CN104394106A - 一种双衰落迭代信道估计方法 - Google Patents

Abstract

本发明属于无线通信技术领域，具体为一种基于最大期望EM算法的双衰落迭代信道估计方法。本发明针对在交织迭代的多标签复用***中，基于多用户的MIMO信道信息对于交织迭代解码具有重要作用的问题，提出了在RFID反向散射信道中使用期望最大(EM)信道估计的算法。本发明方法在一定信噪比条件下，将干扰降到可接受的程度，使得密集RFID多读卡器联合监测的方案在实现上提供了可行性。

Description

一种双衰落迭代信道估计方法

技术领域

本发明属于无线通信技术领域，具体涉及一种基于最大期望EM算法的双衰落迭代信道估计方法。

背景技术

在诸如仓储、物流等实际应用中，需要在一定的时间限制内识别出大量的物品，这就需要利用到多读卡器联合检测***。图1为一种多读卡器联合检测***，在这一***中，可以密集的部署多个读卡器，这些读卡器最后连接到总的处理器中集中处理和合并。在这种***方案中，多个重叠的读卡器可以认为是多天线***的一种实现方式。当多个读卡器都获得某个标签的数据时，可以对接收信号执行分集合并。

在传统的RFID网络中，由于多个读卡器会产生干扰，因此多读卡器联合检测是非常困难，甚至无法实现。在更加密集的RFID***中，标签冲突会变得更加严重。时分复用协议在这样的场景中效果有限。另一方面，从标签反射回的信号可能会包含多个CW成分，互相之间有相位甚至频率的漂移。这使得信号的包络混乱，难以正确的解码。

可使用交织迭代技术抑制不同信号的干扰。交织迭代是一种适应性较强的多路复用方式，能够在这种比较粗糙的***中生存。交织迭代技术能够从多路叠加的接收信号中恢复出原来的数据，并克服信号中相位不匹配、***简陋，缺少定时和功率控制的问题。

在RFID***中，分集可以从冗余的硬件资源和信道编码中获得，转换为更高的误码率性能和复用能力。RFID***的MIMO双衰落信道模型（图4），组成部分包括多个读卡器天线和标签天线。由于所有的读卡器接收到的标签信道经历了包括读卡器发射载波到标签天线和标签天线经过一定损耗后返回读卡器天线的双重信道过程。这种反向散射信道可以理解为一种级联的双衰落信道。这种双重的信道经历不仅会导致更高的路径损耗、更强的衰落，同时会影响到MIMO***的分集性能。

常规的RFID***由于属于单用户通信***，因此对于信道信息要求不高，使用最基本的非相干检测或者包络检波即可。但在交织迭代的多标签复用***中，基于多用户的MIMO信道信息对于交织迭代解码具有重要作用，因此需要在双衰落信道中获取信道信息。

本发明主要针对交织迭代的多标签复用***，提出一种基于最大期望EM算法的双衰落迭代信道估计方法，以获取多用户的MIMO信道信息。从仿真结果中可以看出，本方法可以使得在一定信噪比条件下，干扰可以降到可接受程度。

发明内容

本发明的目的在于提出提出一种能够很好地适应交织的多标签复用***，并且解码能力强的双衰落迭代信道估计方法。 

本发明提供的双衰落迭代信道估计方法，是基于最大期望EM算法的，具体说来，是在密集RFID多读卡器联合监测方案中，使用期望最大(EM)信道估计算法，获取RFID MIMO双衰落迭代信道的信道状态信息，具体流程如下：

（一）建立信道模型

对于信号模型：

                     (1)

其中， 为第j路接收信号，为信号状态信息，为第j路发送信号，为第j路的加性高斯白噪声，J表示分集信号路数。

(1) 计算期望，即完整信号对于已有信息和信道估计的后验概率的期望：

                     (2)

其中，为噪声的方差，表示第i次估计得到的信道状态信息，符号分别代表发射信号S的自相关,代表发射信号S与接收信号r的互相关，即：

             (3)

(2) 后验概率期望最大是的重新信道估计值为：

                 (4)

EM算法需要导频辅助，对于多用户***，每个用户使用一个独特的PN序列作为自己的导频。这需要收发双方事先协调一个PN序列。

对于RFID反向散射信道，也可以套用EM信道估计方法。可以将前向信道表示为行向量组成的矢量,反向信道表示为矢量。而发射信号x在一般情况下不做额外的功率分配：

                           (5)

L 为矢量的维数。

可以对接收信号作进一步处理，得信道模型:

        (6)

信道模型用标量形式可以表达为:

        (7)

经过变换后，信道模型与传统一般信道模型类似。

（二）计算RFID MIMO双衰落迭代信道的信道状态信息

基于上述模型，具体计算方法如下：

(1)利用接收信号的导频部分和已知的导频序列计算信道估计初始值：

                        (8)

其中，P代表所有导频序列的某个比特，即

(2)根据接收到的全部信号，包括导频部分和数据部分在内进行迭代计算，每次IDMA迭代更新一次信道估计:

          (9)

其中， 用式（3）计算。

经过这个方法估计出来的对应于式（6）中的，可以直接应用于交织迭代解码过程中。估计误差可以用均方根表示：

                   (10)。

本发明主要针对交织多址方案在RFID网络中的信道估计问题，提出了在RFID双衰弱迭代信道中使用期望最大（EM）信道估计的算法。仿真结果表明，通过该信道估计算法，能够获得与相同条件下信道状态信息（CSI）确知时相近的解码性能。

本发明优点：   

（1）所述的密集RFID多读卡器联合监测方案中使用了交织多址复用实现多标签解码，解决了不同标签之间的冲突；

（2）所述的基于最大期望EM算法的双衰落迭代信道估计算法，能够很好地适应交织的多标签复用***，获取反向散射信道中的信道信息；

（3）所述的信道估计算法有效提高了接收端的解码能力。

附图说明

图1为多读卡器联合监测***。

图2为IDMA多天线发射机。

图3为IDMA多天线接收机。

图4为RFID MIMO双衰落信道模型，包括了读卡器到标签的前向过程以及标签到读卡器的反向反射过程。

图5重复码下的信道估计和CSI比较。使用了2x2x2 MIMO和8倍扩频，8个复用标签。

图6卷积码下的信道估计和CSI比较。使用了2x2x2 MIMO和8倍扩频，16个复 用标签。

具体实施方式

对本发明提出的信道估计算法在RFID多读卡器联合监测***的性能进行仿真，具体步骤和结果如下：

按照***坦瑞利模型。

如图1所示，是一种密集RFID多读卡器联合监测方案。在这一***中，可以密集的部署多个读卡器， 这些读卡器最后连接到总的处理器中集中处理和合并。在这种***方案中，多个重叠的读卡器可以认为是多天线***的一种实现方式。当多个读卡器都获得某个标签的数据时，可以对接收信号执行分集合并。

图5、6给出了使用EM信道估计与相同条件下接收端信道状态信息确知时的解码性能比较。图中蓝线表示CSI误码率，红线是使用EM的误码率；黑线是EM信道估计的均方根误差。EM估计时使用了32个比特的导频。导频数量与复用的标签数量成正比。图中可以看出EM估计时的误码率相比CSI时只有微小的差别，并且估计误差随信噪比的升高线性下降。

由以上的仿真可知，使用基于最大期望EM算法的双衰落迭代信道估计算法，使交织的多标签复用***的解码性能，在一定信噪比条件下，将干扰降到可接受的程度，使得密集RFID多读卡器联合监测的方案在实现上提供了可行性。

Claims (1)

1.一种基于最大期望EM算法的双衰落迭代信道估计方法，是在密集RFID多读卡器联合监测方案中，使用期望最大EM信道估计算法，获取RFID MIMO双衰落迭代信道的信道状态，具体流程如下：

（一）建立信道模型

对于信号模型：

                     (1)

其中， 为第j路接收信号，为信号状态信息，为第j路发送信号，为第j路的加性高斯白噪声，J表示分集信号路数；

(1) 计算完整信号对于已有信息和信道估计的后验概率的期望：

                     (2)

其中，为噪声的方差，表示第i次估计得到的信道状态信息，符号分别代表发射信号S的自相关,代表发射信号S与接收信号r的互相关，即：

          (3)

(2)计算后验概率期望最大的重新信道估计值：

                          (4)

对于多用户***，每个用户使用一个独特的PN序列作为自己的导频，这由收发双方事先协调确定；

对于RFID反向散射信道，也用EM信道估计方法，将前向信道表示为行向量组成的矢量,反向信道表示为矢量，而发射信号x不做额外的功率分配：

                           (5)

L 为矢量的维数；对接收信号作进一步处理，得信道模型:

                   (6)

信道模型的标量形式表达为:

            (7)

（二）RFID MIMO双衰落迭代信道的信道状态的计算

基于上述模型，具体计算方法如下：

(1)利用接收信号的导频部分和已知的导频序列计算信道估计初始值：

                 (8)

其中，P代表所有导频序列的某个比特，即；

(2)根据接收到的全部信号，包括导频部分和数据部分在内进行迭代计算，每次IDMA迭代更新一次信道估计:

            (9)

其中， 由式（4）计算；

经过这个方法估计出来的对应于式（6）中的，可以直接应用于交织迭代解码过程中；估计误差可以用均方根表示：

                 (10)。