导频信号发送方法、信道估计方法、装置及设备

技术领域

本申请属于通信技术领域，具体涉及一种导频信号发送方法、信道估计方法、装置及设备。

背景技术

利用大规模多输入多输出(Multiple-input Multiple-output，MIMO)技术形成大规模天线阵列，可以同时支持更多用户发送和接收信号，从而将移动网络的信道容量以及数据流量提升数十倍或更大，同时能实现多用户之间干扰的急剧降低。因此从它被提出就一直受到广大研究人员的持续高度关注。为了支持宽带无线通信，从第四代移动通信技术(fourth generation，4G)开始正交频分复用(Orthogonal Frequency DivisionMultiplexing，OFDM)就成为移动通信的底层技术。它可以有效的对抗多径干扰，将频域频率选择性信道划分为多个平衰落的子信道来支持无线传输。OFDM结合大规模MIMO已经是现在和未来无线通信的基本框架。

然而在大规模MIMO系统中，由于天线数量增加，导频开销和信道估计的复杂度都有数量级的增加。如何降低导频开销是当前亟待解决的技术问题。

发明内容

本申请实施例提供一种导频信号发送方法、信道估计方法、装置及设备，能够解决如何降低导频开销的问题。

第一方面，提供一种导频信号发送方法，包括：

第一通信设备发送第一矩阵中的第一导频信号；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，所述N为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

第二方面，提供一种信道估计方法，其特征在于，包括：

第二通信设备接收第一通信设备发送的第一矩阵中的第一导频信号；

所述第二通信设备根据所述第一导频信号进行信道估计；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，所述N为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

第三方面，提供一种导频信号发送装置，包括：

第一发送模块，用于发送第一矩阵中的第一导频信号；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，所述N为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

第四方面，提供一种信道估计装置，包括：

第一接收模块，用于接收第一通信设备发送的第一矩阵中的第一导频信号；

信道估计模块，用于所述第二通信设备根据所述第一导频信号进行信道估计；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，所述N为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

第五方面，提供一种通信设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。

第六方面，提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面或第二方面所述的方法的步骤。

第七方面，提供一种计算机程序/程序产品，所述计算机程序/程序产品被存储在非瞬态的存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面或第二方面所述的处理的方法的步骤。

第八方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面所述的处理的方法。

在本申请实施例中，第一通信设备发送第一矩阵中第一导频信号，由于第一矩阵为N×M矩阵，其中N为第一通信设备的天线数量，M为每个RB上发送导频信号的RE的数量，通过将M设置为小于N，从而达到导频开销压缩的目的，在保持系统的信道估计精度的基础上，减少导频开销。

附图说明

图1是本申请实施例可应用的一种无线通信系统的示意图；

图2是本申请实施例中导频信号发送方法的流程图；

图3是本申请实施例中信道估计方法的流程图；

图4是本申请实施例中基于OFDM的大规模MIMO天线系统的示意图；

图5是本申请实施例中感知矩阵的训练示意图；

图6是本申请实施例中LAMP网络结构示意图；

图7是本申请实施例中LAMP网络的第t层结构的示意图；。

图8是本申请实施例中导频信号发送装置的示意图；

图9是本申请实施例中信道估计装置的示意图；

图10是本申请实施例中终端的示意图；

图11是本申请实施例中网络侧设备的示意图；

图12是本申请实施例中通信设备的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述指定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

值得指出的是，本申请实施例所描述的技术不限于新空口(New Radio， NR)系统、长期演进型(Long Term Evolution，LTE)/LTE的演进(LTE-Advanced， LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time Division Multiple Access，TDMA)、频分多址(Frequency Division MultipleAccess，FDMA)、正交频分多址 (Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址 (Single-carrier Frequency-Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了NR系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6

大规模MIMO系统中，由于天线数量巨大，信道估计与反馈所需的导频开销和反馈开销巨大。为了降低导频开销和反馈开销，利用大规模MIMO信道在空间角度域的稀疏特性，提出基于压缩感知理论的信道估计方案。

该方案利用大规模MIMO信道的有限散射特性和基站天线阵列紧密排列的特性，分析得到不同天线空间角度域信道之间具有结构化稀疏特性。利用这一特性，把大规模MIMO信道估计转化为结构化压缩感知的稀疏信号恢复问题。具体而言，基站发送的少数非正交导频来降低导频开销。导频数量要远远小于天线数量。移动用户接收到导频信号后，然后利用正交匹配追踪(OMP- Orthogonal Matching Pursuit)或者近似消息传递(ApproximateMessage Passing， AMP)等压缩感知的稀疏信号恢复算法来解决这一问题。理论分析和仿真结果都表明，在空间稀疏性明显的情况下，基于结构化压缩感知的信道估计与反馈方法能够以较低的导频开销准确获取大规模MIMO信道状态信息。

虽然压缩感知(compressed sensing，CS)被视为较有潜力的信道状态信息(Channel State Information，CSI)开销降低方法。但是这一类的解决方案本身具有一些固有的问题。

其一，CS类解决方案强烈依赖于信道在空间角度域的稀疏性假设，而实际场景中的很多真实信道并不是都具有绝对的稀疏性。因而基于CS的信道估计和反馈方案依赖于对CSI矩阵完美稀疏的先验假设，在只满足近似稀疏条件的大规模MIMO信道上表现不佳。性能难以达到实际系统的要求。

其二，当把压缩感知用在基于OFDM的大规模MIMO系统时，无法有效的整合频域和空域资源。压缩感知很难在实际系统中应用。也就是说在基于 OFDM的大规模MIMO系统，由于信道的频率选择性，不同子频段上的信道是不同的。因此，需要在每个子频段上同时进行大规模MIMO的信道估计。因此即使此时使用压缩感知也仍然存在巨大的导频开销。

参见图1，图中示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11、终端12和网络侧设备13。其中，终端也可以称作终端设备或者UE，终端可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personal computer，UMPC)、移动上网装置(MobileInternet Device，MID)、增强现实 (augmented reality，AR)/虚拟现实(virtualreality，VR)设备、机器人、可穿戴式设备(Wearable Device)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装、游戏机等。需要说明的是，在本申请实施例并不限定终端11、终端12的具体类型。

网络侧设备13可以是基站或核心网，其中，基站可被称为节点B、演进节点B、接入点、基收发机站(Base TransceiverStation，BTS)、无线电基站、无线电收发机、基本服务集(BasicServiceSet，BSS)、扩展服务集 (ExtendedServiceSet，ESS)、B节点、演进型B节点(gNB)、家用B节点、家用演进型B节点、WLAN接入点、WiFi节点、发送接收点(TransmittingReceiving Point，TRP)、无线接入网节点或所述领域中其它某个合适的术语，只要达到相同的技术效果，所述基站不限于指定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例，但是并不限定基站的具体类型。

参见图2，本申请实施例提供一种导频信号发送方法，具体步骤如下：

步骤201：第一通信设备发送第一矩阵中的第一导频信号；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个资源单元(Resource Element，RE)，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数(即i＝1～N)，j为大于或等于1，小于或等于M的正整数(即j＝1～M)，所述N为所述第一通信设备的天线数量，所述M为每个资源块(Resource Block，RB)上发送导频信号的 RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

以第一通信设备为基站为例，基站发送导频信道状态信息参考信号 (ChannelState Information-Reference Signal，CSI-RS)。在导频设计和资源分配时，以资源块(Resource Block，RB)为基本单位。每个RB在频域包含12 个子载波，在时域包含6-7个OFDM符号。对于每一个RB，都利用压缩感知的方法来进行导频压缩。

在本申请一种实施方式中，所述第一矩阵是基于第二矩阵和第三矩阵确定的，比如所述第一矩阵＝第二矩阵(W

在本申请一种实施方式中，所述第三矩阵为N维的离散傅里叶变换 (DiscreteFourier Transform，DFT)矩阵；

或者，

所述第三矩阵为N

在本申请实施例中，第一通信设备在每个RB上用空域的DFT矩阵作为导频发送符号，采用感知矩阵操作对发送的第一导频信号进行压缩。

在本申请一种实施方式中，所述方法还包括：

基于所述第一导频信号训练所述第二矩阵。

在本申请一种实施方式中，所述基于所述第一导频信号训练所述第二矩阵包括：

所述第一通信设备对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

所述第一通信设备根据AMP算法对所述时延径的导频信号进行估计，得到第一估计误差；

所述第一通信设备根据所述第一估计误差训练所述第二矩阵。

在本申请一种实施方式中，所述方法还包括：

所述第一通信设备将训练后的所述第二矩阵发送给所述第二通信设备。

在本申请一种实施方式中，所述方法还包括：

基于所述第一导频信号训练LAMP的参数。

在本申请一种实施方式中，所述基于所述第一导频信号训练LAMP的参数的步骤，包括：

所述第一通信设备对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

所述第一通信设备根据所述时延径的导频信号，进行学习近似消息传递(Learned Approximate Message Passing，LAMP)的整体信道估计，得到第二估计误差；

所述第一通信设备根据所述第二估计误差训练LAMP的参数。

在本申请一种实施方式中，所述方法还包括：

所述第一通信设备将训练后的所述LAMP的参数发送给所述第二通信设备。

在本申请实施例中，在保持系统的信道估计精度的基础上，减少导频开销。

参见图3，本申请实施例提供一种信道估计方法，具体步骤包括：步骤301 和步骤302。

步骤301：第二通信设备接收第一通信设备发送的第一矩阵中的第一导频信号；

步骤302：所述第二通信设备根据所述第一导频信号进行信道估计；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，，所述N 为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

在本申请实施例中，第二通信设备对频域所有RB的导频信号联合处理，首先对每一个端口的各个RB的导频接收信号进行快速傅里叶逆变换(Inverse Fast FourierTransform，IFFT)，转成时延域。然后把各个端口和各个时延的信号结合起来，进行学习近似消息传递(Learned Approximate Message Passing， LAMP)的整体信道估计。最后将估计得到的信号再转到频域，得到各个天线在各个RB的信道，完成最后的信道估计。

在本申请一种实施方式中，第一矩阵是基于第二矩阵和第三矩阵确定的，比如所述第一矩阵＝第二矩阵×第三矩阵，所述第二矩阵为N×M的感知矩阵，所述第三矩阵为空域到波束域的转换矩阵，这样可以将多个天线频域呈现出频率选择性的信道转换到波束域时延域的径数有限的多径信道联合进行估计，从而大幅降低了导频开销。

在本申请一种实施方式中，所述第三矩阵为N维的DFT矩阵；

或者，

所述第三矩阵为N

在本申请一种实施方式中，所述第二通信设备根据所述第一导频信号进行信道估计，包括：

所述第二通信设备对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

所述第二通信设备根据所述时延径的导频信号，进行LAMP的整体信道估计，得到第一信道估计结果。

可选地，第二通信设备根据所述第一导频信号进行信道估计，还包括：

所述第二通信设备根据所述第一信道估计结果，得到各个天线在对应RB 的信道的第二信道估计结果。

在本申请一种实施方式中，所述第二通信设备根据所述第一信道估计结果，得到各个天线在对应RB的信道的第二信道估计结果，包括：

所述第二通信设备将所述第一信道估计结果转换为M×N的信道矩阵，所述第一信道估计结果为空域波束的信道向量；

所述第二通信设备将所述M×N的信道矩阵转换到频域和空域，得到各个天线在对应RB的信道的第二信道估计结果。

在本申请一种实施方式中，所述方法还包括：

所述第二通信设备对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

所述第二通信设备根据AMP算法对所述每个时延径的导频信号进行估计，得到第一估计误差；

所述第二通信设备根据所述第一估计误差训练所述第二矩阵。

在本申请一种实施方式中，所述方法还包括：

所述第二通信设备对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

所述第二通信设备根据时延径的导频信号，进行LAMP的整体信道估计，得到第二估计误差；

所述第二通信设备根据所述第二估计误差训练LAMP的参数。

在本申请一种实施方式中，所述第二通信设备根据时延径的导频信号，进行LAMP的整体信道估计，得到第二估计误差，包括：

所述第二通信设备将各个时延径的导频信号拼接在一起，拼接后的信号矩阵为第四矩阵，所述第四矩阵是维度为RB个数的单位阵和每个RB上感知矩阵的克罗尼克积；

所述第二通信设备根据所述第四矩阵，进行LAMP的信道估计，得到第二估计误差。

在本申请实施例中，在保持系统的信道估计精度的基础上，减少导频开销。

下面以第一通信设备为发送端，第二通信设备为接收端为例。

在本申请实施例中，利用图4所示的基于OFDM的大规模MIMO天线系统，将信道空域(或者描述为空间域)的稀疏性和时延域的稀疏性相结合，通过空域和时延域联合压缩优化的导频设计和信道估计，可以一次完成基于OFDM的大规模MIMO天线系统中所有天线在所有RB上的最终的信道估计。

在基于OFDM的大规模MIMO天线系统中，发送端有N个天线，由于接收端的每个接收天线都是独立进行信道估计的，因此可以只考虑一个接收天线来设计。即考虑N×1的大规模天线系统。在发送端，以RB为单位发送导频信号，所以每个RB上都可以单独进行信道估计。每个RB上发送导频信号的RE 的个数为M，M要远远小于发送天线数N，从而达到了导频开销压缩的目的。

如果在第i个RE上，第j个天线的发送符号表示为c

其中C由两个矩阵相乘得到，即C＝W

在传统的压缩感知方法中，W

在每个RB上，基于C，在M个RE上发送导频符号，经过IDFT(OFDM 调制)后，通过N个天线发送出去。

在接收端，只考虑一个接收天线，该天线上的接收信号经过FFT(OFDM 解调后)，得到各个RB上的信号。其在每个RB上的M个RE上收到导频信号，为1×M的向量。在第i个RB上接收导频信号r

h

n

在本申请的实施例中，K个RB上的接收信号是联合处理的。定义 R＝[r

定义

定义

可得，

本申请实施例中，为了在时延域进行信道估计，先对接收到的导频信号r在 RB维度上做K维的IDFT，得到

定义H

R

其中

这里首先估计

由于

将(R

其中/>

在本申请实施例中，采用两步深度学习训练方法来实现最优的性能，第一步为训练最优的感知矩阵A，由于

由于W

分解为：

不失一般性，对于第i个时延径，导频信号表达式

为了通过神经网络的方法寻找最优的感知矩阵，将感知矩阵看成是一层线性的神经网络，和传统的神经网络相比，它没有偏移量和激活函数。通过训练来找到最优的感知矩阵。

训练时，将发送端的感知矩阵和接收端AMP恢复算法以及大规模MIMO 信道以及引入噪声整体看成是一个神经网络进行训练。

训练数据来自于大量的波束域时延域信道，训练优化的目标(代价函数 costfunction)为输出端神经网络的输出

即

训练完成后，就可以利用训练得到的优化的感知矩阵W

LAMP网络是基于传统的压缩感知算法——AMP构建的，将AMP算法的迭代求解过程展开为神经网络，将其线性操作系数与非线性收缩参数联合优化。可以通过深度神经网络的训练过程得到这些分布参数的取值。值得注意的是在进行训练时，发送端用的是第一阶段已经训练好的优化的感知矩阵。

不同于一般的神经网络结构，LAMP的网络结构是依据AMP算法构建的。实际上，LAMP算法就是将AMP算法的迭代运算过程展开为深度神经网络，具体网络结构如图6所示。

对于压缩感知常用的y＝Ax+n场景，从已知的(y,A)中估计x稀疏信号恢复，用

LAMP网络结构有些独特的设计，具体如下：(1)LAMP网络中多出来一条支路，如图7中①所示，对应于AMP算法中加快收敛的Onsager校正项； (2)LAMP算法中的非线性函数是由具体的信号估计问题推导出的收缩函数，而不是一般神经网络中为了引入非线性功能而无明确物理意义的激活函数；(3) 收缩函数中的噪声参数

LAMP算法将深度学习和AMP算法相结合，取两者之优势，既利用了深度神经网络强大的学习能力又保留了AMP算法实现稀疏信号恢复的功能。

在本实施例中，采用监督学习方式，通过输入数据集

由于LAMP网络是在AMP迭代算法的基础上构建的，在训练网络过程中可以采用逐层训练的方式训练该网络，实现线性操作系数和非线性收缩参数的联合优化。不同于一般神经网络中仅仅定义一个损失函数，在LAMP网络中，为实现逐层训练，每一层都分别定义了损失函数，具体定义如下：

y

L

另外，为了避免网络过拟合，线性操作系数矩阵B

感知矩阵W

参见图8，本申请实施例提供一种导频信号发送装置，应用于第一通信设备，该装置800包括：

第一发送模块801，用于发送第一矩阵中的第一导频信号；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，所述N为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

在本申请的一种实施方式中，所述第一矩阵是基于第二矩阵和第三矩阵确定的，所述第二矩阵为N×M的感知矩阵，所述第三矩阵为空域到波束域的转换矩阵。

在本申请的一种实施方式中，所述第三矩阵为N维的DFT矩阵；

或者，

所述第三矩阵为N

在本申请的一种实施方式中，所述装置还包括：

在本申请的一种实施方式中，所述装置还包括：

第一训练模块，用于基于所述第一导频信号训练所述第二矩阵。

在本申请的一种实施方式中，第一训练模块包括：

第一处理单元，用于对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

第二处理单元，用于根据AMP算法对所述时延径的导频信号进行估计，得到第一估计误差；

第三处理单元，用于根据所述第一估计误差训练所述第二矩阵。

在本申请的一种实施方式中，所述装置还包括：

第二发送模块，用于将训练后的所述第二矩阵发送给所述第二通信设备。

在本申请的一种实施方式中，所述装置还包括：

第二训练模块，用于基于所述第一导频信号训练LAMP的参数。

在本申请的一种实施方式中，第二训练模块包括：

第四处理单元，用于对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

第五处理单元，用于根据所述时延径的导频信号，进行LAMP的整体信道估计，得到第二估计误差；

第六处理单元，用于根据所述第二估计误差训练LAMP的参数。

在本申请的一种实施方式中，所述装置还包括：

第三发送模块，用于将训练后的所述LAMP的参数发送给所述第二通信设备。

本申请实施例提供的装置能够实现图2所示的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

参见图9，本申请实施例提供一种信道估计装置，应用于第二通信设备，该装置900包括：

第一接收模块901，用于接收第一通信设备发送的第一矩阵中的第一导频信号；

信道估计模块902，用于所述第二通信设备根据所述第一导频信号进行信道估计；

其中，所述第一矩阵为N×M矩阵，所述第一矩阵中的第i行，第j列的元素表示通过第i个RE，第j个天线发送的导频信号，i为大于或等于1，小于或等于N的正整数，j为大于或等于1，小于或等于M的正整数，，所述N 为所述第一通信设备的天线数量，所述M为每个RB上发送导频信号的RE的数量，所述M小于所述N，所述N和M均为大于1的整数。

在本申请的一种实施方式中，所述第一矩阵是基于第二矩阵和第三矩阵确定的，所述第二矩阵为N×M的感知矩阵，所述第三矩阵为空域到波束域的转换矩阵。

在本申请的一种实施方式中，所述第三矩阵为N维的DFT矩阵；

或者，

所述第三矩阵为N

在本申请的一种实施方式中，信道估计模块902进一步用于：

对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

根据所述时延径的导频信号，进行LAMP的整体信道估计，得到第一信道估计结果。

在本申请的一种实施方式中，信道估计模块902进一步用于：

根据所述第一信道估计结果，得到各个天线在对应RB的信道的第二信道估计结果。

在本申请的一种实施方式中，信道估计模块902进一步用于：

将所述第一信道估计结果转换为M×N的信道矩阵，所述第一信道估计结果为空域波束的信道向量；将所述M×N的信道矩阵转换到频域和空域，得到各个天线在对应RB的信道的第二信道估计结果。

在本申请的一种实施方式中，所述装置还包括：

第七处理模块，用于对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

第八处理模块，用于根据AMP算法对所述每个时延径的导频信号进行估计，得到第一估计误差；

第九处理模块，用于根据所述第一估计误差训练所述第二矩阵。

在本申请的一种实施方式中，所述装置还包括：

第十处理模块，用于对所述第一导频信号进行快速傅里叶变换，得到时延径的导频信号；

第十一处理模块，用于根据时延径的导频信号，进行LAMP的整体信道估计，得到第二估计误差；

第十二处理模块，用于根据所述第二估计误差训练LAMP的参数。

可选地，第十一处理模块进一步用于：将各个时延径的导频信号拼接在一起，拼接后的信号矩阵为第四矩阵，所述第四矩阵是维度为RB个数的单位阵和每个RB上感知矩阵的克罗尼克积；根据所述第四矩阵，进行LAMP的信道估计，得到第二估计误差。

本申请实施例提供的装置能够实现图3所示的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

图10为实现本申请实施例的一种终端的硬件结构示意图，该终端1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元 1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1100等中的至少部分部件。

本领域技术人员可以理解，终端1000还可以包括给各个部件供电的电源 (比如电池)，电源可以通过电源管理系统与处理器1100逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

应理解的是，本申请实施例中，输入单元1004可以包括图形处理器 (GraphicsProcessing Unit，GPU)10041和麦克风10042，图形处理器10041 对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1006可包括显示面板10061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10061以及其它输入设备10072。触控面板10061，也称为触摸屏。触控面板10061可包括触摸检测装置和触摸控制器两个部分。其它输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

本申请实施例中，射频单元1001将来自网络侧设备的下行数据接收后，给处理器1100处理；另外，将上行的数据发送给网络侧设备。通常，射频单元1001包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。

存储器1009可用于存储软件程序或指令以及各种数据。存储器1009可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器1009可以包括高速随机存取存储器，还可以包括非易失性存储器，其中，非易失性存储器可以是只读存储器(Read-Only Memory， ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。例如至少一个磁盘存储器件、闪存器件、或其它非易失性固态存储器件。

处理器1100可包括一个或多个处理单元；可选地，处理器1100可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器1100中。

本申请实施例提供的终端能够实现图2或图3所示的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

参见图11，本申请实施例还提供了一种网络侧设备。如图11所示，该网络侧设备1100包括：天线1101、射频装置1102、基带装置1103。天线1101 与射频装置1102连接。在上行方向上，射频装置1102通过天线1101接收信息，将接收的信息发送给基带装置1103进行处理。在下行方向上，基带装置 1103对要发送的信息进行处理，并发送给射频装置1102，射频装置1102对收到的信息进行处理后经过天线1101发送出去。

上述频带处理装置可以位于基带装置1103中，以上实施例中网络侧设备执行的方法可以在基带装置1103中实现，该基带装置1103包括处理器1104 和存储器1105。

基带装置1103例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图11所示，其中一个芯片例如为处理器1104，与存储器1105连接，以调用存储器1105中的程序，执行以上方法实施例中所示的网络设备操作。

该基带装置1103还可以包括网络接口1106，用于与射频装置1102交互信息，该接口例如为通用公共无线接口(common public radio interface，简称CPRI)。

具体地，本申请实施例的网络侧设备还包括：存储在存储器1105上并可在处理器1104上运行的指令或程序。

可以理解的是，处理器1104调用存储器1105中的指令或程序执行图8或图9所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。

可选的，如图12所示，本申请实施例还提供一种通信设备1200，包括处理器1201，存储器1202，存储在存储器1202上并可在所述处理器1201上运行的程序或指令，例如，该通信设备1200为终端时，该程序或指令被处理器 1201执行时实现上述图2或图3方法实施例的各个过程，且能达到相同的技术效果。该通信设备1200为网络侧设备时，该程序或指令被处理器1201执行时实现上述图2或图3方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种计算机程序/程序产品，所述计算机程序/程序产品被存储在非易失的存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如图2或图3所述的处理的方法的步骤。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图2或图3所示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的终端或网络侧设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器 (Read-Only Memory，ROM)、随机存取存储器(Random Access Memory， RAM)、磁碟或者光盘等。

本申请实施例还提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述图4 或图5所示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘) 中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。