一种两阶段式的XL-MIMO近场信道估计方法及系统
本发明属于通信，涉及基于稀疏信号重构和图像去噪生成式方法的xl-mimo近场信道估计方法及系统。
背景技术：
1、随着6g时代的到来，两项突破性的无线创新被认为是实现高数据传输速率的关键因素。其一是超大规模mimo(xl-mimo，extremely large-scale mimo)，它在基站(bs，basestation)上部署了庞大的天线阵列，从而显著提高了频谱效率。其二是高频段通信，即毫米波(mmwave，millimeter wave)和太赫兹(thz，terahertz)频段，这些频段提供了丰富的可用带宽。这些进步不仅支持了6g网络更高的数据传输速率，还使得天线阵列的孔径尺寸更小，促进了xl-mimo系统的部署。因此，xl-mimo被认为是一项关键性的使能技术，将推动未来6g网络的发展。值得注意的是，xl-mimo系统中许多技术的有效性，如预编码和波束形成，很大程度上依赖于准确的信道估计(ce，channel estimation)。然而，在xl-mimo正交频分复用(ofdm，orthogonal frequency division multiplexing)系统中，上行信道估计面临着各种挑战。具体而言，考虑到硬件成本，实际的基站通常采用数字和模拟混合架构，其中射频链路的数量远少于天线的数量。因此，基站可能无法同时观察每个天线所接收的导频信号，导致通信开销增加。此外，xl-mimo系统中天线数量的急剧增加将导致无法负担的导频信号开销。因此，以较低的导频开销实现准确的信道估计是至关重要的。
2、在当前的5g大规模mimo系统中，传统的信道估计方法基于远场(ff，far field)假设，即电磁波辐射遵循平面波前模型，通过利用信道在角域中的稀疏表示来估计高维通道。然而，这种假设在xl-mimo系统中可能不再适用。随着天线数量的增加，远场和近场(nf，near field)区域边界的弗劳恩霍夫距离也会增加。因此，更多的用户终端将位于近场区域，在该区域，电磁波表现为球面波，而不再符合远场传播的特性。在这种情况下，传统基于远场假设的信道估计方法在近场通信场景中会因为无法忽视的球面波前特性而导致性能下降。
技术实现思路
1、发明目的：针对现有技术的不足，本发明公开了一种两阶段式的xl-mimo近场信道估计方法及系统，能够估计基站与用户设备所对应的信道，在保证估计精度和泛化能力的同时，相比现有方法可以进一步降低时间复杂度和导频信令开销。
2、技术方案：为了达到上述目的，本发明提供如下技术方案：
3、本发明考虑到在xl-mimo近场通信的背景下，采用球面波前信道模型变得更加合适，特别是考虑到两个天线之间的到达时差受到距离和到达角度的影响，提出了一种两阶段式的xl-mimo近场信道估计方法。该方法通过利用信道在角度-距离域的稀疏性，将信道估计问题视为稀疏信号重构任务，并使用压缩感知算法获取初步的信道估计结果。在第二阶段，将初步估计结果的误差视为噪声，进而将信道估计任务转化为图像去噪任务，并基于生成扩散概率模型(gdm，generative diffusion probabilistic model)进行进一步精修，从而提高了算法的估计精度和泛化能力。具体地，本发明提供的一种两阶段式的xl-mimo近场信道估计方法，包括如下步骤：
4、基于xl-mimo近场球面波前信道模型，通过角度-距离域变换矩阵获取信道在角度-距离域的表示；
5、利用xl-mimo近场信道在角度-距离域的稀疏性，将信道估计问题转换为稀疏信号重构任务，利用压缩感知算法获得初级的信道估计值；
6、将初级的信道估计结果与真实信道样本之间的差异视为噪声，进一步将信道估计问题转换为图像去噪任务；
7、根据图像去噪任务，搭建马尔可夫式的生成式扩散概率模型gdm，进而给定包含xl-mimo近场信道的训练集，采用无监督训练的方式对gdm模型进行训练，获得模型的最优参数；
8、利用训练得到的模型，通过反向采样过程来进一步精修xl-mimo近场信道估计值。
9、作为优选，所述角度-距离域变换矩阵中的每一列是在网格坐标处采样的近场阵列响应矢量，n是天线数量，sn是在角度下采样距离的数目，为采样距离。
10、作为优选，利用同时正交匹配追踪算法求解稀疏信号重构问题。
11、作为优选，所述将信道估计问题转换为图像去噪任务是将信道估计误差视为噪声，带误差估计的信道的实部和虚部被分离并拼接成一个多维张量，转换为类似于噪声彩色图像的结构。
12、作为优选，训练gdm模型的目标函数为目标数据分布的负对数似然，进而利用变分推理技术和重参数技术推导目标函数的证据下界，进而作为所提出的gdm的损失函数用于训练，损失函数表示为：
13、
14、其中，t是噪声扩散的时间步数，γt为正系数，为求期望操作，εt为第t步的噪声，εθ(·,·)为模型预测的噪声，αt＝1-βt，βt为第t步加入噪声的方差，h0为gdm模型输入的近场信道样本。
15、作为优选，为加速采样过程，采用非马尔可夫的链式分解来替换掉原始的马尔可夫式的正向条件概率分解结构，得到非马尔可夫式的gdm；所述非马尔可夫的链式分解表示为：
16、
17、其中，ht为第t步的近场信道样本，h1:t为t＝1到t＝t之间的近场信道样本，为高斯分布，i为单位矩阵；对于任意时间步t＞1，其中，是第t步的方差。
18、作为优选，gdm模型的网络框架包括u-net式的自动编解码器，transformer式的正余弦时间嵌入编码，残差模块，注意力模块，down模块，up模块和middle模块。
19、作为优选，u-net编码器中的down模块或解码器中的up模块由多个残差模块和相应的注意力模块组成，u-net底部的middle模块由两个残差模块和一个注意力模块组成；定义x，tet分别为特征图和时间嵌入向量输入，残差模块的输出x′表示为：
20、
21、其中，为特征提取过程中的中间变量，其中g(x)＝fconv(fsig(fgn(x)))，te′t＝flin(fsig(flin(tet)))，fconv(·)，分别为3×3和1×1的卷积运算，flin(·)和fsig(·)分别表示线性层和激活函数层，fdro(·)、fgn(·)分别为dropout层和组归一化层函数，cin和cout分别表示输入特征图和输出的通道数。
22、一种超大规模mimo系统，包括基站和多个用户终端，所述基站或用户终端用于：接收上行或下行导频信号；基于xl-mimo近场球面波前信道模型，通过角度-距离域变换矩阵获取信道在角度-距离域的表示；利用xl-mimo近场信道在角度-距离域的稀疏性，将信道估计问题转换为稀疏信号重构任务，利用压缩感知算法获得初级的信道估计值；将初级的信道估计结果与真实信道样本之间的差异视为噪声，进一步将信道估计问题转换为图像去噪任务；通过训练好的马尔可夫式的生成式扩散概率模型或者非马尔可夫式的生成式扩散概率模型进一步精修xl-mimo近场信道估计值。
23、一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现所述的一种两阶段式的xl-mimo近场信道估计方法的步骤。
24、有益效果：与现有技术相比，本发明提供一种两阶段式的xl-mimo近场信道估计方法能够在保证信道估计精度的同时，相比现有方法可以进一步降低时间复杂度和通信资源开销。所获得的高精度信道可以进一步应用于波束成型以及预编码技术中，提升xl-mimo系统性能，从而进一步提升系统的传输可靠性整体速率。此外，本发明所提方法具有较强的泛化能力，适用于不同的超大规模无线通信场景。
技术特征：
1.一种两阶段式的xl-mimo近场信道估计方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，所述角度-距离域变换矩阵中的每一列是在网格坐标处采样的近场阵列响应矢量，n是天线数量，sn是在角度下采样距离的数目，为采样距离。
3.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，利用同时正交匹配追踪算法求解稀疏信号重构问题。
4.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，所述将信道估计问题转换为图像去噪任务是将信道估计误差视为噪声，带误差估计的信道的实部和虚部被分离并拼接成一个多维张量，转换为类似于噪声彩色图像的结构。
5.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，训练gdm模型的目标函数为目标数据分布的负对数似然，进而利用变分推理技术和重参数技术推导目标函数的证据下界，进而作为所提出的gdm的损失函数用于训练，损失函数表示为：
6.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，为加速采样过程，采用非马尔可夫的链式分解来替换掉原始的马尔可夫式的正向条件概率分解结构，得到非马尔可夫式的gdm；所述非马尔可夫的链式分解表示为：
7.根据权利要求1所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，gdm模型的网络框架包括u-net式的自动编解码器，transformer式的正余弦时间嵌入编码，残差模块，注意力模块，down模块，up模块和middle模块。
8.根据权利要求7所述的一种两阶段式的xl-mimo近场信道估计方法，其特征在于，u-net编码器中的down模块或解码器中的up模块由多个残差模块和相应的注意力模块组成，u-net底部的middle模块由两个残差模块和一个注意力模块组成；定义x，tet分别为特征图和时间嵌入向量输入，残差模块的输出x′表示为：
9.一种超大规模mimo系统，包括基站和多个用户终端，其特征在于，所述基站或用户终端用于：接收上行或下行导频信号；基于xl-mimo近场球面波前信道模型，通过角度-距离域变换矩阵获取信道在角度-距离域的表示；利用xl-mimo近场信道在角度-距离域的稀疏性，将信道估计问题转换为稀疏信号重构任务，利用压缩感知算法获得初级的信道估计值；将初级的信道估计结果与真实信道样本之间的差异视为噪声，进一步将信道估计问题转换为图像去噪任务；通过训练好的马尔可夫式的生成式扩散概率模型或者非马尔可夫式的生成式扩散概率模型进一步精修xl-mimo近场信道估计值。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-8任一项所述的一种两阶段式的xl-mimo近场信道估计方法的步骤。
技术总结
本发明公开了一种两阶段式的XL‑MIMO近场信道估计方法及系统。本发明考虑XL‑MIMO通信中的近场效应，建立相应的球面波前信道模型。基于近场信道在角度‑距离域的稀疏特性，将信道估计问题转化为稀疏信号重构任务，进而提出压缩感知算法来获得初级的信道估计值。此外，本发明将初级估计的信道视为带噪声的图像，进而依据变分推理和重参数化理论推导目标函数的证据下界，并构建一种用于信道值精修的生成式扩散概率模型GDM。最后，本发明推导了一个非马尔可夫式的GDM来加速采样过程，实现采样效率明显提升。本发明提出的两阶段式的近场信道估计方法在保证估计精度和泛化能力的前提下，显著降低信道估计的导频开销，并有效提升XL‑MIMO系统的近场信道信息获取性能。
技术研发人员：尤力,金振洲,高西奇
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/9/23