买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明属于信息与通信技术领域，涉及一种基于信道知识图谱的信道估计方法。我们建立了基于基站历史接收信号的信道图谱CKM构建框架。将物理区域划分为空间网格，并根据空间一致性原则从每个网格中提取一组共用的路径功率、延迟和角度参数。我们将CKM构建问题转化为贝叶斯推断问题，并开发一种混合消息传递算法来构建基于干扰消除的CKM。进一步地，我们利用CKM的输出设计了一个基于最小均方误差和干扰抑制MMSE‑IRC准则的信道估计器。数值结果表明所提CKM在相对较低的信噪比SINR下提供了准确的信道参数，并且CKM辅助的信道估计器优于现有的最先进信道估计器。

主权项：1.一种基于信道知识图谱的信道估计方法，用于MIMO-OFDM系统，系统的基站具有由M＝Mx×My个天线组成的均匀矩形阵列，天线间距为半波长，基站在第t个时隙内通过N个子载波与单目标用户通信；其特征在于，所述方法包括：S1、建立用户接收信号模型为： 其中，和分别表示用户和第k个干扰器的对角信号矩阵，其对角线元素组成的向量分别为xt与Nt是一个加性白高斯噪声矩阵，其元素独立服从高斯分布用户信道Ht与干扰信道分别表示为： 其中，L表示目标用户的多径数量，代表干扰k的多径数量，αt，l表示具有单位能量的第l个复随机系数，ρt，l表示第l条路径的路径损耗，aiw，w∈{τt，l，θt，l，φt，l}表示导向矢量，表达式为其中i2＝-1；和分别表示等效路径延迟、在三维坐标x轴上的方向分量和在y轴上的方向分量，和表示第t个时隙中第l条路径的路径延迟、方位到达角和仰角，和分别表示干扰k第l条路径的复系数、路径损耗、等效延迟、在x轴和y轴上的方向分量；S2、将接收信号矩阵Yt向量化yt＝vecYt，构造等效的接收信号模型： 其中stτt，l＝xt⊙aNτt，l，S3、定义从时隙t到位置q的映射为： 其中，和分别表示时间隙和位置的集合；S4、设定在任意位置q，信道参数ρt，l、τt，l、θt，l和φt，l在连续2T个时间隙内的变化忽略不计，T是信道知识图谱的更新周期；由基站在每个时间隙获取；干扰导频在每个信道知识图谱更新周期开始时由基站已知；将信道知识图谱表示为映射： 其中，与分别代表图谱输出的第q个位置对应的等效信道路径数、等l条等效时延、水平方向成分、垂直方向成分及路损；S5、利用S4的信道知识图谱映射将S2的信道矩阵重新表征为： 其中为第l条等效复系数；S6、构造基于信道知识图谱映射的接收信号模型： 其中，代表信道表征误差和加性白高斯噪声两项合并而成的等效噪声；S7、将信道知识图谱构建问题转化为贝叶斯推断问题：定义向量ξq包含元素和包含元素给定观测值ξq和的后验分布分解为：. 其中，用户信道参数先验概率模型为上标“pri”为“prior”的缩写，代表冯米塞斯V-M分布；干扰信道先验先验概率模型为与其中与联合伯努利高斯模型的概率密度函数表示是零向量的概率为1-λ，模型用于描述干扰者k可能的严重路径损耗和或低发射功率；S8、构造消息传递因子图：使用因子图表示S7中的后验概率分解，因子图中因子节点表示概率分布，变量节点表示随机变量，并引入概率密度函数的缩写，即pβt，l、与分别缩写为与采用v统一代表变量节点，采用f统一代表因子节点，表示与因子节点f关联的变量集；表示集合不包括元素v；表示与变量节点v关联的因子节点集；表示集合不包括因子节点f；或表示为从变量节点v到因子节点f的消息；bfuf表示因子节点f关于向量uf的信念；S9、消息传递初始化：选择non-informative的先验pv，其中即设置和使V-Mpdfpv在[0，2π中趋于均匀pdf，对于中的μv，随机取值在[0，2π区域内，的κv设置为105；采用的最小二乘初始化βt，l和的先验方差分别初始化为和稀疏度λ初始化为1，当所有参数更新一次后，设置λ＝0.5，初始化以及S10、更新从因子节点至变量节点的消息 其中Rt＝Reshapeyt，[M，N]，,与对于有Ix·代表第x阶与第一类的贝塞尔函数；S11、近似消息于多时隙上的乘积项： 其中 其中代表函数的逆函数，代表的局部最大值点，由于为单变量函数，可采用启发式搜索获取局部最大值点S12、计算因子节点处的信念 其中与与arg·分别代表求幅度与求角度运算；S13、计算从因子节点至变量节点的消息 接着按照S12得和在接收信号模型中对称的，因此类似得对于干扰信道参数的消息计算，当时τt，k，l、θt，k，l和φt，k，l分别与和对称，相应消息通过简化更新的消息获得，即删去S11中对不同时隙消息连乘；S14、计算因子节点处关于的信念如下 其中 基于对变量求得，以及 S15、计算因子节点至变量节点βt，l与的消息 其中与S16、计算因子节点处的信念如下 其中 信念相应的均值和方差为 S17、计算从因子节点至变量节点的消息其中 S18、EM学习更新先验参数如下 S19、消息传递达到最大迭代次数中止，输出作为信道知识图谱信息，其中由S13获得，与由S14获得，由S18获得；S20、利用信道知识图谱输出赋能信道估计，基于S1得等价接收信号模型 其中rt＝vecX-1Yt,ht＝vecHt,与wt＝vecX-1Nt，vec·代表矩阵向量化操作；S21、计算用户信道频空域协方差矩阵 其中与参数由所构建的信道知识图谱给出；S22、计算用户信道的功率时延谱 其中||·||2代表向量2范数；S23、估计干扰空域协方差矩阵：定义Pthres为功率阈值，并定义表示与对应的时延抽头的索引集合，然后通过样本协方差来估计即 S24、采用MMSE-IRC信道估计 基于Khatri-Rao积性质，将上式中等价表示为其中和与⊙分别代表Kroneckerproduct与Hadamardproduct；S25、输出作为对信道ht的估计。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于信道知识图谱的信道估计方法