KR100439959B1 - 채널예측기 - Google Patents

Abstract

본 발명은 IEEE 802.11a 프레임에서 Short 훈련심볼을 추가로 활용한 개선된 채널예측기에 관한 것이다.

본 발명의 채널예측기는 시간영역의 OFDM 이산신호를 수신하는 Short과 Long 훈련심볼 수신부와 총 16개의 주기로 10번 반복되는 총 160개의 샘플로 구성된 Short 훈련심볼에 대한 후반부의 128샘플과 64개의 주기로 2번 반복되는 총 128샘플로 구성된 Long 훈련심볼에 대응되는 샘플들을 수신부에서 저장해 놓은 채널의 영향을 받지 않은 Short과 Long 훈련심볼로 나누어 총 256개의 결과 값들을 구해내는 복소 나눗셈기 및 복소 나눗셈기 출력샘플 256개를 이용하여 64×m 만큼 샘플을 지연시키는 64 샘플 지연기, 복소 나눗셈기에서 구해낸 총 256개의 샘플들을 64개씩 정렬시켜 더한 후에 4로 나누어 평균을 취한 64개의 주파수영역 채널예측계수 샘플을 구해내는 채널예측 계수를 포함하는 구성과 방법에 기술적 특징이 있다.

따라서, 본 발명의 IEEE 802.11a 프레임에서 Short 훈련심볼을 추가로 활용한 개선된 채널예측기는 이미 규격화된 IEEE 802.11a의 프레임 포맷을 변동시키지 않고, 기존의 알고리즘에서 활용하지 않았던 Short 훈련심볼을 채널예측 알고리즘에 추가시킴으로써 보다 정확한 채널예측 값을 구해낼 수 있어 향후 개발되는 고속 무선랜 시스템에 적용시 통신품질을 크게 향상시킬 수 있는 장점이 있다.

Description

채널예측기{A channel estimator}

본 발명은 IEEE 802.11a 프레임에서 Short 훈련심볼을 추가로 활용한 개선된 채널예측기에 관한 것으로, 보다 자세하게는 채널예측 알고리즘은 일반적인 방식과 다르게 Short 훈련심볼을 추가적으로 채널예측에 이용하는 것이다.

종래에는, 고속전송을 위해 OFDM 전송기술을 채택하는 IEEE 802.11a 무선랜 시스템의 프레임은 신호로 변환되어 실내 무선 채널을 매체로 하여 송수신되며 연구결과에 의하면 한 프레임 내의 채널 진폭응답과 위상응답은 거의 동일하다고 볼 수 있다. 이때, 수신 신호는 채널의 진폭과 위상응답에 따라서 송신신호와 다른 위상과 크기를 가지게 되므로 채널예측 알고리즘을 구동하여 채널에 의해 변동된 크기 및 위상 변동치를 예측하지 않으면 수신부에서 송신된 프레임 정보를 올바로 복원하지 못한다.

도 1을 살펴보면, 도시된 바와 같이 훈련심볼을 포함하는 IEEE 802.11a OFDM프리엠블 구조를 나태내었다. 이러한 채널예측 기능을 수행하기 위하여 IEEE 802.11a 프레임에는 두종류의 훈련심볼, 즉 16샘플 주기로 반복되는 10개의 Short 훈련심볼(총 160샘플)과 64 샘플 주기로 반복되는 두 개의 Long 훈련심볼(총128샘플)이 제공되는데, Short 훈련심볼(7)은 개략적인 주파수 오프셋 예측 및 시간동기를 위해서 이용되고, Long 훈련심볼(6)은 미세한 주파수 오프셋 예측 및 채널예측을 위해 제공된다.

도 2는 IEEE 802.11a 무선랜의 일반적인 채널예측 알고리즘을 보여준다. 프레임의 첫부분에 해당되는 Short 훈련심볼(7)과 Long 훈련심볼(6)이 차례로 수신되게 되는데 일반적인 채널예측 알고리즘에서는 Long 훈련심볼(6)만을 이용하여 채널예측을 수행한다. 즉, 수신부에서 채널에 의해 변동되어 수신되는 신호를 고속 푸리에 변환(3)한 후, 64 샘플로 이루어진 Long 훈련심볼(6)을 저장되어 있는 기지의 Long 훈련심볼(6)로 나누어 채널 변동의 예측치(진폭, 위상)를 구해내고, 두 번째 Long 훈련심볼(6)에도 동일한 방법을 이용하여 채널 변동의 예측치를 구해내며, 잡음의 영향을 감소시키기 위해 이를 평균을 취하여 최종적인 채널응답계수를 구해낸다.

도 3은 IEEE 802.11a 모뎀의 채널 등화기에 적용되는 일반적인 채널예측기이다. 8개의 Short 훈련심볼(128샘플)과 두 개의 Long 훈련심볼(128샘플)을 모두 이용하여 채널예측을 수행한다. 일반적인 채널예측 알고리즘과 유사한 방식으로 채널에 의해 변동된 훈련심볼들을 64 샘플씩 구분하여 수신부에서 저장하고 있는 Short과 Long 훈련심볼(5)로 나누어 줌으로써 4번의 채널예측치를 구해내며 이를 평균을취하게 된다. 4개의 64 샘플이 평균에 이용되므로 수신신호에 포함된 잡음의 영향을 줄일 수 있게 되므로 Short 훈련심볼요소에서 데이터가 존재하는 12개의 부반송파에 대응되는 주파수에 대해 보다 정확하게 채널응답을 예측할 수 있다. 이렇게 구해낸 채널응답 예측치는 IEEE 802.11a 무선 모뎀의 등화기에 입력되어 채널보상에 이용된다.

즉, 훈련심볼 이후에 수신되는 데이터에 대해 채널에 의해 변화된 영향을 줄이기 위해 예측 채널계수로 데이터의 주파수 영역 샘플들을 나누어주면 채널의 영향을 보상시킬 수 있다.

최근 규격화가 완료되어 제품개발을 실시하고 있는 IEEE 802.11a 고속 무선랜 시스템의 프레임의 훈련심볼에는 도 4의 (가)와 (나)에 나타낸 바와 같은 Short 훈련심볼(7)과 Long 훈련심볼(6)이 있다. 이중 Short 훈련심볼(7)은 주파수 영역의 데이터가 12개만 존재하며 시간동기를 위한 기준으로 이용되므로 일반적인 채널예측 알고리즘은 Long 훈련심볼(6)만을 이용하여 채널예측을 수행한다.

그러나, 상기와 같은 종래의 Long 훈련심볼(6)만을 이용한 채널예측은, 결과적으로 시스템의 BER(Bit error rate) 성능의 개선 가능성을 활용하지 못하는 문제점이 있다.

따라서, 본 발명은 상기와 같은 종래 기술의 제반 단점과 문제점을 해결하기 위한 것으로, 규정되어 있는 Short 훈련심볼에서도 고속 푸리에 변환을 이용하여신호 대역 내의 전체 채널응답을 예측할 수는 없지만 12개의 데이터가 위치하는 부반송파에 대한 채널예측이 가능하게 하여 Short 훈련심볼도 부분적으로 Long 훈련심볼과 함께 채널예측을 위한 기준으로 이용하여 채널예측의 정확성을 높일 수 있는 알고리즘 제공에 본 발명의 목적이 있다.

도 1은 IEEE 802.11a 표준에 정의된 OFDM 프리엠블 구조도이다.

도 2는 일반적인 채널예측 알고리즘의 블럭도이다.

도 3은 IEEE 802.11a모뎀의 채널 등화기에 적용되는 일반적인 채널예측기의 블럭구성도이다.

도 4의 (가)와 (나)는 IEEE 802.11a의 훈련심볼열 요소 구조도를 도시한 것으로,

(가)는 Short 훈련심볼열 요소 구조도이고,

(나)는 Long 훈련심볼열 요소 구조도이다.

도 5는 본 발명의 채널예측 알고리즘의 블럭도이다.

도 6은 IEEE 802.11a모뎀의 채널 등화기에 적용되는 본 발명의 채널예측기의 블럭구성도이다.

도 7은 채널응답 예측 결과의 비교 파형도이다.

도 8은 12개의 부반송파에 대한 채널예측기의 MSE(Mean Square Error) 성능 비교도이다.

<도면의 주요부분에 대한 부호의 설명>

1. 복소 나눗셈기 2. 64 샘플 지연기

3. 고속 푸리에 변환 4. 고속 역푸리에 변환

5. Short과 Long 훈련심볼 6. Long 훈련심볼

7. Short 훈련심볼 8. 64샘플 평균치 취득부

9. 채널보상

본 발명의 상기 목적은 기존의 IEEE 802.11a 프레임 포맷을 변경하지 않고 Long 훈련심볼 이외에 주파수 영역의 데이터 12개를 가지는 Short 훈련심볼을 추가로 활용하여 12개의 부반송파에 해당되는 위치의 채널응답 예측에 대한 정확도를 높여서 IEEE 802.11a 방식의 무선랜 시스템에 적용하므로써 통신의 신뢰성을 높이는 채널예측기에 의해 달성된다.

채널예측 알고리즘은 일반적인 방식과 다르게 Short 훈련심볼을 추가적으로 채널예측에 이용한다.

본 발명의 상기 목적과 기술적 구성 및 그에 따른 작용효과에 관한 자세한 사항은 본 발명의 바람직한 실시예를 도시하고 있는 도면을 참조한 이하 상세한 설명에 의해 보다 명확하게 이해될 것이다.

먼저, 도 5는 본 발명의 채널예측 알고리즘이다. Short과 Long 훈련심볼(5) 수신에서 시간영역의 OFDM 이산신호를 수신하고 고속 역푸리에 변환(4)에서 수신신호를 64포인트 고속 역푸리에 변환(4)을 취하여 주파수영역 샘플들을 구해낸다. 상기 과정후에 복소 나눗셈기(1)에서 고속 역푸리에 변환 출력신호 중 먼저 총 16개의 주기로 10번 반복되는 총 160개의 샘플로 구성된 Short 훈련심볼(7)에 대한 후반부의 128샘플과, 64개의 주기로 2번 반복되는 총 128샘플로 구성된 Long 훈련심볼(6)에 대응되는 샘플들을 수신부에서 저장해 놓은 채널의 영향을 받지 않은 Short과 Long 훈련심볼(5)로 나누어 총 256개의 결과 값들을 구해내고, 64 샘플지연기(2)에서 복소 나눗셈기(1) 출력샘플 256개를 이용하여 192샘플 지연시킨 출력 A, 128샘플 지연시킨 출력 B, 64 샘플 지연시킨 출력 C, 그리고 지연시키지 않은 샘플D를 만든다. 결국, 상기 A, B, C, D에 해당하는 각각의 64 샘플들을 더한후 4로 나누어 구해낸 64개의 샘플 값이 본 알고리즘의 채널예측 계수가 된다.

마지막으로, 구해낸 채널 예측계수를 이용하여 채널보상에 이용할 수 있다. 즉, 훈련심볼 이후에 수신되는 데이터에 대해 채널에 의해 변화된 영향을 줄이기 위해 예측 채널계수로 데이터의 주파수 영역 샘플들을 나누어주면 채널의 영향을 보상시킬 수 있다.

다음, 도 6은 IEEE 802.11a모뎀의 채널 등화기에 적용되는 본 발명의 채널예측기의 블럭구성도이다. 처음, 고속 푸리에 변환(3) 블록을 보면 수신된 신호에 64-포인트 고속 푸리에 변환(3)을 취하여 주파수 영역의 신호로 변환하고 Short과 Long 훈련심볼(5) 블록은 수신부에서 미리 저장해 놓은 프레임의 프리앰블이다. 복소 나눗셈기(1)에서는 고속 푸리에 변환(3) 출력신호는 복소수이며, 먼저 Short 훈련심볼(7)에 대응되는 수신신호 다음에 Long 훈련심볼(6)에 대응되는 수신신호가 출력된다.

먼저 총 16개의 주기로 10번 반복되는 총 160개의 샘플로 구성된 Short 훈련심볼(7)이 수신되면, 이중 후반부의 128샘플을 이용하여 이것을 수신부에서 저장해 놓은 채널의 영향을 받지 않은 Short 훈련심볼(7)로 나누어 128개의 결과 값을 구한다. 이때, Short 훈련심볼(7)은 도 4의 (가)에서와 같이 총 64개 중 S-24, S-20, S-16, S-12, S-8, S-4, S4, S8, S12, S16, S20, S24에만 0이 아닌 12개의 주파수 영역의 데이터가 존재한다. 따라서 Short 훈련심볼(7)에서 채널예측에 참여 시킬 수 있는 것도 위의 12개의 데이터이므로 64개중 나머지 부분에 해당되는 나눗셈 결과는 0으로 변경시킨다.

다음으로 64개의 주기로 2번 반복되는 총 128샘플로 구성된 Long 훈련심볼(6)을 수신하면 수신부에서 저장해 놓은 채널의 영향을 받지 않은 Long 훈련심볼(6)로 나누어 128개의 결과값을 구한다. 이때, Long 훈련심볼(6)은 도 4의 (나)에서와 같이 총 64개 중 52곳에만 0이 아닌 주파수 영역의 데이터가 존재한다. 따라서 채널예측에 참여 시킬 수 있는 것도 위의 52개의 데이터이므로 64개중 나머지 부분에 해당되는 나눗셈 결과는 0으로 변경시킨다.

그 후에 64 샘플 지연기(2)와 평균치 블록을 살펴보면, 64 샘플 지연기(2) 블록중 64 샘플 지연기(2) 64×3에선 192샘플만큼 지연시키고 64 샘플 지연기(2) 64×2에선 128샘플만큼 지연시키며 64 샘플 지연기(2) 64×1에선 64 샘플만큼 지연시킨다. 또한 64샘플 평균치 취득부(8)에선 64 샘플 지연기(2)들에 의하여 복소 나눗셈기(1)에서 구해낸 총 256개의 샘플들을 64개씩 정렬시켜 더한 후에 4로 나누어 평균을 취한 64개의 주파수영역 채널예측계수 샘플을 구해낸다. 이때 모든 샘플들은 잡음이 포함된 것들이므로 평균이 취해지는 과정에서 잡음의 영향이 줄어든 채널예측계수를 얻을 수 있다.

결과적으로 64 샘플 지연기(2) 블록의 출력에서 구해낸 채널예측계수를 이용하면 Short 훈련심볼(7)의 데이터가 존재하는 12곳에 해당되는 채널예측 계수에서 기존의 방식보다 보다 정확한 예측값이 구해진다.

다음, 도 7은 채널응답 예측 결과의 비교 파형이다. 일반적인 예측알고리즘과 본 발명의 예측알고리즘의 채널응답예측 결과를 비교한 것이다. 도 7에서 '―'는 이상적인 채널응답을 나타내고, '×'는 일반적인 알고리즘을 적용한 경우, '＋'는 본 발명의 채널예측 알고리즘을 적용한 경우의 채널응답에 대한 예측치이다. 도면으로부터 본 발명에 의한 채널예측 알고리즘을 적용한 경우 12위치에서의 채널예측 치가 보다 정확해짐을 확인할 수 있다.

다음, 도 8은 12개의 부반송파에 대한 채널예측치의 MSE 성능 비교이다. 채널예측의 성능이 향상되는 12개의 위치에서 예측값을 이상적인 채널응답과 비교하여 오차에 대한 MSE를 나타낸 것이다. 도에서, 동일한 MSE를 기준으로 하였을때 약 5dB의 Eb/No(비트 에너지/1Hz 당 잡음의 세기) 개선이 발생함을 알 수 있다.

따라서, 본 발명의 IEEE 802.11a 프레임에서 Short 훈련심볼을 추가로 활용한 개선된 채널예측기는 이미 규격화된 IEEE 802.11a의 프레임 포맷을 변동시키지 않으면서, 기존의 알고리즘에서 활용하지 않았던 Short 훈련심볼을 채널예측 알고리즘에 추가시킴으로써 보다 정확한 채널예측 값을 구해낼 수 있는 장점이 있어서향후 개발되는 고속 무선랜 시스템에 적용시 통신품질을 크게 향상시킬 수 있는 효과가 있다.

Claims (4)

1. IEEE 802.11a 프레임에서 채널예측을 수행하는 채널예측기에 있어서,

   시간영역의 OFDM 이산신호를 수신하는 Short과 Long 훈련심볼(5)이 삽입된 신호;

   총 16개의 주기로 10번 반복되는 총 160개의 샘플로 구성된 Short 훈련심볼(7)에 대한 후반부의 128샘플과 64개의 주기로 2번 반복되는 총 128샘플로 구성된 Long 훈련심볼(6)에 대응되는 샘플들을 수신부에서 저장해 놓은 채널의 영향을 받지 않은 Short과 Long 훈련심볼(5)로 나누어 총 256개의 결과 값들을 구해내는 복소 나눗셈기(1);

   상기 복소 나눗셈기(1) 출력샘플 256개를 이용하여 64×m(m=1,2,3) 만큼 샘플을 지연시키는 64 샘플 지연기(2); 및

   상기 복소 나눗셈기(1)에서 구해낸 총 256개의 샘플들을 64개씩 정렬시켜 더한 후에 4로 나누어 평균을 취한 64개의 주파수영역 채널예측계수 샘플을 구해내고 그 샘플안에 들어있는 잡음은 평균이 취해지는 과정에서 잡음의 영향이 줄어든 채널예측계수를 얻는 64샘플 평균치 취득부(8)

   를 포함하여 이루어짐을 특징으로 하는 채널예측기.
2. 제 1항에 있어서,

   상기 Short 훈련심볼은 64개중 0이 아닌 12개 주파수 영역의 데이터가 존재하고 12개의 채널예측 값을 Long 훈련심볼 채널예측 값과 평균을 통해 정확한 채널예측 값을 갖는 것을 특징으로 하는 채널예측기.
3. 제 2항에 있어서,

   상기 12개 주파수 영역의 데이터는 S-24, S-20, S-16, S-12, S-8, S-4, S4, S8, S12, S16, S20, S24을 갖는 것을 특징으로 하는 채널예측기.
4. 제 1항에 있어서,

   상기 64 샘플 지연기는 192 샘플을 지연시킨 출력 A, 128 샘플을 지연시킨 출력 B, 64 샘플을 지연시킨 출력 C 및 지연시키지 않은 샘플 D를 포함하는 것을 특징으로 하는 채널예측기.