CoMP多用户系统中基于广义交替最大的信道估计方法

摘要

本发明公开了一种CoMP多用户系统中基于广义交替最大的信道估计方法，主要解决协作多点传输CoMP多用户系统中联合信道估计算法复杂度高的问题。其实现步骤包括：(1)初始化与迭代初始值计算；(2)信道脉冲响应CIR估计值迭代处理：确定第k次迭代的所选用户及非所选用户集合，对所选用户进行干扰抵消、CIR估计值更新以及接收信号重构，非所选用户集合中所有用户到基站的CIR估计值和接收信号重构值保持与上次迭代相同；(3)输出M个用户到基站的CIR估计值。本发明在保证信道估计均方误差性能的基础上，降低了多用户联合信道估计的复杂度，可用于无线通信领域中对CoMP多用户系统的信道估计。

说明书

技术领域

本发明属于移动通信技术领域，涉及一种基于广义交替最大SAGE的信道估计方法，可用于对协作多点传输CoMP多用户系统的信道脉冲响应CIR的估计。

背景技术

协作多点传输CoMP技术是先进的长期演进LTE-A系统中采用的一种关键技术。基于各协作基站对链路信道状态信息和用户数据信息不同程度的共享，协作多点传输CoMP技术将原有邻小区间的干扰转变为已知的有用信息，有效的解决了小区边缘干扰问题、提高了小区边缘吞吐量和系统吞吐量。另一方面，为了提高上行系统容量，先进的长期演进LTE-A采用多用户多输入多输出MU-MIMO技术，通过选择多个用户设备UEs进行配对，形成高阶的多输入多输出MIMO系统，在相同的时间、频率资源上发送数据。协作多点传输CoMP多用户系统就是将MU-MIMO技术融入CoMP系统中，以进一步提高CoMP系统的性能。与此同时，CoMP多用户系统的性能在很大程度上取决于基站如何进行资源分配和预编码，而这些技术又强烈的依赖于信道估计的性能。LTE-A系统采用基于参考信号的信道估计技术，为了保证信道估计的均方误差MSE性能，要求同频用户的导频正交。这可以通过对参考信号的同一根序列做不同的循环移位来实现。然而，对于CoMP多用户系统，配对的用户有可能来自于不同小区，它们的参考信号由于采用不同的根序列而非正交，因此，导频的同频干扰普遍存在。

不同于非协作多点传输CoMP系统，CoMP上行系统中各协作基站联合接收各服务用户的发送导频信号，并且通过共享各自小区内服务用户的导频信息，估计所有服务用户到其自身的链路信道信息。因此，CoMP多用户系统的信道估计方法需要重新设计。一种新的方案为各协作基站利用所有服务用户的导频信息，进行联合的最小二乘LS和最小均方误差MMSE信道估计。参见Xueying Hou，Chenyang Yang，“ Joint channel estimation for downlink base station cooperative transmission exploiting channel asymm

${\hat{h}}_{\mathrm{LS}}={\left(X^{H}X\right)}^{-1}{X}^{H}r$

${\hat{h}}_{\mathrm{MMSE}}=R_{\mathrm{hh}}{[R_{\mathrm{hh}}+{\sigma }_n^2{\left(X^{H}X\right)}^{-1}]}^{-1}{\left(X^{H}X\right)}^{-1}{X}^{H}r$

其中X为M个用户的导频时域联合发射矩阵，M为基站在同一时频资源上服务的用户个数；r为基站的时域导频接收信号；h为M个用户到基站的联合信道脉冲响应CIR向量，R_hh为M个用户到基站的联合CIR向量的自相关矩阵；为基站接收到的高斯白噪声功率，H为共轭转置运算。

对于协作多点传输CoMP多用户系统，当M个用户来自不同的小区时，各用户的发送导频存在相关性，ML×ML维矩阵X^HX为非对角矩阵，其中L为信道多径的条数。此时，上述两种算法的复杂度将主要集中于矩阵X^HX的求逆，尤其是当M和L很大时，会引入高阶矩阵的求逆问题，导致运算复杂度大而难以快速实现。

对于如何降低协作多点传输CoMP多用户系统的联合信道估计复杂度，现有的成果是非常少的。但对于单用户多天线系统，基于广义交替最大SAGE的迭代信道估计算法，可以将多天线系统的最小二乘LS信道估计问题转化为多个单天线系统的最小二乘LS信道估计，从而避免了对高阶矩阵的求逆操作。参见文献：Yongzhe Xie，Costas.N.Georghiades，“Two EM-type channel estimation Algorithms for OFDM with transmitter diversity”，IEEE transactions on communications，2003.这种方法仅针对于多天线系统给出了最小二乘LS信道估计方案，同时由于LS算法自身并未考虑噪声，因此不能获得很好的MSE性能。为了改善信道估计的性能，提出了另一种基于广义交替最大SAGE的最大后验概率MAP信道估计方法，算法将多天线的最小均方误差MMSE信道估计问题转化为多个单天线系统的最大后验概率MAP估计问题，参见文献：Gao J，“Low-complexity map channel estimation for mobile MIMO-OFDM systems”，IEEE transactions on communications，Vol.7，NO.3，Mar.2008.这种方法的应用环境仍为单用户多天线系统，同时，这种方法没有考虑到SAGE算法中信道脉冲响应CIR的更新顺序会影响其收敛性能的特点。因此，上述单用户多天线系统中基于SAGE的LS算法及基于SAGE的MAP估计方法不适合直接应用于协作多点传输CoMP多用户系统。

发明内容

本发明的目的在于针对上述技术问题，提供一种CoMP多用户系统中基于广义交替最大的信道估计方法，在保证信道估计均方误差MSE性能的条件下，进一步降低CoMP联合信道估计的复杂度。

实现本发明目的的技术方案，包括：

(1)初始化与迭代初始值计算步骤

(1a)设定选择信息C、总迭代次数K、第i个用户到基站的信道脉冲响应CIR估计值的初始值其中C∈{0，1}，i＝1，2K M，M表示基站在同一时频资源上服务的用户个数；

所述的设定选择信息C，是根据系统所采用的信道估计方法设定，若采用基于广义交替最大SAGE的最小二乘LS信道估计算法，则C＝0；若采用基于排序的广义交替最大SAGE的最大后验概率MAP信道估计算法，则C＝1；

(1b)计算M个用户的排序向量Q：

若C＝0，则Q＝[1，2，3K M]；

若C＝1，则对M个用户到基站的大尺度衰落能量值|α₁|²，|α₂|²K|α_M|²进行升序排列，记录对应的用户序号至Q，即Q＝[i₁，i₂，...i_M]，i₁，i₂，...i_M∈{1，2，K M}，且满足${\left|{\alpha }_{i_1}\right|}^2\le {\left|{\alpha }_{i_2}\right|}^2\le K{\left|{\alpha }_{i_M}\right|}^2;$

(1c)计算第i，i＝1，2K M个用户的重构接收信号初始值

若C＝0，则${\hat{Y}}_i^{\left(0\right)}=X_i{\hat{h}}_i^{\left(0\right)};$

若C＝1，则${\hat{Y}}_i^{\left(0\right)}=X_i[R_{h_i}+{\sigma }_i^2{\left(X_i^H{X}_i\right)}^{-1}]R_{h_i}^{-1}{\hat{h}}_i^{\left(0\right)}=X_i[R_{h_i}+\frac{{\sigma }_i^2}{P_{X_i}}{I}_L]R_{h_i}^{-1}{\hat{h}}_i^{\left(0\right)},$

其中：X_i为用户i的导频时域等效发射矩阵，h_i为用户i到基站的信道脉冲响应CIR向量，为用户i到基站的信道脉冲响应CIR的自相关矩阵，表示第i个用户的导频时域发射功率，I_L为维数为L的单位矩阵，L为信道多径的个数，H代表共轭转置；为用户i到基站的等效高斯白噪声功率，为基站接收到的高斯白噪声功率，|α_i|²为用户i到基站的信道大尺度衰落能量值，|α_j|²为用户j到基站的信道大尺度衰落能量值，表示第j个用户的导频时域发射功率，M表示基站在同一时频资源上服务的用户个数；

(2)信道脉冲响应CIR估计值迭代处理步骤

(2a)确定第k次迭代的所选用户m及非所选用户集合I：

所选用户m为向量Q中的第k′个元素，k′＝1+mod(k-1，M)，非所选用户集合I＝{m′≠m，m′＝1，2K M}，其中mod(k-1，M)表示k-1除以M后的余数；

(2b)对所选用户m进行干扰抵消：

${\hat{r}}_m^{\left(k\right)}=r-\underset{j=1,j\ne m}{\overset{M}{\Sigma }}{\hat{Y}}_j^{(k-1)},$

其中：为第k次迭代中用户m干扰抵消后的接收信号，r为基站接收到的时域导频信号，为第k-1次迭代所得的用户j的重构接收信号，M表示基站在同一时频资源上服务的用户个数；

(2c)计算所选用户m的信道脉冲响应CIR估计值的更新值

若C＝0，则${\hat{h}}_m^{\left(k\right)}={\left(X_m^H{X}_m\right)}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)}=\frac{1}{P_{X_m}}{X}_m^H{\hat{r}}_m^{\left(k\right)};$

若C＝1，则：

${\hat{h}}_m^{\left(k\right)}=R_{h_m}{[R_{h_m}+{\sigma }_m^2{\left(X_m^H{X}_m\right)}^{-1}]}^{-1}{\left(X_m^H{X}_m\right)}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)}=\frac{1}{P_{X_m}}{R}_{h_m}{[R_{h_m}+\frac{{\sigma }_m^2}{P_{X_m}}{I}_L]}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)};$

其中：X_m为所选用户m的导频时域等效发射矩阵，表示所选用户m的导频时域发射功率，h_m为所选用户m到基站的信道脉冲响应CIR向量，为所选用户m到基站的信道脉冲响应CIR的自相关矩阵，为所选用户m到基站的等效高斯白噪声功率，H代表共轭转置；

(2d)计算所选用户m的接收信号重构值

若C＝0，则${\hat{Y}}_m^{\left(k\right)}=X_m{\hat{h}}_m^{\left(k\right)};$

若C＝1，则${\hat{Y}}_m^{\left(k\right)}=X_m[R_{h_m}+{\sigma }_m^2{\left(X_m^H{X}_m\right)}^{-1}]R_{h_m}^{-1}{\hat{h}}_m^{\left(k\right)}=X_m[R_{h_m}+\frac{{\sigma }_m^2}{P_{X_m}}{I}_L]R_{h_m}^{-1}{\hat{h}}_m^{\left(k\right)};$

(2e)对非所选用户集合I中用户m′的信道脉冲响应CIR估计值与接收信号重构值进行处理，即

${\hat{h}}_{m^{\prime }}^{\left(k\right)}={\hat{h}}_{m^{\prime }}^{(k-1)},$${\hat{Y}}_{m^{\prime }}^{\left(k\right)}={\hat{Y}}_{m^{\prime }}^{(k-1)};$

其中：为第k-1次迭代所得的用户m′的信道脉冲响应CIR更新值；为第k-1次迭代所得的用户m′的接收信号重构值；

(3)输出CIR估计值步骤

根据已执行的迭代次数判断迭代是否结束；若迭代次数大于或等于预先设定的总迭代次数时，迭代结束，输出M个用户到基站的信道脉冲响应CIR估计值，否则，返回步骤(2)，且k＝k+1。

本发明与现有技术相比具有如下的优点：

1)本发明基于广义交替最大SAGE算法，将协作多点传输CoMP多用户系统的联合最小二乘LS、联合最小均方误差MMSE信道估计转化为基于广义交替最大SAGE的最小二乘LS信道估计和基于排序的广义交替最大SAGE的最大后验概率MAP信道估计，以迭代的方式独立的估计每个用户的信道脉冲响应CIR，避免了CoMP联合信道估计算法中对高阶导频联合发射矩阵的求逆操作，进一步降低了算法复杂度；

2)本发明在进行基于排序SAGE的MAP信道估计时，在迭代更新信道脉冲响应CIR过程中，根据各用户到基站的大尺度衰落能量的排序向量，确定每次迭代的所选用户和非所选用户集合，对所选用户进行干扰抵消、CIR更新以及接收信号重构，非所选用户集合中用户的CIR和接收信号重构值保持与上次迭代相同，这种方法在迭代过程中预先更新信道估计均方误差MSE小所对应的大尺度衰落能量值小的用户，进一步改善了算法的收敛性能；

3)本发明在进行基于排序SAGE的MAP信道估计时，考虑到协作多点传输CoMP多用户系统中多个用户的发射功率不同，大尺度衰落能量值也不同的特点，对用户到基站的等效高斯白噪声功率的计算方法做了调整，保证基于SAGE的MAP算法能够适用于协作多点传输CoMP多用户系统。

附图说明

图1为本发明的流程图；

图2为本发明的系统结构示意图；

图3为本发明采用基于SAGE的LS信道估计与原联合LS信道估计的归一化均方误差NMSE随迭代次数变化的仿真图，仿真信噪比为-2dB，8dB，18dB；

图4为本发明采用基于排序SAGE的MAP信道估计与原联合MMSE信道估计的归一化均方误差NMSE随迭代次数变化的仿真图，仿真信噪比为-2dB，8dB，18dB；

图5为迭代次数等于2时本发明基于排序SAGE的MAP信道估计及基于非排序SAGE的MAP信道估计的归一化均方误差NMSE仿真比较图。

具体实施方式

本发明所采用的协作多点传输CoMP多用户系统的结构示意图如图2所示，图中每个六边形分成三个小区，六边形中心为基站，基站1、基站2和基站3参与协作，并通过X2接口与中心控制器交互数据与控制信息，三个基站在相同的时频资源上为协作小区1、2、3的用户1、用户2和用户3服务。

本发明所采用的协作多点传输CoMP多用户系统，每个协作基站配置n_r≥1根接收天线，用户1、用户2和用户3均为单天线配置。由于本发明对每个协作基站的每根接收天线做相同的信道估计处理，因此，实施例仅以基站1的接收天线1为例，描述本发明，这并不限制本发明的应用范围。在CoMP多用户系统上行发射端，各用户分别生成长度为N的导频信号，并经过IFFT变换和加循环前缀后发射，基站对接收到的混合的导频信号进行去循环前缀操作，得到的时域接收信号为：

r＝X₁h₁+X₂h₂+...+X_Mh_M+n＝Xh+n，

其中X_i∈￡^N×L，i＝1，2K M为用户i的导频时域等效发射矩阵，L为信道多径的个数，M为基站在同一时频资源上服务的用户个数，在本实施例中M＝3，X＝[X₁ L X_M]∈□^N×ML为M个用户的导频时域联合发射矩阵；n为均值为0，方差为的高斯白噪声向量；为M个用户的联合信道脉冲响应CIR矩阵，为用户i到基站的信道脉冲响应CIR向量，为用户i到基站的信道脉冲响应CIR向量的第l个分量，并且满足：

$h_i^l={\alpha }_i{g}_i^l,$i＝1，2K M；l＝1，2K L-1

其中α_i为第i个用户到基站的信道大尺度衰落系数，包括路径损耗和阴影衰落；为第i个用户到基站的第l条路径的小尺度衰落系数，服从均值为0，方差为的正态分布，且

协作多点传输CoMP多用户系统的联合LS和联合MMSE信道估计方法分别为：

${\hat{h}}_{\mathrm{LS}}={\left(X^{H}X\right)}^{-1}{X}^{H}r$

${\hat{h}}_{\mathrm{MMSE}}=R_{\mathrm{hh}}{[R_{\mathrm{hh}}+{\sigma }_n^2{\left(X^{H}X\right)}^{-1}]}^{-1}{\left(X^{H}X\right)}^{-1}{X}^{H}r$

对于协作多点传输CoMP多用户系统，当M个用户来自不同的小区时，各用户的发送导频存在相关性，ML×ML维矩阵X^HX为非对角矩阵，其中L为信道多径的条数。此时，上述两种算法的复杂度将主要集中于矩阵X^HX的求逆，尤其是当M和L很大时，会引入高阶矩阵的求逆问题，导致运算复杂度大而难以快速实现。

为了降低算法的复杂度，本发明将协作多点传输CoMP多用户系统的联合最小二乘LS和联合最小均方误差MMSE信道估计，转化为基于广义交替最大SAGE的最小二乘LS信道估计和基于排序的广义交替最大SAGE的最大后验概率MAP信道估计，以迭代的方式估计每个用户的信道脉冲响应CIR，避免了CoMP联合信道估计算法中对高阶导频联合发射矩阵的求逆操作，降低了算法复杂度。

为了便于深刻理解本发明，下面结合附图1，给出本发明的具体实施例。

实施例1

本实施例采用基于广义交替最大SAGE的最小二乘LS信道估计算法，参照图1，本实例的实现步骤如下：

步骤1，初始化与迭代初始值计算。

(1a)设定选择信息C＝0、设定总迭代次数K、第i个用户到基站的信道脉冲响应CIR估计值的初始值其中，i＝1，2K M，M表示基站在同一时频资源上服务的用户个数；

第i个用户到基站的信道脉冲响应CIR初始值的设定公式如下：

${\hat{h}}_i^{\left(0\right)}=\frac{1}{P_{X_i}}{X}_i^{H}r,$i＝1，2K M，

其中：X_i为用户i的导频时域等效发射矩阵，表示第i个用户的导频时域发射功率，r为基站接收到的时域导频信号，M表示基站在同一时频资源上服务的用户个数，H代表共轭转置；

(1b)计算M个用户的排序向量Q，即将M个用户的序号顺序排列，得到Q＝[1，2，3K M]；

(1c)计算第i，i＝1，2K M个用户的重构接收信号初始值

${\hat{Y}}_i^{\left(0\right)}=X_i{\hat{h}}_i^{\left(0\right)};$

其中：X_i为第i个用户的导频时域等效发射矩阵。

步骤2，对信道脉冲响应CIR的估计值进行迭代处理。

(2a)确定第k次迭代的所选用户m及非所选用户集合I：

所选用户m为向量Q中的第k′个元素，k′＝1+mod(k-1，M)，非所选用户集合I＝{m′≠m，m′＝1，2K M}，其中m′表示集合I中的用户m′，mod(k-1，M)表示k-1除以M后的余数。

(2b)对所选用户m进行干扰抵消：

${\hat{r}}_m^{\left(k\right)}=r-\underset{j=1,j\ne m}{\overset{M}{\Sigma }}{\hat{Y}}_j^{(k-1)},$

其中：为第k次迭代中用户m干扰抵消后的接收信号，r为基站接收到的时域导频信号，为第k-1次迭代所得的用户j的重构接收信号，M表示基站在同一时频资源上服务的用户个数；

(2c)计算所选用户m的信道脉冲响应CIR估计值的更新值

${\hat{h}}_m^{\left(k\right)}={\left(X_m^H{X}_m\right)}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)}=\frac{1}{P_{X_m}}{X}_m^H{\hat{r}}_m^{\left(k\right)};$

其中：X_m为所选用户m的导频时域等效发射矩阵，表示所选用户m的导频时域发射功率，H代表共轭转置；这里矩阵为主对角线元素值均为的L维对角矩阵，对该矩阵的求逆运算等价于对其主对角线元素求倒数的运算，完全的避免了求逆运算，因此，本发明克服了多用户联合LS信道估计中对ML×ML维非对角矩阵X^HX求逆复杂度高的问题，进一步降低了复杂度。

(2d)计算所选用户m的接收信号重构值

${\hat{Y}}_m^{\left(k\right)}=X_m{\hat{h}}_m^{\left(k\right)};$

(2e)对非所选用户集合I中用户m′的信道脉冲响应CIR估计值与接收信号重构值进行处理：

${\hat{h}}_{m^{\prime }}^{\left(k\right)}={\hat{h}}_{m^{\prime }}^{(k-1)},$${\hat{Y}}_{m^{\prime }}^{\left(k\right)}={\hat{Y}}_{m^{\prime }}^{(k-1)};$

其中：为第k-1次迭代所得的用户m′的信道脉冲响应CIR更新值；为第k-1次迭代所得的用户m′的接收信号重构值；

本步骤实现了每次迭代中仅对一个所选用户进行干扰抵消、CIR估计值更新以及接收信号重构，剩余的M-1个用户的CIR估计值及重构的接收信号值保持与其第k-1次迭代相同。

步骤3，输出信道脉冲响应CIR估计值。

根据已执行的迭代次数判断迭代是否结束；若迭代次数k大于或等于预先设定的总迭代次数K时，即k≥K时，迭代结束，输出M个用户到基站的信道脉冲响应CIR估计值，否则，返回步骤(2)，k＝k+1，进行下一次迭代的信道脉冲响应CIR估计值的更新。

实施例2

本实施例采用基于广义交替最大SAGE的最大后验概率MAP信道估计算法，参照图1，本实例的实现步骤如下：：

步骤1，初始化与迭代初始值计算。

(1a)设定选择信息C＝1、设定总迭代次数K、第i个用户到基站的信道脉冲响应CIR估计值的初始值其中，i＝1，2K M，M表示基站在同一时频资源上服务的用户个数；

第i个用户到基站的信道脉冲响应CIR初始值的设定公式如下：

${\hat{h}}_i^{\left(0\right)}=\frac{1}{P_{X_i}}{X}_i^{H}r,$i＝1，2K M，

其中：X_i为用户i的导频时域等效发射矩阵，表示第i个用户的导频时域发射功率，r为基站接收到的时域导频信号，M表示基站在同一时频资源上服务的用户个数，H代表共轭转置；

(1b)计算M个用户的排序向量Q：

对M个用户到基站的大尺度衰落能量值|α₁|²，|α₂|²K|α_M|²按照从小到大的顺序进行升序排列，记录对应的用户序号至Q，即Q＝[i₁，i₂，...i_M]，i₁，i₂，...i_M∈{1，2，K M}，且满足${\left|{\alpha }_{i_1}\right|}^2\le {\left|{\alpha }_{i_2}\right|}^2\le K{\left|{\alpha }_{i_M}\right|}^2;$

(1c)计算第i，i＝1，2K M个用户的重构接收信号初始值

${\hat{Y}}_i^{\left(0\right)}=X_i[R_{h_i}+{\sigma }_i^2{\left(X_i^H{X}_i\right)}^{-1}]R_{h_i}^{-1}{\hat{h}}_i^{\left(0\right)}=X_i[R_{h_i}+\frac{{\sigma }_i^2}{P_{X_i}}{I}_L]R_{h_i}^{-1}{\hat{h}}_i^{\left(0\right)},$

其中：X_i为用户i的导频时域等效发射矩阵，h_i为用户i到基站的信道脉冲响应CIR向量，为用户i到基站的信道脉冲响应CIR的自相关矩阵，表示第i个用户的导频时域发射功率，I_L为维数为L的单位矩阵，L为信道多径的个数，H代表共轭转置，为用户i到基站的白噪声功率，为基站接收到的高斯白噪声功率，|α_i|²为用户i到基站的信道大尺度衰落能量值，|α_j|²为用户j到基站的信道大尺度衰落能量值，表示第j个用户的导频时域发射功率，M表示基站在同一时频资源上服务的用户个数；

针对协作多点传输CoMP多用户系统，本发明对高斯白噪声功率的计算方法进行了重新设计；对于具有n_t≥1根发射天线的单用户多天线系统，经典的基于广义交替最大SAGE最大后验概率MAP算法中，每次迭代处理的目标为每根发射天线，由于单个用户的多根发射天线到同一接收天线的信道大尺度衰落相同，并且各发射天线的发射功率也相同，因此，在迭代中设定每根发射天线到同一接收天线的等效高斯白噪声功率j＝1，2K n_t均相同，即满足而对于协作多点传输CoMP多用户系统，迭代处理的目标为每个用户，并且每个用户的发射功率不同，所经历的大尺度衰落不同，进而，每个用户所对应的等效高斯白噪声功率占总的噪声功率的比例也会不同，本发明对的计算方法进行重新设计，保证了基于SAGE的MAP算法能够适用于协作多点传输CoMP多用户系统。

步骤2，信道脉冲响应CIR估计值的迭代处理。

(2a)确定第k次迭代的所选用户m及非所选用户集合I：

所选用户m为向量Q中的第k′个元素，k′＝1+mod(k-1，M)，非所选用户集合I＝{m′≠m，m′＝1，2K M}，其中m′表示集合I中的用户m′，mod(k-1，M)表示k-1除以M后的余数；

(2b)对所选用户m进行干扰抵消：

${\hat{r}}_m^{\left(k\right)}=r-\underset{j=1,j\ne m}{\overset{M}{\Sigma }}{\hat{Y}}_j^{(k-1)},$

其中：为第k次迭代中用户m干扰抵消后的接收信号，r为基站接收到的时域导频信号，为第k-1次迭代所得的用户j的重构接收信号，M表示基站在同一时频资源上服务的用户个数；

(2c)计算所选用户m的信道脉冲响应CIR估计值的更新值

${\hat{h}}_m^{\left(k\right)}=R_{h_m}{[R_{h_m}+{\sigma }_m^2{\left(X_m^H{X}_m\right)}^{-1}]}^{-1}{\left(X_m^H{X}_m\right)}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)}=\frac{1}{P_{X_m}}{R}_{h_m}{[R_{h_m}+\frac{{\sigma }_m^2}{P_{X_m}}{I}_L]}^{-1}{X}_m^H{\hat{r}}_m^{\left(k\right)};$

其中：X_m为所选用户m的导频时域等效发射矩阵，表示所选用户m的导频时域发射功率，h_m为所选用户m到基站的信道脉冲响应CIR向量，为所选用户m到基站的信道脉冲响应CIR的自相关矩阵，为所选用户m到基站的等效白噪声功率，H代表共轭转置；这里矩阵为主对角线元素值均为的L维对角矩阵，对该矩阵的求逆运算，等价于对其主对角线元素求倒数的运算，因此相对于多用户联合MMSE信道估计中对ML×ML维非对角矩阵X^HX求逆，完全的避免了求逆运算，同时，L×L维矩阵的求逆复杂度，相对于多用户联合MMSE中ML×ML维矩阵的求逆复杂度，也有较明显的降低。因此，本发明改善了多用户联合MMSE信道估计中求逆复杂度高的问题，进一步降低了复杂度；

(2d)计算所选用户m的接收信号重构值

${\hat{Y}}_m^{\left(k\right)}=X_m[R_{h_m}+{\sigma }_m^2{\left(X_m^H{X}_m\right)}^{-1}]R_{h_m}^{-1}{\hat{h}}_m^{\left(k\right)}=X_m[R_{h_m}+\frac{{\sigma }_m^2}{P_{X_m}}{I}_L]R_{h_m}^{-1}{\hat{h}}_m^{\left(k\right)};$

(2e)对非所选用户集合I中用户m′的信道脉冲响应CIR估计值与接收信号重构值进行处理：

${\hat{h}}_{m^{\prime }}^{\left(k\right)}={\hat{h}}_{m^{\prime }}^{(k-1)},$${\hat{Y}}_{m^{\prime }}^{\left(k\right)}={\hat{Y}}_{m^{\prime }}^{(k-1)};$

其中：为第k-1次迭代所得的用户m′的信道脉冲响应CIR更新值；为第k-1次迭代所得的用户m′的接收信号重构值；

本步骤实现了每次迭代中仅对一个所选用户进行干扰抵消、CIR估计值更新以及接收信号重构，剩余的M-1个用户的信道脉冲响应CIR估计值及重构的接收信号值保持与其第k-1次迭代相同；这里，所选用户是通过对排序向量Q按照迭代次数进行索引得到的，向量Q中的用户序号按大尺度衰落能量值递增的顺序排列，若定义M次迭代为一轮迭代，则每轮迭代中，大尺度衰落能量值较小所对应的用户被优先确定为所选用户，进行干扰抵消、CIR估计值更新以及接收信号重构。而在采用单用户最大后验概率MAP算法时，信道估计的均方误差MSE与大尺度衰落能量值成正比，因此，先处理较小大尺度衰落能量值对应的用户，将会在本次迭代得到更准确的CIR估计值与重构接收信号，在下次迭代过程中，干扰抵消也会更加的准确，相应的CIR估计效果也会提升，反复迭代，算法的收敛性能将会提高。

步骤3，输出信道脉冲响应CIR估计值。

根据已执行的迭代次数判断迭代是否结束；若迭代次数k大于或等于预先设定的总迭代次数K时，即k≥K时，迭代结束，输出M个用户到基站的信道脉冲响应CIR估计值，否则，返回步骤(2)，k＝k+1，进行下一次迭代的信道脉冲响应CIR估计值的更新。

本发明的效果可以通过以下仿真图与理论计算结果进一步说明：

1.仿真环境

仿真环境见表1，

表1仿真环境

  Parameter  Value  协作基站个数  3  相同时频资源用户个数  3  信道模型  SCM  信道多径个数  6  用户速度  3km/h  信道衰落模型  阴影衰落，路径损耗和小尺度衰落  系统带宽  10MHz  天线数目  基站端2根天线，用户端1根天线  导频类型  SRS(探测导频)  SRS带宽  40RBs  各用户SRS发送功率  0dB/子载波

2.仿真内容

仿真1：

仿真信噪比分别为-2dB、8dB和18dB时，本发明采用基于SAGE的LS信道估计与原联合LS信道估计的归一化均方误差随迭代次数的变化，仿真结果为图3。

从图3可以看出，基于SAGE的LS估计方法在迭代较少的次数后可以完全的收敛于协作多点传输CoMP联合LS信道估计所能达到的性能。同时，随着信噪比的升高，所需的迭代次数增大，当信噪比为-2dB时，3个用户的信道脉冲响应CIR迭代3次就可以达到收敛，当信噪比很高，达到18dB时，3个用户的信道脉冲响应CIR迭代9次就可以达到收敛，虽然迭代收敛所需的次数增加，但该次数是平缓增加的。

为了进一步说明本发明会降低联合信道估计的复杂度，对比计算基于SAGE的LS信道估计以及原联合LS信道估计算法，需要进行的复乘次数与复除次数。假定矩阵求逆采用选主元的高斯消除法，即对P阶矩阵的求逆，其复乘次数为P³，复除次数为P²，S×T维矩阵与T×U矩阵相乘所需的复乘次数为S×T×U，在此条件下，计算达到收敛所需的总迭代次数为3次，6次和9次时，两种算法各自需要的复乘次数与复除次数，如表2所示，

表2估计算法复杂度比较1

从表2可以看出，本发明基于SAGE的LS信道估计，相比于原联合LS信道估计，复除次数减小为0，并且复乘次数也有5∶10倍的下降。

表2和图3进一步表明，本发明所采用的基于SAGE的LS信道估计，在保证信道估计性能的条件下，进一步降低了CoMP联合信道估计的复杂度。

仿真2：

仿真信噪比分别为-2dB、8dB和18dB时，本发明采用基于排序SAGE的MAP估计与联合MMSE信道估计归一化均方误差随迭代次数的变化，仿真结果为图4。

从图4可以看出，基于排序SAGE的MAP信道估计方法在迭代较少的次数后可以完全的收敛于联合MMSE信道估计所能达到的估计性能。这也证明了本发明中计算等效高斯白噪声功率方法的正确性。同时，随着信噪比的升高，所需的迭代次数的增大趋势与图3基本相同。当信噪比为-2dB时，3个用户的信道脉冲响应CIR迭代3次就可以达到收敛，当信噪比很高，达到18dB时，3个用户的信道脉冲响应CIR迭代6次就可以达到收敛，另外，对比图3和图4，可以看出，基于排序SAGE的MAP信道估计的NMSE性能优于基于SAGE的LS估计方法。

为了进一步说明本发明会降低联合信道估计的复杂度，计算达到收敛所需的总迭代次数为3次和6次时，基于SAGE的MAP信道估计以及原联合MMSE信道估计所需的复乘次数与复除次数，如表3所示。

表3估计算法复杂度比较2

从表3可以看出，相比于原联合MAP信道估计，本发明基于SAGE的MAP信道估计的复除次数大约减小了5倍，复乘次数也有3∶4倍的下降。

表3和图4进一步表明，本发明所采用的基于SAGE的MAP信道估计，在保证信道估计性能的条件下，进一步降低了CoMP联合信道估计的复杂度。

仿真3：

仿真迭代次数为2时，基于排序SAGE的MAP信道估计及基于非排序SAGE的MAP信道估计的归一化均方误差性能比较，仿真结果为图5。

从图5可以看出，两种方法的归一化均方误差随信噪比变化的趋势是基本相同的，但排序SAGE估计相比于非排序SAGE估计，能达到更好的信道估计性能，这证明了本发明中，根据大尺度衰落能量来确定迭代处理用户的先后顺序，这种方法是具有更好的收敛性能的。