李贵勇，李平安，李贺宾

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引言

为了降低毫米波大规模多输入多输出(Multiple-Input Multiple-Output，MIMO)系统的硬件成本和能耗，提出了混合预编码方案[1-2]。在混合预编码系统中，大量的天线通过模拟相移器连接到少量的射频 (Radio Frequency, RF) 链路上[3]。由于RF链路数量较少，数字基带无法直接获得所有天线信道的状态信息，很难估计高维MIMO信道[4-5]。另外，在混合预编码系统中，基站需要控制预编码器向不同方向广播导频[3]，需要多个时间帧来传输足够的导频以进行可靠的信道估计，这导致了较高的训练开销[5]。

文献[6-10]提出了几种基于压缩感知(Compressive Sensing，CS)的信道估计方法，这些方法利用毫米波信道的稀疏性，使用CS理论就可以减少导频开销；由于硬件缺陷造成的较大载波频率偏移(Carrier Frequency Offset，CFO)和相位偏移会在不同时间范围内破坏接收到的导频,当随机相位偏移非常严重时，若不考虑其影响，基于CS的信道估计算法的性能就会变得非常差[11-12]；文献[13-14]提出了相位偏移和毫米波信道联合估计方案,这些方案基于恢复高维稀疏张量，具有较高的计算复杂度；文献[15]中提出了部分相干压缩相位提取(Partially Coherent-Compressive Phase Retrieval, PC-CPR)算法，但该算法的估计精度较低。为了提高PC-CPR算法的性能和考虑相位偏移的影响，本文提出了迭代重加权(Iterative Reweight，IR)-PC-CPR信道估计算法。

1 系统模型

本文考虑了混合预编码毫米波大规模MIMO系统，该系统模型如图1所示。

注：H为信道矩阵。图1 混合预编码毫米波大规模MIMO系统模型

图中，NRF、NT和NR分别为RF链路、发送天线和接收天线的个数,且NRF≪NT；……