CN111404848B - 一种渐进最优的海洋通信***信道估计方法 - Google Patents
一种渐进最优的海洋通信***信道估计方法 Download PDFInfo
- Publication number
- CN111404848B CN111404848B CN202010202630.2A CN202010202630A CN111404848B CN 111404848 B CN111404848 B CN 111404848B CN 202010202630 A CN202010202630 A CN 202010202630A CN 111404848 B CN111404848 B CN 111404848B
- Authority
- CN
- China
- Prior art keywords
- channel
- estimation
- uvlc
- equal
- cir
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000000750 progressive effect Effects 0.000 title claims abstract description 10
- 238000004891 communication Methods 0.000 title claims description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000005070 sampling Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 9
- 239000013535 sea water Substances 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007493 shaping process Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
- H04B10/114—Indoor or close-range type systems
- H04B10/116—Visible light communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- 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
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0244—Channel estimation channel estimation algorithms using matrix methods with inversion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供的一种渐进最优的海洋通信***信道估计方法,针对现有信道估计方案的不足,以渐进最优的估计形式为基础,利用矩阵求逆引理对该形式进行简化,使得简化后的形式避免对矩阵执行实时的求逆运算,因此大大降低了复杂度,同时具有渐进最优的估计性能。另外,该方法考虑了实际环境中信道二阶统计特性的自适应更新策略,能够快速收敛,具有较好的实用价值。
Description
技术领域
本发明涉及海洋通信技术领域,更具体的,涉及一种渐进最优的海洋通信***信道估计方法。
背景技术
近年来,水下可见光通信(Underwater Visible Light Communication,UVLC)技术引起了学术界和业界越来越多的关注[1]。作为新兴技术,它比传统水声通信具有更高的带宽、更低的时延以及更高的安全性[2]-[3]。作为UVLC***的关键技术之一,信道估计(ChannelEstimation,CE)的准确性极大影响着高速数据传输业务的性能。
在现有的信道估计方案中,文献[4]提出了一种自适应统计贝叶斯最小均方误差信道估计(Adaptive Statistical Bayesian Minimum Mean Square Error CE,AS-BMMSE-CE)的方案,利用可变统计窗口(Variable Statistic Window,VSW)的机制去自适应跟踪信道冲激响应(Channel Impulse Response,CIR)的先验参数,从而提高估计精度。然而,该方案解决的是室内可见光(Visible Light Communication,VLC)信道估计问题。相比起室内VLC的信道模型,UVLC的信道模型需要考虑更复杂的物理效应,包括海水的吸收、散射及湍流等效应。因此,VLC与UVLC在信道特征上存在显著差异,用于VLC***的AS-BMMSE-CE技术无法在UVLC场景下取得理想的性能。同时,AS-BMMSE-CE的设计依赖唯一最优的均匀导频图案,一旦导频位置发生偏移,性能将发生恶化,因此如将其扩展至多输入多输出(Multiple-input Multiple-output,MIMO)的UVLC***,性能将受到较大的限制。此外,针对UVLC场景,文献[5]结合信道反射路径数量少的特点进行了设计,提出了一种基于压缩感知的信道估计方案。然而,这种估计方案不适用于扩散UVLC***。在扩散UVLC***中,光子和海水悬浮颗粒物之间发生多重散射,导致CIR的非视距(Non-line-of-sight,NLOS)分量密集且能量集中。因此CIR在时延域上不具有稀疏性,无法直接使用压缩感知进行信道估计。
发明内容
本发明为克服现有的信道估计方案不足,提供一种渐进最优的海洋通信***信道估计方法。
为解决上述技术问题,本发明的技术方案如下:
一种渐进最优的海洋通信***信道估计方法,包括以下步骤:
S1:构建基于分数采样的光正交频分复用FS-OOFDM的水下可见光通信UVLC***,设n、m和k分别表示OOFDM符号、过采样偏移和子载波的下标;
S2:在发射端,每个子载波的调制符号Xn,k表示数据或导频,且满足功率归一化条件E{|Xn,k|2}=1;导频格式采用梳状结构,相应的子载波下标为pi,0≤i≤Kp-1,其中Kp表示一个OOFDM符号包含的导频数目;且Xn,k满足埃尔米特对称HS,即1≤k≤K/2-1且Xn,0=Xn,K/2=0;对频域符号Xn=[0,Xn,1,...,Xn,K-1]T进行快速逆傅里叶变换IFFT、并串转换及循环前缀CP填充、数模转换及成形滤波、直流偏置及零削波操作后,通过发光二极管LED将电信号转换成光信号发射出去;设用户终端UT移动到位置n时接收到第n个OOFDM符号,将位置n的CIR建模成cn(t,τ)=ρn(t)cn'(τ),其中ρn(t)表示海水的湍流效应引起的衰落效应,cn'(τ)表示海水的吸收和散射引起的多径效应。结合成形滤波及匹配滤波的联合冲激响应p(τ),定义等效CIR为:
hn(t,τ)=cn(t,τ)*p(τ)=ρn(t)μh,n(τ) (1)
其中μh,n(τ)=cn'(τ)*p(τ);定义FS-OOFDM***的采样周期为其中M和Ts分别表示过采样因子以及传统OOFDM***的QAM符号采样周期;当采样周期为TM时,离散等效CIR为0≤m≤M-1,0≤l≤L-1,其中L表示采样周期Ts下的CIR抽头数目,Δd表示相邻位置间隔,v表示UE移动速度;
S3:在接收端进行信号接收,FS-OOFDM对接收到的信号进行分数采样FS处理以获取UVLC信道的多径增益;对FS后的接收信号进行快速傅里叶变换FFT,得到频域信号Yn,m,k具体为:
Yn,m,k=Xn,kHn,m,k+Vn,m,k,0≤m≤M-1,0<k≤K-1 (2)
其中Hn,m,k和Vn,m,k分别表示第n个位置、第m个过采样偏移、第k个子载波上的信道传输函数CTF和均值为0、方差为σ2的复高斯噪声;
其中Rh,n表示hn的自相关矩阵,Ψn=ΦRh,nΦH+Cz。令μh,n表示hn的均值,Rh,n与μh,n具有以下关系:
其中E{·}表示期望,表示湍流的闪烁指数;另外,式(7)的推导利用了式(1)的向量化形式,即hn=ρnμh,n;观察式(7),可知Rh,n是一个低秩矩阵,并且秩为1;注意到将Sherman-Morrison公式SMF运用到Ψn中:
另一方面,关于hn的线性最小均方误差信道估计LMMSE-CE表达式为:
其中Ch,n表示hn的协方差矩阵;LMMSE-CE是最优线性估计方法,SSMF-CE是一种低复杂度的渐进最优信道估计方法;将得到的SSMF-CE用于UVLC接收机的信号检测过程,完成对UVLC信道的时域估计。
上述方案中,以LMMSE-CE为基准,容易证明SSMF-CE具有渐进最优估计性能,即,当σ2趋近0时,SSMF-CE与LMMSE-CE具有相同的性能。另一方面,尽管SSMF-CE不是最优估计方法,但是通过比较式(9)和式(10)可知,SSMF-CE方法只需计算矩阵和向量之间的乘法,而不需要计算矩阵的逆,这意味着其计算复杂度相比LMMSE-CE将大幅降低。此外,由式(9)可知,SSMF-CE无需获取信道的一阶统计特性,因此它比LMMSE-CE所需的信道先验信息更少。因此,SSMF-CE是一种低复杂度的渐进最优信道估计方法,具有较高的实用价值。
其中,在所述步骤S6中,在SSMF-CE的基础上考虑噪声功率的估计以及先验参数Rh,n的自适应更新,形成适用于UE移动场景的方案,即ASSMF-CE方案。
上述方案中,UE移动会带来收发间失准的问题,导致CIR先验信息Rh,n随位置发生变化,同时接收端需要估计噪声功率。因此需要进一步在SSMF-CE方案中考虑噪声功率的估计以及先验参数Rh,n的自适应更新,形成适用于UE移动场景的方案,称为ASSMF-CE方案。
其中,所述ASSMF-CE方案具体为:
第二,根据式(3),得到导频子载波位置上的基于LS的频域信道估计结果;
第三,利用最大似然估计MLE方法,得到关于hn的时域信道估计结果如下:
第四,进行信道二阶统计特性更新CSSU;
第五,根据CSSU的结果进行时域CIR估计;
最后,对时域CIR估计结果进行变换,得到频域CTF的估计值,将频域CTF的估计值用于UVLC接收机的信号检测过程,完成对UVLC信道的频域估计。
其中,所述CSSU过程具体为:
在UE移动的场景中,信道统计特性的变化是非平稳的;对于非平稳信道环境,使用指数窗迭代方法来更新信道自相关矩阵,信道自相关矩阵的初始估计值为:
其中,对式(16)进行以下变换得到频域CTF的估计值:
与现有技术相比,本发明技术方案的有益效果是:
本发明提供的一种渐进最优的海洋通信***信道估计方法,针对现有信道估计方案的不足,该方法旨在降低计算复杂度的同时取得渐进最优的估计性能,以渐进最优的估计形式为基础,利用矩阵求逆引理对该形式进行简化,使得简化后的形式避免对矩阵执行实时的求逆运算,因此大大降低了复杂度。另外,该方法考虑了实际环境中信道二阶统计特性的自适应更新策略,能够快速收敛,具有较好的实用价值。
附图说明
图1为基于FS-OOFDM的UVLC***示意图;
图2为ASSMF-CE方案的处理流程图;
图3为UVLC场景示意图;
图4为不同信道估计方案的MSE性能和BER性能图;
图5为均匀导频图案下不同信道估计方案的基于UE位置和子载波MSE性能图;
图6为非均匀导频图案下不同信道估计方案的基于UE位置和子载波MSE性能图;
图7为不同信道估计方案的计算复杂度对比图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的基于FS-OOFDM的UVLC***的示意图,其中OOFDM方案采用直流偏置光-正交频分复用(Direct-current-biased Optical OFDM,DCO-OFDM)。为便于描述,假设n、m和k分别表示OOFDM符号、过采样偏移和子载波的下标。在发射端,每个子载波的调制符号Xn,k可以表示数据或导频,且满足功率归一化条件E{|Xn,k|2}=1。***采用梳状导频,导频对应的下标为pi,0≤i≤Kp-1,其中Kp表示一个OOFDM符号包含的导频数目。另外,Xn,k满足埃尔米特对称(Hermitian Symmetry,HS),即1≤k≤K/2-1且Xn,0=Xn,K/2=0。接着,根据图1所示的操作对频域符号Xn=[0,Xn,1,...,Xn,K-1]T进行后续处理,通过发光二极管(Light Emitted Diode,LED)将电信号转换成光信号发射出去。
假设用户终端(User Equipment,UE)移动到位置n时接收到第n个OOFDM符号。根据文献[3]可以将位置n的CIR建模成cn(t,τ)=ρn(t)cn'(τ),其中ρn(t)表示海水的湍流效应引起的衰落效应,cn'(τ)表示海水的吸收和散射引起的多径效应。结合成形滤波及匹配滤波的联合冲激响应p(τ),定义等效CIR为:
hn(t,τ)=cn(t,τ)*p(τ)=ρn(t)μh,n(τ) (1)
其中μh,n(τ)=cn'(τ)*p(τ)。定义FS-OOFDM***的采样周期为其中M和Ts分别表示过采样因子以及传统OOFDM***的QAM符号采样周期。当采样周期为TM时,离散等效CIR为0≤m≤M-1,0≤l≤L-1,其中L表示采样周期Ts下的CIR抽头数目,Δd表示相邻位置间隔,v表示UE移动速度。为简便起见,后续涉及的“CIR”均指“离散等效CIR”。
在接收端,通过光电二极管把光信号转化为电信号。区别于传统的OOFDM***,FS-OOFDM需要在模数转换模块对上述电信号进行分数采样(Fractional Sampling,FS)处理以获取UVLC信道的多径增益。对FS后的接收信号进行FFT,可以得到频域信号Yn,m,k:
Yn,m,k=Xn,kHn,m,k+Vn,m,k,0≤m≤M-1,0<k≤K-1 (2)
其中Hn,m,k和Vn,m,k分别表示第n个位置、第m个过采样偏移索引、第k个子载波上的信道传输函数(Channel Transfer Function,CTF)和均值为0、方差为σ2的复高斯噪声。
根据式(2)中的关系,利用最小二乘(Least Squares,LS)估计得到导频位置处的信道估计为:
其中表示均值为0,方差为σ2的复高斯噪声。设为MKp×1维复向量,hn=[hn,0,0,...hn,0,L-1,...hn,M-1,0,...hn,M-1,L-1]T为ML×1维实向量,为MKp×1维复向量,可以表示成:
其中Rh,n表示hn的自相关矩阵,Ψn=ΦRh,nΦH+Cz。令μh,n表示hn的均值,Rh,n与μh,n具有以下关系:
其中E{·}表示期望,表示湍流的闪烁指数。另外,式(7)的推导利用了式(1)的向量化形式,即hn=ρnμh,n。观察式(7),可知Rh,n是一个低秩矩阵,并且秩为1。注意到可以将Sherman-Morrison公式(SMF)[7]运用到Ψn中:
另一方面,关于hn的线性最小均方误差信道估计(Linear Minimum Mean SquareErrorCE,LMMSE-CE)表达式为:
在具体实施过程中,文献[8]证明了LMMSE-CE是最优线性估计方法。以LMMSE-CE为基准,容易证明SSMF-CE具有渐进最优估计性能,即,当σ2趋近0时,SSMF-CE与LMMSE-CE具有相同的性能。另一方面,尽管SSMF-CE不是最优估计方法,但是通过比较式(9)和式(10)可知,SSMF-CE方法只需计算矩阵和向量之间的乘法,而不需要计算矩阵的逆,这意味着其计算复杂度相比LMMSE-CE将大幅降低。此外,由式(9)可知,SSMF-CE无需获取信道的一阶统计特性,因此它比LMMSE-CE所需的信道先验信息更少。因此,SSMF-CE是一种低复杂度的渐进最优信道估计方法,具有较高的实用价值。
实施例2
在具体实施过程中,UE移动会带来收发间失准的问题,导致CIR先验信息Rh,n随位置发生变化,同时接收端需要估计噪声功率。因此需要进一步在SSMF-CE方案中考虑噪声功率的估计以及先验参数Rh,n的自适应更新,形成适用于UE移动场景的方案,称为ASSMF-CE方案。接下来对图2所示的ASSMF-CE方案进行具体说明。
(一)噪声功率估计(Noise Power Estimation,NPE)
(二)基于LS的频域信道估计
根据式(3),得到导频子载波位置上的基于LS的频域信道估计结果。
(三)最大似然估计(Maximum Likelihood Estimation,MLE)
利用最大似然估计方法,得到关于hn的时域信道估计结果如下:
(四)信道二阶统计特性更新(Channel Second-order Statistics Update,CSSU)
在UE移动的场景中,信道统计特性的变化是非平稳的。对于非平稳信道环境,可以使用指数窗迭代方法来更新信道自相关矩阵。信道自相关矩阵的初始估计值为:
其中βR是遗忘因子。接着,使用幂迭代算法[9]求解的最大特征值λ与对应的特征向量u,设定最大迭代次数为Imax。根据Eckart-Young定理[10]得到的最佳秩1近似估计来估计当前位置n的信道自相关矩阵
(五)时域CIR估计
(六)时频转换
对式(16)进行以下变换得到频域CTF的估计值:
实施例3
更具体的,在实施例1、实施例2的基础上,为更充分地阐述本发明所具有的有益效果,以下结合一个具体实施例的仿真分析及结果,进一步对本发明的有效性和先进性予以说明。
首先,假设仿真场景如图3所示,以LED位置作为直角坐标系原点,UVLC终端在与z轴垂直的平面上以2m/s的速度进行移动,按照虚线所示的移动路径从位置(-1,0.5,10)移动到位置(1,0.5,10)。具体的仿真参数由表1给出。
表1:仿真参数表
其次,ASSMF-CE方案的相关参数主要包括:遗忘因子βR=0.9,最大迭代次数Imax=10。图4给出了ASSMF-CE方案的MSE和误比特率(Bit Error Rate,BER)随信噪比(Signal-to-noise ratio,SNR)变化的性能曲线。图中对比了LMMSE-CE、MLE、文献[11]提出的一维鲁棒维纳滤波(One-dimensional Robust Wiener Filtering,1D RWF)和递归最小二乘(Recursive Least Squares,RLS)以及AS-BMMSE-CE方案[4]。作为一种理想的情况,LMMSE-CE方案中假设存在准确的先验信道状态信息(Channel State Information,CSI),尽管这在实际场景中是无法获得的。因此,LMMSE-CE的性能仅作为所有线性信道估计方案性能的理想下界而呈现。如图4所示,本发明提出的ASSMF-CE方案比除LMMSE-CE以外的其余方案具有更优的MSE和BER性能。例如,在BER为10-4时,相比已知理想CSI的***,ASSMF-CE方案几乎没有性能损失,而其余方案均有较大的性能损失。这充分展示了本发明的有效性和实用性。
在具体实施过程中,图5展示了在均匀导频图案的前提下,各信道估计方案随UE位置和子载波位置变化的均方误差(Mean Square Error,MSE)性能,其中图5(a)的结果是通过平均所有子载波的MSE得到的,而图5(b)的结果是通过平均所有UE位置的MSE得到的。实验结果表明,在较高信噪比下,本发明提出的ASSMF-CE方案在各UE位置和子载波位置的MSE性能最好。并且,由图5(a)可知,ASSMF-CE方案收敛速度快且收敛性能好。因此,ASSMF-CE方案不会随着UE位置或子载波位置的变化而产生明显的起伏,具有实用价值。另外,图6展示了非均匀导频图案下,各信道估计方案的MSE性能。对比图5和图6可以发现,无论是均匀导频还是非均匀导频,ASSMF-CE方案都能取得最好的性能。这说明,ASSMF-CE方案对导频图案不敏感,这在导频资源紧张的MIMO场景下是一种突出的优势,可以方便扩展至MIMO-UVLC***,具有较好的灵活性。
在具体实施过程中,图7分析了不同CIR抽头数下各信道估计方案的计算复杂度。相比于理想的LMMSE-CE方案,本发明提出的ASSMF-CE方案既保持了较少的性能损失,又大幅降低了所需的复数乘法和加法次数,适用于计算资源相对受限的场景,可以获得较好的性能与复杂度的折中。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
[1]H.Kaushal and G.Kadcdoum,“Underwater optical wirelesscommunication,”IEEE Access,vol.4,pp.1518-1547,Apr.2016.
[2]Z.Zeng,S.Fu,H.Zhang,Y.Dong,and J.Cheng,“A survey of underwateroptical wireless communications,”IEEE Communications Surveys&Tutorials,vol.19,no.1,pp.204-238,Oct.2017.
[3]M.V.Jamali,P.Nabavi,and J.A.Salehi,“MIMO underwater visible lightcommunications:comprehensive channel study,performance analysis,and multiple-symbol detection,”IEEE Transactions on Vehicular Technology,vol.67,no.9,pp.8223-8237,Sep.2018.
[4]X.Chen and M.Jiang,“Adaptive statistical Bayesian MMSE channelestimation for visible light communication,”IEEE Transactions on SignalProcessing,vol.65,no.5,pp.1287-1299,Nov.2017.
[5]X.Ma,F.Yang,S.Liu,and J.Song,“Channel estimation for widebandunderwater visible light communication:a compressive sensing perspective,”Optics express,vol.26,no.1,pp.311-321,Jan.2018.
[6]C.Tepedelenlioglu and R.Challagulla,“Low-complexity multipathdiversity through fractional sampling in OFDM,”IEEE Transactions on SignalProcessing,vol.52,no.11,pp.3104-3116,Nov.2004.
[7]C.D.Meyer,Matrix analysis and applied linear algebra.Philadelphia:SIAM,2000.
[8]S.M.Kay,Fundamentals of statistical signal processing:estimationtheory.Englewood Cliffs,NJ,USA:Prentice-Hall,1993.
[9]G.H.Golub and C.F.Van Loan,Matrix Computations.Baltimore,MD:JohnHopkins Univ.Press,2012.
[10]L.N.Trefethen and D.Bau III,Numerical linear algebra.Siam,vol.50,1997.
[11]L.Hanzo,M.Münster,B.Choi,and T.Keller,OFDM and MC-CDMA forbroadband multi-user communications,WLANs and broadcasting.Reading,MA,USA:Wiley,2003.
Claims (6)
1.一种渐进最优的海洋通信***信道估计方法,其特征在于,包括以下步骤:
S1:构建基于分数采样的光正交频分复用FS-OOFDM的水下可见光通信UVLC***,设n、m和k分别表示OOFDM符号、过采样偏移和子载波的下标;
S2:在发射端,每个子载波的调制符号Xn,k表示数据或导频,且满足功率归一化条件E{|Xn,k|2}=1;导频格式采用梳状结构,相应的子载波下标为pi,0≤i≤Kp-1,其中Kp表示一个OOFDM符号包含的导频数目;且Xn,k满足埃尔米特对称HS,即1≤k≤K/2-1且Xn,0=Xn,K/2=0;对频域符号Xn=[0,Xn,1,...,Xn,K-1]T进行快速逆傅里叶变换IFFT、并串转换及循环前缀CP填充、数模转换及成形滤波、直流偏置及零削波操作后,通过发光二极管LED将电信号转换成光信号发射出去;设用户终端UT移动到位置n时接收到第n个OOFDM符号,将位置n的CIR建模成cn(t,τ)=ρn(t)cn'(τ),其中ρn(t)表示海水的湍流效应引起的衰落效应,cn'(τ)表示海水的吸收和散射引起的多径效应;结合成形滤波及匹配滤波的联合冲激响应p(τ),定义等效CIR为:
hn(t,τ)=cn(t,τ)*p(τ)=ρn(t)μh,n(τ) (1)
其中μh,n(τ)=cn'(τ)*p(τ);定义FS-OOFDM***的采样周期为其中M和Ts分别表示过采样因子以及传统OOFDM***的QAM符号采样周期;当采样周期为TM时,离散等效CIR为0≤m≤M-1,0≤l≤L-1,其中L表示采样周期Ts下的CIR抽头数目,Δd表示相邻位置间隔,v表示UE移动速度;
S3:在接收端进行信号接收,FS-OOFDM对接收到的信号进行分数采样FS处理以获取UVLC信道的多径增益;对FS后的接收信号进行快速傅里叶变换FFT,得到频域信号Yn,m,k具体为:
Yn,m,k=Xn,kHn,m,k+Vn,m,k,0≤m≤M-1,0<k≤K-1 (2)
其中Hn,m,k和Vn,m,k分别表示第n个位置、第m个过采样偏移、第k个子载波上的信道传输函数CTF和均值为0、方差为σ2的复高斯噪声;
其中Rh,n表示hn的自相关矩阵,Ψn=ΦRh,nΦH+Cz; 令μh,n表示hn的均值,Rh,n与μh,n具有以下关系:
其中E{·}表示期望,表示湍流的闪烁指数;另外,式(7)的推导利用了式(1)的向量化形式,即hn=ρnμh,n;观察式(7),可知Rh,n是一个低秩矩阵,并且秩为1;注意到将Sherman-Morrison公式SMF运用到Ψn中:
另一方面,关于hn的线性最小均方误差信道估计LMMSE-CE表达式为:
2.根据权利要求1所述的一种渐进最优的海洋通信***信道估计方法,其特征在于,在所述步骤S6中,在SSMF-CE的基础上考虑噪声功率的估计以及先验参数Rh,n的自适应更新,形成适用于UE移动场景的方案,即ASSMF-CE方案。
3.根据权利要求2所述的一种渐进最优的海洋通信***信道估计方法,其特征在于,所述ASSMF-CE方案具体为:
第二,根据式(3),得到导频子载波位置上的基于LS的频域信道估计结果;
第三,利用最大似然估计MLE方法,得到关于hn的时域信道估计结果如下:
第四,进行信道二阶统计特性更新CSSU;
第五,根据CSSU的结果进行时域CIR估计;
最后,对时域CIR估计结果进行变换,得到频域CTF的估计值,将频域CTF的估计值用于UVLC接收机的信号检测过程,完成对UVLC信道的频域估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202630.2A CN111404848B (zh) | 2020-03-20 | 2020-03-20 | 一种渐进最优的海洋通信***信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202630.2A CN111404848B (zh) | 2020-03-20 | 2020-03-20 | 一种渐进最优的海洋通信***信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111404848A CN111404848A (zh) | 2020-07-10 |
CN111404848B true CN111404848B (zh) | 2021-03-19 |
Family
ID=71431141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202630.2A Active CN111404848B (zh) | 2020-03-20 | 2020-03-20 | 一种渐进最优的海洋通信***信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111404848B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113193855B (zh) * | 2021-04-25 | 2022-04-19 | 西南科技大学 | 一种用于辨识低秩声***的鲁棒自适应滤波方法 |
CN116248206B (zh) * | 2023-02-08 | 2023-09-22 | 中国科学院声学研究所 | 一种水声通信信道质量量化分析方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107508779A (zh) * | 2017-08-08 | 2017-12-22 | 深圳清华大学研究院 | 下行多用户可见光通信***发端信号产生方法及接收方法 |
CN109728852A (zh) * | 2019-03-13 | 2019-05-07 | 南京邮电大学 | 水下可见光通信装置及水下可见光通信方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105471777B (zh) * | 2015-12-30 | 2019-04-05 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 可见光信道估计方法与*** |
CN110166120A (zh) * | 2019-04-08 | 2019-08-23 | 中山大学 | 适用于多种水质的智能双向可见光通信*** |
-
2020
- 2020-03-20 CN CN202010202630.2A patent/CN111404848B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107508779A (zh) * | 2017-08-08 | 2017-12-22 | 深圳清华大学研究院 | 下行多用户可见光通信***发端信号产生方法及接收方法 |
CN109728852A (zh) * | 2019-03-13 | 2019-05-07 | 南京邮电大学 | 水下可见光通信装置及水下可见光通信方法 |
Non-Patent Citations (3)
Title |
---|
"Channel estimation for wideband underwater visible light communication:a compressive sensing perspective";X.Ma等;《Optics express》;20180131;全文 * |
"Experimental Evaluation of OFDM-Based Underwater Visible Light Communication System";Salah Hessien等;《IEEE Photonics Journal》;20180928;第10卷(第5期);全文 * |
"高速可见光通信关键技术及空间应用的研究";陈泉润;《中国博士学位论文全文数据库 信息科技辑》;20200315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111404848A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111404847B (zh) | 一种海洋通信***的信道估计方法 | |
CN108900443B (zh) | 一种水声通信中的水声信道干扰消除方法 | |
CN101242388B (zh) | 高速单载波频域均衡超宽带***的信道估计方法 | |
CN103441967B (zh) | 基于基扩展模型的ofdm***信道估计与信号检测方法 | |
CN107332797B (zh) | 一种电力线ofdm通信***中的信道估计方法 | |
JP2007089167A (ja) | 直交周波数分割多重システムにおけるチャネル推定方法及びチャネル推定器 | |
CN111404848B (zh) | 一种渐进最优的海洋通信***信道估计方法 | |
CN106506415B (zh) | 一种多用户mimo-ofdm***信道估计的方法 | |
CN107359906B (zh) | 低压电力线通信***中脉冲噪声的抑制方法 | |
CN108156101B (zh) | 一种mimo-scfde***联合迭代信道估计与迭代均衡方法 | |
Rossi et al. | Slepian-based two-dimensional estimation of time-frequency variant MIMO-OFDM channels | |
Hsu et al. | Low-complexity ICI mitigation methods for high-mobility SISO/MIMO-OFDM systems | |
CN110048972A (zh) | 一种水声正交频分复用信道估计方法及*** | |
CN107026804A (zh) | Mimo‑ofdm***中基于指数平滑的信道估计方法 | |
CN102413080B (zh) | 高速移动tdd-lte上行链路中信道估计方法 | |
CN102790746B (zh) | Ofdm***的信道估计方法 | |
Yang et al. | Joint channel estimation and generalized approximate messaging passing-based equalization for underwater acoustic communications | |
CN101494625A (zh) | 一种线性均衡方法及线性均衡器 | |
Khan et al. | Data aided channel estimation for MIMO-OFDM wireless systems using reliable carriers | |
CN106534028B (zh) | 基于压缩感知的ofdm信道跟踪方法 | |
Wang et al. | An improved sparse underwater acoustic OFDM channel estimation method based on joint sparse model and exponential smoothing | |
Munir et al. | Efficient equalization method for cyclic prefix-free coarsely quantized massive MIMO systems | |
Chen et al. | Low complexity channel estimation for fractionally sampled underwater visible light communication | |
Zhang et al. | Efficient estimation of fast fading OFDM channels | |
Wang et al. | A new DFT based channel estimation method for OFDM systems over multipath channels |
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 |