多天線時域訓練序列填充方法及裝置的制造方法
【技術領域】
[0001] 本發明涉及通信技術領域，特別涉及一種多天線時域訓練序列填充方法及裝置。
【背景技術】
[0002] 近年來，隨著通信需求的不斷增長，MIM0(multiple input multiple output，多 輸入多輸出）系統受到了學術界的廣泛關注，主要是因為Μπω系統有著很高的系統容量和 頻譜效率。同時，0FDM(0rthogonal Frequency Division Multiplexing，正交頻分復用）技 術也可以在頻率選擇性信道當中有效提高頻譜效率并提高系統性能。因此，MMO-OFDM系統 正在逐步成為通信領域重要的技術，并已經被廣泛應用于各種通信系統當中，并且在未來 通信系統當中也將會占據很大的比重。
[0003]對于Mnro-OFDM系統的性能來說，正確的信道估計是至關重要的。對于Μπω系統來 說，每一根接收天線都必須對等同與發射天數數量的信道進行正確的估計。因此，ΜΙΜ0-0FDM系統的信道估計通常需要比普通的單天線系統花費多倍的復雜度和頻譜資源。當前的 信道估計方案多采用時域的訓練序列或者頻域的導頻等方案。然而，對于傳統的方案，花銷 都會隨著發射天線的數量增加而提高，這不可避免的造成了明顯的頻譜效率的降低和信道 估計精度的下降。
【發明內容】
[0004] 本發明旨在至少在一定程度上解決相關技術中的技術問題之一。
[0005] 為此，本發明的一個目的在于提出一種多天線時域訓練序列填充方法，能夠充分 利用無線信道時域稀疏以及多天線信道空間相關的特點，利用結構化壓縮感知理論，實現 信道時域沖激響應的重建，具有低復雜度、高頻譜效率、高精度的特點。
[0006] 本發明的另一個目的在于提出一種多天線時域訓練序列填充裝置。
[0007] 為實現上述目的，本發明一方面實施例提出了一種多天線時域訓練序列填充方 法，包括以下步驟:S1.根據發射天線個數Nt和訓練序列長度Μ確定待生成訓練序列集合，其 中，所述訓練序列集合中每一個訓練序列長度為Μ，所述訓練序列集合元素個數為Nt;S2.根 據所述訓練序列集合與信道長度L生成每個發射天線的子矩陣，通過對所有子矩陣進行列 重排以生成觀測矩陣，根據壓縮感知要求的所述觀測矩陣的列互不相關性，對所述觀測矩 陣的矩陣塊相關值進行優化;S3.將優化后的所述訓練序列集合中的訓練序列分別填充到 每個發射天線的數據幀的保護間隔中，并連同待發送數據一起發射;S4.根據所述信道長度 L確定無塊間干擾區域，并采用預設結構化壓縮感知重建算法對信道進行重建。
[0008] 根據本發明實施例的多天線時域訓練序列填充方法，在根據發射天線個數Nt和訓 練序列長度Μ確定待生成訓練序列集合后，根據訓練序列集合與信道長度L生成每個發射天 線的子矩陣，并通過對所有子矩陣進行列重排以生成觀測矩陣，以及根據壓縮感知要求的 觀測矩陣的列互不相關性，對觀測矩陣的矩陣塊相關值進行優化，而后將優化后的訓練序 列集合中的訓練序列分別填充到每個發射天線的數據幀的保護間隔中，并連同待發送數據 一起發射，最后根據信道長度L確定無塊間干擾區域，并采用預設結構化壓縮感知重建算法 對信道進行重建。因此，該方法能夠充分利用無線信道時域稀疏以及多天線信道空間相關 的特點，利用結構化壓縮感知理論，實現信道時域沖激響應的重建，具有低復雜度、高頻譜 效率、高精度的特點。
[0009]另外，根據本發明上述多天線時域訓練序列填充方法還可以具有如下附加的技術 特征：
[0010]在本發明的一個實施例中，所述訓練序列集合中的編號為i的發射天線的訓練序 列為：
[0011] Ρ?=[Ρ?;ι,Ρ?;2, . . . ,Ρι,μ];
[0012] 編號為i的發射天線的子矩陣為：
[0013]
[0014]所述觀測矩陣的第j個矩陣塊為：
[0015] Φ, =[ψ：(./),Ψ,(./),...,Ψν(./)]?
[0016] 其中，〇 幻_〈L，ΨΚ j)為％的第j列，0 < i < Nt;
[0017] 所述觀測矩陣由L個矩陣塊橫向拼接組成，所述觀測矩陣為：Φ = [0:，Φ2,...， Φ?0
[0018] 在本發明的一個實施例中，計算所述觀測矩陣中的任意兩個矩陣塊之間的相關 值，并根據計算結果確定出最大相關值，并將所述最大相關值作為所述觀測矩陣的塊相關 值，其中，通過以下公式計算矩陣塊之間的相關值：
[0019]
[0020] 其中，Φ4ΡΦ2是所述觀測矩陣的兩個矩陣塊，為矩陣塊?:的共輒轉置，Ρ (Φι)代表矩陣塊Φι的最大奇異值，Ρ( Φ2)代表矩陣塊φ>2的最大奇異值。
[0021] 在本發明的一個實施例中，所述對觀測矩陣的矩陣塊相關值的優化，包括:優化所 述矩陣塊內部列向量之間的相關值;優化不同所述矩陣塊列向量之間的相關值。
[0022] 在本發明的一個實施例中，所述步驟S2,具體包括:通過使用相關特性好的序列優 化所述矩陣塊內部列向量之間的相關值，其中，所述相關特性好的序列包括時域二值m序 列、頻域隨機二值序列、恒包絡零自相關序列和頻移m序列;通過預設優化算法優化不同所 述矩陣塊列向量之間的相關值，其中，所述預設優化算法包括遺傳算法、退火算法和粒子群 算法。
[0023]在本發明的一個實施例中，所述無塊間干擾區域為長度為Μ的訓練序列后(M-L+1) 個不受前幀數據域塊間干擾的部分，其中，所述預設結構化壓縮感知重建算法的模型為r = Φ?ι+w，其中，觀測向量r為長度為Μ-L+l的接收訓練序列的無塊間干擾區域；Φ為所述觀測 矩陣;信道沖激響應向量. . .，hL]是Nt個信道的時域沖激響應的重排，重排方式 與觀測矩陣類似，長度為NtL，每一個子信道塊lu同時為零或同時非零，零信道塊的個數S遠 小于信道長度L;w是長度為Μ-L+l的獨立同分布的高斯向量。
[0024] 在本發明的一個實施例中，所述預設結構化壓縮感知重建算法包括壓縮采樣匹配 追蹤和塊正交匹配追蹤。
[0025] 為實現上述目的，本發明另一方面實施例提出了一種多天線時域訓練序列填充裝 置，包括:生成模塊，用于根據發射天線個數Nt和訓練序列長度Μ確定待生成訓練序列集合， 其中，所述訓練序列集合中每一個訓練序列長度為Μ，所述訓練序列集合元素個數為Nt;優 化模塊，用于根據所述訓練序列集合與信道長度L生成每個發射天線的子矩陣，通過對所有 子矩陣進行列重排以生成觀測矩陣，根據壓縮感知要求的所述觀測矩陣的列互不相關性， 對所述觀測矩陣的矩陣塊相關值進行優化;組幀模塊，用于將優化后的所述訓練序列集合 中的訓練序列分別填充到每個發射天線的數據幀的保護間隔中，并連同待發送數據一起發 射;信道重建模塊，用于根據所述信道長度L確定無塊間干擾區域，并采用預設結構化壓縮 感知重建算法對信道進行重建。
[0026] 根據本發明實施例的多天線時域訓練序列填充裝置，首先通過生成模塊生成訓練 序列集合，優化模塊根據訓練序列集合與信道長度L生成每個發射天線的子矩陣，并通過對 所有子矩陣進行列重排以生成觀測矩陣，以及根據壓縮感知要求的觀測矩陣的列互不相關 性，對觀測矩陣的矩陣塊相關值進行優化，而后組幀模塊將優化后的訓練序列集合中的訓 練序列分別填充到每個發射天線的數據幀的保護間隔中，并連同待發送數據一起發射，最 后信道重建模塊根據信道長度L確定無塊間干擾區域，并采用預設結構化壓縮感知重建算 法對信道進行重建。因此，該裝置能夠充分利用無線信道時域稀疏以及多天線信道空間相 關的特點，利用結構化壓縮感知理論，實現信道時域沖激響應的重建，具有低復雜度、高頻 譜效率、高精度的特點。
[0027] 上述多天線時域訓練序列填充裝置還可以具有如下附加的技術特征：
[0028] 在本發明的一個實施例中，所述對觀測矩陣的矩陣塊相關值的優化，包括:優化所 述矩陣塊內部列向量之間的相關值;優化不同所述矩陣塊列向量之間的相關值。
[0029] 在本發明的一個實施例中，所述優化模塊，具體用于:通過使用相關特性好的序列 優化所述矩陣塊內部列向量之間的相關值，其中，所述相關特性好的序列包括時域二值m序 列、頻域隨機二值序列、恒包絡零自相關序列和頻移m序列;通過預設優化算法優化不同所 述矩陣塊列向量之間的相關值，其中，所述預設優化算法包括遺傳算法、退火算法和粒子群 算法。
[0030] 本發明附加的方面的優點將在下面的描述中部分給出，部分將從下面的描述中變 得明顯，或通過本發明的實踐了解到。
【附圖說明】
[0031] 圖1是根據本發明一個實施例的多天線時域訓練序列填充方法的流程圖。
[0032] 圖2是根據本發明另一個實施例的多天線時域訓練序列填充方法的流程圖。
[0033] 圖3是根據本發明實施例的多天線時域訓練序列填充的結構示意圖。
[0034] 圖4是根據本發明又一個實施例的多天線時域訓練序列填充方法的流程圖。
[0035] 圖5是根據本發明再一個實施例的多天線時域訓練序列填充方法的流程圖。
[0036] 圖6是根據本發明一個實施例的多天線時域訓練序列填充裝置的方框示意圖。
【具體實施方式】
[0037] 下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。
[0038] 下面參照附圖來描述根據本發明實施例提出的多天線時域訓