一种免授权通信下的分布式信道估计方法

摘要

本发明提供一种免授权通信下的分布式信道估计方法，包括以下步骤：S1：构建广义线性模型，并初始化信道估计参数和用户检测参数；S2：采用矢量形式的分布式广义期望传播算法求解广义线性模型，得到估计信道，并对信道估计参数进行更新，对用户检测与信道估计之间的信息进行转换，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测，得到活跃用户，并对用户检测参数进行更新；S3：判断是否达到预设的迭代结束条件；若是，则输出当前轮迭代得到的估计信道和活跃用户；若否，则返回步骤S2进行下一轮迭代。本发明提供一种免授权通信下的分布式信道估计方法，解决了目前信道估计得到的通信信道与真实信道差别较大的问题。

权利要求

1.一种免授权通信下的分布式信道估计方法，其特征在于，包括以下步骤：S1：构建免授权通信中信道估计的广义线性模型，并初始化信道估计参数和用户检测参数；

S2：根据信道估计参数，对信道估计模型中矢量的消息采用矢量形式的分布式广义期望传播算法求解广义线性模型，得到估计信道，并对信道估计参数进行更新，对用户检测与信道估计之间的信息进行转换，根据用户检测参数及用户检测模型中标量的消息，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测，得到活跃用户，并对用户检测参数进行更新；

S3：判断是否达到预设的迭代结束条件；

若是，则输出当前轮迭代得到的估计信道和活跃用户；

若否，则返回步骤S2进行下一轮迭代；

通过以下公式对信道估计部分与用户检测部分的信息进行转换：其中，信道估计部分的矢量消息通过公式 转换为用户检测部分的标量消息，用户检测部分的标量消息通过公式转换为信道估计部分的矢量消息，

μl←nl(xnl)表示从节点 传输到节点xl的信息，μl→nl(xnl)表示从节点xl传输到节点 的信息；μl←kl(xl)表示从节点δ(Zkl‑Akxl)传输到节点xl的消息，μl→kl(xl)表示从节点xl传输到节点δ(Zkl‑Akxl)的信息；

所述广义线性模型为：

其中，为接收信号，Qc(·)为复数的低精度量化器，导频矩阵 具有列内相关性，即来自于第n个用户的导频序列sn具有列内相关性，W是加性高斯白噪声，混合T

信道矩阵X＝(x1，x2，...xN) 中的xn表示第n个用户与基站之间的传输损耗；

采用Ξn表示第n个用户是否活跃的随机性并用ξn表示其实现：因此，混合信道矩阵X的每一个分量都相互独立且服从条件分布：其中δ(·)是狄拉克Delta函数， 表示复数高斯分布， 为量化器引起的转换分布；

在步骤S2中，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测具体为：通过求解第n个用户ξn的后验概率并根据后验概率判断ξn是否为活跃用户。

2.根据权利要求1所述的一种免授权通信下的分布式信道估计方法，其特征在于，在步骤S1中，根据应用场景对信道估计准确度和计算时间的要求初始化信道估计参数和用户检测参数。

3.根据权利要求1所述的一种免授权通信下的分布式信道估计方法，其特征在于，所述分布式广义期望传播算法的参数根据应用场景对信道估计准确度和计算时间的要求确定。

4.根据权利要求1所述的一种免授权通信下的分布式信道估计方法，其特征在于，所述后验概率为P(ξn|Y)，表示在基站接收到信息的条件下用户活跃的概率；定义P(ξn＝1|Y)表示第n个用户ξn为活跃用户的概率，P(ξn＝0|Y)表示第n个用户ξn为不活跃用户的概率，其中，Y表示基站接收到的信息。

5.根据权利要求4所述的一种免授权通信下的分布式信道估计方法，其特征在于，当后验概率为P(ξn＝1|Y)＞0.5时认为用户ξn为活跃用户，否则认为用户ξn为不活跃用户。

6.根据权利要求1所述的一种免授权通信下的分布式信道估计方法，其特征在于，在步骤S3中，预设的迭代结束条件为：每轮迭代估计的信道准确度不再提高或提高小于预设的阈值。

说明书

一种免授权通信下的分布式信道估计方法

技术领域

[0001] 本发明涉及通信信道传输特性估计的技术领域，更具体的，涉及一种免授权通信下的分布式信道估计方法。

背景技术

[0002] 通信信道通常指无线信号传输的媒介，比如生活中手机与运营商基站之间信号传输便存在通信信道，其受环境与距离位置等因素的影响。不同设备与基站之间真实的通信
信道是不可知的，而通信信道是求解接收端信号的关键信息，因此信道估计通常作为建立
通信的第一步，同时也是信号传输的关键一步，信道估计的准确性会影响后续信号传输的
效率。

[0003] 为了解决信道估计的问题，目前设备在与基站进行信号传输之前会通过发送特定信号序列来建立传输信道，理想情况下基站在接收到特定信号后通过简单计算便可得到通
信信道的特性。但在实际应用中，设备发送序列内部通常具有强烈的相关性，比如zadoff‑
chu序列，由发送序列组成的矩阵在信道估计中作为一个重要的部分，现有算法要求该矩阵
中的每一个元素即信号与信号之间无任何关系，如果不满足该要求会导致算法对信道估计
的能力下降，导致计算得到的通信信道与真实信道差别较大，已不能满足信号传输的基本
要求。

[0004] 现有技术中，如2019‑07‑30公开的中国专利，一种自适应开销的活跃用户检测和信道估计方法，公开号为CN110071881A，利用估计到的活跃用户集合及其信道，通过计算接
收信号误差评估估计质量，可以根据现实系统中活跃用户数量和信道环境，自适应调整帧
结构中导频的时隙开销，以尽可能低的接入时延保证服务质量，实现超可靠的活跃用户检
测和信道估计，但无法满足不同场景下的应用需求。

发明内容

[0005] 本发明为克服目前信道估计得到的通信信道与真实信道差别较大的技术缺陷，提供一种免授权通信下的分布式信道估计方法。

[0006] 为解决上述技术问题，本发明的技术方案如下：

[0007] 一种免授权通信下的分布式信道估计方法，包括以下步骤：

[0008] S1：构建免授权通信中信道估计的广义线性模型(Generalized Linear Model)，并初始化信道估计参数和用户检测参数；

[0009] S2：根据信道估计参数，对信道估计模型中矢量的消息采用矢量形式的分布式广义期望传播算法求解广义线性模型，得到估计信道，并对信道估计参数进行更新，

[0010] 对用户检测与信道估计之间的信息进行转换，其中，消息从用户检测部分传到信道估计部分时使用标量消息到矢量消息的消息传递规则，消息从信道估计部分传到用户检
测部分时使用矢量消息到标量消息的消息传递规则，

[0011] 根据用户检测参数及用户检测模型中标量的消息，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测，得到活跃用户，并对用户检测参数进行更新；

[0012] S3：判断是否达到预设的迭代结束条件；

[0013] 若是，则输出当前轮迭代得到的估计信道和活跃用户；

[0014] 若否，则返回步骤S2进行下一轮迭代。

[0015] 优选的，在步骤S1中，根据应用场景对信道估计准确度和计算时间的要求初始化信道估计参数和用户检测参数。

[0016] 优选的，所述分布式广义期望传播算法的参数根据应用场景对信道估计准确度和计算时间的要求确定。

[0017] 优选的，通过以下公式对信道估计部分与用户检测部分的信息进行转换：

[0018]

[0019]

[0020] 其中，信道估计部分的矢量消息通过公式 转换为用户检测 部分的 标量 消息 ，用 户检 测部 分的标 量消 息通过 公式
转换为信道估计部分的矢量消息，

[0021] μl←nl(xnl)表示从节点 传输到节点xl的信息，μl→nl(xnl)表示从节点xl传输到节点 的信息；μl←kl(xl)表示从节点δ(Zkl‑Akxl)传输到节点xl的消息，
μl→kl(xl)表示从节点xl传输到节点δ(Zkl‑Akxl)的信息。

[0022] 优选的，所述广义线性模型为：

[0023]

[0024]

[0025] 其中， 为接收信号，Qc(·)为复数的低精度量化器，导频矩阵具有列内相关性，即来自于第n个用户的导频序列sn具有列内相关性，W是加
T
性高斯白噪声，混合信道矩阵X＝(x1,x2,…xN) 中的xn表示第n个用户与基站之间的传输损
耗。

[0026] 优选的，采用Ξn表示第n个用户是否活跃的随机性并用ξn表示其实现：

[0027]

[0028] 因此，混合信道矩阵X的每一个分量都相互独立且服从条件分布：

[0029]

[0030] 其中δ(·)是狄拉克Delta函数， 表示复数高斯分布， 为量化器引起的转换分布。

[0031] 优选的，在步骤S2中，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测具体为：通过求解第n个用户ξn的后验概率并根据后验概率判断ξn是否为活跃用
户。

[0032] 优选的，所述后验概率为P(ξn|Y)，表示在基站接收到信息的条件下用户活跃的概率；定义P(ξn＝1|Y)表示第n个用户ξn为活跃用户的概率，P(ξn＝0|Y)表示第n个用户ξn为不
活跃用户的概率，其中，Y表示基站接收到的信息。

[0033] 优选的，当后验概率为P(ξn＝1|Y)>0.5时认为用户ξn为活跃用户，否则认为用户ξn为不活跃用户。

[0034] 优选的，在步骤S3中，预设的迭代结束条件为：每轮迭代估计的信道准确度不再提高或提高小于预设的阈值。

[0035] 与现有技术相比，本发明技术方案的有益效果是：

[0036] 本发明提供了一种免授权通信下的分布式信道估计方法，通过结合标量形式的信念传播算法和矢量形式的分布式广义期望传播算法进行不断的迭代计算，实现准确的信道
估计，能够满足发送序列具有相关性条件下的信道估计需求，且在该条件下可以正常工作
并准确估计通信信道。

附图说明

[0037] 图1为本发明的技术方案实施步骤流程图；

[0038] 图2为本发明中信道估计部分与用户检测部分之间的信息交互示意图；

[0039] 图3为本发明的通信模型示意图；

[0040] 图4为本发明中信道估计的广义线性模型示意图；

[0041] 图5为本发明中Hybrid DeGEC算法与现有的Hybrid GAMP算法的对比示意图；

[0042] 图6为本发明中Hybrid DeGEC算法在不同分块数与现有的信道估计准确度的对比示意图；

[0043] 图7为本发明中Hybrid DeGEC算法在不同分块数下的信道估计准确度与每次迭代所需时间的对比示意图。

具体实施方式

[0044] 附图仅用于示例性说明，不能理解为对本专利的限制；

[0045] 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

[0046] 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

[0047] 下面结合附图和实施例对本发明的技术方案做进一步的说明。

[0048] 实施例1

[0049] 如图1所示，一种免授权通信下的分布式信道估计方法，包括以下步骤：

[0050] S1：构建免授权通信中信道估计的广义线性模型，并初始化信道估计参数和用户检测参数；

[0051] S2：根据信道估计参数，对信道估计模型中矢量的消息采用矢量形式的分布式广义期望传播算法求解广义线性模型，得到估计信道，并对信道估计参数进行更新，

[0052] 对用户检测与信道估计之间的信息进行转换，其中，消息从用户检测部分传到信道估计部分时使用标量消息到矢量消息的消息传递规则，消息从信道估计部分传到用户检
测部分时使用矢量消息到标量消息的消息传递规则，

[0053] 根据用户检测参数及用户检测模型中标量的消息，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测，得到活跃用户，并对用户检测参数进行更新；在实际
实施时，步骤S2还可以为：根据用户检测参数及用户检测模型中标量的消息，采用标量形式
的信念传播算法对免授权通信下的用户进行活跃检测，得到活跃用户，并对用户检测参数
进行更新，

[0054] 对用户检测与信道估计之间的信息进行转换，其中，消息从用户检测部分传到信道估计部分时使用标量消息到矢量消息的消息传递规则，消息从信道估计部分传到用户检
测部分时使用矢量消息到标量消息的消息传递规则，

[0055] 根据信道估计参数，对信道估计模型中矢量的消息采用矢量形式的分布式广义期望传播算法求解广义线性模型，得到估计信道，并对信道估计参数进行更新；

[0056] S3：判断是否达到预设的迭代结束条件；

[0057] 若是，则输出当前轮迭代得到的估计信道和活跃用户；

[0058] 若否，则返回步骤S2进行下一轮迭代。

[0059] 在具体实施过程中，通过将标量形式的信念传播算法BP和矢量形式的分布式广义期望传播算法DeGEC结合形成Hybrid DeGEC算法在免授权通信下进行分布式信道估计，能
够满足发送序列具有相关性条件下的信道估计需求，且在该条件下可以正常工作并准确估
计通信信道。

[0060] 实施例2

[0061] 更具体的，在步骤S1中，根据应用场景对信道估计准确度和计算时间的要求初始化信道估计参数和用户检测参数，从而灵活调整计算复杂度和估计准确度，以适应不同的
应用环境条件。

[0062] 更具体的，所述分布式广义期望传播算法的参数根据应用场景对信道估计准确度和计算时间的要求确定。

[0063] 在具体实施过程中，通过调整分布式广义期望传播算法的分块数量参数，从而灵活调整信道估计的准确度和所需的计算时间，能够满足不同场景下的应用需求。

[0064] 更具体的，通过以下公式对信道估计部分与用户检测部分的信息进行转换：

[0065]

[0066]

[0067] 其中，信道估计部分的矢量消息通过公式 转换为用户检测部分的标量消息，其方法是提取所有信道估计部分的矢量消息的相同分量μl←kl(xnl)并
进行连乘获得新的标量消息μl←nl(xnl)；用户检测部分的标量消息通过公式
转换为信道估计部分的矢量消息，其方法是将所
有用户检测部分的标量消息μl→nl(xnl)与除去相同方向信道估计部分μl←kl(xl)的矢量消息
∏j≠kμl←jl(xl)进行连乘获得新的矢量消息μl→kl(xl)；

[0068] μl←nl(xnl)表示从节点 传输到节点xl的信息，μl→nl(xnl)表示从节点xl传输到节点 的信息；μl←kl(xl)表示从节点δ(Zkl‑Akxl)传输到节点xl的消息，
μl→kl(xl)表示从节点xl传输到节点δ(Zkl‑Akxl)的信息。如图2所示为信道估计部分与用户检
测部分之间的信息交互。

[0069] 在具体实施过程中，信道估计部分里传输的数据是矢量，而用户检测部分里传输的数据是标量，两个部分的数据维度并不相同，因此需要通过以上公式完成信道估计部分
与用户检测部分之间的消息转换。

[0070] 更具体的，在实际通信中，如图3所示，一个基站覆盖的范围内通常有多个设备，但同一时间内只有少量设备处于活跃状态，每个设备分配了特定的导频序列，活跃设备同时
发送导频序列，基站通过接收得到的导频序列来恢复用户与基站之间的传输信道以及活跃
用户的检测；如图4所示，所述广义线性模型为：

[0071]

[0072]

[0073] 其中， 为接收信号，Qc(·)为复数的低精度量化器，导频矩阵具有列内相关性，即来自于第n个用户的导频序列sn具有列内相关性，
是加性高斯白噪声，混合信道矩阵 中的xn表示第n个
用户与基站之间的传输损耗。

[0074] 更具体的，采用Ξn表示第n个用户是否活跃的随机性并用ξn表示其实现：

[0075]

[0076] 因此，混合信道矩阵X的每一个分量都相互独立且服从条件分布：

[0077]

[0078] 其中δ(·)是狄拉克Delta函数， 表示复数高斯分布， 为量化器引起的转换分布。

[0079] 更具体的，在步骤S2中，采用标量形式的信念传播算法对免授权通信下的用户进行活跃检测具体为：通过求解第n个用户ξn的后验概率并根据后验概率判断ξn是否为活跃用
户。

[0080] 更具体的，所述后验概率为P(ξn|Y)，表示在基站接收到信息的条件下用户活跃的概率；定义P(ξn＝1|Y)表示第n个用户ξn为活跃用户的概率，P(ξn＝0|Y)表示第n个用户ξn为
不活跃用户的概率，其中，Y表示基站接收到的信息。

[0081] 更具体的，当后验概率为P(ξn＝1|Y)>0.5时认为用户ξn为活跃用户，否则认为用户ξn为不活跃用户。

[0082] 更具体的，在步骤S3中，预设的迭代结束条件为：每轮迭代估计的信道准确度不再提高或提高小于预设的阈值。

[0083] 在具体实施过程中，还可以将迭代结束条件预设为达到最大的迭代轮数。

[0084] 实施例3

[0085] Hybrid DeGEC算法的伪代码如下：

[0086]

[0087]

[0088] 其中， 和Var[·]分别表示计算期望和方差，⊙表示点乘计算， 表示点除计算，d(·)表示求矩阵(·)的对角元素并组成向量，D(·)表示将向量(·)的进行对角化。

[0089] 算法的执行首先需要根据使用环境对信道估计准确度和计算所需时间的要求选择不同的初始化参数K，对于信道估计准确度要求较高而计算时间要求不严格的场景K选择
较小的值，对于要求计算时间减少但估计准确度不是很高的场景选择较大的k值。

[0090] 信道估计算法的迭代过程首先从信道估计部分开始计算，即完成公式(4)到公式(17)，随后在信道估计部分与用户检测部分的信息交互处完成信息从信道估计部分到用户
检测部分的转换，即公式(18)，之后在用户检测部分进行计算，并将得到的信息通过公式
(2)和公式(3)传回信道估计部分，完成一轮迭代。

[0091] 实施例4

[0092] 图5为本实施例的Hybrid DeGEC算法与现有的Hybrid GAMP算法因子图对比。在本实施例中采用Hybrid DeGEC算法测试了具有30根天线、800个用户、发送信号序列长度为
400并具有相关性、活跃用户比例为10％时的分布式MIMO通信情况，结果如图6所示，横坐标
是迭代次数，纵坐标是估计信道与真实信道的差距，由图6可知，本实施例中的信道估计准
确度比现有的Hybrid GAMP算法要高，并且通过调整本实施例中的设定参数分块数量K，可
以获得不同信道估计准确度。除此之外，在图7中，横坐标为本实施例的Hybrid DeGEC算法
中的参数分块数量K的不同取值，左边的纵坐标是每次循环迭代所需要的计算时间，右边的
纵坐标是在第四轮迭代之后本实施例的Hybrid DeGEC算法的信道估计准确度；从图6可知
参数K取值越小，信道估计的准确度越高，但所需要的计算时间也越长；参数K取值越大，信
道估计的准确度下降，计算所需要的时间的呈指数下降。综合上述测试结果，Hybrid DeGEC
算法可以通过调节参数K满足不同环境下对信道估计准确度与计算时间的要求。

[0093] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可
以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本
发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求
的保护范围之内。