CN101001222A - 一种高速移动环境特征参数自适应估计方法 - Google Patents

Abstract

本发明提供了一种高速移动环境特征参数自适应估计方法。该方法尤其适合于高速移动通信***中进行信道估计。该方法通过对步长因子的非线性变化自适应跟踪特征参数变化规律，改善了算法的收敛速度并快速获得最佳滤波器权系数，该思想的运用获得了一种比现有技术收敛速度更快、估计精度更高的LMS特征参数盲估计方法。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LMS算法以及其衍生算法和装置中。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、航天等多种领域的特征参数估计。

Description

一种高速移动环境特征参数自适应估计方法

技术领域：

本发明涉及一种高速移动环境特征参数自适应估计方法。该方法尤其适用于数字无线通信***中高速移动环境的信道估计，属于使用电磁波技术的数字移动通信领域，特别涉及数字地面电视、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LMS方法以及其衍生的方法中估计通信、雷达、航天、测控、声纳、图象处理等领域的其他特征参数。

背景技术：

随着互联网和移动通信技术的高速发展，对高速的无线数据业务的需求与日剧增。然而，在恶劣的无线信道环境中提供高速数据业务是很困难的，因此，业界一直在为提供具有良好性能的无线传输技术而努力。正交频分复用(OFDM)***由于其强大的抵抗符号间干扰(ISI)的能力和很高的频谱效率，而被广泛地应用在数字用户环路(XDSL)、数字视频/音频广播、无线局域网、***移动通信等多个高数据传输通信***中。

为了保证通信***在无线信道环境中能够具有良好的性能，必需对多径时变的无线衰落信道进行精确估计，以便恢复出原始信息；而信道估计的质量直接对***的性能起着关键作用。目前采用的信道估计方法大致可以分为两大类：盲估计和基于导频或训练序列的信道估计。所述的基于导频的信道估计又分为基于最小二乘(LS)准则和基于最小均方误差(MMSE)准则。LS信道估计虽然简单，但是和MMSE信道估计相比，为了达到相同的信道估计性能(用信道估计的均方误差(MSE)来衡量)，存在10～15dB的信噪比(SNR)损失。但是为了实现MMSE信道估计，需要知道准确的信道统计特性，这在实际中是无法实现的；所述的盲估计虽然因为不需要导频而具有较高的频谱利用率，但是收敛性不佳、性能不好。但是对于高速传输数据的移动通信***而言，盲估计方法很有研究价值。

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。

LMS算法是最早由Widrow和Hoff提出的，为大家都知道的自适应估计和预测技术，在不同方面有着广泛的应用。在该算法中，只有一个参数就是步长，因此步长参数将控制着算法的收敛性能、收敛条件和稳态误差；选择大的步长可以产生很快地收敛速度，但是，当收敛到最佳权系数附近后将在较大的邻域内抖动而无法进一步收敛；选择较小的步长可以收敛到维纳解附近的小邻域，但是其收敛速度太慢。这就是LMS算法的一个明显的弱点，即：高速收敛和小稳态误差不可兼得，而协调这个矛盾的参量就是步长。

发明内容：

本发明的目的是：提出一种高速移动环境特征参数自适应估计LMS方法。该法尤其适合于数字无线移动通信***中高度自适应信道估计，这个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，提高了估计精度，且实现也容易。

为了实现上述目的，本发明提出了一种高速移动环境特征参数自适应估计方法。其技术方案是：通过对LMS方法的步长进行时变自适应处理，以便符合变化LMS算法的变化规律。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。

本发明提出的一种高速移动环境特征参数自适应估计方法，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。

本发明的估计模型和原理详细说明如下：

定理：(本专利技术----时变步长盲LMS估计器)时变步长盲LMS估计器算法由式(1)到式(4)确定：

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_{n}x\left(n\right)e\left(n\right)---\left(1\right)$

$e\left(n\right)=Y\left(n\right)-x{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}---\left(2\right)$

${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(3\right)$

μ_n＝α_n×μ₀    (4)

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；同时，由于时变步长变化速度先快后慢，这样使整个过程很快估计出较为准确的特征参数，并在其周围做调整。

该技术在OFDM无线移动通信***中经过链路仿真估计信道特征来证明。与其常规方法相比，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LMS方法以及其衍生方法估计通信、雷达、航天等领域的其他特征参数，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11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、误差信息10、特征参数估计11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，LMS常数步长μ₀＝0.0002，LMS时变步长因子a＝0.01，b＝1.97，c＝5.0。

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/f_m)²)^-1/2    (5)

其中，A是抽头的衰减，v为移动速度。f_m为3dB频率，有时用多普勒频率表示。

图2是常数步长LMS盲方法和时变步长最小均方信道盲估计方法收敛性及估计性能比较图。

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：

$\mathrm{Error}=\frac{1}{N_c-N_0-1}\underset{n=N_0}{\overset{N_c}{\mathrm{\Σ}}}{|\mathrm{\β}-{\widehat{\mathrm{\β}}}_n|}^T|\mathrm{\β}-\widehat{\mathrm{\β}}|---\left(6\right)$

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，时变步长提高了最小均方信道盲估计方法的收敛速度，而且本专利技术的信道估计性能明显更优。

图3是常数步长、时变步长的LMS盲算法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。由该图可以看出，在不同延迟扩展时，时变步长的LMS盲算法在估计信道响应时比常数步长LMS盲算法性能更优。

图4为常数步长、时变步长的LMS盲算法在不同移动速度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。对于时变信道，在不同多普勒频率时，时变步长的LMS盲算法在估计信道响应时比常数步长LMS盲算法性能更优。

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。

Y＝uh+v

3、设定参数μ₀、a、b的值，计算出步长矩阵μ_n。其中：

μ_n＝α_n×μ₀

${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}$

4、设定参数β₀的值，x(n)为检测传输数据的输出结果，计算出误差矩阵e(n)。其中：

$e\left(n\right)=Y\left(n\right)-x{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}$

5、通过循环迭代，估计出特征参数

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_{n}x\left(n\right)e\left(n\right)$

Claims (3)

1、本发明涉及一种高速移动环境特征参数自适应估计方法，其特征在于包括如下步骤：

步骤1输入信号u(n)，经过未知的特征参数***后，获得输出信号矩阵Y(n)。

步骤2设定参数μ₀、a、b的值，α_n是由常数a、b确定的可变参数，计算出步长矩阵μ_n。有：

μ_n＝α_n×μ₀                           (1)

${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(2\right)$

步骤3设定参数β₀的值，x(n)为检测传输数据的判决输出结果，计算出误差矩阵e(n)。有：

$e\left(n\right)=Y\left(n\right)-x{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}---\left(3\right)$

X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]^T    (4)

步骤4通过循环迭代，估计出特征参数

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_{n}x\left(n\right)e\left(n\right)---\left(5\right)$

2、如权利要求1所说，一种高速移动环境特征参数自适应估计方法，其特征在于：步长是时变的。其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所说，一种高速移动环境特征参数自适应估计方法，其特征在于：本专利的时变步长的思想可以用于一切现有的LMS方法以及由LMS方法衍生的一系列方法；同时，该专利不仅可用于估计OFDM、CDMA、TDMA中的信道状态参数，而且可以用于估计涉及通信、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、航天等多种领域的特征参数。

Images