采用数据辅助的大规模MIMO信道半盲迭代估计*

何文旭，张 静，马惠艳

(上海师范大学 信息与机电工程学院，上海 200234)

0 引 言

第五代(5G)移动通信使用大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)技术极大地提升了系统的频谱效率、能量效率和可靠性，已成为5G的关键技术之一[1]。为充分获得大规模MIMO的空间复用和空间分集增益并达到功率效率和频谱效率的极限，需要在有限的导频开销和功率控制条件下获取移动信道衰落参数。

由于大规模MIMO信道矩阵的维度高，与低维MIMO相比获得准确的信道状态信息(Channel State Information，CSI)要困难且复杂许多[2]。信道矩阵的维度很高会导致使用最小二乘估计和最小均方误差估计等优化估计时的逆矩阵求解、奇异值分解、自相关和互相关矩阵的获取和计算困难而难以直接估计；精确的信道估计所需的导频数目在上行链路中与参与空间分集的用户数成正比，在下行链路中与基站端的发射天线的个数成正比，会产生巨大的导频开销而严重降低业务传输速率。为减小在最优估计中由求逆运算带来的计算复杂性，采用迭代方式逐步逼近的期望最大化(Expectation Maximization，EM)算法可得到极大似然(Maximum likelihood，ML)估计的近似值[3]，采用条件期望最大化算法可弱化初值选取对信道估计的影响[4]。

在对信道估计的各类方法[5-17]中，当信道参数非稀疏时，完全基于导频的估计方法所需导频数多，不依赖于导频仅利用信道参数高阶统计量的全盲估计方法计算复杂度高。半盲估计方法折中处理导频数和计算复杂度，通常仅利用少量导频来得到初值，再结合未知数据符号的一阶和二阶统计特性来提高估计精度。……