本发明涉及无线通信技术领域，特别涉及多用户大规模多输入多输出中继网络联合信道估计方法
背景技术：
大规模多输入多输出(mimo)中继网络具有优良的通信性能，因此受到了学界和业界的青睐。下一代通信系统将支持多个用户并保证严格的服务质量(qos)要求，因此，设计一个频谱利用率高的通信系统，对于克服频谱的稀缺性具有重要意义。特别是，大规模mimo提供了大量的空间自由度，有助于实现大的复用和分集增益，并有效地提高了链路可靠性和数据传输速率。
在众多的盲信号处理技术中，基于张量的盲信号处理技术可以利用信号在频域、时域、码域和空间域的固有多域特性，在分解唯一性的基础上通过张量拟合得到最优解。在无线通信系统中，基于张量的建模比传统的多维矩阵建模更灵活。同时，张量分解不会破坏各元素之间的内在联系，充分利用信号的空间结构信息，提高了估计精度。此外，张量建模得益于多重多样性，与传统的矩阵方法相比，该特征有助于在更宽松的可辨识条件下实现多用户信号分离/均衡和信道估计。
张量和张量分解理论广泛应用于雷达、数据压缩、通信、模式识别、图像处理等领域。利用张量方法解决mimo协作通信系统中的联合估计问题已经相当成熟。已有研究利用平行因子(parafac)张量模型对多用户点对点直接序列码分多址(zds-cdma)系统进行建模，可以在接收端精确估计符号矩阵和信道矩阵。有学者针对多用户单输入多输出(simo)码分多址(cdma)通信系统提出基于确定张量的联合信道和符号估计方法，得到了多个接收天线接收信号的三阶块tucker-2模型。
最近，parafac模型被应用到毫米波(mmwave)大规模mimo系统中，以实现多用户的联合信道估计。已有研究将parafac分解扩展到毫米波mimo正交频分复用(mimo-ofdm)系统的多参数估计，并推导了相关的克拉美罗界(crb)，以显示估计性能。有学者提出了一种基于tucker-2模型的鲁棒半盲接收机，用于符号和信道的联合估计。并且这种半盲接收机可以运用到多用户大规模mimo系统。
技术实现要素：
发明目的：本发明针对现有技术的不足，提出多用户大规模mimo中继系统中一种信道联合估计方法，能估计出通信系统所有的信道矩阵，同时推导出所提方法的crb。
技术方案：本发明所述的多用户大规模mimo中继系统的信道联合估计技术包括：
多用户大规模mimo中继系统模型的建立；
每个用户端发送正交信道训练序列至中继；
中继将接收到的信号放大并转发至所有用户；
在用户端构造tucker-2张量模型；
设计简单易行的迭代算法拟合张量模型实现信道矩阵的联合估计；
推导出所提方法的crb。
进一步的，所述多用户大规模mimo中继系统模型的建立，具体包括：
本发明考虑一个多用户mimo中继系统，其中i个用户借助一个中继交换信息，如图1所示。每个用户配置ms天线，中继节点配置mr天线。服从独立同分布cn(0,ηri)的
进一步的，每个用户端发送正交信道训练序列至中继，包括：
中继接收的信号
其中，
进一步的，中继将接收到的信号放大并转发至所有用户，包括：
中继对接收到的信号放大并分别转发至每个用户。第i个用户收的信号
其中，
进一步的，在用户端构造tucker-2张量模型，包括：
在用户端，对接收信号的两边同时乘以sjh，可得：
其中
通过定义
hi＝[hr1,...,hri]
可以得到
根据tucker-2分解特性，可得到紧凑形式：
其中
进一步的，设计简单易行的迭代算法拟合张量模型实现信道矩阵的联合估计，包括：
所以hi的ls估计是
其中
算法第i次迭代的代价函数为
用ls交替更新hi和hir。重复迭代，直到|δ(i)-δ(i-1)|≤ε满足收敛条件。
进一步的，推导出所提方法的crb，包括：
参数向量的无偏估计定义为θ
其中，
无偏估计量的协方差矩阵满足
fisher信息矩阵f(θ)可以表示为
其中j是消除矩阵，用于删除与固定参数对应的行和列。噪声分量的矢量化版本的
协方差矩阵可以表示为
矩阵γ(i)可以写成
当信噪比很高时，f(θ)中的第一项比第二项占主要部分，所以有
附图说明
图1为本发明的信道估计方法流程图；
图2为本发明的多用户大规模mimo中继系统结构示意图；
图3为本发明在不同用户天线数目下的信道估计性能图；
图4为本发明在不同中继天线数目下的信道估计性能图；
具体实施方式
为使本发明的特点和优势更加明显易懂，下面结合附图对本发明进行详细说明。
图2为本发明的多用户大规模mimo中继系统结构示意图，如图2所示的大规模mimo中继，其中i个用户通过中继进行信息交换，每个用户和中继分别配置ms和mr根天线。协同通信系统中的所有节点都以半双工(tdd)方式工作。
实施实例一
请参见图3，图3为本发明在不同用户天线数目下的信道估计性能图。系统参数为：t＝100,l＝100，中继天线为64。从图3可以看出，随着信噪比的增加，估计信道hi和hir的nmse逐渐减小。图3还表明，随着ms的增加，估计的信道的nmse也减小，提升了该方法的估计性能，并且更接近crb。
实施实例二
请参见图4，图4为本发明在不同中继天线数目下的信道估计性能图。系统参数为：t＝100,l＝100，用户天线数ms为4。图4显示出当中继天线的数目增加时，估计的信道的nmse增加，所述方法的信道估计性能降低。这是因为中继天线的数量增加，而当其他条件保持不变时，估计的信道参数需要增加。然而，从图4可以看出，当中继天线的数目为48时，即使需要估计的信道参数增加，所提出的信道估计方法仍然具有高的信道估计精度。当中继天线数较少时，信道估计结果更接近crb。
综上，本发明对于多用户大规模mimo中继系统的信道估计，能够为任何用户提供所考虑的通信网络中所有信道矩阵的全部知识。
以上实施例的说明仅为帮助理解本发明的方法和其主要思想。本说明书的内容不能以此来限定本发明的权利范围，因此，本发明的保护范围应以所附权利要求为准。
1.多用户大规模mimo中继网络联合信道估计技术，其特征在于该方法包括：
多用户大规模mimo中继系统模型的建立；
每个用户端发送正交信道训练序列至中继；
中继将接收到的信号放大并转发至所有用户；
在用户端构造tucker-2张量模型；
设计简单易行的迭代算法拟合张量模型实现信道矩阵的联合估计；
推导出所提方法的crb。
2.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，所述多用户大规模mimo中继系统模型的建立，具体包括：
i个用户借助一个中继交换信息，hri是从用户到中继的信道矩阵，hir是从中继到用户i的信道矩阵，系统中的所有节点都工作在半双工模式下。
3.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，每个用户端发送正交信道训练序列至中继，包括：
si分别由用户发送，并且
4.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，中继将接收到的信号放大并转发至所有用户，包括：
第i个用户收的信号表示为：
5.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，在用户端构造tucker-2张量模型，包括：
在用户处，对接收信号的两边同时乘以sjh，得到
其中
通过定义
hi＝[hr1,...,hri]
可得
根据tucker-2分解特性，可得到紧凑形式：
其中
6.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，设计简单易行的迭代算法拟合张量模型实现信道矩阵的联合估计，包括：
所以hi的ls估计是
算法第i次迭代的代价函数为
用ls交替更新hi和hir，重复迭代，直到|δ(i)-δ(i-1)|≤ε满足收敛条件。
7.根据权利要求1所述的多用户大规模mimo中继网络联合信道估计技术，其特征在于，推导出所提方法的crb，包括：
参数向量的无偏估计定义为θ
其中，
无偏估计量的协方差矩阵满足
fisher信息矩阵f(θ)可以表示为
噪声分量的矢量化版本的协方差矩阵可以表示为
矩阵γ(i)可以写成
当信噪比很高时，f(θ)中的第一项比第二项占主要部分，所以有
