买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利一种基于波束倾斜效应的宽带毫米波MIMO-OFDM系统信道估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117014256B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310974240.0，技术领域涉及：H04L25/02；该发明授权一种基于波束倾斜效应的宽带毫米波MIMO-OFDM系统信道估计方法是由石运梅;谢相宇;黄逸;唐小伟设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种基于波束倾斜效应的宽带毫米波MIMO-OFDM系统信道估计方法在说明书摘要公布了：本发明涉及毫米波宽带无线通信领域,是一种基于波束倾斜效应的宽带毫米波MIMO‑OFDM系统的信道估计方法。包括以下步骤：1构建MIMO‑OFDM系统的模型2建模信道估计代价函数，将每个子载波的系统模型重新表述为频率依赖的稀疏信号恢复问题3对信道增益和噪声方差进行更新4对信号协方差矩阵进行更新5对角度估计值进行更新6利用低复杂度算法重建每个子载波信道，获得高精度信道估计结果。相比传统方案，可以获得更准确的信道估计结果，同时具有可接受的计算复杂度。

本发明授权一种基于波束倾斜效应的宽带毫米波MIMO-OFDM系统信道估计方法在权利要求书中公布了：1.一种基于波束倾斜效应的宽带毫米波MIMO-OFDM系统信道估计方法，其特征在于，包括以下步骤： 步骤1，构建正交频分复用MIMO-OFDM系统的模型； 步骤2，建模信道估计代价函数，将每个子载波的系统模型重新表述为频率依赖的稀疏信号恢复问题； 步骤3，对信道增益和噪声方差进行更新； 步骤4，对信号协方差矩阵进行更新； 步骤5，对角度估计值进行更新 步骤6，利用低复杂度算法重建每个子载波信道，获得高精度信道估计结果； 步骤1包括以下步骤： 步骤1.1，考虑一个上行时分双工的毫米波多输入多输出正交频分复用系统，其中基站采用N个天线和个射频链路来同时为K个单天线用户提供服务，考虑在频域中广泛使用的Saleh-Valenzuela信道模型，具体而言，某个用户在子载波上的信道可以表示为： 其中是可分辨路径的数量，和分别是第条路径的路径增益和时间延迟；表示子载波的频率，其中和分别是中心载波频率和系统带宽采样率，代表阵列响应；对于具有个元素的典型均匀线阵ULA，可以表示为； 这里，是第条路径在子载波上的来波信号空域方向，其中表示光速，是第条路径的物理方向，表示天线间距，设计为中心载波频率的半波长，即；需要注意的是，与窄带情况下的传统阵列响应向量不同，宽带阵列响应向量是频率相关的； 步骤1.2，在典型的TDD系统中，用户需要向基站发送导频序列进行信道估计，令个用户发送正交导频信号，这使得每个用户的信道估计可以独立进行；用表示训练帧中在子载波上发送的事先已知导频信号，经过接收端合并后，基站端得到的接收样本写成： 其中，和分别表示加性噪声和信号预编码器；假设噪声为与信号独立，并且符合高斯分布，是噪声的协方差矩阵参数；由于模拟硬件结构的限制，使用频率平坦的混合合并器进行处理； 步骤1.3，通过将连续个导频传输堆叠成一个向量形式，得到整体的观测结果如下所示： ，并定义和分别作为增广预编码器和噪声向量； 步骤2包括以下步骤： 步骤2.1，通过利用毫米波信道的固有结构，步骤1.1中的信道向量重新表示为 其中，；具体而言，表示第个路径的物理方向，嵌入在中，即；此外，是信道增益的向量； 步骤2.2，为了从观测结果中恢复和，利用压缩感知技术来处理这个问题；具体而言，通过利用信道向量的角度稀疏性，近似表示为： 其中，是过完备字典，是稀疏信道增益向量，其中； 步骤2.3，定义，其中是采样网格集合，覆盖潜在的角度域；因此，步骤1.3中的系统模型重新表示为： 其中，是等效感知矩阵； 步骤2.4，在子载波的第帧中包含的噪声符合高斯分布，因此得到增广噪声向量的分布为；因此，的似然函数表示为： 其中，； 步骤2.5，的最大似然估计是对步骤1.4中公式的最小加权范数解；然而，这样的解是非稀疏的，因为它忽略了的行稀疏结构特性；为了解决这个问题，使用稀疏的先验分布来描述的特殊结构；，得到以下形式： 其中，，；通过共用信道增益协方差矩阵，对不同频率子载波的施加了联合稀疏性约束； 步骤2.6，结合步骤2.4和步骤2.5，将信道估计问题表示为： 步骤2.7，为了减轻超完备字典中固定采样网格点限制引起的网格不匹配误差，采样网格集不是预先定义的，在迭代参数优化过程中保持更新；对步骤2.6中的目标函数取负对数，并丢弃无关紧要的常数项，得到以下优化： 步骤2.8，上述优化结构通过交替最小化的方式进行求解，也就是说，每次更新一个块的变量，同时保持其他块不变； 步骤3包括以下步骤： 步骤3.1，从测量结果中估计物理方向和相应的路径增益信息，从更新的问题开始，在固定变量的条件下，优化的子问题简化为： 其中； 步骤3.2，可以看出，不同子载波下的的优化是一个独立的加权最小二乘问题，可以按顺序进行更新，因此，更新的目标被重新表述为： 步骤3.3，在给定和的情况下，可以得到唯一的最小化值： 步骤3.4，接下来，考虑关于噪声方差的子问题，通过固定和来进行优化，即： 步骤3.5，将步骤3.4中目标函数相对于最小化得到： 这里的约束条件是自动满足的，因为加权最小二乘项是非负的； 步骤4包括以下步骤： 步骤4.1，考虑在其固定的条件下，的优化问题，将步骤2.7中的优化重写为 其中，要求逐元素地成立； 步骤4.2，每个元素，按以下顺序进行更新： 步骤4.3，该子问题有一个闭式解，即： 步骤5包括以下步骤： 步骤5.1，在这一步中，考虑对的更新，从步骤2.7的公式中可以观察到，代价函数相对于是高度非线性且非凸的，目标存在于步骤2.2的公式中的指向矢量的指数项中；因此，与其他变量块不同，无法直接找到更新ψ的闭式解； 步骤5.2，首先将步骤3.3的公式代入步骤2.7的公式中以加快收敛速度；然后，对于固定的和，的优化问题等价地表示为： 其中嵌入在过完备字典中； 步骤5.3，由于和blkdiag，将步骤5.2的公式中的代价函数定义为，并进一步简化为： 其中，； 在接下来的内容中，为了方便说明，使用来表示； 步骤5.4，将所有的个子载波分成组，每组包含个子载波，这样只需要个字典来表示整个过完备字典； 步骤5.5，每个字典设计为能近似表示第组中不同频率相关的字典，即第个字典的波长被选择为第组中这些子载波的平均波长，即子载波索引，其中；换句话说，第m个子载波的组索引由； 步骤5.6，步骤5.3中的目标函数重新表示为： 步骤5.7，上式通过梯度下降法进行最小化；目标是找到一个新的，确保，其中表示迭代索引； 步骤5.8，由于关于可微分，使用梯度下降法更新参数估计结果；具体而言，的更新表示为： 其中是步长； 步骤5.9，为了计算的梯度，首先定义，其中；然后使用链式法则，可以得到关于的梯度： 其中， 以及 其中， 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。