CN101001223A - 提高无线移动通信中信道估计精度的盲方法 - Google Patents

Abstract

本发明提供了一种提高无线移动通信中信道估计精度的盲方法，该方法是一种LMS方法。该法采用时变步长改善了算法的收敛速度并快速获得最佳滤波器权系数、采用软判决加权以维持判决误差和信道噪声的鲁棒性，这些思想的运用获得了一种比现有技术收敛速度更快、估计精度更高的信道盲估计方法。本发明实现容易，能用于各类采用OFDM进行调制的通信系统中进行信道估计，也可用于码分多址(CDMA)系统、时分多址(TDMA)系统中进行信道估计。同时，本发明的思想仍可用于所有的LMS算法以及其衍生算法和装置。所涉及领域包括通信、地震勘探、声纳、图像处理、计算机视觉、生物医学工程、振动工程、雷达、遥控遥测、航天等。

Description

提高无线移动通信中信道估计精度的盲方法

技术领域：

本发明涉及一种提高无线移动通信中信道估计精度的盲方法，属于使用电磁波技术的数字移动通信领域，特别涉及数字地面电视、单载波OFDM通信系统、多载波OFDM通信系统、无线局域网(WLAN)等采用OFDM调制的数字通信系统中的信道估计技术。同时，本发明不但可用于码分多址(CDMA)和时分多址(TDMA)系统中进行信道估计，而且本发明的思想还可用于一切LMS方法以及其衍生的方法中估计通信、雷达、航天、遥测等领域其他特征参数。

背景技术：

随着互联网中视频、声音和数据通信业务的急剧增长，下一代移动通信系统将扮演重要角色。而对无线移动通信以及多媒体通信的业务量正在呈指数量级增长。对于无线移动通信系统信道而言，由于发射机或接收机的移动产生了信道的时变性，由于多径衰落导致了信道频率选择性。因此，信号脉冲在通过信道时被拓宽从而产生了符号间干扰(ISI)。为了避免ISI，相邻数据脉冲的传输速度就受到限制，于是影响了整个系统的最大信息传输速率。避免多径影响而不牺牲传输速率的方法是多载波调制技术。这是一种并行传输技术，其中所有频带被分成许多有独立子载波调制的子带。在每个子载波上，被调制的符号宽度与信道延迟扩展相比较更宽，因此ISI得到抑制。其中最常用的多载波技术就是正交频分复用(OFDM)调制技术。该技术被用于作为有线和无线高速数据通信标准(ADSL)、IEEE802.11、高性能局域网(HiperLAN)以及欧洲音频和视频广播电视标准DVB和DAB。

在OFDM通信系统中，这种多径衰落无线信道是频率选择性的和时间选择性的，所以，在OFDM信号解调前对动态信道进行估计是非常重要的。

信道估计可以采用以一定的周期在OFDM符号的子载波上插入训练序列来实现，也可采用在每个OFDM符号上插入训练序列的方式。前者称为块状导频信道估计，主要用于对慢衰落信道的估计。后者称为梳状导频信道估计，主要用于快衰落信道的估计。这两种方法均可进一步分为最小二乘(Least Square，LS)法或最小均方误差(Minimum Mean-Square-Error，MMSE)法等。然而，这些方法均占用了有用的带宽并减少了数据传输效率。

不采用训练序列的信道盲估计方法则是另一种思路。该方法最大的优点就是没有用宝贵的带宽资源来换取信道估计的性能。

在信道盲估计算法中，最佳盲估计算法必须具备如下三点条件。第一、信道盲估计算法的收敛性必须快，即信道必须在尽可能少的符号内精确地估计出来；第二、算法的自适应调节能力必须很强以便能够自适应地追踪信道变化以满足通信的需要；第三、盲算法的计算复杂度和硬件实现复杂度应该较低，以增强其实用性。

LMS算法是由Windrow和Hoff提出的一种最小均方误差算法，因结构简单，稳定性好，一直是自适应滤波经典算法之一，而被广泛应用于自适应控制、雷达、系统辨识及信号处理等、声纳、图象处理等领域。

LMS算法是基于最速下降法的最小均方算法，其迭代公式如下：

e(n)＝d(n)-X^T(n)W(n)

W(n+1)＝W(n)+2μe(n)X(n)

其中：X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]为时刻n的输入信号矢量；W(n)＝[w₁(n)，w₂(n)，...，w_M(n)]是时刻n自适应滤波器权系数矢量；M是自适应滤波器阶数；d(n)是期望输出值；e(n)是误差信号；μ是步长因子。LMS算法的收敛条件为：0＜μ＜1/λ_max，λ_max是输入信号自相关矩阵的最大特征值。

文献R.H.Kwong，R.W.Johnston，A variable step LMS algorithm[J].IEEE Trans.signalprocessing，1992，40(7)：1663-1642.分析指出，由于输入端不可避免的存在干扰噪声，LMS算法将产生失调噪声，干扰噪声越大，引起的失调噪声也就越大。减少步长因子μ，可以减少自适应滤波算法的稳态失调噪声，提高算法的收敛精度；然而步长因子μ的减小，将降低算法的收敛和跟踪速度。因此，这种固定步长的LMS算法在收敛速度、跟踪速度及失调噪声之间的要求是相互矛盾的。为了克服这一矛盾，人们提出了许多变步长自适应滤波算法。如文献R.H.Kwong，R.W.Johnston，A variable step LMS algorithm[J].IEEE Trans.signalprocessing，1992，40(7)：1663-1642.提出的μ通过瞬时误差功率调节，文献R.D.Gitlin，S.D.Weinstein，The effects of large interference on the tracking capability of digitally implementedecho cancellers[J]IEEE Trans.on Com.1978，30(6)：833-839.提出根据时间平均估值梯度调节等。这些算法基本遵循的步长调整原则为：在初始收敛阶段或未知系统参数和输入信号发生变化时，步长应比较大，以便有较快的收敛速度或对时变系统的跟踪速度；而在算法收敛后，不管输入端干扰信号有多大，都应保持很小的调整步长以达到很小的稳态失调噪声。文献YingGao，shengli Xie，A variable step size LMS adaptive filtering algorithm and its analyses[J].ACTA E；ectronicas Sinica，2001，29(8)：1094-1097.中，该算法收敛性比前面算法有所提高。

显然，LMS算法虽然计算简单，但是仍须改进，以提高算法性能。

发明内容：

本发明的目的是：提出一种提高无线移动通信中信道估计精度的盲方法，这些方法相对于现有技术的信道估计方法提高了收敛速度、增强了自适应能力和信道估计精度，实现容易。

为了实现上述目的，本发明提出了一种提高无线移动通信中信道估计精度的盲方法。其技术方案是：将LMS常规方法中的常数步长非线性化，首先让滤波器权系数为一个较大的值，等到滤波器权系数收敛到最佳权系数后，步长减少以获得更好的估计性能。同时，为了维持硬判决误差和信道噪声的鲁棒性，还使用接收机软判决信息函数作为权系数的软加权判决(Soft Decision weighted，简称SDW)方法。由此思路产生了一种最小均方信道盲估计方法-----时变步长软判决加权最小均方法(TVCPSDWLMS)。

本发明提出的一种提高无线移动通信中信道估计精度的盲方法，可以有效地估计出信道状态参数并用于解调，从而有效提高系统性能。

本发明的信道估计模型和原理详细说明如下：

对于一个子载波数为N_c的OFDM系统，S_i[k]表示第i个块(block)的第k个符号的频域信号。假设在系统中无块间干扰(inter-block-interference，IBI)。为了简化，可以省略块标记i。时域OFDM信号s[n]可以表示为：

$s\left[n\right]=\frac{1}{\sqrt{N}}\underset{k=0}{\overset{N_c-1}{\mathrm{\Σ}}}S\left[k\right]e^{j2\mathrm{\πkn}/N_c}---\left(1\right)$

然后，长度为N_g的保护间隔填充在信息符号前面，有：

$\tilde{s}\left[n\right]=\mathrm{Gs}{[n+N_c-N_g]}_{N_c},0\≤n\≤N_c+N_g-1---\left(2\right)$

式中，G为功率放大器的增益，[n]_Nc表示n除以N_c后的余数。一般假设G＝1。

对于频率选择性衰落信道，我们可以用时不变的有限冲激响应滤波器h[n]来表示。于是，接收信号可以表示为：

$\tilde{y}\left[n\right]=\tilde{x}{\left[n\right]}^{*}h\left[n\right]+v[(n],0\≤n\≤N_c+N_g-1---\left(3\right)$

式中，*表示线性卷积，h[n]是发射机滤波器、频率选择性信道、接收机滤波器的冲激响应，v[n]为零均值加性噪声。当消除循环前缀后，线性卷积就变成循环卷积(用表示)，此时，有：

y[n]＝x[n]h[n]+v[n]，0≤n≤N_c-1    (4)

用矩阵改写(4)式为：

Y＝Xh+v                              (5)

当接收机没有发射信号的信息时，此时，就是盲估计。

$e\left(n\right)$

图1：直接判决信道估计系统框图

如图1所示，有：

Y(n)＝b₁u₁(n)+b₂u_s(n)+...+b_Mu_M(n)+w(n)    (6)

$\hat{Y}\left(n\right)={\mathrm{\β}}_1{x}_1\left(n\right)+{\mathrm{\β}}_2{x}_2\left(n\right)+...+{\mathrm{\β}}_M{x}_M\left(n\right)---\left(7\right)$

$e\left(n\right)=Y\left(n\right)-\hat{Y}\left(n\right)=Y\left(n\right)-({\mathrm{\β}}_1{x}_1\left(n\right)+{\mathrm{\β}}_2{x}_2\left(n\right)+...+{\mathrm{\β}}_M{x}_M\left(n\right))---\left(8\right)$

其中，u_i(n)，i＝1，2，...，M是实数的离散时间随机过程，x_i(n)，i＝1，2，...，M是被检测的u_i(n)，b₁，...，b_{M，β1，...，β}M∈R，M是正整数，且w(n)是均值为零的实数离散时间随机过程。在观察系统N个采样周期后，我们可以将获得的数据用矩阵表示为：

Y＝[y(1)，y(2)，...，y(N)]^T    (9)

w＝[w(1)，w(2)，...，w(N)]^T    (10)

e＝[e(1)，e(2)，...，e(N)]^T    (11)

b＝[b₁，b₂，...，b_M]^T          (12)

β＝[β₁，β₂，...，β_M]^T      (13)

$U=\left[\begin{array}{ccc}{u}_1\left(1\right)& ...& u_M\left(1\right)\\ ...& ...& ...\\ u_1\left(N\right)& ...& u_M\left(N\right)\end{array}\right]---\left(14\right)$

$X=\left[\begin{array}{ccc}{x}_1\left(1\right)& ...& x_M\left(1\right)\\ ...& ...& ...\\ x_1\left(N\right)& ...& x_M\left(N\right)\end{array}\right]---\left(15\right)$

即：

Y＝Ub+w(16)

e＝Y-Xβ                       (17)

定义代价函数为：

J(β)＝e^TRe＝(Y-Xβ)^TR(Y-Xβ)  (18)

其中，R是一个正定对称的N×N大小的权重系数矩阵，主要与X和U有关。对R值的确定主要根据实际的应用和估计属性而定。为了维持硬判决误差和信道噪声的鲁棒性，我们对直接判决进行加权。加权的判决线性估计器根据加权函数是判决误差信息还是接收机软判决信息的不同又可进一步划分为理想加权判决和软加权判决两个子类。

定理1：假设有精确的判决误差信息，这样可以利用该信息作为LMS方法和RLS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。

假设θ_i和φ_i分别是软判决和硬判决时的解调处理过程中的幅角，定义p_i为反映软判决和硬判决之间差异的在[0，1]之间的归一化值，有：

$p_i=1-\frac{|{\mathrm{\φ}}_i-{\mathrm{\θ}}_i|}{\mathrm{\π}/S}---\left(19\right)$

其中，S是可供选择的符号数目。

由于信道可以表示为多个时延的抽头延时，所以有：

u(n)＝[u(n)，u(n-1)，...，u(n-M+1)]^T    (20)

X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]^T    (21)

相应地，在时刻n的权重需要反映过去M个判决的精确性。于是，该可能的权重的集合为：

a_n＝p_np_n-1...p_n-M+1                     (22)

定理2：(时变步长软加权判决LMS估计器)时变步长软加权判决LMS估计器算法由式(23)到式(27)决定：

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_n{\mathrm{\ρ}}_{n}X\left(n\right)e\left(n\right)---\left(23\right)$

$e\left(n\right)=Y\left(n\right)-X{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}---\left(24\right)$

其中：时变步长由(26)、(27)或者(28)、(29)确定。

μ_n＝α(1-exp(-γ|e(n)e(n-1)|))         (26)

α、γ为常数，且0＜α＜1，0＜γ(λ_max，

λ_max是输入信号自相关矩阵的最大特征值       (27)

μ_n＝α_n×μ₀                           (28)

且 ${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(29\right)$

在本发明中，该方法采用时变步长可以使算法收敛速度更快；该方法中假设有精确的判决误差信息，这样可以利用该信息作为LMS方法判决的加权系数。该系数将使噪声和判决错误产生的影响降低。

经过OFDM通信系统链路仿真也证明，与其他常规方法相比，本发明具有收敛速度快、自适应能力强、估计精度高、计算复杂度低的特点。

本发明适用于所有采用OFDM系统进行调制的系统，尤其适用于OFDM系统中的信道估计技术。虽然本发明的技术方案主要针对OFDM系统，但是，任何具有信号处理、通信等知识背景的工程师都可以根据本发明设计出相应的针对码分多址、时分多址的信道估计装置，这些均应包含在本发明思想和范围之中。同时，本专利的思想也可以用于采用LMS方法以及其衍生方法估计通信、航天、雷达、遥测等领域其他特征参数，这些方法也应包含在本发明的思想和范围中。

附图说明：

图1为本专利技术框图。如图所示，本专利技术包括12个模块，其中初始值设置7、时变步长构造8、更新矩阵构造9、理想判决信息俘获10、误差信息11、特征参数估计12为该专利技术与常规技术不同之处。

从图2到图4的仿真主要参数为：信道模型为前述的标准的Rummler信道和无线移动信道，QPSK调制，LMS常数步长μ₀＝0.0002，LMS时变步长因子a＝0.01，b＝1.970，c＝5.0。在仿真中，时变步长的计算表达式采用(28)、(29)两式。如果采用(26)、(27)两式，其性能比(28)、(29)更优。

在仿真中，采用两种不同的信道环境。即：Rummler信道和无线移动瑞利信道。Rummler信道由三条多径组成，其中前两条的时延较相近，因此，该信道模型可以看成为两条多径组成，即：一条直视(LOS)径和一条反射径。而无线移动瑞利信道响应的每个抽头满足一定的衰减规律，该衰减可以用一个单极低通滤波器响应来描述，可以表示为：

G(v)＝A(1-(v/f_m)²)^-1/2    (30)

其中，A是抽头的衰减，v为移动速度。f_m为3dB频率，有时用多普勒频率表示。

图2是常数步长与时变步长最小均方信道估计方法收敛性图。其中包括LMS方法、时变步长软判决加权最小均方(TVCPSDWLMS)估计方法。

为了比较本专利技术和现有技术的性能，我们采用真实的冲激响应与其估计值之间的差异绝对值取平方并平均来描述。即：

$\mathrm{Error}=\frac{1}{N_c-N_g-1}\underset{n=N_0}{\overset{N_c}{\mathrm{\Σ}}}{|\mathrm{\β}-{\widehat{\mathrm{\β}}}_n|}^T|\mathrm{\β}-\widehat{\mathrm{\β}}|---\left(31\right)$

其中，N₀是比估计器初始瞬时响应时刻更大的一个整数。

由该图可知，本技术专利提高了信道估计方法的收敛速度和对信道估计的性能。

图3为LMS方法、时变步长软判决加权最小均方(TVCPSDWLMS)估计方法在不同延迟扩展时对应的信道估计性能。其中，信噪比固定为10dB，Rummler信道的延迟扩展在一个间隔增量中从1个符号间隔到5个符号间隔间变化。由该图比较可以看出，在不同延迟扩展时，本专利技术性能明显优于常规LMS方法。

图4为LMS方法、时变步长软判决加权最小均方(TVCPSDWLMS)估计方法在不同信噪比时对应的信道估计性能。在该图中，采用Rummler信道模型，延迟扩展固定为一个符号间隔，信噪比从0dB到30dB之间变化。由该图可以看出：在相同的信噪比时，采用本专利技术有效地提高了信道估计性能。

具体实施方式：

下面通过具体的实施对本发明的技术方案作进一步的描述。

具体步骤为：

步骤1  发送端将OFDM调制的基带信号u(n)送入，产生保护间隔，通过D/A与成型滤波器，产生发射信号。

步骤2在接收端，接收信号通过A/D与低通滤波器后，保护间隔被删除，获得接收信号矩阵Y。其中，传输过程的未知信道系统为h，噪声为v。有

Y＝uh+v                                 (1)

步骤3设定参数μ₀、a、b的值，α_n是由常数a、b确定的可变参数，计算出步长矩阵μ_n。其中：

μ_n＝α_n×μ₀                           (2)

且 ${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(3\right)$

步骤4设定参数

的值，x(n)为检测传输数据的判决输出结果，计算出误差矩阵e(n)。其中：

$e\left(n\right)=Y\left(n\right)-X{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}---\left(4\right)$

X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]^T    (5)

步骤5  假设有精确的判决误差信息，假设θ_i和φ_i分别是软判决和硬判决时的解调处理过程中的幅角，定义p_i为反映软判决和硬判决之间差异的在[0，1]之间的归一化值，有：

$p_i=1-\frac{|{\mathrm{\φ}}_i-{\mathrm{\θ}}_i|}{\mathrm{\π}/S}---\left(6\right)$

其中，S是可供选择的符号数目。

由于信道可以表示为多个时延的抽头延时，假设传输数据表示为u(n)，即：

u(n)＝[u(n)，u(n-1)，...，u(n-M+1)]^T    (7)

相应地，在时刻n的权重需要反映过去M个判决的精确性。于是，该可能的权重的集合为：

a_n＝p_np_n-1…p_n-M+1                      (8)

步骤6设置软判决加权系数

步骤7设ρ_n为权重序列，通过循环迭代，估计出信道特征参数

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_n{\mathrm{\ρ}}_{n}X\left(n\right)e\left(n\right)---\left(10\right)$

Claims (4)

1、本发明涉及一种提高无线移动通信中信道估计精度的盲方法，其特征在于包括如下步骤：

步骤1发送端将OFDM调制的基带信号u(n)送入，产生保护间隔，通过D/A与成型滤波器，产生发射信号。

步骤2在接收端，接收信号通过A/D与低通滤波器后，保护间隔被删除，获得接收信号矩阵Y。其中，传输过程的未知信道系统为h，噪声为v。有

Y＝uh+v(1)

步骤3设定参数

的值，x(n)为检测传输数据的判决输出结果，计算出误差矩阵e(n)。其中：

$\left(n\right)=Y\left(n\right)-X{\left(n\right)}^T{\widehat{\mathrm{\β}}}_{n-1}---\left(2\right)$

X(n)＝[x(n)，x(n-1)，...，x(n-M+1)]^T    (3)

步骤4时变步长由(4)、(5)或者(6)、(7)确定。

μ_n＝α(1-exp(-γ|e(n)e(n-1)|))         (4)

α、γ为常数，且0＜α＜1，0＜γ＜λ_max，

λ_max是输入信号自相关矩阵的最大特征值

                                                                     (5)

或者设定参数μ₀、a、b的值，α_n是由常数a、b确定的可变参数，计算出步长矩阵μ_n。其中：

μ_n＝α_n×μ₀(6)

且 ${\mathrm{\α}}_n=C^{\frac{1}{1+{\mathrm{an}}^b}}---\left(7\right)$

步骤5假设有精确的判决误差信息，假设θ_i和φ_i分别是软判决和硬判决时的解调处理过程中的幅角，定义p_i为反映软判决和硬判决之间差异的在[0，1]之间的归一化值，有：

$p_i=1-\frac{|{\mathrm{\φ}}_i-{\mathrm{\θ}}_i|}{\mathrm{\π}/S}---\left(8\right)$

其中，S是可供选择的符号数目。

由于信道可以表示为多个时延的抽头延时，假设传输数据表示为u(n)，即：

u(n)＝[u(n)，u(n-1)，...，u(n-M+1)]^T    (9)

相应地，在时刻n的权重需要反映过去M个判决的精确性。于是，该可能的权重的集合为：

a_n＝p_np_n-1…p_n-M+1    (10)

步骤6设置软判决加权系数

步骤7设ρ_n为权重序列，通过循环迭代，估计出信道特征参数

${\widehat{\mathrm{\β}}}_n={\widehat{\mathrm{\β}}}_{n-1}+{\mathrm{\μ}}_n{\mathrm{\ρ}}_{n}X\left(n\right)e\left(n\right)---\left(12\right)$

2、如权利要求1所说，一种提高无线移动通信中信道估计精度的盲方法，其特征在于：步长是时变的。

3、如权利要求1所述的一种提高无线移动通信中信道估计精度的盲方法，其特征在于：为了维持硬判决误差和信道噪声的鲁棒性，利用接收机软判决信息函数作为权系数。

4、如权利要求1所说，一种提高无线移动通信中信道估计精度的盲方法，其特征在于：本专利的时变步长的思想和软判决加权的思想可以用于一切现有的LMS方法以及由LMS方法衍生的一系列方法；同时，该思想不仅可用于OFDM、CDMA和TDMA系统中估计信道，而且可以用于估计通信、地震勘探、声纳、图象处理、计算机视觉、生物医学工程、振动工程、雷达、遥控遥测、航天等多种领域的特征参数。

Images