[發明專利]基于壓縮感知、高速移動的UFMC系統無線信道估計方法

有效

• 申請號: 201710575112.3
• 申請日: 2017-07-14
• 公開（公告）號: CN107359904B
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 王蓉;蔣建春;趙超瑩
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04B1/711
• 分類號: H04B1/711;H04B17/391;H04L25/02;H04L25/03;H04L27/26
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

1.基于壓縮感知、高速移動的UFMC系統無線信道估計方法，其特征在于：該方法包括以下步驟：

S1：建立系統模型，分析插入PN序列的通用濾波多載波(Universal FilteredMulticarrier,UFMC)系統參數，確定在多徑信道時的發送與接收信號模型；

S2：進行多徑信道的時間相關特性及稀疏特性分析；

S3：進行基于PN序列自相關的信道粗估計；

S4：進行基于壓縮感知算法的信道時延位置精確估計；

S5：進行最小二乘(least square,LS)算法的信道幅度值的精確估計；

S6：性能與仿真結果分析；

所述步驟S1包括以下步驟：

S101：在通用濾波多載波系統中，設B個子帶，每個子帶子載波數量為總的子載波數量為N，采用切比雪夫濾波器f，濾波器長度為L_f，則在經過UFMC調制后得到一個符號時間間隔內的基帶離散時間信號為：

其中，輸入數據X_i(m)是獨立隨機變量的比特流，i是子帶編號，l是濾波器長度的編號，m是子帶載波的編號，x_n是經過UFMC調制后得到一個符號時間間隔內的基帶離散時間信號，n為離散時間索引；

S102：將PN序列c_n插入數據信號部分x_n得到一個完整的時域訓練序列通用濾波多載波TS-UFMC幀結構s_n；輸出的TS-UFMC符號s長度為M+N+L_f-1，s表示為其中數據塊長度為N+L_f-1，PN序列c＝[c₁,…,c_M]^T長度為M；因此，輸出的通用濾波多載波符號表示為：

為維的頻域信號；第i個子帶的個復數正交幅度調制符號乘以維離散傅里葉反變換(IDFT)矩陣V_i得到子帶的時域數據，1≤i≤B；F_i為(N+L_f-1)×N維的托普利茨矩陣，包含了有限長單位沖激響應(Finite Impulse Response,FIR)濾波器的沖擊響應，將子帶的時域數據與濾波器進行線性卷積，每個子帶時域數據濾波后再進行累加得到TS-UFMC符號的數據塊

S103：對長度為L的多徑信道，信道離散脈沖響應CIR：第i個UFMC符號，信道稀疏度為S_i的離散脈沖響應建模為：

其中，為第i個UFMC符號的第l條徑的幅度值，δ為單位沖擊函數，為與采樣周期進行歸一化后的第l條徑的時延，為信道的n時刻的沖擊響應：

路徑時延的集合為：

其中，為了避免2個相鄰的數據塊之間的干擾(IBI)，假設L≤M；

發送的第i個TS-UMFC時域符號經過信道后，接收到的數據信號其頻域的數據符號為

其中，為零均值方差為σ²的高斯白噪聲AWGN，為第i個符號的第k個子載波的信道頻域響應CFR；

S104：根據公式(6)觀測信號根據公式(7)精確估計信道的情況，并求出發送信號的值；由于TS-UFMC幀結構沒有導頻，通過時域插入的PN序列進行信道估計，接收端的PN序列時域符號表示為：

d_i＝Ψ_ih_i+η_i (8)

其中，η_i為AWGN噪聲向量；

在實際的多徑信道中，接收到的PN序列時域符號d_i將與前一個UFMC數據塊的拖尾混疊；在當前的數據塊的前面數據中同時混疊了當前PN的拖尾，因此，實際的接收信號r_iⁿ表示為：

因此，根據實際接收信號r_iⁿ、消除前一數據塊拖尾對PN序列的干擾、消除當前PN序列的拖尾對自身數據塊內容造成的干擾，準確估計信道；PN序列重構后的表達式為：

所述步驟S2具體為：

對于寬帶系統，設系統帶寬為W，路徑時延寬帶的分辨率為同時對信道離散脈沖響應h(τ)按照系統時鐘對時間區間[0,τ_max]進行均勻采樣，τ_max表示最大時延長度，從而得到個采樣點；假設i固定不變，無線信道具有較高能量的路徑集合D_i為：其中，n為無線信道任一路徑，ε為路徑能量的門限值，小于ε的路徑均設置為0，為信道的n時刻第i個UFMC符號的沖擊響應；當K＝|D_i|＜＜L時，則信道的稀疏度為K；系統帶寬B越大，信道稀疏特征越明顯；

所述步驟S3具體為：

在第i個TDS-UFMC符號的保護間隔中插入時域PN序列c_i，其歸一化相關函數表示為：

通過時域相關，即接收到的PN序列d_i和本地PN序列c_i相關，得到信道時域沖激響應的粗略估計

其中，h_i為信道時域沖激響應，η_i為高斯白噪聲；

同時，根據無線信道的時間相關特性，得到在相干時間T_c內，信道的具有相同的沖激響應CIR，且T_c的大小由接收終端的運動速度和載波頻率決定；因此，信道的時延在連續2R_d-1個符號內基本不變，其中系統時鐘PN序列長度為M，未通過子帶濾波器的數據塊長度為N，子帶濾波器長度為L_f；同時，在相干時間T_c內，信道增益表示為|α_i,p|exp(φ₀+2πf_dt)，其中，α_i,p為第i個符號的第p條徑的路徑增益；φ₀為初始相位，f_d為多普勒頻率；根據信道增益的表達式，在時間間隔t＜1/2f_d的時間內，即個連續的符號時間內，復信道增益的相位變化不會超過π；同時，假設信道在一個符號內的時延和信道的幅度均不變，為準靜態信道；

因此，在充分利用PN序列擴頻增益的基礎上，平均R_g個連續符號的CIR來降低噪聲對信號的影響，進一步提高信道時域沖激響應的粗略估計的估計精度；令連續的R_g個接收的PN序列與長度為M本地PN序列c做循環相關；

其中：為經多徑信道后實際的接收信號；

由于信道的時延在連續2R_d-1個符號內基本不變，因此在2R_d-1個符號范圍內共有2R_d-R_g組值；因此，得到信道粗略估計的結果為：

由于信道存在高斯白噪聲和多徑，以及多徑信道的稀疏特性，經過粗略估計得到的信道的時域沖激響應中的小電平值將被設為0；那么，路徑時延集合為：L為多徑信道的長度，為信道的時域沖激響應的模，ζ為信道幅度的門限值，其定義為：

其中，K_e為線性調整系數用于調整信道幅度的門限值；L_pre為信道主要時延的長度預設值；

那么，得到信道初始稀疏度S₀＝||D₀||₀，||D₀||₀為路徑時延集合D₀的L0范數；同時，考慮部分時延幅度比較小的路徑在粗略估計過程中誤認為是系統的噪聲，設系統的稀疏度S大于S₀為S＝S₀+S_a，S_a為冗余稀疏度使得系統的稀疏度S大于初始稀疏度S₀；通過PN序列自相關進行信道粗估計得到了信道的主要時延的位置和幅度值，作為稀疏信道估計的預知信息，以提高稀疏信道估計的精度并降低復雜度；

所述步驟S4具體為：

設x₀為信道幅度初始值，r₀為殘差初始值，d^IBI-free為觀測向量，Φ為傳感矩陣，F₀為主要時延位置初始值，D₀為信道主要時延位置，L_last為信道最終稀疏度初始值，S₀為初始稀疏度，F為主要時延位置，S_step為步長，為信道主要時延位置；

S401：初始化信道的主要路徑時延：為D₀的矩陣的主要時延的列；

S402：初始化殘差：

S403：初始化主要時延位置：F₀＝D₀；

S404：初始化最終的稀疏度：L_last＝S₀；

S405：主要時延位置判決迭代次數k＝1；

S406：步長S_step判決迭代次數j＝1；

重復S407-S412；

S407：選擇L_last個最大的max(|Φ^Hr_k-1|,L_last)；

S408：C_k＝F_k-1∪S_k；S_k為第k次max(|Φ^Hr_k-1|,L_last)中最大的L_last個值Φ^H對應的序列號所組成的集合；F_k-1為第k-1次中集合C_k中前L_last的值；

S409：F＝C_k(1:L_last)，F為第k次循環集合C_k中前L_last的值；

S410：信道粗估計中最大的L_last徑幅度值θ_k：為對應集合F的矩陣的主要時延的列；

S411：計算殘差：Φ_F為傳感矩陣Φ對應集合F所對應的列；

S412：若停止條件為真，則退出迭代；否則，||r||₂＞||r_k-1||₂時，j＝j+1,L_last＝L_last+j×S_step；||r||₂≤||r_k-1||₂時，F_k＝F，r_k＝r，k＝k+1，r_k為第k次的殘差；

S413：若停止條件為真，則輸出

所述步驟S5具體為：

根據信道主要時延位置得到信道估計的計算公式：

其中，Φ|_D為矩陣Φ所對應的主要時延的列，η_i為高斯白噪聲，為信道的主要L_last個時延的幅度值，D^c范圍的信道的CIR幅度值為0，即根據公式(18)，采用LS算法得：

為信道的主要L_last個時延的幅度值的估計值，為矩陣Φ|_D的偽逆矩陣，為信道主要時延位置的幅度估計值；

所述步驟S6具體為：

S601：信道估計的誤差性能下界CRLB分析

根據得到的AWGN噪聲向量η_i，其分布函數為求出的在條件概率密度函數PDF為：

其中，Φ|_D為矩陣Φ所對應的主要時延的列，為觀測向量，為信道的主要L_last個時延的幅度值，L_IBI-free為長度，為長度為L_IBI-free的單位矩陣，L_last為為信道最終稀疏度初始值；

根據向量估計理論，無偏估計公式(19)的CRLB推導得：

當采用LS常規信道估計算法時，假設完全消除干擾的情況下，得到的最好的均方誤差MSE為σ²；當L_last＜L_IBI-free時，采用基于部分先驗信息的SAMP算法(PPI-SAMP，partialpriori information SAMP)的信道估計算法得到的MSE值將會更小；

S602：復雜度分析

1)采用基于PN序列自相關進行信道粗估計，將接收到的信號r_i和本地PN序列c_i相關，對每個TS-UFMC符號，其計算復雜度為O(L_IBI-free)；

2)采用PPI-SAMP算法進行信道時延位置精確估計，此步驟計算復雜度為：O(N_PPI-SAMP×L_IBI-free×L)，其中N_PPI-SAMP為余下的稀疏度b所需要循環的次數，L為信道長度；

3)采用LS算法精確估計信道幅度；此步的計算復雜度為O(L_IBI-free(L_last)²)；

4)根據分析知，PPI-SAMP算法的總復雜度為O(L_IBI-free×(N_PPI-SAMP×L+(L_last)²+1))。