CN100477651C - 一种基于组合导频的高性能ofdm信道估计方法 - Google Patents

Abstract

本发明属通讯技术领域，具体是一种基于组合导频的高性能OFDM信道估计方法。该方法先在几个特定频率点***导频作为频域导频，并在OFDM时域信号上线性叠加周期性伪随机序列作为时域叠加导频。经过多径信道后，在时域对接收信号进行一阶统计平均求得信号参数，同时在频域利用发送的导频和周期性伪随机序列频域特点进行信道估计。最终把这两种方法估计得到的信道参数加权平均作为最终的估计结果，或者只采用频域得到的信道估计结果。本方法具有较低计算复杂度和很高的频谱利用率。与只利用时域叠加导频的估计方法相比，本方法以很小的频谱损失的代价，大大提高了信道估计性能。

Description

一种基于组合导频的高性能OFDM信道估计方法

技术领域

本发明属于通信技术领域，具体涉及一种基于组合导频的高性能的OFDM信道估计方法。

背景技术

正交频分复用(OFDM)把高速串行数据分成多条低速数据并分别对多个正交子载波进行调制，从而使子载波上的符号速率大大降低，符号持续时间大大加长，因而对多径时延扩展有较强的抵抗力，降低了符号间干扰对***的影响^[1]。

然而在基于OFDM的新一代无线通讯中，由于传输速率较高，如果使用相干检测(coherent detection)来获得较高的性能，则需要进行信道估计。目前OFDM信道估计方法主要是基于导频的非盲估计方法^[2]。当然也有一些OFDM盲估计算法但仍在研究之中^[3]。从导频***位置上分，基于导频信道估计方法主要有块状(block type)和梳状(comb type)^[4]。块状把某些OFDM符号全部作为导频信号，而梳状选取每个OFDM符号的一些子信道作为导频。在AWGN及时不变信道条件下，两种方法性能完全一样，但在信道快变化情况下，梳状要优于块状^[4][5]。基于导频信道估计方法主要缺点在于降低了频谱利用率。

文献[6]提出了一种叠加导频的OFDM信道估计方法。在OFDM时域信号上叠加周期性脉冲序列，并利用接收信号的一阶统计信息估计出信道信息。这种方法不占用频谱资源，计算量低，但是要提高信号的发射功率。同时叠加的脉冲序列加重了OFDM峰值平均能量比(PAPR)^[6]，另一方面由于叠加导频在信道均衡时具有类似“噪声”的性质，使得均衡存在噪声门限(error floor)，在高信噪比情况下性能下降^[7]。

发明内容

本发明的目的在于提出一种计算复杂度低，频谱利用率高的OFDM信道估计方法，

本发明提出的OFDM信道估计方法，是一种基于组合导频技术的信道估计方法。首先将***分成四个模块：星座映射1、加入导频2、多径信道3、信道估计4，经过星座映射1模块后的信号进入加入导频2模块，再经过多径信道3模块，最后进入信道估计4模块进行信道估计等计算。

***框图见图1所示。每个模块的具体功能如下：

1、星座映射。二进制数据流经过星座映射成为频域信号。星座映射可以采用QPSK(四相位相移键控)、16QAM(正交幅度调制)或者64QAM。

2、加入导频。加入导频的具体步骤由图2所示。从图2可知，其步骤就是在OFDM时域信号x(n)上叠加周期性伪随机序列s(n)作为时域叠加导频，同时在周期性伪随机序列频域响应不为零的频率点***导频，作为频域导频。将此方法称为“组合导频技术”。

3、多径信道。信道模型由多径信道进行描述，各个信道分别服从瑞利(Rayleigh)分布。

4、信道估计。信道估计的具体步骤由图3所示。从图3可知，信道估计的步骤是，先在时域对接收信号y(n)进行一阶统计平均求得信道参数，然后在频域通过对频域导频进行最小二乘(LS)或者最小均方误差(MMSE)的方法求得信道参数；最后将时域和频域的信道参数进行加权平均作为信道估计结果。

附图说明

图1***框图。

图2加入导频模块流程图。

图3信道估计模块流程图。

图4不同叠加序列能量下的峰值平均能量比(PAPR)。

图5信道估计误差比较。

图6不同信道估计方法均衡效果比较。

图1中标号：1、星座映射，2、加入导频，3、多径信道，4、信道估计。

具体实施方式

在本***中设OFDM符号由N个子载波构成，并令多径信道的信道冲击响应为h＝[h(0)，h(1)，…h(M-1)]^T，式中T为矩阵转置符号，M为信道阶数。

本发明信道估计方法的具体步骤如下：

(1)选取伪随机序列

令叠加的时域导频，即周期性伪随机序列s(n)是周期为P的信号，即s(n)＝s(n+P)。令c＝[s(0)，s(1)，…s(P-1)]^T，为叠加序列的一个周期，P≥M。

现选取伪随机序列的一个周期如下：

$c\left(n\right)={\mathrm{\σ}}_c{e}^{j\frac{\mathrm{\π}}{P}n(n+v)}$ v＝2，P为偶；v＝1，P为奇  n＝0，1，…P-1        (1)

其中 ${{\mathrm{\σ}}_c}^2=\frac{1}{P}\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}{\left|c\left(n\right)\right|}^2$ 是叠加序列的平均能量。

(2)时域信道估计

令C＝circ(c)，circ(c)把向量c转化为循环矩阵C^[9]。

令 $z\left(i\right)=\frac{1}{\mathrm{Np}}\underset{j=0}{\overset{\mathrm{Np}-1}{\mathrm{\Σ}}}y(i+\mathrm{jP})$ i＝0，1，…P-1，z＝[z(P-1)，z(P-2)，…z(0)]^T。

式中Np＝N/P，为简单起见设Np为整数，则有时域估计

为：

${\hat{h}}_t=C^{-1}z---\left(2\right)$

上式即是时域信道估计的算法。

(3)选择频域导频的特定频率点

定义对s(n)的傅立叶变换为S(k)，则有

$S\left(k\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}s\left(n\right)\exp (-j2\mathrm{\πnk}/N)=\underset{m=0}{\overset{P-1}{\mathrm{\Σ}}}\mathrm{\δ}(k-m\·\mathrm{Np})\underset{i=0}{\overset{P-1}{\mathrm{\Σ}}}\mathrm{Np}\·c\left(i\right)\exp (-j2\mathrm{\πim}/P)$

当P为偶数时，将(1)代入上式得到：

$S\left(k\right)=\underset{m=0}{\overset{P-1}{\mathrm{\Σ}}}\mathrm{\δ}(k-m\·\mathrm{Np})\underset{i=0}{\overset{P-1}{\mathrm{\Σ}}}\mathrm{Np}\·c\left(i\right)\exp (-j2\mathrm{\πim}/P)$

$=\mathrm{Np}\·{\mathrm{\σ}}_c\underset{m=0}{\overset{P-1}{\mathrm{\Σ}}}\mathrm{\δ}(k-m\·\mathrm{Np})\underset{i=0}{\overset{P-1}{\mathrm{\Σ}}}\exp [\mathrm{j\π}(i+2-2m)i/P]$

则有^[10]：

P为奇数时也有相同结论。

本发明所采用频域导频的特定的频率点，即是周期性伪随机序列s(n)频域响应S(k)不为零的频率点：k＝m·Np，m＝0，1，…P-1，总共是P个点。选取这P个点作为导频点，相当于对导频的信号能量增加了倍，从而等效提高了导频信息的信噪比。因而可在各个信噪比下获得其它方法不能获得的信道估计的性能。

(4)频域信道估计

在P个导频点采用最小二乘(LS)或者最小均方差(MMSE)^[11]信道估计，即进行频域信道估计，设得到的信道参数为

(5)最终信道估计结果

计算

和

的加权平均值为

$\hat{h}=\mathrm{\α}{\hat{h}}_t+\mathrm{\β}{\hat{h}}_f,\mathrm{\α}+\mathrm{\β}=1,\mathrm{\β}\≠0---\left(4\right)$

作为最终信道估计结果。

特别，当则α＝0时， $\hat{h}={\hat{h}}_f,$ 当 $\mathrm{\α}=\mathrm{\β}=\frac{1}{2}$ 时， $\hat{h}=({\hat{h}}_t+{\hat{h}}_f)/2.$

本发明技术效果

本小节通过仿真验证本发明的性能。在仿真中实现了图1所示的***，为了验证信道估计的准确性，在求得信道参数后，进行了信道的单步频域均衡。

仿真中设OFDM子载波数N＝1024，四相相移键控(QPSK)调制。未采用信道编码，循环前缀取1/32，则循环前缀长度CP＝1024/32＝32。信道为多径衰落信道，其脉冲响应为： $h\left(\mathrm{\τ}\right)=\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}{\mathrm{\α}}_k\mathrm{\δ}(\mathrm{\τ}-{\mathrm{\τ}}_k).$ 式中M为信道阶数，仿真中设定M＝8。α_k为第k条路径的幅度，它是零均值的复高斯随机变量，其功率时延轮廓为指数分布θ(τ_k)＝exp(-τ_k/τ_rms)，令 $\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}{\left|{\mathrm{\α}}_k\right|}^2=1,$ 表示信道能量的归一化。τ_k为CP/2上的均匀分布，即以***采样周期归一化的信道时延，信道最大时延为1024/32/2＝16，即P＝16。τ_rms为时延扩展均方根值，设为CP/8。令τ₀＝1，代表时域符号的完全同步。用蒙特卡罗方法(Monte-Carlo)产生1000组信道进行仿真。

1)峰值平均能量比(PAPR)

图4中为SNR＝15dB时各种方法的PAPR。original为未叠加任何序列时OFDM时域信号的PAPR，delta function为叠加了周期性脉冲序列后信号的PAPR，而proposed为本发明提出的叠加周期性伪随机序列后的PAPR。从图上可得随着脉冲序列能量的增大使得PAPR增大，而(1)式所示的伪随机序列由于具有恒定的幅度，即其PAPR＝1，从而不但不会加重PAPR，反而能降低PAPR。

2)信道估计误差比较

信道估计误差用 ${{\mathrm{\σ}}_e}^2=E\left[{|\hat{h}-h|}^2\right]$ 衡量。

在本方法中取α＝0.4(叠加序列与信号序列幅度比值)。由于Np＝N/P＝64，根据(3)式可得导频***位置为{1，65，129，257，...，961}，一共16个导频。

作为对比，引入传统基于导频的估计方法。采用梳状导频，导频***位置为{1，33，65，...，993}，总共32个导频，这是MMSE上优化的导频位置^[4]。信道估计方法采用LS和MMSE算法^[11]。

图5中LS，MMSE是基于传统的发送导频方法得到的信道估计误差，而pro time，proaverage，pro LS，pro MMSE分别是利用本发明中导频方法对时域估计(见式(2))，时频两域估计均值，频域LS和频域MMSE方法估计得到的误差。可见加权平均方法在低信噪比(＜12dB)下，比时域MMSE算法更加有效，而和只用叠加导频估计的方法相比则误差下降一半左右。采用本发明导频的频域LS和MMSE方法性能相近，但它们比传统方法在低信噪比时的估计方法性能好得多。需要强调的是LS方法具有低的计算复杂度。

3)***性能比较

图6中pkh代表perfect knowledge of h情况下均衡效果。可见基于导频的时域LS和MMSE方法性能接近，与已知信道信息下的均衡有2dB差距，而本方法(pro proposed)和理想情况只有约0.5dB差距，在各个信噪比情况下均有良好表现。只采用叠加导频估计的方法(pro time)在SNR＞6dB后性能下降，在高信噪比下仍有约0.3％的BER。这是由于S(k)在幅值不为0的频率点产生均衡误差引起的。

若考虑由于引入叠加序列而引起SNR的降低0.6dB(把本方法得到的曲线往右移0.6dB)，则从图4可得本方法仍然优于LS估计方法，同时需要强调的是，本发明方法的计算量要小于传统LS的估计方法，即本发明以16个导频就取得了优于传统方法32个导频的性能，提高***性能的同时也提高了频谱利用率。

参考文献

[1]F B Fredericksen，R Prasad.An overview of OFDM and related techniques towards development of futurewireless multimedia communications[C].Radio and Wireless Conference，IEEE，Aug.2002.19-22.

[2]S Coleri，M Ergen.A study of channel estimation in OFDM systems[C].VTC 2002，IEEE 56th，vol.2，Sep.2002.894-898.

[3]张继东，郑宝玉.基于导频的OFDM信道估计及其研究进展[J].通讯学报，2003，24(11)：116-124.

[4]R Negi，J Cioffe.Pilot tone selection for channel estimation in mobile OFDM system[J].IEEETrans.Consum.Electron，vol.44(3)，Aug.1998.1122-1128.

[5]M Dong，L Tong.Optimal design and placement of pilot symbols for channel estimation[A].IEEE Trans.Signal Processing，vol.50，Dec.2002.3055-3069.

[6]N Chen，G T Zhou.A superimposed periodic pilot scheme for semi-blind channel estimation of OFDMsystems[A].Digital Signal Processing Workshop，Proceedings of IEEE，Oct.2002.362-365.

[7]S Ohno，G B Giannakis.Optimal training and redundant precoding for block transmissions with applicationto wireless OFDM[J].IEEE Trans.Commun，vol.50，Dec.2002.2113-2123.

[8]Orozco-Lugo，G Aldo.Channel estimation using implicit training[A].IEEE Trans.Signal Processing，vol.52，Jan.2004.240-254.

[9]P.J.Davis，Circulant Matrix[M]，2nd ed，New York：Chelsea，1994.

[10]肖国镇.《伪随机序列及其应用》[M]，国防工业出版社，1985.

[11]van de Beek，O Edfors.On Channel Estimation in OFDM Systems[C].VTC 1995，IEEE 45th，vol.2，July.1995.815-819.

Claims (3)

1、一种基于组合导频的高性能OFDM信道估计方法，其特征在于首先将***分成四个模块：星座映射(1)、加入导频(2)、多径信道(3)、信道估计(4)，经过星座映射(1)模块后的信号进入加入导频(2)模块，再经过多径信道(3)模块，最后进入信道估计(4)模块进行信道估计计算；其中，

星座映射将二进制数据流信号映射为频域信号；

加入导频是在OFDM时域信号x(n)上叠加周期性伪随机序列s(n)作为时域叠加导频，同时在周期性伪随机序列频域响应不为零的频率点***导频，作为频域导频；

信道估计的步骤是，先在时域对接收信号y(n)进行一阶统计平均求得信道参数，然后在频域通过对频域导频进行最小二乘或者最小均方误差的方法求得信道参数；最后将时域和频域的信道参数进行加权平均作为信道估计结果。

2、根据权利要求1所述的信道估计方法，其特征在于具体操作步骤如下：

(1)选取伪随机序列

令叠加的时域导频，即周期性伪随机序列s(n)是周期为P的信号：s(n)＝s(n+P)；令c＝[s(0)，s(1)，…s(P-1)]^T，为叠加序列的一个周期，P≥M，M为信道阶数；

选取伪随机序列的一个周期如下：

$c\left(n\right)={\mathrm{\σ}}_c{e}^{j\frac{\mathrm{\π}}{P}n(n+v)}$ v＝2，P为偶；v＝1，P为奇  n＝0，1，…P-1    (1)

其中 ${{\mathrm{\σ}}_c}^2=\frac{1}{P}\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}{\left|c\left(n\right)\right|}^2$ 是叠加序列的平均能量；

(2)时域信道估计

令C＝circ(c)，circ(c)是把向量c转化为循环矩阵C^[9]；

令 $z\left(i\right)=\frac{1}{\mathrm{Np}}\underset{j=0}{\overset{\mathrm{Np}-1}{\mathrm{\Σ}}}y(i+\mathrm{jP})$ i＝0，1，…P-1，z＝[z(P-1)，z(P-2)，…z(0)]^T；

式中Np＝N/P，N为一个OFDM符号的子载波数，Np为整数，则有时域估计

为：

${\hat{h}}_t=C^{-1}z---\left(2\right)$

(3)选择频域导频的特定频率点

采用周期性伪随机序列s(n)频域响应S(k)不为零的频率点：k＝m·Np，m＝0，1，…P-1，总共是P个点，作为导频点；

(4)频域信道估计

在P个导频点采用最小二乘或者最小均方差进行信道估计，得到频域信道参数为

(5)最终信道估计结果

计算

和的加权平均值为

$\hat{h}=\mathrm{\α}{\hat{h}}_t+\mathrm{\β}{\hat{h}}_f,$ α+β＝1    β≠0    (4)

作为最终信道估计结果。

3、根据权利要求2所述的信道估计方法，其特征在于取α＝0， $\hat{h}={\hat{h}}_f,$ 或者 $\mathrm{\α}=\mathrm{\β}=\frac{1}{2},$ $\hat{h}=({\hat{h}}_t+{\hat{h}}_f)/2.$

Images