CN101018219A - 一种空频信号处理方法 - Google Patents

Abstract

本发明公开了一种空频信号处理方法，该方法包括以下步骤：a.对接收到的阵列信号进行前期处理，并将处理后的信号通过FFT变换到频域，得到二维接收信号；b.对步骤a得到的二维接收信号进行大分组的子载波分组波束赋形处理，得到一维的频域输出信号；c.对步骤b得到的一维频域输出信号进行信道估计和均衡；d.将步骤c处理后的信号恢复为发射时的信号。该方法解决了现有技术的空频信号处理中存在的计算复杂度高或者系统性能低、以及系统性能会受信道频率选择性衰落影响等问题。本发明方案在降低系统的计算复杂度的同时，还保证了系统的性能，并且使得系统性能不易受到无线信道变化的影响。

Description

一种空频信号处理方法

技术领域

本发明涉及无线通信技术领域，更确切地说是涉及一种空频信号处理方法。

背景技术

目前，宽带无线通信系统通常都具有大的延时扩展，并且发射信号会遭遇频率选择性衰落。正交频分多路复用(OFDM)正是克服这类恶劣通信环境进行信号传输的一种非常有潜力的多载波调制技术。由于OFDM系统引入了保护时间间隔，也就是循环前缀(CP)，因此对保护间隔内的延时多径信号不敏感，只要循环前缀的长度大于该信道的冲击响应，就能有效地对付频率选择性衰落引起的符号间干扰(ISI)。目前的几个高速率无线通信标准都选择了OFDM作为其主要的发射方法，比如，无线局域网标准(WLAN)IEEE802.11系列(Wi-Fi)、宽带无线接入标准802.16系列(Wi-MAX)及高性能无线局域网欧洲标准HiperLAN/2等都采用了OFDM。

另外，自适应天线阵列信号发射/接收除了能够大幅度地提高系统容量等性能之外，还能进行同信道干扰(CCI)抑制，提高系统的频率复用，从而提高网络的频谱效率。

因此，OFDM结合多天线发射/接收技术能够大幅度提高无线通信系统的性能，是下一代无线通信系统的核心技术之一。这使得多天线OFDM系统在宽带无线局域网、宽带无线接入等领域的应用得到了重点研究。

根据信号处理与快速傅立叶变换的不同位置，OFDM阵列接收信号的处理结构和方法主要分为两类：快速傅立叶变换(FFT)前空时信号处理(Pre-FFTSP)和FFT后空频信号处理(Post-FFT SP)。其中，Pre-FFT SP对频偏引起的载波间干扰(ICI)等的抑制比较困难，不能获得最优化的性能；而Post-FFTSP在最大化信干噪比(SINR)或最小化均方误差(MSE)等处理上是最优化的，特别适用于延时扩展不超过循环前缀的信号处理。

在接收信号时，待接收的信号在经过无线信道后，首先被自适应天线阵列接收，接收得到的阵列信号在经过前期处理后，被FFT变换到频域，形成二维的空频接收信号，包括空间维和频域维，其中，空间维的接收天线元数为N_r，频域维的子载波数为N_c。之后，在频域维的每个子载波上，可以利用波束赋形方法对空间维信号进行合并。然后即可对合并后的信号进行解码判决等处理，从而恢复原有的发射信号。

目前，针对上述信号合并处理，Post-FFT SP具体有两种信号处理方法，一种是全自适应波束赋形法，另一种是子载波分组波束赋形法。

对于第一种全自适应波束赋形法来说，该方法为每个频域维，或者说是为每个子载波，设计一套波束赋形加权向量，之后再利用该加权向量在每个子载波上进行空间维的信号合并。该方法在性能上是最优化的，但需要实时计算很多变量或参数——需要计算的参数个数是空间维数Nr与频域维数Nc的乘积。其中，仅就计算波束赋形加权向量w_k来说，如果是为每个子载波计算一个单独的w_k，就需要计算Nc个这样的w_k。因此这种方案会给系统带来很高的计算复杂度，在实际中无法实时实现。

第二种子载波分组波束赋形法则是利用相邻子载波之间的相干衰落性质，由于在相干带宽内的相邻子载波上，信号的衰落可以认为是相似或相同的，因此可以对相干带宽内的子载波使用相同的加权向量。具体来说，是将Nc个子载波分为宽度为P的子载波组，共为Q组，即P×Q＝N_c，其中P、Q均为整数，每组使用相同的波束赋形加权向量对阵列接收信号进行合并处理。由于P为共用一套加权向量的子载波数目，因此该方法与全自适应波束赋形方法相比，复杂度会随之降低P倍。

下面详细介绍一下第二种波束赋形方法。假设是单天线发射，且OFDM信号中的接收天线元为Nr个，子载波为Nc个，则针对该信号的接收原理如图1所示。其中：s_k为从OFDM符号的第k个子载波上取出的样本符号，即表示一个OFDM符号的第k个样本，且k为位于P个子载波最中间的子载波序号，h_k为N_r×1维无线信道，n_k为噪声信号， $y_k={[y_{k,1}\·\·\·y_{k,N_r}]}^T$ 为第k个子载波上的接收信号向量， $w_k={[w_{k,1}\·\·\·w_{k,N_r}]}^T$ 为N_r×1维波束赋形向量，

为空间维信号合并后第k个子载波上的信号。由图1可以看出，该波束赋形方法主要是通过从同一组的P个子载波中获取第k个子载波的样本s_k，在被无线信道h_k接收，并在噪声信号加入到信号中后，得到第k个子载波上的接收信号向量为 $y_k={[y_{k,1}\·\·\·y_{k,N_r}]}^T$ ，之后再根据该向量得到第k个子载波上的波束赋形向量w_k，并将该w_k作为该组子载波的波束赋形向量，之后即可根据该w_k对该组子载波所对应的空间维信号进行合并。

与需要计算P×Q＝N_c个w_k的全自适应波束赋形方法相比，该方法只需要计算Q个w_k，显然降低了计算复杂度。但是，为获得比较好的系统性能，该方法中共用权向量的子载波数目必须足够小，也即共用加权向量的子载波数目P只能取较小的值，因此从这个角度来说，该方法并没有明显降低波束赋形技术的复杂度。

针对上述第二种方法的分析如表1所示。其中，P为共用一套加权向量的子载波数目或子载波组的宽度，N_C为子载波总数，系统的信噪比(SNR)＝10dB。由表1提供的不同信道环境下误码率(BER)要求与子载波分组大小P的关系可以看出，在2-径信道，在存在2个同信道干扰用户的条件下，要获得小于或等于0.01的BER，即BER≤10^-2，如果是使用N_C＝64的子载波进行通信，则P≤4，此时与全自适应波束赋形方法相比，第二种方法仅将计算复杂度降低4倍。即使使用的是N_C＝256的子载波进行通信，也要P≤8，即复杂度也只降低8倍。对于COST-207 TU信道，在无干扰用户的情况下，如果N_C＝64，则复杂度与全自适应波束赋形方法相同，即使N_C＝256，复杂度也只能降低3倍。

Nc		64	256
				2.径信道(2个同信道干扰用户)	BER≤10-2	P≤4	P≤8
COST-207 TU信道(无干扰用户)	BER≤10-2	P＝1	P≤3

表1

另外，上述第二种方法的系统性能非常容易受到信道频率选择性衰落变化的影响，这是因为，不同的子载波信号经历了不同的信道衰落，而第二种方法并没有考虑到这个问题，而是为每组子载波采用相同的波束赋形权向量，这就必然会导致系统的性能损失。

通过对以上两种方法的分析可以看出，现有的赋形技术如果具有优化性能，则相应的计算复杂度很高，而如果降低计算复杂度，则需要以影响性能为代价。并且第二种方法的系统性能还会受到信道频率选择性衰落变化的影响。

发明内容

有鉴于此，本发明所要解决的主要问题在于提供一种空频信号处理方法，以在降低系统的计算复杂度的同时保证系统的性能，并保证系统性能不会受到信道频率选择性衰落变化的影响。

为解决以上问题，本发明提供了以下技术方案：

一种空频信号处理方法，该方法包括以下步骤：

a.对接收到的阵列信号进行前期处理，并将处理后的信号通过FFT变换到频域，得到二维接收信号；

b.对步骤a得到的二维接收信号进行大分组的子载波分组波束赋形处理，得到一维的频域输出信号；

c.对步骤b得到的一维频域输出信号进行信道估计和均衡；

d.将步骤c处理后的信号恢复为发射时的信号。

所述步骤b中，所述大分组的子载波分组波束赋形处理包括：将子载波进行大分组，然后计算每组的波束赋形加权向量，再利用计算得到的加权向量对相应组的子载波进行波束赋形处理。

所述计算每组的波束赋形加权向量为：抽取每组的中间子载波上的训练序列，利用最小均方差波束赋形技术及自适应波束赋形算法对所抽取出的训练序列进行计算，得出该组子载波的波束赋形加权向量。

所述自适应波束赋形算法为样本矩阵求逆算法。

所述步骤c中，所述对波束赋形后的信号进行信道估计为：通过采用最小二乘算法对频域输出信号中的训练符号进行计算，估计出波束赋形后的子载波信道的参数。

所述步骤c中，所述对波束赋形后的信号进行信道估计，进一步包括：通过采用最小二乘算法对频域输出信号中的导频子载波进行计算，估计出导频子载波所在信道的参数，并采用插值算法估计出导频子载波之间的子载波信道的参数，之后再根据两次信道估计得到的参数计算出最终的信道估计参数。

通过对两次信道估计参数进行加权组合计算出最终的信道估计参数。

所述步骤c中，所述进行均衡为：采用迫零修改后信道均衡技术对估计出的子载波信道参数进行计算，得到子载波信道的均衡系数，并根据该均衡系数对相应的输出信号进行信道均衡处理。

所述步骤c中，所述进行均衡为：采用最小均方误差均衡技术对估计出的子载波信道参数进行计算，得到子载波信道的均衡系数，并根据该均衡系数对相应的输出信号进行信道均衡处理。

所述步骤d为：通过对信道均衡后的信号进行解码判决及并串转换，将信号恢复为发射时的信号。

本发明所采用的大分组子载波波束赋形方案，通过增大P或减小Q，大幅减少了需要计算的未知参数的个数，降低了系统的计算复杂度；采用的信道估计和均衡则一方面解决了由于增大P或减小Q所带来的系统性能降低的问题，以及解决了发射信号因遭遇频率选择性衰落而导致的信号在每个子载波上的衰落不同所导致的性能损失的问题，另一方面也解决了目前的子载波分组波束赋形方法的系统性能容易受无线信道变化的影响的问题，从而既降低了系统的整体计算复杂度，又没有牺牲系统的性能。

另外，在采用信道均衡处理时，虽然整个无线信道是频率选择性的，但每个子载波上的信号却是窄带的，因此采用一步均衡就足以实现性能补偿了，而对于系统来说，一步均衡是不会带来更多的计算复杂度的，因此本发明方案并没有因增加信道均衡处理而增大系统的计算复杂度。

与现有的全自适应波束赋形处理及子载波分组波束赋形处理方法相比，本发明方案在获得相同系统性能的条件下，大幅降低了信号处理的计算复杂度，或者说获得了更高的系统性能与计算复杂度之比，使之具有更好的实用意义。假设获得相同BER性能，本发明方案的复杂度仅约为子载波分组波束赋形方案的1/2。

另外，由于本发明解决了子载波分组波束赋形方法的性能对时变无线信道十分敏感的问题，因此获得了系统性能抗无线信道变化的鲁棒性能，即在频率选择性信道环境中，避免了系统性能受信道变化的影响，这在实际无线通信环境中的应用具有十分重要的意义。

附图说明

图1为现有的子载波分组波束赋形方法针对单天线发射的接收原理图；

图2为本发明方案的流程图；

图3为本发明方案的接收原理图。

具体实施方式

下面结合附图及具体实施例对本发明方案做进一步详细的说明。

本发明方案如图2所示，本发明方案所对应的接收原理则如图3所示。本发明方案包括以下步骤：

步骤201、对接收到的阵列信号进行前期处理，之后将其通过FFT变换到频域，形成包括空间维和频域维的二维接收信号。

由图3可以看出，本发明方案针对N_r个接收天线元，首先需要分别进行FFT变换，形成二维接收信号。

在获得二维接收信号后，再将其作为输入信号进行二级处理，具体处理分别如步骤202及203所述。

步骤202、第一级处理是将获得的二维信号进行大分组的子载波分组波束赋形处理，即进行同信道干扰抑制，获得一维的频域输出信号。

这里要针对每个接收天线元下的子载波分别进行处理，由于每个接收天线元下都有Nc个子载波，因此可以将每个接收天线元下的Nc个子载波都分为宽度为P的子载波组，共为Q组，即P×Q＝Nc，且P、Q均为整数。每组使用相同的波束赋形权向量对接收到的阵列信号进行合并处理。其中，为降低计算复杂度，还需要增大P值，或者是减小Q值，从而大幅减少需要计算的未知参数的个数，以降低系统的计算复杂度。比如，由于语音业务对实时性要求较高，对信号处理的延迟敏感，但对系统BER要求不高，因此针对语音业务可以取更大的P值，以降低计算复杂度，并降低信号处理带来的延迟。

由图3可以看出，本发明方案需要针对每一组的子载波进行子载波分组波束赋形处理，得到每一组所对应的波束赋形向量w_i，j，其中，1≤i≤Q，1≤j≤N_r。

由于每个接收天线元下的所有子载波都是采用相同的处理方法，因此这里仅以第一个接收天线元下的第q组子载波为例，说明波束赋形加权向量的计算。设第一个接收天线元下的第q(1≤q≤Q)组的N_r×1维加权向量记为w_q，1，抽取该组的中间子载波上的训练符号，并根据该训练符号计算出w_q，1，具体是根据训练符号中的样本进行计算，该计算可以通过图3中的波束形成权控制器实现。具体算法与现有技术相同，可以是利用最小均方误差波束赋形技术，并用自适应波束赋形方法计算出w_q，1。其中，所使用的自适应波束赋形算法可以是样本矩阵求逆算法(SMI)，由于SMI算法需要一些训练序列辅助计算权值，因此还需要根据接收天线元数目合理设计训练序列的数目，比如，需要抽取的训练序列数目至少应为天线元数目的2倍。

之后再根据w_i，j分别对每组子载波所对应的空间维信号进行合并处理，从而获得一维的频域输出信号 $x={[{\hat{x}}_1{\hat{x}}_2\·\·\·{\hat{x}}_{N_c}]}^T.$

步骤203、第二级处理是对步骤202获得的一维频域信号进行信道估计和均衡。

本步骤中，首先是对波束赋形后的信号进行信道估计。

通常OFDM帧中都是包括训练符号和数据，因此可以采用最小二乘算法(LS)来估计波束赋形后的子载波信道，即用训练符号估计出子载波信道的信道参数。具体可以用公式 $\hat{h}=S^{-1}x$ 表示，其中， $x={[{\hat{x}}_1{\hat{x}}_2\·\·\·{\hat{x}}_{N_c}]}^T$ 为波束形成权控制器的输出信号， $S=\mathrm{diag}\{S_1{S}_2\·\·\·S_{N_c}\}$ 为对角矩阵，对角线元素s_i为原始发射符号，且为发射机和接收机都已知的训练符号，

则为修改后、也即波束赋形后的信道估计向量。由于同一帧的持续时间小于信道的相关时间，因此对训练符号估计得到的子载波信道参数可以用于数据接收。

对于信道变化较慢的情况来说，通过上述信道估计即可满足系统要求。但对于信道变化较快的情况来说，为保证信道估计的准确性，还需要进行进一步的信道跟踪。比如，在OFDM符号的一些子载波上插入导频信号，因此在进行信道估计之后，还可以采用这些导频子载波来跟踪信道的变化，以进行精确的信道估计，即跟踪由于信道的变化所引起的信道参数的微小改变。其具体估计方法与前面的方法大致相同，同样可以采用LS来进行信道估计，所不同的是，公式 $\hat{h}=S^{-1}x$ 中的x在此为波束形成权控制器的输出信号中具有导频子载波的信号，S则为这些信号对应的原始发射符号所组成的对角矩阵。这样的处理只估计出导频子载波上的信道，对于导频子载波之间的子载波信道，则可以利用插值技术进行估计，比如采用线性插值或二次插值技术进行估计。如果是进行两次信道估计，则需要根据这两次信道估计得到的信道估计参数来计算最终的信道估计参数，具体可以对这两次信道估计参数进行加权组合。

在获得波束赋形后的信道估计之后，再利用均衡技术对信道进行均衡。若采用最简单的迫零修改后信道均衡(ZF)技术，则第k个子载波上波束赋形后的信道的均衡系数表示为： $c_k=1/\hat{h}\left(k\right)$ ，其中，

为第k个子载波在进行波束赋形后的信道估计向量。若采用最小均方误差(MMSE)均衡，可表示为 $c_k={\hat{h}}^{*}\left(k\right)/({\left|\hat{h}\left(k\right)\right|}^2+{\mathrm{\σ}}_n^2/P_s),$ 这里P_s表示发射符号能量，σ_n ²为噪声方差，仍为第k个子载波的波束赋形后的信道估计向量。

在得到均衡系数后，即可根据该均衡系数对相应的输出信号x_k分别进行信道均衡处理，其中，1≤k≤Nc。

步骤204、对二级处理后的信号进行解码判决等处理，从而将信号恢复为发射时的信号。

本步骤包括通过图3中的P/S对均衡后的信号进行并串转换来恢复发射信号。

通过以上步骤，即可实现空频信号处理。

以上所述仅为本发明方案的较佳实施例，并不用以限定本发明的保护范围。

Claims (10)

1.一种空频信号处理方法，其特征在于，该方法包括以下步骤：

a.对接收到的阵列信号进行前期处理，并将处理后的信号通过FFT变换到频域，得到二维接收信号；

b.对步骤a得到的二维接收信号进行大分组的子载波分组波束赋形处理，得到一维的频域输出信号；

c.对步骤b得到的一维频域输出信号进行信道估计和均衡；

d.将步骤c处理后的信号恢复为发射时的信号。

2.根据权利要求1所述的方法，其特征在于所述步骤b中，所述大分组的子载波分组波束赋形处理包括：将子载波进行大分组，然后计算每组的波束赋形加权向量，再利用计算得到的加权向量对相应组的子载波进行波束赋形处理。

3.根据权利要求2所述的方法，其特征在于，所述计算每组的波束赋形加权向量为：抽取每组的中间子载波上的训练序列，利用最小均方差波束赋形技术及自适应波束赋形算法对所抽取出的训练序列进行计算，得出该组子载波的波束赋形加权向量。

4.根据权利要求3所述的方法，其特征在于，所述自适应波束赋形算法为样本矩阵求逆算法。

5.根据权利要求1所述的方法，其特征在于所述步骤c中，所述对波束赋形后的信号进行信道估计为：通过采用最小二乘算法对频域输出信号中的训练符号进行计算，估计出波束赋形后的子载波信道的参数。

6.根据权利要求5所述的方法，其特征在于所述步骤c中，所述对波束赋形后的信号进行信道估计，进一步包括：通过采用最小二乘算法对频域输出信号中的导频子载波进行计算，估计出导频子载波所在信道的参数，并采用插值算法估计出导频子载波之间的子载波信道的参数，之后再根据两次信道估计得到的参数计算出最终的信道估计参数。

7.根据权利要求6所述的方法，其特征在于，通过对两次信道估计参数进行加权组合计算出最终的信道估计参数。

8.根据权利要求1所述的方法，其特征在于所述步骤c中，所述进行均衡为：采用迫零修改后信道均衡技术对估计出的子载波信道参数进行计算，得到子载波信道的均衡系数，并根据该均衡系数对相应的输出信号进行信道均衡处理。

9.根据权利要求1所述的方法，其特征在于所述步骤c中，所述进行均衡为：采用最小均方误差均衡技术对估计出的子载波信道参数进行计算，得到子载波信道的均衡系数，并根据该均衡系数对相应的输出信号进行信道均衡处理。

10.根据权利要求1所述的方法，其特征在于，所述步骤d为：通过对信道均衡后的信号进行解码判决及并串转换，将信号恢复为发射时的信号。

Images