[發明專利]一種利用寬帶大規模天線陣列空間特性的信道預測方法

有效

• 申請號: 202110294794.7
• 申請日: 2021-03-19
• 公開（公告）號: CN113067652B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 王聞今;吳馳;朱一鳴;鄭奕飛;張帥;尤力
• 申請（專利權）人: 東南大學
• 主分類號: H04B17/373
• 分類號: H04B17/373;H04B7/0413
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

本發明公開了一種利用寬帶大規模天線陣列空間特性的信道預測方法，利用大規模MIMO?OFDM系統高時延和高角度分辨能力，通過信號處理將復雜的多徑信道進行解耦。接著，利用信道稀疏性，根據估計信道信噪比來篩選信道主要元素，并僅對其進行預測。本發明提出兩種信道預測方法：一種綜合考慮角度時延域信道響應矩陣相鄰元素間相關性的空時自回歸信道預測器，以及一種具備泛化能力的神經網絡信道預測器，實現逐信道元素的預測。空時自回歸信道預測器利用歷史樣本在線學習模型參數，對信道進行預測；神經網絡信道預測器則通過離線訓練階段學習網絡參數，在在線階段對信道進行預測。本發明具有預測精度高、計算復雜度低、易實現等優點。

技術領域

本發明屬于信道預測領域，尤其涉及一種利用寬帶大規模天線陣列空間特性的信道預測方法。

背景技術

大規模MIMO技術是5G移動通信的關鍵技術之一，通過在基站側布置大規模天線陣列，大規模MIMO能夠顯著提高頻譜以及能量效率。對于大規模MIMO無線通信而言，準確的信道獲取至關重要。然而在移動場景下，由于基站側信號處理時延以及信道信息傳輸時延，基站獲取的信道往往是過時的。這種由于用戶的移動性帶來的獲取的信道的過時，對無線通信傳輸造成了嚴重的影響。

信道預測利用信道序列之間的時間相關性，從過去的信道中預測現在及將來的信道，能夠有效解決獲取的信道過時的問題。傳統的信道預測技術包括：正弦波疊加、線性外插以及自回歸信道預測方法。其中，自回歸模型通過將信道視為廣義平穩的隨機過程，通過線性模型的方法實現信道預測。而現有的深度學習技術將時變信道處理為時間序列，通過序列學習的方法也能夠實現信道預測。然而應用于傳統通信系統(如4G系統)中的這些方法，其性能受到信道的構造復雜性的嚴重制約，因為此時的信道是由多個不可分辨的多徑疊加而成。

得益于大規模天線陣列以及寬帶信號，大規模MIMO能夠提供較高的角度以及時延分辨能力，因此能夠部分的實現對路徑的解耦。結合大規模MIMO的多徑分辨能力，能夠有效提高信道預測的精度。

與此同時，信道預測結合大規模MIMO技術面臨兩類問題：

(1)大規模MIMO多徑分辨能力取決于天線的個數以及帶寬大小，實際系統中這兩者往往是有限的，從而影響信道預測的性能；

(2)大規模MIMO信道矩陣的維度較大，并且傳統信道預測方法需要不斷更新模型參數以適應新的場景，因此引入巨大的計算復雜度。

發明內容

本發明目的在于提供一種利用寬帶大規模天線陣列空間特性的信道預測方法,以解決信道預測性能低和信道預測計算復雜度高的技術問題。

為解決上述技術問題，本發明的具體技術方案如下：

一種利用寬帶大規模天線陣列空間特性的信道預測方法，包括以下步驟：

(1)篩選信道矩陣的主要元素：

首先將接收到的天線頻率域信道處理為矩陣形式，通過反傅里葉變換將其變換為角度時延域信道響應矩陣；

然后基于角度時延域信道響應矩陣的稀疏性，根據接收的信噪比自適應選擇能量最大的多個信道元素作為信道的主要元素，其余的元素作為信道的非主要元素；

(2)對主要信道元素進行預測包括以下兩種方法：

方法一、構建空時自回歸信道預測器，所述空時自回歸信道預測模型是一個線性模型，輸入為角度時延域主要信道元素以及其在角度域或時延域上相鄰的信道元素的歷史時刻的信道序列，通過模型參數的線性加權求和，輸出為角度時延域主要信道元素的當前時刻的值；

利用最近的歷史時刻信道值計算空時自回歸信道預測器的模型參數，并對信道的主要元素進行預測。