CN101001218A - 一种新的无线通信***信道估计盲方法 - Google Patents
一种新的无线通信***信道估计盲方法 Download PDFInfo
- Publication number
- CN101001218A CN101001218A CN 200610032730 CN200610032730A CN101001218A CN 101001218 A CN101001218 A CN 101001218A CN 200610032730 CN200610032730 CN 200610032730 CN 200610032730 A CN200610032730 A CN 200610032730A CN 101001218 A CN101001218 A CN 101001218A
- Authority
- CN
- China
- Prior art keywords
- channel
- blind
- matrix
- decision
- communication system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种新的无线通信***信道估计盲方法,这些方法采用时变步长改善了算法的收敛速度并快速获得最佳滤波器权系数、采用理想判决加权并修正以维持硬判决误差和信道噪声的鲁棒性,这些技术的运用获得了一种比现有递归最小二乘技术收敛速度更快、估计精度更高的信道盲估计方法。本发明实现容易,能用于各类采用OFDM进行调制的通信***中进行信道估计,也可用于码分多址(CDMA)***、时分多址(TDMA)***中进行信道估计。同时,本发明的思想仍可用于所有的RLS算法以及其衍生算法和装置中用于估计其他特征参数。涉及通信、地震勘探、声纳、图像处理、计算机视觉、生物医学工程、振动工程、雷达、遥控遥测、航天等多种领域。
Description
技术领域:
本发明涉及一种新的无线通信***信道估计盲方法,属于使用电磁波技术的数字移动通信领域,特别涉及数字电视、单载波OFDM通信***、多载波OFDM通信***、无线局域网(WLAN)等采用OFDM调制的数字通信***中的信道估计技术。同时,本发明不但可用于码分多址(CDMA)和时分多址(TDMA)***中进行信道估计,而且本发明的思想还可用于一切RLS方法以及其衍生的方法中估计其他特征参数。
背景技术:
下一代移动通信***的目标是:适应急剧增加的移动用户数量,实现无所不在的、高质量的、高数据传输速率的、高移动速率的、低功耗的无线移动多媒体传输。此时,正交频分复用(OFDM)技术与码分多址(CDMA)技术相比就显出了其优越性。
但是,OFDM调制分为连续调制和差分调制。采用差分调制时,无需进行信道估计,因为信道信息已包含在相邻符号之差中。差分调制是通信***常用的技术,因为它不需要信道估计器,从而简化了接收机的复杂度。但是,差分调制有两个缺点:它使噪声有3dB的增强,它无法运用频带利用率高的多电平调制技术;而连续调制则允许使用任何的星座。在无线移动环境中,连续调制则因效率高而更受关注。当采用连续调制时,就必须进行信道估计。因此,OFDM***中的信道估计算法的性能以及复杂度一直是研究的热点。
信道估计方法可分为三类:基于导频信号和PN序列的方法、基于判决反馈的方法和信道盲估计方法。总体而言,MMSE信道估计方法性能较好,但复杂度高;LS方法虽然简单,但估计性能不佳;基于判决反馈的信道估计方法性能也不佳。导频、PN序列辅助信道估计是比较常用的信道估计方法,其唯一缺点是在数据流中***导频信号或PN序列,降低了有效数据传输效率。而信道盲估计方法不需要利用训练序列,传输效率特别高,非常适合高速数据传输***。但盲算法比较复杂,收敛速度较慢。MMSE、LS、基于判决反馈算法和信道盲/半盲估计算法在性能或者复杂度上都有缺点,不适宜直接应用在实际***中。PSAM估计方法是比较理想的信道估计方法,它在复杂度不高的情况下能达到很好的性能,是比较适合于OFDM***信道估计的方法之一。但是,由于移动用户急剧增加,对数据传输速率要求越来越高,带宽资源越来越宝贵,所以,信道估计技术仍须继续研究。
不采用训练序列的信道盲估计方法则是另一种思路。该方法最大的优点就是没有用宝贵的带宽资源来换取信道估计的性能。
在信道盲估计算法中,最佳盲估计算法必须具备如下三点条件。第一、信道盲估计算法的收敛性必须快,即信道必须在尽可能少的符号内精确地估计出来;第二、算法的自适应调节能力必须很强以便能够自适应地追踪信道变化以满足通信的需要;第三、盲算法的计算复杂度和硬件实现复杂度应该较低,以增强其实用性。
自适应信道盲估计方法是一种优良的信道盲估计方法。近40年来,自适应信号处理的理论及技术不断发展,日趋完善,在控制***、雷达、通信、信号处理领域应用越来越广。自适应滤波器可以作为***信号传输的模型与逆模型,因而可用于自适应辨识(daptiveidentification)、自适应预测(adaptive prediction)及自适应信道估计和均衡(adaptive equalization)等。自适应滤波器的求解通常是以某种合理定义下的估计误差最小为准则,解出待定参数,通常采用递推的方法进行求解。在传统的自适应滤波***中,RLS(recursive least squares)时刻对所有已输入信号重估的平方误差和最小的准则(即LS准则),克服了LMS(least meansquare)算法收敛速度慢、信号非平稳适应性差等缺点。与LMS算法相比,RLS算法具有快速的跟踪能力,对于时变信道来说,这一点极为重要。RLS算法也有一些固有的缺陷,即为了减小预测中的噪声,当预测参数趋向于真值时,RLS算法中的Kalman增益向量接近于0,此时就可能跟踪不上信道参数的突变。一些学者相继提出了各种改进的RLS算法。由于RLS算法中的遗忘因子是常数,不适于在时变环境下应用。为了解决这个问题,文献D.J.Park,B.E.Jun.,Self-perturbing RLS algorithm with fast tracking capability[J].Electron.Letter,1992,(28):558-559.给出了提高跟踪能力和抑制噪声的SPRLS(Self Perturbing Recursive Least Square)算法,文献C.B.Papadias,A.Paulraj,A Constant Modulus Algorithm for Multi-user Signal eparationin Presence of Delay Spread Using Antenna Arrays[J].IEEE SP Lettet,1997,4(6):178-181.提供了调节遗忘因子的算法。这些算法虽然在跟踪能力上有所改善,但在信噪比较小的情况下,性能会急剧下降。
发明内容:
本发明的目的是:提出一种新的无线通信***信道估计盲方法,该方法相对于现有技术的信道估计方法提高了收敛速度、增强了自适应能力和信道估计精度,实现简单。
为了实现上述目的,本发明提出了一种新的无线通信***信道估计盲方法。其技术方案是:将现有技术中的常数步长改为可变步长,首先让滤波器权系数为一个较大的值,等到滤波器权系数收敛到最佳权系数后,步长减少以获得更好的估计性能。同时,为了维持硬判决误差和信道噪声的鲁棒性,还利用判决误差信息函数作为权系数的理想加权判决并修正。由此思想,在本专利中,提出了一种递归最小二乘信道盲估计方法-------修正的时变步长理想判决最小二乘法(TVCPMIDWRLS)。
本发明提出的一种新的无线通信***信道估计盲方法,可以有效地估计出信道状态参数并用于解调,从而有效提高***性能。
本发明的信道估计模型和原理详细说明如下:
对于一个子载波数为Nc的OFDM***,Si[k]表示第i个块(block)的第k个符号的频域信号。假设在***中无块间干扰(inter-block-interference,IBI)。为了简化,可以省略块标记i。时域OFDM信号s[n]可以表示为:
然后,长度为Ng的保护间隔填充在信息符号前面,有:
式中,G为功率放大器的增益,[n]Nc表示n除以Nc后的余数。一般假设G=1。
对于频率选择性衰落信道,我们可以用时不变的有限冲激响应滤波器h[n]来表示。于是,接收信号可以表示为:
式中,*表示线性卷积,h[n]是发射机滤波器、频率选择性信道、接收机滤波器的冲激响应,v[n]为零均值加性噪声。当消除循环前缀后,线性卷积就变成循环卷积(用表示),此时,有:
y[n]=x[n]h[n]+v[n],0≤n≤Nc-1 (4)
用矩阵改写(4)式为:
Y=Xh+v (5)
当接收机没有发射信号的信息时,此时,就是盲估计。
如附图5所示,有:
Y(n)=b1u1(n)+b2us(n)+...+bMuM(n)+w(n) (6)
其中,ui(n),i=1,2,...,M是实数的离散时间随机过程,xi(n),i=1,2,...,M是被检测的ui(n),b1,...,bM,β1,...,βM∈R,M是正整数,且w(n)是均值为零的实数离散时间随机过程。在观察***N个采样周期后,我们可以将获得的数据用矩阵表示为:
Y=[y(1),y(2),...,y(N)]T (9)
w=[w(1),w(2),...,w(N)]T (10)
e=[e(1),e(2),...,e(N)]T (11)
b=[b1,b2,...,bM]T (12)
β=[β1,β2,...,βM]T (13)
即:
Y=Ub+w (16)
e=Y-Xβ (17)
定义代价函数为:
J(β)=eT Re=(Y-Xβ)TR(Y-Xβ) (18)
其中,R是一个正定对称的N×N大小的权重系数矩阵,主要与X和U有关。对R值的确定主要根据实际的应用和估计属性而定。
为了维持硬判决误差和信道噪声的鲁棒性,我们对直接判决进行加权。加权的判决线性估计器根据加权函数是判决误差信息还是接收机软判决信息的不同又可进一步划分为理想加权判决和软加权判决两个子类。
定理2:(修正的时变步长理想加权判决RLS估计器)修正的时变步长理想加权判决RLS估计器算法由式(19)到式(24)确定。
Hn=λHn-1+X(n)XT(n) (21)
其中时变步长可以通过式(23)、(24)或者式(25)、(26)获得:
μn=αn×μ0 (23)
μn=αμn-1+γe(n)e(n-1) (25)
α、γ为常数,且0<α<1,0<γ<1/λmax
λmax为X的相关矩阵的最大特征值 (26)
在本发明中,该方法采用时变步长可以使算法收敛速度更快,该方法中假设有精确的判决误差信息,这样可以利用该信息作为RLS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。
经过OFDM通信***链路仿真也证明,与其他常规方法相比,本发明具有收敛速度快、估计精度高、计算复杂度低的特点。
本发明适用于所有采用OFDM***进行调制的***,尤其适用于OFDM***中的信道估计技术。虽然本发明的技术方案主要针对OFDM***,但是,任何具有信号处理、通信等知识背景的工程师都可以根据本发明设计出相应的针对码分多址、时分多址的信道估计装置,这些均应包含在本发明思想和范围之中。同时,本专利的思想也可以用于采用RLS方法以及其衍生方法估计其他特征参数,这些方法也应包含在本发明的思想和范围中。
附图说明:
图1为本专利技术框图。如图所示,本专利技术包括13个模块,其中初始值设置7、时变步长构造8、更新矩阵构造9、理想判决信息构造10、修正理想判决信息11、误差信息12、特征参数估计13为该专利技术与常规技术不同之处。
从图2到图4的仿***要参数为:信道模型为前述的标准的Rummler信道和无线移动信道,QPSK调制,信道模型为前述的标准的Rummler信道和无线移动信道,QPSK调制,RLS算法的遗忘因子λ=0.99,RLS常数步长μ=0.32,RLS时变步长初值μ0=0.5,RLS时变步长因子a=0.01,b=5.0,c=30.0。在这些图的仿真中采用式(23)、(24)来计算时变步长。
在仿真中,采用两种不同的信道环境。即:Rummler信道和无线移动瑞利信道。Rummler信道由三条多径组成,其中前两条的时延较相近,因此,该信道模型可以看成为两条多径组成,即:一条直视(LOS)径和一条反射径。而无线移动瑞利信道响应的每个抽头满足一定的衰减规律,该衰减可以用一个单极低通滤波器响应来描述,可以表示为:
G(v)=A(1-(v/fm)2)-1/2 (27)
其中,A是抽头的衰减,v为移动速度。fm为3dB频率,有时用多普勒频率表示。
图2是盲递归最小二乘(BRLS)估计方法、修正的时变步长理想判决加权递归最小二乘盲(TVCPMIDWRLS)估计方法收敛性能比较图。
为了比较本专利技术和现有技术的性能,我们采用真实的冲激响应与其估计值之间的差异绝对值取平方并平均来描述。即:
其中,N0是比估计器初始瞬时响应时刻更大的一个整数。
由该图可知,本专利技术提高了信道估计方法的收敛速度。
图3是盲递归最小二乘(BRLS)估计方法、修正的时变步长理想判决加权递归最小二乘盲(TVCPMIDWRLS)估计方法估计信道时,在不同延迟扩展时对应的信道估计性能。其中,信噪比固定为10dB,Rummler信道的延迟扩展在一个间隔增量中从1个符号间隔到5个符号间隔间变化。由该图比较可以看出,在不同延迟扩展时,本专利技术在估计信道响应时性能更优。
图4为盲递归最小二乘(BRLS)估计方法、修正的时变步长理想判决加权递归最小二乘盲(TVCPMIDWRLS)估计方法在不同多普勒频率时对应的信道估计性能。在该图中,信噪比均固定为10dB,信道环境为无线移动信道。由该图可知,对于高速移动的时变信道,本专利技术表现出较强的信道估计能力。
图5为直接判决信道估计***框图。
具体实施方式:
下面通过具体的实施对本发明的技术方案作进一步的描述。
具体步骤为:
1、发送端将OFDM调制的基带信号u(n)送入,产生保护间隔,通过D/A与成型滤波器,产生发射信号。
2、在接收端,接收信号通过A/D与低通滤波器后,保护间隔被删除,获得接收信号矩阵Y。其中,h为未知的信道,v为传输过程中的噪声。
Y=Uh+v (1)
3、设定参数μ0、a、b的值,计算出步长矩阵μn。其中:
μn=αn×μ0 (2)
4、假设有精确的判决误差信息,这样可以利用该信息作为RLS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。
假设θi和φi分别是软判决和硬判决时的解调处理过程中的幅角,定义pi为反映软判决和硬判决之间差异的在[0,1]之间的归一化值,有:
其中,S是可供选择的符号数目。
由于信道可以表示为多个时延的抽头延时,所以有:
u(n)=[u(n),u(n-1),...,u(n-M+1)]T (5)
X(n)=[x(n),x(n-1),...,x(n-M+1)]T (6)
相应地,在时刻n的权重需要反映过去M个判决的精确性。于是,该可能的权重的集合为:
an=pnpn-1...pn-M+1 (7)
5、设定参数λ的值,计算出更新矩阵Hn。
且更新矩阵为:
Hn=λHn-1+X(n)XT(n) (9)
6、设定参数β0的值,计算出误差矩阵e(n)。其中:
Claims (4)
1、本发明涉及一种新的无线通信***信道估计盲方法,其特征在于包括如下步骤:
步骤1发送端将OFDM调制的基带信号u(n)送入,产生保护间隔,通过D/A与成型滤波器,产生发射信号。
步骤2在接收端,接收信号通过A/D与低通滤波器后,保护间隔被删除,获得接收信号矩阵Y,其中v为噪声,h为未知的信道。
Y=Uh+v (1)
步骤3假设有精确的判决误差信息,这样可以利用该信息作为RLS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。
假设θi和φi分别是软判决和硬判决时的解调处理过程中的幅角,定义pi为反映软判决和硬判决之间差异的在[0,1]之间的归一化值,有:
其中,S是可供选择的符号数目。
由于信道可以表示为多个时延的抽头延时,所以有:
u(n)=[u(n),u(n-1),...,u(n-M+1)]T (3)
X(n)=[x(n),x(n-1),...,x(n-M+1)]T (4)
相应地,在时刻n的权重需要反映过去M个判决的精确性。于是,该可能的权重的集合为:
an=pnpn-1…pn-M+1 (5)
步骤4设定参数λ的值,选择训练序列u(n),计算出更新矩阵Hn。
Hn=λHn-1+anX(n)XT(n) (6)
步骤5设定参数β0的值,计算出误差矩阵e(n)。其中:
步骤6计算时变步长矩阵μn,有如下两种方法:
方法一:设定参数μ0、a、b的值,其中,αn为非线性时变参数,计算出时变的步长矩阵μn。
μn=αn×μ0 (8)
方法二:通过误差矩阵来调整时变步长,有:
μn=αμn-1+γe(n)e(n-1) (10)
α、γ为常数,且0<α<1,0<γ<1/λmax
λmax为X的相关矩阵的最大特征值 (11)
2、如权利要求1所说,一种新的无线通信***信道估计盲方法,其特征在于:步长是时变的。其核心思想是:先让滤波器权系数为一个较大的值,等到滤波器权系数快速收敛到最佳权系数后,步长变化减少以获得更好的估计性能。
3、如权利要求1所述的一种适应高速移动环境的信道估计盲方法,其特征在于:为了维持硬判决误差和信道噪声的鲁棒性,还用接收机软判决信息函数作为权系数的软加权判决并修正。
4、如权利要求1所说,一种适应高速移动环境的信道估计盲方法,其特征在于:该技术专利不仅可用于OFDM、CDMA和TDMA的通信***中进行***信道估计,而且涉及通信、通信、地震勘探、声纳、图象处理、计算机视觉、生物医学工程、振动工程、雷达、遥控遥测、航天等多种领域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610032730 CN101001218A (zh) | 2006-01-09 | 2006-01-09 | 一种新的无线通信***信道估计盲方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610032730 CN101001218A (zh) | 2006-01-09 | 2006-01-09 | 一种新的无线通信***信道估计盲方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101001218A true CN101001218A (zh) | 2007-07-18 |
Family
ID=38693030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610032730 Pending CN101001218A (zh) | 2006-01-09 | 2006-01-09 | 一种新的无线通信***信道估计盲方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101001218A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102143116A (zh) * | 2011-03-16 | 2011-08-03 | 宁波大学 | 一种基于ofdm信号循环平稳特性的盲信噪比估计方法 |
CN103186753A (zh) * | 2011-12-28 | 2013-07-03 | 中兴通讯股份有限公司 | 一种psam卡初始速率的检测方法和装置 |
CN104410434A (zh) * | 2014-12-05 | 2015-03-11 | 南京信息工程大学 | 一种改进的非标准约束恒模盲多用户检测算法 |
CN115242593A (zh) * | 2022-07-21 | 2022-10-25 | 电子科技大学长三角研究院(湖州) | 用于共生无线通信***中乘性多址接入信道的调制方法 |
-
2006
- 2006-01-09 CN CN 200610032730 patent/CN101001218A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102143116A (zh) * | 2011-03-16 | 2011-08-03 | 宁波大学 | 一种基于ofdm信号循环平稳特性的盲信噪比估计方法 |
CN102143116B (zh) * | 2011-03-16 | 2013-07-10 | 宁波大学 | 一种基于ofdm信号循环平稳特性的盲信噪比估计方法 |
CN103186753A (zh) * | 2011-12-28 | 2013-07-03 | 中兴通讯股份有限公司 | 一种psam卡初始速率的检测方法和装置 |
CN103186753B (zh) * | 2011-12-28 | 2016-02-17 | 中兴通讯股份有限公司 | 一种psam卡初始速率的检测方法和装置 |
CN104410434A (zh) * | 2014-12-05 | 2015-03-11 | 南京信息工程大学 | 一种改进的非标准约束恒模盲多用户检测算法 |
CN115242593A (zh) * | 2022-07-21 | 2022-10-25 | 电子科技大学长三角研究院(湖州) | 用于共生无线通信***中乘性多址接入信道的调制方法 |
CN115242593B (zh) * | 2022-07-21 | 2023-06-23 | 电子科技大学长三角研究院(湖州) | 用于共生无线通信***中乘性多址接入信道的调制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Adaptive PSAM accounting for channel estimation and prediction errors | |
CN1316754C (zh) | Rake接收机 | |
Arnold et al. | Enabling FDD massive MIMO through deep learning-based channel prediction | |
CN1879333A (zh) | 宽带无线接入***的上行突发均衡方法 | |
CN112822130B (zh) | 一种5g高速移动***中基于深度学习的多普勒频偏估计方法 | |
CN108881080B (zh) | 一种基于滑动窗与深度学习的ofdm抗ici检测方法 | |
CN101252559A (zh) | 一种训练序列时变步长最小均方方法 | |
CN104378787A (zh) | 基于扩展Prony算法的平坦快衰落长距离信道预测方法 | |
CN101001218A (zh) | 一种新的无线通信***信道估计盲方法 | |
CN103227761B (zh) | 一种基于经验似然方法的多径非高斯噪声信道的估计方法 | |
Rana | Performance comparison of LMS and RLS channel estimation algorithms for 4G MIMO OFDM systems | |
Cui et al. | Seeing is not always believing: Isac-assisted predictive beam tracking in multipath channels | |
Cao et al. | Robust OFDM shared waveform design and resource allocation for the integrated sensing and communication system | |
CN102790746A (zh) | Ofdm***的信道估计方法 | |
CN103139111A (zh) | 一种ofdm***中的低复杂度信号检测方法和设备 | |
Farhadi et al. | Machine learning empowered context-aware receiver for high-band transmission | |
CN101001223A (zh) | 提高无线移动通信中信道估计精度的盲方法 | |
CN101001221A (zh) | 一种训练序列资助的高度自适应的参数估计方法 | |
CN101001219A (zh) | 收敛速度快的特征参数自适应盲估计方法 | |
CN101001224A (zh) | 一种快速时变信道估计盲方法 | |
Djouama et al. | Predicting CSI for link adaptation employing support vector regression for channel extrapolation | |
Romia et al. | Design optimization of LMS-based adaptive equalizer for ZigBee systems with fading channels | |
Romia et al. | Optimization of recursive least square-based adaptive linear equalizer for ZigBee transceiver | |
CN101001225A (zh) | 精度高的特征参数自适应盲估计方法 | |
CN101001222A (zh) | 一种高速移动环境特征参数自适应估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20070718 |