CN116155662B 一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制系統信道估計方法 （重慶郵電大學）

一種基于分數多普勒頻移的多輸入多輸出于分數多普勒頻移的多輸入多輸出正交時頻空接收端利用LDAMP算法，進行分數多普勒信道估2特征在于，利用包含多普勒間干擾的時延多普勒等效信道傳輸發射信號，在接收端利用示第t個發射天線到第r個接收天線之間，第p條路徑上的分數多普勒頻移kp,r,t,FN(-[q-kp,r,t,I]N)為N階單位陣IN以-[q-示虛擬路徑的索引，kp,r,t,I表示第t個發射天線到第r個接收天線之間第p條路徑Mp,r,t)為M階單位陣IM以lp,r,t進行循環移位后得到的矩陣，lp,r,t表示接收天線之間第p條路徑的信道衰落系數；kp,r,t,F表示第t個發射天線到第2.根據權利要求1所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制3.根據權利要求1所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制M為M階單位陣IM以lp,r,t進行循環移位后得到的矩陣。4.根據權利要求1所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制3其中，表示LDAMP算法的第l層神經網絡輸出的分數多普勒情況下的時延多普多普勒間干擾的發射信號矩陣；(zIDI)l+1表示為LDAMP算法的第l層神經網絡輸出的分數多普勒情況下的殘差矢量；表示為MIMO-OTFS系統包含多普勒間干擾的接收信號矢量；5.根據權利要求4所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制系統信道估計方法，其特征在于，對訓練好的去噪器，利用獨立同分布的隨機矢量6.根據權利要求4或5所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間針對每個小范圍，生成對應該噪聲范圍的分數多普勒情況下的接收7.根據權利要求5所述的一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制45采用的調制技術依然是正交頻分復用(OrthogonalFrequencyDivisionMultiplexing，OFDM)技術。在高移動環境下，移動產生的多普勒頻移會嚴重破壞OFDM子載波之間的正交用戶的使用需求。所以利用一種新型的正交時頻空間(OrthogonalTimeFrequency[0003]目前MIMO-OTFS信道估計技術可以分為兩類，第一種就是利用嵌入式導頻圖案和[0004]為避免MIMO-OTFS系統中整數多普勒頻移模型導致的建模誤差，使其更加貼合實間調制系統信道估計方法，包括利用包含多普勒間干擾(inter-Dopplerinterference，6[0007]其中，HB,表示第t個發射天線到第r個接收天線之間包含IDI的時延多普勒等個發射天線到第r個接收天線之間，第p條路徑上的分數多普勒頻移kp,r,t,F產生的虛擬路N(-[q-kp,r,t,I]N)為N階單位陣IN以-[q-kp,r,t,I]N進行擬路徑的索引，kp,r,t,I表示第t個發射天線到第r個接收天線之間第p條路Mp,r,t)為M階單位陣IM以lp,r,t進行循環移位后得到的矩陣，lp,r,t表示第t個發射天天線之間第p條路徑的信道衰落系數；kp,為M階單位陣IM以lp,r,t進行循環移位后得到的矩陣。[0017]其中，(i:)"表示LDAMP算法的第l層神經網絡輸出的分數多普勒情況下的時延包含多普勒間干擾的發射信號矩陣；(zIDI)l+1表示為LDAMP算法的第l層神經網絡輸出的分7數多普勒情況下的殘差矢量；表示為MIMO-OTFS系統包含多普勒間干擾的接收信號矢量；表示為分數多普勒情況下的為實際通信場景下的分數多普勒信道真實值，v'表示為傳輸過程中疊加的等效噪聲；Eb下的信道估計問題；并且對比本發明方法和LS算法在整數多普勒和分數多普勒情況下的損失有很好的的補償作用。8[0033]本發明提供一種基于分數多普勒頻移的多輸入多輸出正交時頻空間調制系統信[0035]在本實施例中，首先給出了MIMO-OTFS系統模型和分數多普勒情況下的時延多普勒信道模型，然后對多普勒間干擾進行了詳細分析，利用可學習去噪近似消息傳遞(LearnedDenoisingbasedApproximateMessagePassing，LDAMP)算法估計OTFS信道；最后為了驗證所提方案在MIMO-OTFS系統中分數多普勒情況下的性能表現，將其與傳統算t個發射天線傳輸的時延多普勒域符號xt[l,k]可經過辛傅里葉逆變換(Inverse收天線傳輸的時頻域符號Yr[m,n]可經過辛傅里葉變換(SymplecticFiniteFourier為第t個發射天線到第r個接收天線之間的時延多普勒域等效信道矩陣，9為第t個發射天線處的時延多普勒域發射信號矢量，為疊加的處Nr個接收天線收到的噪聲矢量，為MIMO-OTFS系統中堆疊的時延多普ppppp,r,t為第t個發射天線到第r個接收天線中第p條路徑的信道衰落系數，τp,r,t為第t個發射天線到第r個接收天線中第p條路徑對應的時延參數，vp,r,t為第t個發射天線到第r個接收天線中第p條路徑對應的多普勒頻移參數，其表達式如成Δv非常低，無法將該信道路徑對應的多普勒頻移精準地近似在二維時延多普勒平面最數多普勒頻移kp,r,t,I模型帶來的較大個接收天線傳輸的時頻域符號Yr[m,n]可經過辛傅里葉變換(SymplecticFiniteFourier聲，表示為hw,r,t(τ,v)在處的采樣值，定義t個發射天線到第r個接收天線之間第p條路徑對應的信道衰落延項為多普勒頻移項為當M表示為模M運項且定義為分數多kp,r,t,I的方向不斷減小，當n遠離k-kp,r,t,I的距離超過Np,r,t時，[0070]其中，定義IN(-[[0078]其中，表示為MIMO-OTFS系統包含多普勒間干擾的接收信號矢量，表示為MIMO-OTFS系統包含多普勒間干擾的時延多普勒域等效信道矩估計器的結構都是相同的，每個去噪器的不同點是訓練采用的噪聲水平范圍不度并提高去噪性能。最后1個卷積層使用一個尺寸為3×3×64的卷積核來重建學習到的噪(i)"表示為LDAMP算法的第l層神經網絡，輸出的分數多普勒情況下的時勒情況下的噪聲標準差。表示為器的功能，可以把去噪器DY()的輸入h-(?Y'+(X%)"(Z"Y理解為加噪后表示為傳輸過程中疊加的等效噪聲。所以的作用就是從hia中消除v'來得到真實的需要注意的是DY(),利用獨立同分布的隨機矢量b~N(0,I),得到散度divD,c)近似值為：普勒情況下的真實時延多普勒信道作為標簽，對其加入該范圍的噪聲作為神經網絡的輸優化器獲得初始學習率為0.001的自適應學習率，當驗證誤差不再下降的時候存儲該噪聲范圍的DnCNN去噪器學習訓練過程同理，依次得到10個噪聲水平范圍對應的DnCNN去噪器，程根據本層計算的噪聲標準差估計