曹海燕 叶震宇

(杭州电子科技大学,杭州 310018)

针对大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计中的导频设计问题,在压缩感知理论框架下,提出了一种基于信道重构错误率最小化的自适应自相关矩阵缩减参数导频优化算法.首先以信道重构错误率最小化为目标,推导了正交匹配追踪(orthogonal matching pursuit,OMP)算法下信道重构错误率与导频矩阵列相关性之间的关系,并得出优化导频矩阵的两点准则,即导频矩阵列相关性期望和方差最小化;然后研究了优化导频矩阵的方法,并提出相应的自适应自相关矩阵缩减参数导频矩阵优化算法,即在每次迭代过程中,以待优化矩阵平均列相关程度是否减小作为判断条件,调整自相关矩阵缩减参数值,使参数不断趋近于理论最优.仿真结果表明,与采用Gaussian 矩阵、Elad 方法、低幂平均列相关方法得到的导频矩阵相比,本文所提方法具有更好的列相关性,且具有更低的信道重构错误率.

1 引言

传统的下行信道估计方法,如最小二乘(least square,LS)信道估计和最小均方误差(minimized mean square error,MMSE)信道估计[1],需要根据基站端天线数目的增加线性增加导频数目,具有很高的导频开销和计算复杂度.基于压缩感知[2](compressed sensing,CS)的信道估计方法利用大规模多输入多输出(multiple input multiple output,MIMO)无线信道在波束域或时延域信道参数中大部分元素接近于零[3],少部分元素包含了信道的绝大部分能量的特征,将信道抽象为稀疏模型,通过很少的测量次数恢复整个信道.有效降低信道估计中的导频开……