項目與每一音調的信號傳輸矩陣相乘
216．．．轉換頻域係數到時域
218．．．對接收天線計算噪音方差估計
310．．．估計通道的嚴重延遲
312．．．產出全維通道估計
314．．．計算通道的一協方差矩陣
320．．．使用系統的全階層來模擬通道
322．．．估計通道子空間
324．．．估計降階層通道參數
326．．．轉換通道參數回到全維
500．．．模型基礎通道估計器
520．．．通道參數估計器
522a．．．給定的AoD
524．．．平均AoD
530．．．估計重建單元
AoD．．．離開角度
610．．．對一衍生的通道模型，決定模型階級數KL 、KF 、KT 和KR
620．．．第一階段，在第i次疊代中的通道係數估計
630．．．第二階段，在第i次疊代中的AoD估計
640．．．重複直到一極限數
650．．．重建一全維通道估計
1000．．．接收端
1010．．．模型階級數估計器
1020．．．碼書選擇
1100．．．發送端
1110．．．預編碼器
1200．．．接收端
1210．．．基底決定器
1220．．．模型階級數估計器
第一圖是一種典型的MIMO系統的一範例示意圖。
第二圖是一種MIMO OFDM系統的稀疏通道估計的一範例示意圖。
第三圖是一通信系統的降階層通道估計的技術的一範例示意圖。
第四圖是與所揭露的一實施範例一致的一範例示意圖，說明一MIMO系統在頻率，時間和空間域所需要的通道係數。
第五圖是與所揭露的一實施範例一致的一範例示意圖，說明一種相關性衰落通道的模型基礎通道估計器。
第六圖是與所揭露的一實施範例一致的一範例流程圖，說明一種相關性衰落通道的模型基礎通道估計方法。
第七圖是與所揭露的一實施範例一致的一範例示意圖，說明在一SCM通道中模型階級數KT 對求根方法的MSE性能的效果。
第八圖是與所揭露的一實施範例一致的一範例示意圖，說明在一SCM通道中模型階級數KT 和KL 對求根方法的MSE性能的效果。
第九圖是與所揭露的一實施範例一致的一範例示意圖，說明模型基礎通道估計器的反饋模型係數的應用。
第十圖是與所揭露的一實施範例一致的一範例示意圖，說明模型基礎通道估計器在接收端後置通道估計的應用。
第十一圖是與所揭露的一實施範例一致的一範例示意圖，說明模型基礎通道估計器在發送端前置通道估計的應用。
第十二圖是與所揭露的一實施範例一致的一範例示意圖，說明一接收端。
500．．．模型基礎的通道估計器
520．．．通道參數估計器
522a．．．給定的AoD
524．．．平均AoD
530．．．估計重建單元
AoD．．．離開角度

Claims (18)

  1. 一種相關性衰落通道的模型基礎通道估計器，該相關性衰落通道適應於具有一發送天線陣列和一接收天線陣列的一多輸入多輸出(MIMO)系統，該模型基礎通道估計器包含：一通道參數估計器，根據多個接收信號、多個發送領航器、一衍生通道模型的多個已知的模型階級數、以及多個預定基底，來對一給定的離開角度(AoD)估計一通道矩陣的一係數向量，然後根據估計的該通道矩陣來估計一平均AoD，其中，該多個預定基底用以建立時間、頻率、一發送天線陣列間的空間通道相關性、以及一接收天線陣列間的空間通道相關性，該通道估計器重複地估計該係數向量和該平均AoD，直到滿足一停止條件；以及一估計重建單元，利用該多個預定基底、該係數向量、以及該平均AoD來重建一通道估計。
  2. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該多個預定基底至少包括一基底矩陣以描述在一時間域的通道行為、一基底矩陣以描述在一頻域的通道行為、一基底矩陣以描述該發送天線陣列間的空間通道相關性、以及一基底矩陣以描述該接收天線陣列間的空間通道相關性。
  3. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該通道估計器以離線計算該多個預定基底。
  4. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該通道估計是透過一向量化運算和一克羅內克乘積運算，並藉由一指導向量來重建。
  5. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該停止條件被定義為一最高的重複次數或是一最小的差異更新。
  6. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該通道估計器是一種以單一區塊為基礎的通道係數的最小平方估計。
  7. 如申請專利範圍第1項所述之模型基礎通道估計器，其中該衍生通道模型是多個空間相關的區塊衰落MIMO通道的一降階層通道模型。
  8. 如申請專利範圍第1項所述之模型基礎通道估計器，該模型基礎通道估計器對於該MIMO系統中的一資源區塊，在不同的時間和多個副載波，提供不同的預編碼矩陣。
  9. 一種相關性衰落通道的模型基礎通道估計方法，該相關性衰落通道適應於具有一發送天線陣列和一接收天線陣列的一多輸入多輸出(MIMO)系統，該方法包含：藉由一估計算法來決定一衍生通道模型的多個模型階級數K L ,K F ,K T ,K R ；藉由使用一疊代方法來執行一通道矩陣的一係數向量Coef的一估計和執行一離開角度(AoD)的一估計，並且當滿足一條件時則停止疊代；以及 藉由利用估計的該係數向量Ccoef 和多基底矩陣，記為、、、，來重建一全維通道估計HL ；其中包含一基底矩陣與該AoD，該衍生通道模型是藉由預定該多個基底矩陣,,和而衍生出，該多個基底矩陣,,和分別用來建立時間通道相關性、頻率通道相關性、該發送天線陣列間的空間通道相關性、以及該接收天線陣列間的空間通道相關性。
  10. 如申請專利範圍第9項所述之模型基礎通道估計方法，其中該全維通道估計HL 是由一指導向量以下列式子來重建： 其中vec( )是一向量化運算，是一克羅內克乘積運算。
  11. 如申請專利範圍第9項所述之通道估計方法，其中該係數向量Coef的估計是一疊代的最小平方通道估計。
  12. 如申請專利範圍9項所述之模型基礎通道估計方法，其中該AoD被擷取，使得，其中W是具有單位模數元素的一對角矩陣。
  13. 如申請專利範圍第12項所述之模型基礎通道估計方法，其中該AoD是透過一相位擷取並藉由一方向估計來擷取，並且藉由一求根的問題來找到一最佳相位估計。
  14. 如申請專利範圍第9項所述之模型基礎通道估計方法，其中該時間通道相關性、該頻率通道相關性、該發送天線陣列間的空間通道相關性、以及該接收天線陣列間的空間通道相關性是藉由多個單式矩陣作一正交轉換。
  15. 如申請專利範圍第9項所述之模型基礎通道估計方法，該模型基礎通道估計方法對於該MIMO系統中的一資源區塊，在不同的時間和多個副載波，提供不同的預編碼矩陣。
  16. 一接收端，備有一碼書選擇器，該接收端適應於具有一發送天線陣列和一接收天線陣列的一多輸入多輸出(MIMO)系統，並且包含：一模型行列數估計器，估計多個模型階級數；一模型基礎通道估計器，根據多個接收信號、多個發送領航器、一衍生通道模型的多個已知的模型階級數、以及多個預定基底，來對一給定的離開角度(AoD)估計一通道矩陣的一係數向量，然後根據估計的該通道矩陣來估計一平均AoD，其中，該多個預定基底用以建立時間、頻率、一發送天線陣列間的空間通道相關性、以及一接收天線陣列間的空間通道相關性，該通道估計器重複地估計該係數向量和該平均AoD，直到符合一停止條件，當該停止條件符合時，該模型基礎通道估計器利用該多個預定基底、該係數向量、以及該平均AoD來重建一通道估計。
  17. 如申請專利範圍第16項所述之接收端，該接收端還包括一基底決定器來預定該多個基底，該多個基底至少包括一個基底矩陣以描述在一時間域通道的行為、一基底矩陣以描述在一頻域通道的行為、一基底矩陣以描述該發送天線陣列間的空間通道相關性、以及一基底矩陣以描述該接收天線陣列間的空間通道相關性。
  18. 如申請專利範圍第16項所述之接收端，其中該模型基礎通道估計器對於該MIMO系統中的一資源區塊，在不同的時間和多個副載波，提供不同的預編碼矩陣。
TW100125175A 2011-05-24 2011-07-15 相關性衰落通道的模型基礎通道估計器和通道估計方法 TWI463823B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/115,093 US8594221B2 (en) 2011-05-24 2011-05-24 Model-based channel estimator for correlated fading channels and channel estimation method thereof

Publications (2)

Publication Number Publication Date
TW201249129A TW201249129A (en) 2012-12-01
TWI463823B true TWI463823B (zh) 2014-12-01

Family

ID=47219210

Family Applications (1)

Application Number Title Priority Date Filing Date
TW100125175A TWI463823B (zh) 2011-05-24 2011-07-15 相關性衰落通道的模型基礎通道估計器和通道估計方法

Country Status (2)

Country Link
US (1) US8594221B2 (zh)
TW (1) TWI463823B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7917176B2 (en) * 2006-02-14 2011-03-29 Nec Laboratories America, Inc. Structured codebook and successive beamforming for multiple-antenna systems
KR101576347B1 (ko) * 2011-07-06 2015-12-09 후지쯔 가부시끼가이샤 기지국, 무선 단말기, 채널값 추정 방법, 파일럿 신호 송신 방법 및 무선 통신 시스템
FR2983666B1 (fr) * 2011-12-01 2014-01-03 Cassidian Sas Procede d'estimation d'un canal radioelectrique
US9313007B2 (en) * 2012-01-27 2016-04-12 Nippon Telegraph Telephone Corporation Wireless apparatus and training signal transmission method
CN104488214B (zh) * 2012-04-05 2017-10-17 马维尔国际贸易有限公司 用于在无线通信系统中联合执行信道估计和干扰估计的方法和装置
US9848428B2 (en) * 2013-08-27 2017-12-19 Telefonaktiebolaget Lm Ericsson (Publ) Positioning of wireless devices
CN105007240B (zh) * 2015-05-29 2018-02-27 华南理工大学 一种频域导频复用技术的信号失真重建方法及装置
WO2017147662A1 (en) * 2016-03-04 2017-09-08 The University Of Sydney Systems and methods of estimating channel parameters in a wireless communication system
CN108075811B (zh) * 2016-11-11 2021-03-30 上海诺基亚贝尔股份有限公司 用于混合预编码的方法以及通信设备
CN107317607B (zh) * 2017-05-19 2020-04-10 北京交通大学 一种多链路多天线信道联合统计特性建模方法
US10306419B2 (en) 2017-09-29 2019-05-28 Abl Ip Holding Llc Device locating using angle of arrival measurements
EP3750250A4 (en) * 2018-02-05 2021-10-27 Telefonaktiebolaget LM Ericsson (publ) MIMO CHANNEL STATUS INFORMATION ESTIMATION METHOD AND DEVICES
CN108199794B (zh) * 2018-03-05 2021-06-01 南京邮电大学 一种新型Massive MIMO信道模型的统计性建模方法
CN108933745B (zh) * 2018-07-16 2020-07-10 北京理工大学 一种基于超分辨率角度和时延估计的宽带信道估计方法
CA3134720A1 (en) * 2019-04-04 2020-10-08 Nokia Technologies Oy Uplink control information
CN111147111B (zh) * 2019-12-30 2021-10-19 南京信息工程大学 一种关于角度域任意功率谱mimo信道特征计算方法
CN112398522B (zh) * 2020-10-21 2022-02-01 青岛矽昌通信技术有限公司 一种多天线阵列的波束成形方法
CN113029147B (zh) * 2021-03-04 2022-08-16 东南大学 一种直达波空中传播时延的估计方法
CN113572709B (zh) * 2021-07-12 2022-05-17 华中科技大学 一种大规模mimo系统中基站端导频辅助信道估计方法和系统
CN113923085B (zh) * 2021-12-14 2022-03-15 中国地质大学（北京） 一种水声通信系统多发射端并行稀疏信道估计方法
CN114978821B (zh) * 2022-05-18 2024-04-23 西安交通大学 面向6g智能反射表面辅助通信系统的协同信道估计方法
CN115278754B (zh) * 2022-07-08 2024-05-10 中国联合网络通信集团有限公司 受激干扰源的确定方法、装置及计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997000543A1 (en) * 1995-06-16 1997-01-03 Watkins-Johnson Company Method and apparatus for adaptive transmission beam forming in a wireless communication system
US6219561B1 (en) * 1996-10-18 2001-04-17 Cisco Systems, Inc. Wireless communication network using time-varying vector channel equalization for adaptive spatial equalization
US20100087151A1 (en) * 2008-09-30 2010-04-08 Ntt Docomo, Inc. Radio Channel Estimator

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998009385A2 (en) * 1996-08-29 1998-03-05 Cisco Technology, Inc. Spatio-temporal processing for communication
US6907270B1 (en) 2000-10-23 2005-06-14 Qualcomm Inc. Method and apparatus for reduced rank channel estimation in a communications system
US7310304B2 (en) 2001-04-24 2007-12-18 Bae Systems Information And Electronic Systems Integration Inc. Estimating channel parameters in multi-input, multi-output (MIMO) systems
US7065371B1 (en) 2003-02-20 2006-06-20 Comsys Communication & Signal Processing Ltd. Channel order selection and channel estimation in wireless communication system
US7680266B2 (en) 2006-06-29 2010-03-16 Caiado De Lamare Rodrigo System and method for adaptive reduced-rank parameter estimation using an adaptive decimation and interpolation scheme
WO2009084990A1 (en) * 2007-12-27 2009-07-09 Telefonaktiebolaget Lm Ericsson (Publ) Using spatial properties of mimo channels for enhanced channel estimation in mimo systems
US8619918B2 (en) 2008-09-25 2013-12-31 Nec Laboratories America, Inc. Sparse channel estimation for MIMO OFDM systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997000543A1 (en) * 1995-06-16 1997-01-03 Watkins-Johnson Company Method and apparatus for adaptive transmission beam forming in a wireless communication system
US6219561B1 (en) * 1996-10-18 2001-04-17 Cisco Systems, Inc. Wireless communication network using time-varying vector channel equalization for adaptive spatial equalization
US20100087151A1 (en) * 2008-09-30 2010-04-08 Ntt Docomo, Inc. Radio Channel Estimator

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Espandar, M. ; Bakhshi, H.R., AOA and AOD Estimation for Rectangular Antenna Array in Non-selective and Slow Fading in MIMO Channels, Future Computer and Communication, 2009. ICFCC 2009 *

Also Published As

Publication number Publication date
US20120300867A1 (en) 2012-11-29
TW201249129A (en) 2012-12-01
US8594221B2 (en) 2013-11-26

Similar Documents

Publication Publication Date Title
TWI463823B (zh) 相關性衰落通道的模型基礎通道估計器和通道估計方法
CN107483088B (zh) 大规模mimo鲁棒预编码传输方法
CN1878159B (zh) 通过至少一个通信信道传送符号的方法
CN104702390B (zh) 分布式压缩感知信道估计中的导频分配方法
CN101692665B (zh) 正交频分复用-多输入多输出系统的解调方法及解调器
EP2547022A1 (en) Method and apparatus for determining channel state information
CN108881076B (zh) 一种基于压缩感知的mimo-fbmc/oqam系统信道估计方法
CN101841375A (zh) 一种多输入多输出单载波分块传输系统的检测方法及装置
CN104869086B (zh) 基于二维压缩感知的mimo‑ofdm通信系统下行信道估计方法、装置
CN106506415B (zh) 一种多用户mimo-ofdm系统信道估计的方法
Yu et al. Blind and semi-blind channel estimation with fast convergence for MIMO-OFDM systems
CN101018219B (zh) 一种空频信号处理方法
Uwaechia et al. Compressed channel estimation for massive MIMO-OFDM systems over doubly selective channels
Srivastava et al. Data aided quasistatic and doubly-selective CSI estimation using affine-precoded superimposed pilots in millimeter wave MIMO-OFDM systems
Hussein et al. Least Square Estimation‐Based Different Fast Fading Channel Models in MIMO‐OFDM Systems
CN105812032B (zh) 基于波束块结构压缩感知的信道估计方法
JP5859913B2 (ja) 無線受信装置、無線送信装置、無線通信システム、プログラムおよび集積回路
Bhoyar et al. Leaky least mean square (LLMS) algorithm for channel estimation in BPSK-QPSK-PSK MIMO-OFDM system
CN109802901B (zh) 基于到达角测量的3d mimo信道估计方法及系统
US9755860B2 (en) Method of performing uplink channel estimation and base station using the same
JP2009268106A (ja) 信号対干渉電力と雑音比の決定方法およびその装置
Zamiri-Jafarian et al. Adaptive channel SVD estimation for MIMO-OFDM systems
Wan et al. Linear prediction based semi-blind channel estimation for MIMO-OFDM system
JP2009505554A (ja) Ｍｉｍｏ−ｏｆｄｍシステムにおけるチャネル推定方法およびチャネル推定のためのトレーニング信号生成方法
CN115604815A (zh) 采用低精度量化的毫米波通信系统定位方法