CN106911359B - 适用于分布式压缩感知信道估计的训练序列填充方法 - Google Patents

适用于分布式压缩感知信道估计的训练序列填充方法 Download PDF

Info

Publication number
CN106911359B
CN106911359B CN201710124302.3A CN201710124302A CN106911359B CN 106911359 B CN106911359 B CN 106911359B CN 201710124302 A CN201710124302 A CN 201710124302A CN 106911359 B CN106911359 B CN 106911359B
Authority
CN
China
Prior art keywords
sequence
training sequence
estimation
length
channel
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.)
Active
Application number
CN201710124302.3A
Other languages
English (en)
Other versions
CN106911359A (zh
Inventor
徐伟掌
杨占昕
余心乐
邓纶晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Communication University of China
Original Assignee
Communication University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Communication University of China filed Critical Communication University of China
Priority to CN201710124302.3A priority Critical patent/CN106911359B/zh
Publication of CN106911359A publication Critical patent/CN106911359A/zh
Application granted granted Critical
Publication of CN106911359B publication Critical patent/CN106911359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
    • H04L25/023—Channel estimation using sounding signals with direct estimation from sounding signals with extension to other symbols
    • H04L25/0232—Channel estimation using sounding signals with direct estimation from sounding signals with extension to other symbols by interpolation between sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/707—Spread spectrum techniques using direct sequence modulation
    • H04B1/7097—Interference-related aspects
    • H04B1/711—Interference-related aspects the interference being multi-path interference

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种适用于动态压缩感知信道估计的训练序列填充方法，其包括以下步骤：构建一个序列T；采用滑动窗读取方式，依次从序列T中读取序列段作为训练序列Pj，其中，j表示时间顺序；将训练序列Pj***到载荷数据块Dj之间，组成传输数据帧/流。利用本发明训练序列填充方法填充的训练序列，能够完成信道估计和多径干扰抵消，能够有效发挥分布式压缩感知信道估计优势，同时能够抵抗数据块之间多径干扰，在提高信道估计准确性的同时有效地提高频谱利用率。

Description

适用于分布式压缩感知信道估计的训练序列填充方法
技术领域
本发明属于通信技术领域，具体涉及一种适用于分布式压缩感知信道估计的训练序列填充方法。
背景技术
信道状态检测是现代无线通信***的关键技术之一。在已有的信道状态检测方法中，基于参考信号的信道估计由于具有误差小、复杂度低等显著优点，被广泛用于现代无线传输***中。传统基于参考信号的信道估计方法仅考虑信道传播路径最大延时，不考虑信道传播路径数量，在宽带数据传输过程中往往需要添加大量的参考信号进行信道估计，大大降低了信道频谱资源的利用率。无线宽带***的多径传播通常具有时域上的稀疏特征，与传统信道估计方法不同，压缩感知信道估计是一种参数化估计方法，其主要思想是估计各路径的位置、大小及相位等参数，因此相对传统信道估计方法具有所需参考信号少的优势。构建观测量少、性能良好的观测矩阵是压缩感知信道估计技术实现的关键，而观测矩阵的构建与参考信号的填充方法有密切的关联。
相对于独立压缩感知信道估计，分布式压缩感知信道估计方法充分利用相邻时刻信道状态变化不大的特点，联合各测量时刻的观测向量进行多径时延估计，可进一步降低导频开销、提高时延估计准确率。所联合的各测量时刻拥有互不相同的观测矩阵是分布式压缩感知联合信道估计的关键。
块传输***具有易于消除多径干扰的优点，被广泛应用于现代无线通信、水声通信等领域。块传输***信道估计的参考信号有导频符号和训练序列两种，训练序列可同时用于多径干扰抵消和信道估计，可有效降低传输***冗余信号的比例。基于训练序列的信道估计方法可用于峰均比低的单载波(如SC-FDE，单载波频域均衡)***，适用于发送端功耗敏感的***。
目前已经有不少文献将训练序列用于压缩感知信道估计中，并提出了一系列与观测矩阵相关的训练序列产生方法。但是，这些训练序列要么只适用于独立压缩感知信道估计，要么不考虑保护间隔功能，无法满足同时用作多径扩展保护间隔和分布式压缩感知信道估计的要求。
发明内容
为了解决现有技术存在的上述问题，本发明提供了一种适用于分布式压缩感知信道估计的训练序列填充方法，采用所述填充方法得到的训练序列能够用作多径扩展保护间隔且满足分布式压缩感知信道估计的要求。
本发明所采用的技术方案为：适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，它包括以下步骤：构建一个序列T；采用滑动窗读取方式，依次从序列T中读取序列段作为训练序列Pj，其中，j表示时间顺序；将训练序列Pj***到载荷数据块Dj之间，组成传输数据帧/流。
进一步地，所述序列T为幅度恒定相位随机的伪随机序列。
进一步地，所述序列T由若干个相同的序列连接获得，且序列T的最小重复周期不小于信道最大延时长度。
进一步地，所述序列T由无限个相同序列连接获得。
进一步地，所述滑动窗中，每次的滑动量等于观测量M，相邻时刻两滑动窗的重叠长度等于最大信道长度L，窗长度等于训练序列的长度L+M。
进一步地，采用所述训练序列完成信道估计的方法为：利用训练序列获得在若干个相邻数据块之间互不相同的测量矩阵；利用分布式压缩感知算法进行信道估计。
进一步地，采用所述训练序列完成多径干扰抵消的方法为：将所述训练序列作为多径扩展保护间隔；采用频域均衡处理算法消除信道多径扩展对数据块之间的干扰。
进一步地，所述序列T采用长度大于或等于L+JM的序列，其中，J表示分布式压缩感知信道估计最大联合度。
更进一步地，所述传输数据帧/流采用长度为J(L+M)+(J-1)N，顺序为P1D1P2D2…PJ-1DJ-1PJ的发射数据序列，其中，N表示载荷数据块的长度。
进一步地，所述序列T由无限个相同序列连接构成且以长度JM为周期，其中，J表示分布式压缩感知信道估计最大联合度；所述传输数据帧/流采用顺序为P1D1P2D2…PJDJP1DJ+ 1P2DJ+2…PJD2JP1D2J+1P2D2J+2…的发射数据序列。
由于采用以上技术方案，本发明的有益效果为：采用本发明训练序列的填充方法所填充的训练序列能够有效发挥分布式压缩感知信道估计的优势，同时能够抵抗数据块之间的多径干扰，在提高信道估计准确性的同时能够有效地提高频谱利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中提供的适用于分布式压缩感知信道估计的训练序列填充方法的流程图；
图2是本发明一实施例中提供的突发传输***的训练序列产生及数据帧结构示意图；
图3是本发明另一实施例中提供的基于分布式压缩感知信道估计的训练序列填充方法在突发传输***中的应用流程图；
图4是本发明另一实施例中提供的单个数据块信号处理帧的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
如图1所示，本发明提供了一种适用于分布式压缩感知信道估计的训练序列填充方法，其包括以下步骤：
S1、构建一个序列T。
S2、采用滑动窗读取方式，依次从序列T中读取序列段作为训练序列Pj，其中，j表示时间顺序。
S3、将训练序列Pj***到载荷数据块Dj之间，组成传输数据帧/流。
采用本发明训练序列填充方法所填充的训练序列既能够满足分布式压缩感知的不同观测矩阵要求，也能满足载荷数据块前后具有相同参考信号序列的要求。采用本发明训练序列填充方法所填充的训练序列可以作为多径扩展保护间隔，采用频域均衡处理能够有效消除多径扩展对数据块之间的干扰。
上述步骤S1中，序列T可以是简单的幅度恒定相位随机的伪随机序列。序列T可以由若干个相同的序列连接获得，只需保证序列T的最小重复周期不小于信道最大延时长度。序列T也可以由无限个相同序列连接获得，以应用于连续传输***。
上述步骤S2中，如图2所示，所述滑动窗中，每次的滑动量等于观测量M，相邻时刻两滑动窗的重叠长度等于最大信道长度L，窗长度即训练序列长度为L+M。
本发明训练序列填充方法所填充的训练序列可以应用于分布式压缩感知信道估计中。训练序列Pj的长度为L+M，压缩感知信道估计的多径模型描述为Qj＝Ψjhj+nj，Qj为观测向量，hj为稀疏多径向量，Ψj为Toeplitz结构观测阵：
当各次测量使用不同的训练序列Pj，所对应的观测矩阵Ψj也随着j而变化，满足分布式压缩感知算法的要求。利用分布式压缩感知算法(如DCS-SOMP分布式压缩感知-同步正交匹配追踪算法)进行信道估计，可用较短的观测量M获得良好的信道状态估计性能，进而提高频谱利用率。
如图3所示，下面对本发明适用于分布式压缩感知信道估计的训练序列填充方法应用于突发传输***进行详细说明。
S11、根据所需的最大信道长度L、分布式压缩感知信道估计最大联合度J、压缩感知观测量M，生成一个长度大于或等于L+JM的序列T。
S22、以第1个数据为起始位置，选取序列T的连续L+M个数据作为第1个训练序列P1；以第M+1个数据为起始位置，选取序列T的连续L+M个数据作为第2个训练序列P2；类似地，以第jM+1个数据为起始位置，选取序列T的L+M个数据作为第j+1个训练序列Pj+1。
S33、记载荷数据块的长度为N，将第j个载荷数据块记作Dj，按照P1D1P2D2…PJ-1DJ- 1PJ的顺序，生成长度为J(L+M)+(J-1)N的发射数据序列X。
S44、发射数据序列X通过信道噪声和多径干扰后，在接收端经过时间-频率的同步，时间同步为首径同步，获得与发射数据序列X对应的接收数据序列R。
S55、将第(j-1)(L+M+N)+L+1个数据作为起始位置，选取接收数据序列R的连续M个数据作为第j个接收训练序列Qj(j∈[1,J])，最多J个接收训练序列可以使用分布式压缩感知技术进行联合信道估计。其中，接收训练序列的长度为M。
S66、将第(j-1)(L+M+N)+L+M+1个数据作为起始位置，选取接收数据序列R的连续N+L个数据作为第j个接收数据块(j∈[1,J-1])，该接收数据块可以通过频域均衡技术消除多径干扰。其中，接收数据块的长度为N+L。
如图4所示，步骤S55所述的接收训练序列Qj对应于图4所示的观测窗，步骤S66所述的可用于频域均衡的接收数据块对应于图4所示的FFT窗。
另外，根据上述用于突发传输***实施例的训练序列填充方法，可以通过以下改动将本发明训练序列填充方法用于连续传输***、在步骤S11中，序列T由无限个相同序列连接构成且以长度JM为周期；在步骤S33中，发射数据序列X为P1D1P2D2…PJDJP1DJ+1P2DJ+2…PJD2JP1D2J+1P2D2J+2…。由于序列Pj由周期为JM的序列T每次滑动M获得，因此Pj以J为周期，即Pj＝PJ+j。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (5)

1.一种适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，它包括以下步骤：
构建一个序列T，其中，序列T为幅度恒定相位随机的伪随机序列或由若干个相同的序列连接获得的序列或由无限个相同序列连接获得的序列；
采用滑动窗读取方式，依次从序列T中读取序列段作为训练序列Pj，其中，j表示时间顺序；
将训练序列Pj***到载荷数据块Dj之间，组成传输数据帧/流；
其中，所述滑动窗中每次滑动量等于观测量M，相邻时刻两滑动窗的重叠长度等于最大信道长度L，窗长度即训练序列长度为L+M；
还包括：采用所述训练序列完成信道估计；
所述采用所述训练序列完成信道估计的方法包括：
利用训练序列获得在若干个相邻数据块之间互不相同的测量矩阵；
利用分布式压缩感知算法进行信道估计；
还包括：采用所述训练序列完成多径干扰抵消；
所述采用训练序列完成多径干扰抵消的方法包括：
将所述训练序列的部分序列作为循环前缀保护间隔；
采用频域均衡处理算法消除信道多径扩展对数据块之间的干扰。
2.如权利要求1所述的适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，所述序列T为由若干个相同的序列连接获得的序列时，序列T的最小重复周期不小于信道最大延时长度。
3.如权利要求1或2所述的适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，所述序列T采用长度大于或等于L+JM的序列，其中，J表示分布式压缩感知信道估计最大联合长度。
4.如权利要求3所述的适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，所述传输数据帧/流 采用长度为J(L+M)+(J-1)N，顺序为P1D1P2D2......PJ-1DJ-1PJ的发射数据序列，其中，N表示载荷数据块的长度。
5.如权利要求1或2所述的适用于分布式压缩感知信道估计的训练序列填充方法，其特征在于，所述序列T由无限个相同序列连接构成且以长度JM为周期，其中，J表示分布式压缩感知信道估计最大联合长度；所述传输数据帧/流采用顺序为P1D1P2D2......PJDJP1DJ+ 1P2DJ+2…PJD2JP1D2J+1P2D2J+2…的发射数据序列。
CN201710124302.3A 2017-03-03 2017-03-03 适用于分布式压缩感知信道估计的训练序列填充方法 Active CN106911359B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710124302.3A CN106911359B (zh) 2017-03-03 2017-03-03 适用于分布式压缩感知信道估计的训练序列填充方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710124302.3A CN106911359B (zh) 2017-03-03 2017-03-03 适用于分布式压缩感知信道估计的训练序列填充方法

Publications (2)

Publication Number Publication Date
CN106911359A CN106911359A (zh) 2017-06-30
CN106911359B true CN106911359B (zh) 2019-11-08

Family

ID=59186414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710124302.3A Active CN106911359B (zh) 2017-03-03 2017-03-03 适用于分布式压缩感知信道估计的训练序列填充方法

Country Status (1)

Country Link
CN (1) CN106911359B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325569A (zh) * 2007-06-15 2008-12-17 安捷伦科技有限公司 通信***中的鲁棒信道估计
CN103731380A (zh) * 2014-01-03 2014-04-16 清华大学 一种基于压缩感知的时频联合信道估计的方法及装置
CN104796362A (zh) * 2015-04-24 2015-07-22 清华大学 基于时域训练序列的信道估计的方法及***、天线
CN105024954A (zh) * 2015-06-02 2015-11-04 清华大学 基于压缩感知信道估计的时域训练序列的填充方法及***
CN105530209A (zh) * 2015-12-25 2016-04-27 清华大学 多天线时域训练序列填充方法及装置
CN105940647A (zh) * 2014-01-30 2016-09-14 索尼公司 用于在无线网络中操作基站的方法和对应基站

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325569A (zh) * 2007-06-15 2008-12-17 安捷伦科技有限公司 通信***中的鲁棒信道估计
CN103731380A (zh) * 2014-01-03 2014-04-16 清华大学 一种基于压缩感知的时频联合信道估计的方法及装置
CN105940647A (zh) * 2014-01-30 2016-09-14 索尼公司 用于在无线网络中操作基站的方法和对应基站
CN104796362A (zh) * 2015-04-24 2015-07-22 清华大学 基于时域训练序列的信道估计的方法及***、天线
CN105024954A (zh) * 2015-06-02 2015-11-04 清华大学 基于压缩感知信道估计的时域训练序列的填充方法及***
CN105530209A (zh) * 2015-12-25 2016-04-27 清华大学 多天线时域训练序列填充方法及装置

Also Published As

Publication number Publication date
CN106911359A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
CN104283825B (zh) 一种基于动态压缩感知的信道估计方法
US6421401B1 (en) Method and apparatus for achieving and maintaining symbol synchronization particularly in an OFDM system
CN106656874B (zh) 一种基于压缩感知的移动ofdm***信道估计方法
CN109039960A (zh) 一种水声稀疏信道估计变步长稀疏度自适应匹配追踪方法
CN105323198B (zh) 一种利用双曲调频进行水下信号发射和接收的方法
CN106961403A (zh) 一种基于稀疏信道模型的ofdm水声语音通信多普勒补偿估计方法
CN113259291B (zh) 利用水声连续信号动态多普勒跟踪实现的相位补偿方法
CN104168227B (zh) 一种应用于正交频分复用***的载波同步的方法
CN113259295B (zh) 一种用于水声fbmc***的信号检测方法
CN103873422A (zh) 水声正交频分复用***符号内多径干扰消除方法
CN104796372A (zh) 一种低实现复杂度的lte***下行辅同步信号检测方法
Zhang et al. Bandwidth-efficient frequency-domain equalization for single carrier multiple-input multiple-output underwater acoustic communications
CN103346991B (zh) 一种基于循环前缀的信道估计与同步方法
KR20080007072A (ko) 시간, 또는 시간 및 주파수 다이버시티를 가지는 데이터의송신 방법, 장치, 및 이에 이용되는 패턴 생성 방법
CN106233685A (zh) 用于大规模mimo***的混合模拟数字预编码的方法
CN102377726B (zh) Ofdm***的定时同步方法
FI20205980A9 (en) Communication system
CN103916342B (zh) 一种信噪比估计方法
CN108650199A (zh) 无线通信接收端iq不平衡和信道联合估计方法及装置
CN105847192B (zh) 一种动态稀疏信道的联合估计方法
CN100563232C (zh) 一种多载波***的离散导频信号发送方法
CN104796370B (zh) 一种水声通信的信号同步方法、***及水声通信***
CN106911359B (zh) 适用于分布式压缩感知信道估计的训练序列填充方法
CN112383492B (zh) 应用于短波ofdm双选天波信道估计的递归压缩感知方法及***
CN110059401B (zh) 一种ofdm***水声信道冲激响应重构方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant