[發明專利]一種快變OFDM系統的漸進迭代時變信道估計和ICI消除方法

有效

• 申請號: 201310004124.2
• 申請日: 2013-01-07
• 公開（公告）號: CN103107969A
• 公開（公告）日: 2013-05-15
• 發明（設計）人: 楊睿哲;張琳;張杰;張延華;孫艷華;孫恩昌;司鵬搏
• 申請（專利權）人: 北京工業大學
• 主分類號: H04L27/26
• 分類號: H04L27/26;H04L25/02;H04L25/03
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 樓艮基

1.快變OFDM系統的漸進迭代時變信道估計和ICI消除方法，其特征在于，在OFDM系統的信道估計中，將ICI與噪聲之和SIN作為Kalman濾波器的去噪對象，從僅使用導頻點信息開始，漸進地增加用于迭代計算的信息，依以下步驟實現：

步驟(1)，發射端產生發送數據，將導頻數據按照梳狀導頻方式插入到發送數據中：

發送端設定如下：s表示第s個OFDM符號，s＝1,2,…,s,…S，每個OFDM符號包含N個子載波，n＝1,2,…,n,…,N，其中包含N_p個導頻符號和N_d個數據符號，N_d+N_p＝N，n_p＝1,2,…,N_p，導頻在頻域上的位置矩陣表示成：其中且保證N_p≥L，L是信道多徑數l的最大值，即l＝1，2，…,,l…,L，N_p個導頻被平均的插入到N個載波之中并且在傳輸過程中保持不變，在N個載波中導頻點符號表示為xp(s)=x(s)(Ps)=[xp1(s),xp2(s),···,xpNp(s)]T,]]>

步驟(2)，數據通過OFDM系統發送至接收端，在接收端去掉循環前綴后，按以下步驟用多項式基擴展模型P-BEM對信道進行建模：

步驟(2.1)，利用多項式基擴展模型P-BEM來描述具有時頻雙選特性的多徑傳播信道，則第S個OFDM符號的第n個子載波第l徑的信道沖激響應h^(s)(n,l)表示為：

h^(s)(n,l)＝QC_l^(s)+ξ_l^(s)(n),0≤n≤N-1，

其中，ξ_l^(s)表示建模時每一個OFDM符號的第l徑的模型誤差，其值小于10^-3，在計算時忽略，即認為h^(s)(n,l)＝QC_l^(s)，Q是一個N×B的正交基函數矩陣，C_l^(s)則是由基函數對應的B個系數組成的向量Cl(s)=[c1,l(s),c2,l(s),···,cb,l(s),···,cB,l(s)]T,]]>f_max是信道的最高頻率，T_s是采樣時間，

步驟(2.2)，將在接收端的接收信號表示成以下形式：

y^(s)＝H^(s)x^(s)+W^(s)，

其中，x^(s)＝[x₁^(s),x₂^(s)…x_N^(s)]^T、y^(s)＝[y₁^(s),y₂^(s),…,y_N^(s)]^T分別表示頻域上第s個去掉循環前綴后的發送信號和接收信號，W^(s)是其頻域上的白噪聲，H^(s)是N×N的信道矩陣：

其中，矩陣的每一個元素為多徑信道的信道沖擊響應的和，計算方式如下：

H(s)(m,k)=Σl=0L-1Gl(s)(M,K)e-j2π(k-1N-12)τl,]]>

m，k表示上述矩陣H^(s)的第m行k列的值，m＝1,2,…,m,…,M，M≤N，k＝1,2,…,k,…,K，K≤N，τ_l是第l徑的時延，G_l^(s)(M,K)為信道沖擊相應的頻域表達矩陣，其每一個元素計算如下：

Gl(s)(m,k)=1NΣn=0N-1h(s)(n,l)e-j2π(m-k)n/N,]]>

步驟(2.3)，根據P-BEM模型將接收信號進行重新建模，表示成帶有P-BEM系數的表達式如下：

y^(s)＝Φ^(s)g^(s)+W^(s)，

其中，

g^(s)=[C₁^(s)T,C₂^(s)T…C_L^(s)T]^T，表示P-BEM算法中的系數矩陣，

表示重新建模后，與發送數據相關的系數矩陣，其計算方法如下：

Zl(s)=1N[D1diag(x(s))Γl,···,Dbdiag(x(s))Γl,···,DBdiag(x(s))Γl],]]>其中，

Γl=e-j2π(p1N-12)τle-j2π(p2-1N-12)τl···e-j2π(pNp-1N-12)τlT,]]>是第l徑的傅里葉變換，

Γ＝[Γ₁,Γ₂,…,Γ_L]，表示L徑的總傅里葉變換矩陣，

diag(x^(s))表示以向量x^(s)為對角元素的矩陣，

步驟(3)，利用AR模型對信道BEM系數進行建模：

步驟(3.1)，按下式計算C_l^(s)相關矩陣：

RCl(j)=((Q)HQ)-1(Q)HRh(n,l)(j)Q((Q)HQ)-1,]]>

其中，j表示相關的階數，即進行相關運算的OFDM符號的符號間隔，j的取值為[-1,0,1]，分別表示當前OFDM信號的C_l^(s)和前一個符號的C_l^(s-1)的相關矩陣，當前OFDM信號的C_l^(s)的自相關矩陣，當前OFDM信號的C_l^(s)和后一個符號的C_l^(s+1)的相關矩陣。(·)^H表示Hermitian運算，Rh(n,l)(j)=E[h(n,l)h*(n+j,l)]=σh(n,l)2J0(2πfdTsj),]]>其中E[·]表示均值,J₀(·)表示第一類的零階貝塞爾函數，f_d=vf_c/c是終端的移動速度為v時的最大多普勒頻移，f_c是載波頻率，c是光速，代表第l徑的信道沖擊響應的方差，并假設

步驟(3.2)，根據Yule-Walker方程得到信道P-BEM參數的狀態轉移方程：

g_(s)＝Ag_(s-1)+U_(s)，

將OFDM系統發送符號的時間順序g^(s)看做控制系統中狀態轉移過程g_(s)，即g^(s)＝g_(s)，狀態轉移方程系數A＝diag(a₁,a₂,…,a_l,…a_L)，diag(x)表示以向量x為對角元素的矩陣，U_(s)代表第s個OFDM符號的AR模型的建模誤差；

步驟(4)，對Kalman濾波器進行初始化并計算初始更新方程：

步驟(4.1)，按照下式對Kalman濾波器進行初始化：

g^(0|0)=OLB,1P(0|0)=diag(RC1(0),RC2(0)···RCL(0)),]]>

形式如和P_(s|s)中下標前一個s均表示當前的狀態為g_(s)，后一個s表示第s個OFDM符號，P_(0|0)是用于計算的初始值，表示OFDM符號的g_(s)的初始值，P_(0|0)表示對應的誤差相關矩陣，O_LB,1是LB×1的零矩陣，

步驟(4.2)，按下式計算Kalman的初始時間更新方程：

i＝1，s＝1，

g^(s)=Ag^(0|0),]]>

P_(s)＝AP_(0|0)(A)^H+V[U_(s)]，

i表示迭代次數，表示Kalman方程中狀態估計g_(s)的中間變量，P_(s)表示中間變量對應的誤差相關矩陣；用V[·]表示協方差矩陣，V[U_(s)]=diag(u₁,u₂…u_L)

步驟(5)，進行第一次信道估計迭代運算，此時迭代次數i＝1，本次迭代中僅使用導頻點所在的子載波處接收到數據做信道估計，除了導頻點所在子載波外其他子載波上的數據視為ICI，用SIN方法消除未知數據對導頻處信道估計的影響，實現無ICI干擾的導頻輔助Kalman信道估計，具體步驟如下：

步驟(5.1)，僅將接收信號中各個導頻點對應的載波位置的接收信號用于計算，并將接收信號分成各個導頻點所在子載波上的數據，除導頻點子載波外的其它子載波上的數據對各個導頻點所在子載波的干擾和噪聲三部分，如下式所示：

yp(s)=y(s)(Ps)=H(s)[Ps,Ps]xpnp(s)+H(s)[Ps,dnpn′]xdnpn′(s)+W(s)(Ps)]]>

其中，Ps=[p1,p2,···,pNp],]]>xdnpn′(s)=[x(s)(d11),x(s)(d12),···,x(s)(d1N′),x(s)(d21),···,x(s)(dNpN′)]T,]]>n'＝1,2,…,N'表示相鄰的各個導頻點之間的距離，是一個N_p×N_p的單位矩陣，σ²高斯白噪聲W^(s)的方差，上式中第二項為除導頻點子載波外的其它子載波上的數據對導頻點所在子載波的干擾ICI，

步驟(5.2)，將數據ICI干擾項考慮成信道噪聲W^(s)(P_s)的一部分作為濾波器的去噪對象，將步驟（2）中的算法按照SIN估計的方法改寫，令則SIN估計的Kalman觀測方程表示為：

yp(s)=ΦSIN(s)g(s)+W(s)SIN,]]>

其中：

ΦSIN(s)=1N[z1(s)SIN,Z2(s)SIN···ZL(s)SIN],]]>

Zl(s)SIN=1N[D1SINdiag(xp(s))ΓlSIN···DBSINdiag(xp(s))ΓlSIN],]]>

ΓlSIN=e-j2π(p1N-12)τle-j2π(p2-1N-12)τl···e-j2π(pNp-1N-12)τlT,]]>

Γ^SIN＝[Γ₁^SIN,Γ₂,^SIN…,Γ_l^SIN]

步驟(5.3)，計算的協方差矩陣

計算中假設ICI為高斯白噪聲，令因為噪聲與ICI二者相互獨立，所以V[W(s)SIN]=UICI+V[W(s)(Ps)];]]>

U_ICI矩陣中的每一個元素的計算式為：

UICI(m,k)=RICI(j)≈4π2Ts2Es(Σl=0L-1σh(n,l)2σDl)ρ(α,rag,N),]]>

其中，m，k表示矩陣的第m行k列，E_s是發送數據的功率，是功率為P_v時的多普勒功率普函數，f是傳輸頻率，α表示用于迭代的最邊緣數據距對應的各個導頻點的距離，第一次計算時為0，rag為計算的精度，rag=[0,1,2,3]，并且:

ρ(α，rag，N)=ρ(0,rag,N)-ρ₁(α，rag,N)

步驟(5.4)，分別按下述三式計算kalman增益K_(s)，第s個OFDM符號轉移到狀態的狀態估計矩陣和與對應的協防差矩陣P_(s|s)，構成觀測更新方程組，其中，Φ=Φ^SINW(s)=W(s)SIN,]]>

K_(s)＝P_(s)(Φ_(s))^H(Φ_(s)P_(s)(Φ_(s))^H+V[W_(s)])^-1，

g^(s|s)=g^(s)+K(s)(y(s)-Φ(s)g^(s)),]]>

P_(s|s)＝P_(s)-K_(s)Φ_(s)P_(s)，

步驟(5.5)，根據下式計算出信道矩陣H^(s)的估計值：

H(s)=1NΣb=1BDbdiag(Γg^(s|s)),]]>

步驟(5.6)，利用下式對信道矩陣進行QR分解，得到矩陣R^(s)：

H^(s)＝IR^(s)

其中I是一個單位矩陣，R^(s)是一個上三角矩陣，

步驟(5.7)，按下式對數據進行QR數據檢測：

其中y′^(s)＝(I)^Hy^(s)，和分別是數據的檢測值和檢測值星座圖量化后的結果，[·]_m，k代表矩陣的第m行k列，[·]_m是向量的第m個元素，[·]_k是向量的第k個元素，O(·)表示解調運算，m，k表示矩陣H^(s)的第m行k列的值，m＝1,2,…,m,…，M，M≤N，k＝1,2,…,k,…,K，K≤N，

步驟(6)，迭代次數i=i+1，迭代計算次數i>1時，第二次迭代用導頻點所在處的子載波和其兩側相鄰的一個子載波處接收到的數據做信道估計，其余子載波上的數據視為ICI，其后迭代每次增加的用于計算的數據，均為上次迭代用于計算的數據所在的子載波兩側的子載波處接收到的數據，其余子載波上的數據視為ICI，SIN方法進行信道估計迭代運算如下所述：

步驟(6.1)，將接收信號分成導頻點所在子載波數據，用于計算的數據所在的子載波數據，未用于計算的數據對導頻點和用于計算的數據所在子載波的干擾和噪聲四部分，

如下式所示：

上式中第三項為更新后的ICI干擾，

步驟(6.2)，步驟(5.2)中所述的方法計算Φ^SIN_(s)，

步驟(6.3)，隨迭代次數增加，用于迭代的數據增加，此時更新的的協方差矩陣U_ICI計算如下：

UICI≈4π2Ts2Es(Σl=0L-1σh(n,l)2σDl)[12ρ(A+m,rag,N)+12ρ(A-m,rag,N)]]]>

其中，A+m表示導頻點右側的用于計算的數據到對應的導頻點的距離，A-m表示導頻點左側的用于計算的數據到對應的導頻點的距離，

步驟(6.4)，按步驟（5.5）所述方法計算kalman增益K_(s)，第s個OFDM符號轉移到狀態的狀態估計矩陣和與對應的協防差矩陣P_(s|s)，構成觀測更新方程組，其中，Φ=Φ^SIN，W(s)=W(s)SIN,]]>

K_(s)＝P_(s)(Φ_(s))^H(Φ_(s)P_(s)(Φ_(s))^H+V[W_(s)])^-1，

g^(s|s)=g^(s)+K(s)(y(s)-Φ(s)g^(s)),]]>

P_(s|s)＝P_(s)-K_(s)Φ_(s)P_(s)，

步驟(6.5)，按步驟（5.5）所述方法計算出信道矩陣的估計值H^(s)：

H(s)=1NΣb=1BDbdiag(Γg^(s|s)),]]>

步驟(6.6)，按步驟（5.6）所述方法對信道矩陣進行QR分解得到R^(s)：

H^(s)＝IR^(s)，

步驟(6.7)，按步驟（5.7）所述方法對數據進行QR數據檢測：

步驟(7)，判斷是否所有的數據是否已經都用于迭代，如果是，則算法結束，如果不是，則繼續，

步驟(8)，通過判斷迭代的次數，決定是否需要增加迭代算法的輸入數據，判斷算法

如下：

設定步長Δ，比較迭代次數i和Δ·μ+2，其中，μ=1,2,···,Δ·μ+2<NNp,]]>如果i＝Δ·μ+2，則選擇已用于計算的數據所在的子載波兩側的子載波處的數據作為下次迭代新加入的用于計算的數據，與已用于計算的數據一起帶入SIN算法，帶入到步驟(6)中重新計；

如果i≠Δ·μ+2，則不增加用于計算的數據，返回步驟(6)進行迭代；

結束。