CN101378372A - 一种信道频率响应估计方法 - Google Patents

Abstract

一种信道频率响应(CFR)估计方法，用于基于多带正交频分复用的超宽带通信(OFDM－UWB)系统。其以最小二乘估计为基础，采用多阶段的估计方式来克服最小二乘估计精度上的不足，使其估计精度达到与最大似然估计相媲美的效果，并保持了较低计算复杂度的优势。该方法包括：对信道估计序列进行最小二乘估计，得到第一CFR估计

；对第一CFR估计

进行频域平滑处理，得到第二CFR估计

；在第二CFR估计

的辅助下，利用直接判决模式检测，得到加权频域扩展信号组合对，利用该组合对得到所传输信号的符号，并根据此符号利用所传输信号的有限字符特性，得到第三CFR估计

；对第三CFR估计

进行频域平滑处理，得到第四CFR估计

；均化第二CFR估计

与第四CFR估计

，得到最终CFR估计

。

Description

一种信道频率响应估计方法

技术领域

本发明涉及一种信道频率响应(CFR)的估计方法，特别涉及一种基于超宽带正交频分复用(OFDM-UWB)通信系统的信道频率响应估计方法。

背景技术

2002年，美国联邦通信委员会向超宽带(UWB)器件开放了7.5GHz的使用频段(从3.1GHz至10.6GHz)，从而大大激发了人们对开发UWB通信系统的兴趣。在UWB通信系统从实验室环境发展为现实的系统设计的过程中，技术人员利用多带正交频分复用(OFDM)技术解决了计算复杂度、功耗、成本以及灵活性等设计问题，从而发展出了基于多带OFDM的超宽带正交频分复用(OFDM-UWB)系统。OFDM-UWB系统以其较高的信道占有率而获得了业界的极大关注，其于短距离的无线通信上具有低成本和高速率的优势。例如，OFDM-UWB技术为消费类电子产品和多媒体应用提供了无线连接，其于高速率情况下，可以用作无线通用串行总线(USB)的物理层，从而实现高达每秒480兆比特(480Mbps)的传输速率。详细请参考以下文献：[1]“A.Batra，J.Balakrishnan，G.R.Aiello，J.R.Foerster，and A.Dabak，“Design of a multibandOFDM system for realistic UWB channel environments，”IEEE Trans.MicrowaveTheory and Techniques，vol.52，no.9，pp.2123-2138，Sept.2004”；[2]“WiMediaMBOA，MultiBand OFDM Physical Layer Specification，ver.1.1.5，July 14，2006”；[3]“Y.Li，A.F.Molisch，and J.Zhang“Practical approaches to channel estimationand interference suppression for OFDM-Based UWB communications，”IEEE Trans.Wireless Commun.，vol.5，no.9，pp.2317-2320，Sept.2006”。

但是，在OFDM-UWB系统的设计中，构建超宽带信号处理模块是一个很具挑战性的问题，特别是对于一些关键的接收模块的设计，例如时间同步模块，频率同步模块以及信道频率响应估计(CFR)模块等。Wimedia联盟所制定的OFDM-UWB规范采用基于帧的传输方式，通常，于每一OFDM帧传输期间内，UWB信道视为不变，则CFR估计可通过帧前缀信号中的专用信道估计序列来实现。目前，现有技术中的CFR估计方法包括：最小二乘(LS)估计、最大似然(ML)估计以及最小均方误差(MMSE)估计。详细请参考以下文献：[4]“B.Muquet，M.de Courville，and P.Duhamel，“Subspace-based blind and semi-blindchannel estimation for OFDM systems，”IEEE Trans.Signal Proc.，vol.50，no.7，pp.1699-1712，Jul.2002”；[5]“S.Zhou and G.B.Giannakis，“Finite-Alphabet basedchannel estimation for OFDM and related multicarrier systems，”IEEE Trans.Commun.，vol.49，no.8，pp.1402-1414，Aug.2001”；[6]“M.Morelli and U.Mengali，“A comparison of pilot-aided channel estimation methods for OFDMsystems，”IEEE Trans.Signal Processing，vol.49，no.12，pp.3065-3073，Dec.2001”；[7]“O.Edfors，M.Sandell，J.van de Beek，S.K.Wilson，and P.O.

，“OFDM channel estimation by singular value decomposition，”IEEE Trans.Commun.，vol.46，no.7，pp.931-939，July 1998”；[8]“L.Deneire，P.Vandenameele，L.V.d.Perre，B.Gyselinckx，and M.Engels，“A lowcomplexity ML channelestimator for OFDM，”IEEE Trans.Commun.，vol.51，no.2，pp.135-140，Feb.2003”。其中，最小二乘估计最简单，但其噪声抑制能力较低，特别于OFDM-UWB通信系统中，即使在信噪比(SNR)很低的情况下(如参考文献[1]中，信噪比小于或等于0dB)，对系统性能的要求仍然很高，此时，简单地应用最小二乘估计已不能满足该系统对CFR估计的准确性要求。然而，最大似然估计和最小均方误差估计虽然具有较高的准确性，但其计算复杂度较高。例如，参考文献[8]中所介绍的最大似然估计，需于存储器中预先存储较大的矩阵或实时进行矩阵求逆运算。显然，这两种估计方法在低功耗以及低成本的无线UWB器件中并不实用。

发明内容

本发明的目的在于提供一种适用于超宽带正交频分复用(OFDM-UWB)系统的信道频率响应(CFR)估计方法，以在满足估计准确性要求的同时降低所需的计算复杂度。

为此，本发明提供一种信道频率响应估计方法，用于在超宽带正交频分复用(OFDM-UWB)系统中实现信道频率响应(CFR)的估计，其中该系统带宽被划分为多个相邻子带，以r进行编号，其中子带r上的CFR估计为 ${\hat{h}}_r={[{\hat{h}}_r\left(0\right),{\hat{h}}_r\left(1\right),\·\·\·,{\hat{h}}_r(N-1)]}^T,$ N表示一个正交频分复用(OFDM)符号所使用的子载波的个数，以k进行编号，即一个OFDM符号通过调制于N个子载波上的传输信号进行传输，上标T表示转置，该方法包括：对一接收到的OFDM-UWB帧中的一信道估计序列进行最小二乘估计，得到一第一CFR估计

其表示为 ${\hat{h}}_r^{\left(1\right)}={[{\hat{h}}_r^{\left(1\right)}\left(0\right),{\hat{h}}_r^{\left(1\right)}\left(1\right),\·\·\·,{\hat{h}}_r^{\left(1\right)}(N-1)]}^T;$ 对上述第一CFR估计

在一第一平滑因子的作用下进行频域平滑处理，得到一第二CFR估计

其表示为 ${\hat{h}}_r^{\left(2\right)}={[{\hat{h}}_r^{\left(2\right)}\left(0\right),{\hat{h}}_r^{\left(2\right)}\left(1\right),\·\·\·,{\hat{h}}_r^{\left(2\right)}(N-1)]}^T;$ 于上述第二CFR估计

的辅助下，利用直接判决模式检测计算得到所接收到的OFDM-UWB帧头中同一OFDM符号的传输信号的一加权频域扩展信号组合对，利用该组合对得到所传输信号的符号，并根据此符号利用所传输信号的有限字符特性得到一第三CFR估计

其表示为 ${\hat{h}}_r^{\left(3\right)}={[{\hat{h}}_r^{\left(3\right)}\left(0\right),{\hat{h}}_r^{\left(3\right)}\left(1\right),\·\·\·,{\hat{h}}_r^{\left(3\right)}(N-1)]}^T;$ 对上述第三CFR估计在一第二平滑因子的作用下进行频域平滑处理，得到一第四CFR估计

其表示为 ${\hat{h}}_r^{\left(4\right)}={[{\hat{h}}_r^{\left(4\right)}\left(0\right),{\hat{h}}_r^{\left(4\right)}\left(1\right),\·\·\·,{\hat{h}}_r^{\left(4\right)}(N-1)]}^T;$ 均化上述第二CFR估计

与第四CFR估计

得到最终CFR估计

进一步地，在得到上述第一CFR估计

的步骤中，该第一CFR估计

是通过均化同一子带中两最小二乘估计结果而得到。

进一步地，在得到上述第二CFR估计

的步骤中，每一子载波上的第一CFR估计

是利用其相邻子载波上的CFR估计进行平滑处理。

进一步地，子载波k上的第二CFR估计

为：

其中，α是上述第一平滑因子，满足条件0<α<0.5，Q是传输有效信息的子载波的个数，

表示有限整数集{P₁，P₁+1，...，P₂}，且

和分别表示子载波k-1，k和k+1上的第一CFR估计

进一步地，上述得到第三CFR估计

的步骤包括：从上述接收到的OFDM-UWB帧中获取一帧头，其中该帧头包括多个OFDM符号，每个OFDM符号通过调制于N个子载波上的传输信号进行传输，且传输信号于传输过程中获得频域扩展；根据第二CFR估计

利用直接判决模式检测，计算上述帧头中同一OFDM符号的两个子载波上的传输信号的加权频域扩展信号；组合上述两个子载波上的加权频域扩展信号，得到上述加权频域扩展信号组合对，利用该组合对得到所传输信号的符号，并根据该符号利用所传输信号的有限字符特性，得到第三CFR估计

进一步地，上述OFDM符号的频域扩展是通过于同一OFDM符号中的两个子载波上传输一对相对共轭的传输信号而实现的。

进一步地，上述加权频域扩展信号的计算及组合步骤包括：用子载波k上的离散傅立叶变换结果

乘以子载波k上的第二CFR估计

的共轭，得到一第一加权频域扩展信号，

即 ${\mathrm{\&lambda;}}_m^{\left(i\right)}\left(k\right)=y_m^{\left(i\right)}\left(k\right){\left[{\hat{h}}_r^{\left(2\right)}\left(k\right)\right]}^{*};$

用子载波N-k上的离散傅立叶变换结果

乘以子载波N-k上第二CFR估计

的共轭，得到一第二加权频域扩展信号，

即 ${\mathrm{\&lambda;}}_m^{\left(i\right)}(N-k)=y_m^{\left(i\right)}(N-k){\left[{\hat{h}}_r^2(N-k)\right]}^{*};$

组合上述第一加权频域扩展信号

与第二加权频域扩展信号

得到上述加权频域扩展信号组合对，即

和

其中[·]^*表示共轭，接收到的OFDM-UWB帧包括多个OFDM符号组，以m进行编号，而每一个OFDM符号组包括多个OFDM符号，以i进行编号，而

和

中的上标(i)和下标m表明该检测步骤于第m个OFDM符号组的第i个OFDM符号中进行。

进一步地，上述传输信号的符号包括其实部与虚部的符号，利用上述加权频域扩展信号组合对

和

得到子载波k上的被检测信号的实部和虚部的符号，如下：

和

其中

表示有限整数集{P₁，P₁+1，...，P₂}，和

分别表示x的实部和虚部，sgn(x)为符号函数，Q为传输有效信息的子载波的个数，且

表示每个OFDM符号中有R个子载波用于导频。

进一步地，利用传输信号的有限字符特性{(+c，-c)，(+c，+c)，(-c，-c)，(-c，+c)}，通过以下公式得到子载波k上的第三CFR估计

其中，

是子载波k上的离散傅立叶变换结果，

是离散傅立叶逆变换对应导频上的输入信号，[·]^*表示转置，

和

分别表示子载波k上被检测的传输信号的实部与虚部的符号， $j=\sqrt{-1},$ 接收到的OFDM-UWB帧包括多个OFDM符号组，以m进行编号，而每一个OFDM符号组包括多个OFDM符号，以q进行编号，上标(q)和下标m表明该第三CFR估计的获取是利用第m个OFDM符号组中的第q个OFDM符号实现的，

表示有限整数集{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数，且

表示每个OFDM符号中有R个子载波用于导频。

进一步地，子载波k上的第二平滑因子由以下公式获得：

其中，min(x₁，x₂)表示选择x₁和x₂中的较小值，α为上述第一平滑因子，

为子载波k上的第一CFR估计

为子载波l上的第一CFR估计

表示有限整数集{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数。

进一步地，子载波k上的第四CFR估计

由以下公式获得：

${\hat{h}}_r^4\left(k\right)={\mathrm{\&alpha;}}_r(k-1){\hat{h}}_r^{\left(3\right)}(k-1)+{\mathrm{\&alpha;}}_r(k+1){\hat{h}}_r^{\left(3\right)}(k+1)+(1-{\mathrm{\&alpha;}}_r(k-1)-{\mathrm{\&alpha;}}_r(k+1)){\hat{h}}_r^{\left(3\right)}\left(k\right),$

其中

和

分别表示子载波k-1，k和k+1上的第三CFR估计

α_r(k-1)和α_r(k+1)分别表示子载波k-1和k+1上的第二平滑因子，

表示有限整数集合{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数。

进一步地，在上述均化第二CFR估计与第四CFR估计以得到最终CFR估计

的过程中，该最终CFR估计

由以下公式获得：

${\hat{h}}_r=(w_1{\hat{h}}_r^{\left(2\right)}+w_2{\hat{h}}_r^{\left(4\right)})/(w_1+w_2)$

其中，w₁为OFDM-UWB帧中在子带r上所传输的用于信道估计的OFDM符号数，w₂为OFDM-UWB帧头中在子带r上所传输的OFDM符号数。

综上所述，本发明所提供的信道频率响应估计方法以最小二乘估计为基础，采用了多阶段的估计方式来克服最小二乘估计于准确性上的不足，使其估计准确性达到与最大似然估计相媲美的程度，而于计算复杂度上又保持了最小二乘估计较低复杂度的优势。

附图说明

图1为本发明一实施例中OFDM-UWB帧的结构示意图；

图2为本发明一实施例中时间-频率编码的一种实现方式(TFC＝1)；

图3为本发明一实施例所提供的用于OFDM-UWB系统的信道频率响应估计方法的流程示意图；

图4为不同信道估计方法的归一化均方误差和性噪比的关系曲线图；

图5为不同信道估计方法的误帧率比较图。

具体实施方式

为使本发明的目的、特征更明显易懂，下面结合附图对本发明的具体实施方式作进一步说明。

如图1所示，在超宽带正交频分复用(OFDM-UWB)系统中，每一个OFDM-UWB帧由前缀信号(Preamble)1，帧头(Frame Header)2以及净荷(Payload)3组成。正如背景技术中参考文献[2]中所指出的，前缀信号1包括30个OFDM符号，其中前24个符号构成帧同步序列11，后6个符号构成信道估计序列12，据以实现信道估计。帧头2由12个OFDM符号组成，其包含了有关当前帧的构成信息。净荷3由M个OFDM符号组成，其中M为6的整数倍，即M＝6P，其中P为正整数。每个OFDM符号的持续时间为0.3125μs，故前缀信号1、帧头2以及净荷3的持续时间分别为9.375μs，3.75μs和M×0.3125μs。

记有限整数集{P₁，P₁+1，...，P₂}为

为了讨论方便，后续提及的OFDM符号以n进行编号，其中且n＝0表示包含第一个信道估计序列的OFDM符号。另外，OFDM符号被划分为若干组，并以m进行编号，且每一OFDM符号组包括6个连续的OFDM符号，其中且m＝0表示该组的6个OFDM符号用于信道估计。

同一组的6个OFDM符号可以在多个频带中传输。另外，传输每个OFDM符号的中心频率可由时间-频率编码(TFC)指定。图2显示了时间-频率编码的一种实现方式(TFC＝1)，于第m组OFDM符号中，第一个OFDM符号在子带#1(3168-3696MHz)中传输；第二个OFDM符号在子带#2(3696-4224MHz)中传输；第三个OFDM符号在子带#3(4224-4752MHz)中传输；第四个OFDM符号在子带#1中传输，以此类推。不失一般性，以下叙述中，仍以TFC＝1的情况为例。

每个OFDM符号利用N＝128个子载波进行调制，其包括Q＝112个子载波组成的实频段、Q₁＝10个子载波组成的保护频段以及Q₂＝6个子载波组成的虚频段，其中实频段用以传输有效信息。在实频段的Q个子载波中，R＝12个子载波所组成的频段用作导频。现对第n个OFDM符号(n＝6m+i，

)的形成说明如下：令

$s_m^{\left(i\right)}={[s_m^{\left(i\right)}\left(0\right),s_m^{\left(i\right)}\left(1\right),...,s_m^{\left(i\right)}(N-1)]}^T---\left(1\right)$

其为一个N维传输信号列向量，其中(.)^T表示转置，

为调制于子载波k上的传输信号。定义一个R维列向量p＝[p(0)，p(1)，...，p(R-1)]^T＝[5，15，25，35，45，55，73，83，93，103，113，123]^T，令Q₀＝(Q+Q₁)/2，如果

则

可通过四相相移键控(QPSK)星座图获得，以±c±jc来表示，其中 $j=\sqrt{-1},$ $c=\sqrt{2}/2.$ 特别地，如果 $k\&Element;{\left\{p\left(l\right)\right\}}_{l=0}^{R-1},$ 则接收端(对应导频)即可知

另外，当

时， $s_m^{\left(i\right)}\left(k\right)=0.$ 将信号列向量

输入至一N点离散傅里叶逆变换处理器并输出一N维时域列向量，定义该时域列向量为

(如图2中所示的

和

)。为了消除由时域多径信道所带来的符号间干扰(ISI)，对每个时域列向量

附加N_g个零元素用作零填充后缀(ZP)，从而形成如图2中所示的OFDM符号。

UWB信道可模拟为一个N_h阶的有限冲击响应滤波器，其在子带r上的脉冲响应记为：

其中，上标^(t)表示时域。相应的信道频率响应(CFR)为h_r＝[h_r(0)，h_r(1)，...，h_r(N-1)]^T；

其通过 $h_r=F_{N_h}{h}_r^{\left(t\right)}$ 而得到，其中

为N点离散傅立叶变换(DFT)矩阵的首N_h列。

为了便于讨论且不失有效性，在以后的讨论中假设时间和频率完全同步。在接收端，获取采样信号后，利用叠加加法(overlap-add)去除对应于每个OFDM符号的零填充后缀部分，而后对其进行N点离散傅立叶变换(DFT)。假设N_h≤N_g，则接收到的第n个OFDM符号的DFT变换结果如下：

$y_m^{\left(i\right)}={[y_m^{\left(i\right)}\left(0\right),y_m^{\left(i\right)}\left(1\right),...,y_m^{\left(i\right)}(N-1)]}^T,$ 其由以下公式给出：

$y_m^{\left(i\right)}\left(k\right)=s_m^{\left(i\right)}\left(k\right)h_r\left(k\right)+v_r\left(k\right)---\left(3\right)$

其中r＝|i|₃+1，

且

|.|₃表示模3运算，且v_r(k)为子带r上的信道噪声，其在频域上可模拟为均值为零、方差为

的高斯随机信号。

此外，需注意的是，帧头中的每个OFDM符号都采用了频域扩展的方式来形成，即：

其中，(·)^*表示共轭。频域扩展是通过在某个OFDM符号的两个不同子载波上传输相同的信息(一复数及其共轭)从而增加信号传输的频域多样化(FrequencyDiversity)。本发明即利用了这一性质来改善信道估计方案，详细描述如下：

请参考图3，其示出本发明一实施例中信道频率响应的估计方法所包含的五个步骤：

令 ${\hat{h}}_r^{\left(q\right)}={[{\hat{h}}_r^{\left(q\right)}\left(0\right),{\hat{h}}_r^{\left(q\right)}\left(1\right),...,{\hat{h}}_r^{\left(q\right)}(N-1)]}^T,$

其表示经过q步后得到的对h_r的估计。

于步骤1中，通过以上公式(3)获取

如下：

${\hat{h}}_r^{\left(1\right)}\left(k\right)=[y_0^{(r-1)}\left(k\right)/s_0^{(r-1)}\left(k\right)+y_0^{(r+2)}\left(k\right)/s_0^{(r+2)}\left(k\right)]/2---\left(5\right)$

其中其通过对专用信道估计序列(即，m＝0)进行最小二乘(LS)估计而得到；并通过均化同一子带上获取的多个估计结果来提高估计精度(例如，公式(5)中通过均化两个估计结果，获得了3dB的精度改进)。

于步骤2中，基于信道相干带宽远远大于子载波间距的假设(在UWB信道条件下有效)，对

在频域上进行一次基于平滑因子α的简单平滑处理，得到

其过程如下：

${\hat{h}}_r^{\left(2\right)}\left(k\right)=\mathrm{\&alpha;}[{\hat{h}}_r^{\left(1\right)}(k-1)+{\hat{h}}_r^{\left(1\right)}(k+1)]+(1-2\mathrm{\&alpha;}){\hat{h}}_r^{\left(1\right)}\left(k\right)---\left(6\right)$

其中，

且0<α<0.5。以此方式，每个子载波上的CFR估计可以利用其相邻子载波的估计进行平滑处理，从而减小了初始LS估计中的残留误差。

接下来，于步骤3中，利用帧头信号的频域扩展特性以及QPSK调制的有限字符特性，引入一种有效的基于半盲(semi-blind)CFR估计的直接判决检测方法。记检测到的帧头中某OFDM符号(用

均衡后)的传输信号为

且 $k\&NotElement;{\left\{p\left(l\right)\right\}}_{l=0}^{R-1},$ 则

相应地，令 $u_m^{\left(i\right)}={[u_m^{\left(i\right)}\left(0\right),u_m^{\left(i\right)}\left(1\right),...,u_m^{\left(i\right)}(N-1)]}^T,$ $v_m^{\left(i\right)}={[v_m^{\left(i\right)}\left(0\right),v_m^{\left(i\right)}\left(1\right),...,v_m^{\left(i\right)}(N-1)]}^T,$ 通过以下公式进行计算：

其中，

和分别表示x的实部和虚部；而sgn(x)为符号函数，当x为正数时，其值为1；当x为负数时，其值为-1；当x为零时，其值为0；另外，

${\mathrm{\&lambda;}}_m^{\left(i\right)}\left(k\right)={\left|{\hat{h}}_r^{\left(2\right)}\left(k\right)\right|}^2{\hat{s}}_m^{\left(i\right)}\left(k\right)=y_m^{\left(i\right)}\left(k\right){\left[{\hat{h}}_r^{\left(2\right)}\left(k\right)\right]}^{*}---\left(10\right)$

其中

$k\&NotElement;{\left\{p\left(l\right)\right\}}_{l=0}^{R-1},$ $i\&Element;Z_0^5$ 且 $m\&Element;Z_1^2.$ 需要注意的是，公式(10)中与

的乘积得到了公式(8)与(9)中两频域扩展信号的加权组合，即

与

这种方法类似于最大比率结合(MaximumRatio Combining，MRC)技术(如参考文献[3])，但其不需要进行除法运算从而大大降低了复杂度。此外，于公式(8)、(9)和(10)中，本发明所提出的这种CFR辅助下的直接判决模式有效地利用了频域扩展信号的特性，因此具有较好的抗干扰性和可靠性。进一步地，利用QPSK调制的有限字符特性({(+c，-c)，(+c，+c)，(-c，-c)，(-c，+c)})并根据 ${\left|s_m^{\left(i\right)}\left(k\right)\right|}^2=2c^2=1,$ 得到步骤3中的CFR估计

如下：

${\hat{h}}_r^{\left(3\right)}\left(k\right)=\frac{c}{4}\underset{m=1}{\overset{2}{\mathrm{\&Sigma;}}}\underset{q=r-1,r+2}{\mathrm{\&Sigma;}}\left(y_m^{\left(q\right)}\left(k\right)[u_m^{\left(q\right)}\left(k\right)-{\mathrm{jv}}_m^{\left(q\right)}\left(k\right)]\right)---\left(11\right)$

其中，

且 $k\&NotElement;{\left\{p\left(l\right)\right\}}_{l=0}^{R-1}.$ 考虑到导频信号，公式(11)可进一步表达为：

其中，

于步骤4中，对步骤3中获得的进行频域平滑处理，得到CFR估计

如下：

${\hat{h}}_r^4\left(k\right)={\mathrm{\&alpha;}}_r(k-1){\hat{h}}_r^{\left(3\right)}(k-1)+{\mathrm{\&alpha;}}_r(k+1){\hat{h}}_r^{\left(3\right)}(k+1)+(1-{\mathrm{\&alpha;}}_r(k-1)-{\mathrm{\&alpha;}}_r(k+1)){\hat{h}}_r^{\left(3\right)}\left(k\right)---\left(13\right)$

其中，且

${\mathrm{\&alpha;}}_r\left(k\right)=\min (\mathrm{\&alpha;},\frac{Q{\left|{\hat{h}}_r^{\left(1\right)}\left(k\right)\right|}^2}{{\mathrm{\&Sigma;}}_{l\&Element;Z_1^{Q/2}\&cup;Z_{N-Q/2}^{N-1}}{\left|{\hat{h}}_r^{\left(1\right)}\left(l\right)\right|}^2}).---\left(14\right)$

使用与CFR相关的平滑因子α_r(k)能够进一步增强本实施例中CFR估计于不同信道条件下的鲁棒性。

最后，于步骤5中，通过结合

与

而实现均化，来获得 ${\hat{h}}_r={[{\hat{h}}_r\left(0\right),{\hat{h}}_r\left(1\right),...,{\hat{h}}_r(N-1)]}^T,$ 即：

其中，w₁为OFDM-UWB帧中在子带r上所传输的用于信道估计的OFDM符号数，w₂为OFDM-UWB帧头中在子带r上所传输的OFDM符号数。例如，在本实施例中，w₁为2，w₂为4。

本发明所提供的多阶段CFR估计方法基于最小二乘估计，但由于进行了频域平滑处理并采用了CFR辅助下的直接判决检测，而提高了估计精度。相较于现有技术，本发明所提出的解决方案的优点在于，它在达到了利用较为复杂最大似然估计方法所能得到的估计精度的同时，保持了最小二乘估计方法的低计算复杂度这一特性。

信道估计性能可以通过CFR估计的归一化均方误差(NMSE)来评价，其由下式给出：

$\mathrm{NMSE}=\frac{{\mathrm{\&Sigma;}}_{r=1}^{3}E\left[{\mathrm{\&Sigma;}}_{k\&Element;Z_1^{Q/2}\&cup;Z_{N-Q/2}^{N-1}}{|h_r\left(k\right)-{\hat{h}}_r\left(k\right)|}^2\right]}{{\mathrm{\&Sigma;}}_{r=1}^{3}E\left[{\mathrm{\&Sigma;}}_{k\&Element;Z_1^{Q/2}\&cup;Z_{N-Q/2}^{N-1}}{\left|h_r\left(k\right)\right|}^2\right]}$

其中E[.]表示在蒙特卡洛测试上的统计平均操作。通过公式(15)的均化操作，于帧头中，每个子带上可获得四个额外的估计，由此相对于初始估计(利用两个专用信道估计字符)可获得10log₁₀(6/2)＝4.77dB的增益。而频域平滑处理进一步带来了2～2.5dB的增益。因此，相较于现有最小二乘估计技术，本发明可获得大约7dB的增益，甚至优于复杂的最大似然估计(利用两个专用信道估计字符)方法。这将在后面的仿真结果中获得进一步的证实。

以下通过数值仿真技术来验证本发明所提出的CFR估计方法的有效性。该仿真使用了数据传输速率为80Mbps的OFDM-UWB系统。选择相对较低数据传输速率是为了验证低信噪比(SNR)的情况下该CFR估计方法的效用。在仿真中，UWB信道模型采用了视距(LOS)环境的多径传播模型(CM1，见参考文献[1])。另外，TFC＝1，α＝0.3，净荷长度为1024字节。

图4显示了不同信道估计方法的归一化均方误差和性噪比的关系。正如以上所描述的，本发明所提供的信道估计方法优于传统的最小二乘估计，而获得了大约7dB的增益。为了便于比较，图4中还给出了最大似然估计方法的性能，其相对于传统的最小二乘估计具有大约6dB的增益。该增益是在假定N_h＝N/4＝32的情况下获得的。由于N_h小于零填充(ZP)的长度N_g＝37，因此在该实施例中，6dB的增益接近于理论上最大似然估计所能达到的最大增益。从图4中可以看出，本发明所提供的方案在小信噪比的情况下优于传统的最大似然估计，而当信噪比提高到一定程度时，其性能接近最大似然估计。图5显示了误帧率(FER)性能的比较，从中可以看出本发明所提供的信道估计方法的性能明显优于最小二乘估计(大约1.7dB)，其性能略优于最大似然估计，并与假定信道为已知情形下所能获得的最优性能具有可比性。

以上仅为举例，并非用以限定本发明，本发明的保护范围应当以权利要求书所涵盖的范围为准。

Claims (12)

1.一种信道频率响应估计方法，用于在超宽带正交频分复用(OFDM-UWB)系统中实现信道频率响应(CFR)的估计，其中该系统带宽被划分为多个相邻子带，以r进行编号，其中子带r上的CFR估计为 ${\hat{h}}_r={[{\hat{h}}_r\left(0\right),{\hat{h}}_r\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;,{\hat{h}}_r(N-1)]}^T,$ N表示一个正交频分复用(OFDM)符号所使用的子载波的个数，以k进行编号，即一个OFDM符号通过调制于N个子载波上的传输信号进行传输，上标T表示转置，其特征是，该方法包括:

对一接收到的OFDM-UWB帧中的一信道估计序列进行最小二乘估计，得到一第一CFR估计

其表示为 ${\hat{h}}_r^{\left(1\right)}={[{\hat{h}}_r^{\left(1\right)}\left(0\right),{\hat{h}}_r^{\left(1\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;{,\hat{h}}_r^{\left(1\right)}(N-1)]}^T;$

对上述第一CFR估计在一第一平滑因子的作用下进行频域平滑处理，得到一第二CFR估计其表示为 ${\hat{h}}_r^{\left(2\right)}={[{\hat{h}}_r^{\left(2\right)}\left(0\right),{\hat{h}}_r^{\left(2\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;{\widehat{,h}}_r^{\left(2\right)}(N-1)]}^T;$

于上述第二CFR估计

的辅助下，利用直接判决模式检测计算得到所接收到的OFDM-UWB帧头中同一OFDM符号的传输信号的一加权频域扩展信号组合对，利用该组合对得到所传输信号的符号，并根据此符号利用所传输信号的有限字符特性得到一第三CFR估计

其表示为 ${\hat{h}}_r^{\left(3\right)}={[{\hat{h}}_r^{\left(3\right)}\left(0\right),{\hat{h}}_r^{\left(3\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;{,\hat{h}}_r^{\left(3\right)}(N-1)]}^T;$

对上述第三CFR估计

在一第二平滑因子的作用下进行频域平滑处理，得到一第四CFR估计其表示为 ${\hat{h}}_r^{\left(4\right)}={[{\hat{h}}_r^{\left(4\right)}\left(0\right),{\hat{h}}_r^{\left(4\right)}\left(1\right),\&CenterDot;\&CenterDot;\&CenterDot;{\widehat{,h}}_r^{\left(4\right)}(N-1)]}^T;$

均化上述第二CFR估计

与第四CFR估计得到最终CFR估计

2.根据权利要求1所述的信道频率响应估计方法，其特征是，其中在得到上述第一CFR估计

的步骤中，该第一CFR估计

是通过均化同一子带中两最小二乘估计结果而得到。

3.根据权利要求1所述的信道频率响应估计方法，其特征是，其中在得到上述第二CFR估计

的步骤中，每一子载波上的第一CFR估计

是利用其相邻子载波上的CFR估计进行平滑处理。

4.根据权利要求3所述的信道频率响应估计方法，其特征是，其中子载波k上的第二CFR估计为:

${\hat{h}}_r^{\left(2\right)}\left(k\right)=\mathrm{\&alpha;}[{\hat{h}}_r^{\left(1\right)}(k-1)+{\hat{h}}_r^{\left(1\right)}(k+1)]+(1-2\mathrm{\&alpha;}){\hat{h}}_r^{\left(1\right)}\left(k\right),$

其中，α是上述第一平滑因子，满足条件0<α<0.5，Q是传输有效信息的子载波的个数，

表示有限整数集{P₁，P₁+1，...，P₂}，且

和

分别表示子载波k-1，k和k+1上的第一CFR估计

5.根据权利要求1所述的信道频率响应估计方法，其特征是，上述得到第三CFR估计

的步骤包括:

从上述接收到的OFDM-UWB帧中获取一帧头，其中该帧头包括多个OFDM符号，每个OFDM符号通过调制于N个子载波上的传输信号进行传输，且传输信号于传输过程中获得频域扩展；

根据第二CFR估计

利用直接判决模式检测，计算上述帧头中同一OFDM符号的两个子载波上的传输信号的加权频域扩展信号；

组合上述两个子载波上的加权频域扩展信号，得到上述加权频域扩展信号组合对，利用该组合对得到所传输信号的符号，并根据该符号利用所传输信号的有限字符特性，得到第三CFR估计

6.根据权利要求5所述的信道频率响应估计方法，其特征是，其中上述OFDM符号的频域扩展是通过于同一OFDM符号中的两个子载波上传输一对相对共轭的传输信号而实现的。

7.根据权利要求5所述的信道频率响应估计方法，其特征是，上述加权频域扩展信号的计算及组合步骤包括:

用子载波k上的离散傅立叶变换结果

乘以子载波k上的第二CFR估计

的共轭，得到一第一加权频域扩展信号，

即 ${\mathrm{\&lambda;}}_m^{\left(i\right)}\left(k\right)=y_m^{\left(i\right)}\left(k\right){\left[{\hat{h}}_r^{\left(2\right)}\left(k\right)\right]}^{*};$

用子载波N-k上的离散傅立叶变换结果

乘以子载波N-k上第二CFR估计的共轭，得到一第二加权频域扩展信号，

即 ${\mathrm{\&lambda;}}_m^{\left(i\right)}(N-k)=y_m^{\left(i\right)}(N-k){\left[{\hat{h}}_r^{\left(2\right)}(N-k)\right]}^{*};$

组合上述第一加权频域扩展信号

与第二加权频域扩展信号

得到上述加权频域扩展信号组合对，即

和

其中[·]^*表示共轭，接收到的OFDM-UWB帧包括多个OFDM符号组，以m进行编号，而每一个OFDM符号组包括多个OFDM符号，以i进行编号，而

和

中的上标(i)和下标m表明该检测步骤于第m个OFDM符号组的第i个OFDM符号中进行。

8.根据权利要求7所述的信道频率响应估计方法，其特征是，其中上述传输信号的符号包括其实部与虚部的符号，利用上述加权频域扩展信号组合对

和得到子载波k上的被检测信号的实部和虚部的符号，如下:

和

其中

表示有限整数集{P₁，P₁+1，...，P₂}，

和

分别表示x的实部和虚部，sgn(x)为符号函数，Q为传输有效信息的子载波的个数，且

表示每个OFDM符号中有R个子载波用于导频。

9.根据权利要求8所述的信道频率响应估计方法，其特征是，利用传输信号的有限字符特性{(+c，-c)，(+c，+c)，(-c，-c)，(-c，+c)}，通过以下公式得到子载波k上的第三CFR估计

其中，

是子载波k上的离散傅立叶变换结果，

是离散傅立叶逆变换对应导频上的输入信号，[·]^*表示转置，

和

分别表示子载波k上被检测的传输信号的实部与虚部的符号， $j=\sqrt{-1},$ 接收到的OFDM-UWB帧包括多个OFDM符号组，以m进行编号，而每一个OFDM符号组包括多个OFDM符号，以q进行编号，上标(q)和下标m表明该第三CFR估计

的获取是利用第m个OFDM符号组中的第q个OFDM符号实现的，

表示有限整数集{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数，且

表示每个OFDM符号中有R个子载波用于导频。

10.根据权利要求1所述的信道频率响应估计方法，其特征是，其中子载波k上的第二平滑因子由以下公式获得:

${\mathrm{\&alpha;}}_r\left(k\right)=\min (\mathrm{\&alpha;},\frac{Q{\left|{\hat{h}}_r^{\left(1\right)}\left(k\right)\right|}^2}{{\mathrm{\&Sigma;}}_{l\&Element;Z_1^{Q/2}\&cup;Z_{N-Q/2}^{N-1}}{\left|{\hat{h}}_r^{\left(1\right)}\left(l\right)\right|}^2}),$

其中，min(x₁，x₂)表示选择x₁和x₂中的较小值，α为上述第一平滑因子， ${\hat{h}}_r^{\left(1\right)}\left(k\right)$ 为子载波k上的第一CFR估计

为子载波l上的第一CFR估计

表示有限整数集{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数。

11.根据权利要求1所述的信道频率响应估计方法，其特征是，其中子载波k上的第四CFR估计

由以下公式获得:

${\hat{h}}_r^4\left(k\right)={\mathrm{\&alpha;}}_r(k-1){\hat{h}}_r^{\left(3\right)}(k-1)+{\mathrm{\&alpha;}}_r(k+1){\hat{h}}_r^{\left(3\right)}(k+1)+(1-{\mathrm{\&alpha;}}_r(k-1)-{\mathrm{\&alpha;}}_r(k+1)){\hat{h}}_r^{\left(3\right)}\left(k\right),$

其中

和

分别表示子载波k-1，k和k+1上的第三CFR估计α_r(k-1)和α_r(k+1)分别表示子载波k-1和k+1上的第二平滑因子，

表示有限整数集合{P₁，P₁+1，...，P₂}，Q为传输有效信息的子载波的个数。

12.根据权利要求1所述的信道频率响应估计方法，其特征是，其中在上述均化第二CFR估计

与第四CFR估计

以得到最终CFR估计

的过程中，该最终CFR估计

由以下公式获得:

${\hat{h}}_r=(w_1{\hat{h}}_r^{\left(2\right)}+w_2{\hat{h}}_r^{\left(4\right)})/(w_1+w_2),$

其中，w₁为OFDM-UWB帧中在子带r上所传输的用于信道估计的OFDM符号数，w₂为OFDM-UWB帧头中在子带r上所传输的OFDM符号数。

Images