CN116155662B 一种基于分数多普勒频移的多输入多输出正交时频空间调制系统信道估计方法 （重庆邮电大学）

一种基于分数多普勒频移的多输入多输出于分数多普勒频移的多输入多输出正交时频空接收端利用LDAMP算法，进行分数多普勒信道估2特征在于，利用包含多普勒间干扰的时延多普勒等效信道传输发射信号，在接收端利用示第t个发射天线到第r个接收天线之间，第p条路径上的分数多普勒频移kp,r,t,FN(-[q-kp,r,t,I]N)为N阶单位阵IN以-[q-示虚拟路径的索引，kp,r,t,I表示第t个发射天线到第r个接收天线之间第p条路径Mp,r,t)为M阶单位阵IM以lp,r,t进行循环移位后得到的矩阵，lp,r,t表示接收天线之间第p条路径的信道衰落系数；kp,r,t,F表示第t个发射天线到第2.根据权利要求1所述的一种基于分数多普勒频移的多输入多输出正交时频空间调制3.根据权利要求1所述的一种基于分数多普勒频移的多输入多输出正交时频空间调制M为M阶单位阵IM以lp,r,t进行循环移位后得到的矩阵。4.根据权利要求1所述的一种基于分数多普勒频移的多输入多输出正交时频空间调制3其中，表示LDAMP算法的第l层神经网络输出的分数多普勒情况下的时延多普多普勒间干扰的发射信号矩阵；(zIDI)l+1表示为LDAMP算法的第l层神经网络输出的分数多普勒情况下的残差矢量；表示为MIMO-OTFS系统包含多普勒间干扰的接收信号矢量；5.根据权利要求4所述的一种基于分数多普勒频移的多输入多输出正交时频空间调制系统信道估计方法，其特征在于，对训练好的去噪器，利用独立同分布的随机矢量6.根据权利要求4或5所述的一种基于分数多普勒频移的多输入多输出正交时频空间针对每个小范围，生成对应该噪声范围的分数多普勒情况下的接收7.根据权利要求5所述的一种基于分数多普勒频移的多输入多输出正交时频空间调制45采用的调制技术依然是正交频分复用(OrthogonalFrequencyDivisionMultiplexing，OFDM)技术。在高移动环境下，移动产生的多普勒频移会严重破坏OFDM子载波之间的正交用户的使用需求。所以利用一种新型的正交时频空间(OrthogonalTimeFrequency[0003]目前MIMO-OTFS信道估计技术可以分为两类，第一种就是利用嵌入式导频图案和[0004]为避免MIMO-OTFS系统中整数多普勒频移模型导致的建模误差，使其更加贴合实间调制系统信道估计方法，包括利用包含多普勒间干扰(inter-Dopplerinterference，6[0007]其中，HB,表示第t个发射天线到第r个接收天线之间包含IDI的时延多普勒等个发射天线到第r个接收天线之间，第p条路径上的分数多普勒频移kp,r,t,F产生的虚拟路N(-[q-kp,r,t,I]N)为N阶单位阵IN以-[q-kp,r,t,I]N进行拟路径的索引，kp,r,t,I表示第t个发射天线到第r个接收天线之间第p条路Mp,r,t)为M阶单位阵IM以lp,r,t进行循环移位后得到的矩阵，lp,r,t表示第t个发射天天线之间第p条路径的信道衰落系数；kp,为M阶单位阵IM以lp,r,t进行循环移位后得到的矩阵。[0017]其中，(i:)"表示LDAMP算法的第l层神经网络输出的分数多普勒情况下的时延包含多普勒间干扰的发射信号矩阵；(zIDI)l+1表示为LDAMP算法的第l层神经网络输出的分7数多普勒情况下的残差矢量；表示为MIMO-OTFS系统包含多普勒间干扰的接收信号矢量；表示为分数多普勒情况下的为实际通信场景下的分数多普勒信道真实值，v'表示为传输过程中叠加的等效噪声；Eb下的信道估计问题；并且对比本发明方法和LS算法在整数多普勒和分数多普勒情况下的损失有很好的的补偿作用。8[0033]本发明提供一种基于分数多普勒频移的多输入多输出正交时频空间调制系统信[0035]在本实施例中，首先给出了MIMO-OTFS系统模型和分数多普勒情况下的时延多普勒信道模型，然后对多普勒间干扰进行了详细分析，利用可学习去噪近似消息传递(LearnedDenoisingbasedApproximateMessagePassing，LDAMP)算法估计OTFS信道；最后为了验证所提方案在MIMO-OTFS系统中分数多普勒情况下的性能表现，将其与传统算t个发射天线传输的时延多普勒域符号xt[l,k]可经过辛傅里叶逆变换(Inverse收天线传输的时频域符号Yr[m,n]可经过辛傅里叶变换(SymplecticFiniteFourier为第t个发射天线到第r个接收天线之间的时延多普勒域等效信道矩阵，9为第t个发射天线处的时延多普勒域发射信号矢量，为叠加的处Nr个接收天线收到的噪声矢量，为MIMO-OTFS系统中堆叠的时延多普ppppp,r,t为第t个发射天线到第r个接收天线中第p条路径的信道衰落系数，τp,r,t为第t个发射天线到第r个接收天线中第p条路径对应的时延参数，vp,r,t为第t个发射天线到第r个接收天线中第p条路径对应的多普勒频移参数，其表达式如成Δv非常低，无法将该信道路径对应的多普勒频移精准地近似在二维时延多普勒平面最数多普勒频移kp,r,t,I模型带来的较大个接收天线传输的时频域符号Yr[m,n]可经过辛傅里叶变换(SymplecticFiniteFourier声，表示为hw,r,t(τ,v)在处的采样值，定义t个发射天线到第r个接收天线之间第p条路径对应的信道衰落延项为多普勒频移项为当M表示为模M运项且定义为分数多kp,r,t,I的方向不断减小，当n远离k-kp,r,t,I的距离超过Np,r,t时，[0070]其中，定义IN(-[[0078]其中，表示为MIMO-OTFS系统包含多普勒间干扰的接收信号矢量，表示为MIMO-OTFS系统包含多普勒间干扰的时延多普勒域等效信道矩估计器的结构都是相同的，每个去噪器的不同点是训练采用的噪声水平范围不度并提高去噪性能。最后1个卷积层使用一个尺寸为3×3×64的卷积核来重建学习到的噪(i)"表示为LDAMP算法的第l层神经网络，输出的分数多普勒情况下的时勒情况下的噪声标准差。表示为器的功能，可以把去噪器DY()的输入h-(⃞Y'+(X%)"(Z"Y理解为加噪后表示为传输过程中叠加的等效噪声。所以的作用就是从hia中消除v'来得到真实的需要注意的是DY(),利用独立同分布的随机矢量b~N(0,I),得到散度divD,c)近似值为：普勒情况下的真实时延多普勒信道作为标签，对其加入该范围的噪声作为神经网络的输优化器获得初始学习率为0.001的自适应学习率，当验证误差不再下降的时候存储该噪声范围的DnCNN去噪器学习训练过程同理，依次得到10个噪声水平范围对应的DnCNN去噪器，程根据本层计算的噪声标准差估计