CN101383791A - 一种基于单比特量化采样的超宽带频域线性均衡方法 - Google Patents

Abstract

本发明公开了一种基于单比特量化采样的超宽带频域线性均衡方法，特征是利用超宽带信道多径繁多的特点，在接收机端利用信道信息，使用频域线性均衡方法矫正失真的基带接收波形，达到线性均衡的效果；在此基础上进一步把信道序列频域系数中幅度最大值－10分贝以下的序列都强制设置为幅度为信道序列频域系数的幅度最大值的－10分贝，相位不变，得到优化的频域迫零均衡方法。由于采取单比特量化接收信号，所以本发明的均衡处理复杂度低；同时，采取一阶频域均衡处理，降低均衡复杂度。在多径衰落信道环境中，通过均衡处理有效地收集多径信号的能量，进而消除符号间干扰和脉冲间干扰，逼近最优接收机的性能。

Description

一种基于单比特量化采样的超宽带频域线性均衡方法

技术领域

本发明属于无线通信技术领域，特别涉及超宽带信号的频域均衡技术。

背景技术

超宽带(Ultra-Wideband，简称UWB)通信技术是实现高速无线通信的一种重要技术。由于其多径分辨能力强，多径数目非常之多。随着信息速率的增大，符号间干扰(Inter-Symbol Interference：ISI)或者脉冲间干扰(Inter-Pulse Interference：IPI)越来越严重，因此信道均衡技术是超宽带通信中的关键技术。

1993年《国际电子与电气工程师协会军事通信会议》(Military CommunicationsConference，IEEE Conference)文集第447-450页首先提出了跳时多址的脉冲超宽带的概念。美国《国际电子与电气工程师协会通信专题杂志》(Selected Areas inCommunications，IEEE Journal on)2002年第9期出版了专题为UWB在多址无线通信中的应用的专刊。其中，第1754-1766页分析了基于发送参考、自相关的脉冲无线电超宽带信号接收方法，并进一步分析了瑞克(RAKE)接收机的性能。结果表明，虽然RAKE接收性能较好，但是其仅能够适合无符号间干扰的场合，而且处理复杂度较高。然而，当UWB技术应用于高速数据通信时，不可避免的存在ISI或者IPI，因此在高速数据通信时RAKE接收不适用。

美国《国际电子与电气工程师协会通信学报》(IEEE Transaction on Communications)2007年第6期第1164-1173页和第8期第1525-1535页分别提出了基于二进制相移键控(BPSK)和四进制双正交键控(4BOK)调制的直扩超宽带(DS-UWB)系统的时域均衡方法，分析了时域线性均衡和判决反馈均衡方法。然而，这些方法复杂度高，不容易实现。而且，当信道长度较长时(大于10阶)，时域均衡方法比频域均衡方法复杂度要高；且当信道长度较长时判决反馈均衡稳定性较差，容易造成错误传播。为了克服这些缺点，可以采取在均衡前面插入RAKE接收以缩短所需均衡信道的有效长度。然而，一般的RAKE接收复杂度还是比较高的。

为了降低复杂度和接收机功耗，美国《国际电子与电气工程师协会无线通信学报》(IEEE Transaction on Wireless Communication)2005年第4期第1337-1344页提出了基于单比特采样的UWB无线通信接收方法。该方法对不同的单比特采样的脉冲无线电接收方法进行了性能仿真，在仿真中选择以理想的无噪声接收波形作为参考信号进行单比特(1-Bit)接收，该方法理论上等同于匹配接收。在加性白高斯信道和信号全精度量化条件下，匹配接收具有最优性能。然而，当信号采样采取单比特量化采样时，匹配接收机并不是最优接收机。

发明内容

本发明的目的是提出一种基于单比特量化采样的超宽带无线通信信道频域线性均衡方法，以在接收机端通过均衡技术收集多径信号能量，进而消除符号间干扰和脉冲间干扰，使接收机在多径衰落信道环境中逼近最优接收机的性能。

本发明基于单比特量化采样的超宽带频域线性均衡方法，其特征在于：首先，对单比特量化采样接收序列r(n)＝sign(h(n)*s(n)+v(n))进行串并转换，组成长度为N的采样序列数据块r＝[r(0)，r(1)，…，r(N-1)]^T；其中，sign(·)表示单比特量化操作，s(n)为基带波形采样序列，h(n)为信道长度L的冲激响应序列，v(n)为噪声序列，运算符号*表示线性卷积操作，上标^T表示矩阵转置；然后，对接收到的每一个采样序列数据块进行离散傅里叶变换(DFT)，得到接收信号的频域系数 $R\left(k\right)=\underset{i=0}{\overset{M-1}{\mathrm{\&Sigma;}}}r\left(i\right)e^{-j\frac{2\mathrm{\&pi;}}{M}\mathrm{ki}},$ 0≤k<M；同时把已知的信道信息序列h(n)进行傅里叶变换，得到信道序列频域系数H(k)；其中，离散傅里叶变换(DFT)处理长度必须满足M≥N≥L，数据不足的进行补零；最后，使用频域线性均衡方法对信号进行信道均衡处理，得到频域均衡序列R_e(k)＝R(k)H_e(k)，其中，H_e(k)为频域线性均衡系数。

所述频域线性均衡方法包括频域迫零均衡方法或者频域最小均方误差均衡方法；若采用频域迫零均衡方法处理，则得到频域迫零均衡系数H_e(k)＝1/H(k)；若采用频域最小均方误差均衡方法处理，则得到频域最小均方误差均衡系数 $H_e\left(k\right)=H^{*}\left(k\right)/[{\left|H\left(k\right)\right|}^2+{\mathrm{\&sigma;}}_n^2/{\mathrm{\&sigma;}}_s^2];$ 其中，

和

分别为噪声功率和信号功率，上标^*表示取共轭。

在上述频域迫零均衡方法的基础上，可进一步把信道序列频域系数H(k)中幅度最大值-10分贝以下的序列都强制设置为幅度为信道序列频域系数H(k)的幅度最大值的-10分贝，相位不变，这样便得到优化的频域迫零均衡方法。

传统的超宽带通信系统的线性均衡方法是在时域中实现的，而且信号为全精度量化采样信号。而本发明的超宽带系统的线性均衡方法是在频域中实现的，信号为单比特量化采样；其主要特点是针对超宽带信号的特征来进行信号处理。由于超宽带信号带宽极大，多径的分辨能力强，所以多径数目较大，一般都有百条多径以上。因此，在这种系统中，由于时域均衡需要信道矩阵的求逆运算，处理复杂度较大；同时，大带宽信号的全精度量化的模数转换要求较高。而频域处理可以采取快速傅里叶变换技术和一阶均衡处理，复杂度比较低，与信道长度呈线性关系；而且，单比特量化的模数转换很容易实现，只需一个比较器就可以实现，不过有1.96分贝的性能损失。而且，由于模数转换的功耗随位数呈指数增长，所以单比特处理能够降低接收机的有效功耗。

容易看出，使用频域迫零(ZF)均衡方法时，若信道有谱零点时，则频域ZF均衡方法具有放大噪声的缺点，而频域最小均方误差(MMSE)均衡方法没有这个缺点。而且，上面处理都在整个采样频带上进行，而信号一般不会占用整个采样带宽。因此，在整个采样频带上均衡处理会引进了带外噪声。所以，在上述基础上，如果对所述的均衡处理在限制的信号带宽内处理的话，可以进一步降低误码率，提高系统性能。同时，在使用频域ZF均衡时，如果限制信道谱零点，使其幅度都高于某个门限，将较大的提高频域ZF均衡方法的性能。

本发明基于1-Bit量化采样的超宽带频域线性均衡方法，利用超宽带信道多径繁多的特点，在接收机端利用信道信息，使用频域迫零均衡方法或者频域最小均方误差均衡方法矫正失真的基带接收波形，达到线性均衡的效果；在频域迫零均衡方法的基础上进一步把信道序列频域系数中幅度最大值-10分贝以下的序列都强制设置为幅度为信道序列频域系数的幅度最大值的-10分贝，相位不变，得到优化的频域迫零均衡方法。由于采取单比特量化接收信号，所以本发明的均衡处理复杂度低；同时，采取一阶频域均衡处理，降低均衡复杂度。在多径衰落信道环境中，通过均衡处理收集多径信号的能量，进而消除符号间干扰和脉冲间干扰，逼近最优接收机的性能。

附图说明

图1是基于单比特量化采样接收的线性频域均衡方法实现框图。

图2是基于单比特量化采样接收的UWB接收机框图。

图3是本发明实施例1中的频域ZF均衡方法恢复的发送波形的仿真结果。

图4是本发明实施例1中的频域ZF均衡方法的性能仿真结果。

图5是本发明实施例2中的频域MMSE均衡方法恢复的发送波形的仿真结果。

图6是本发明实施例2中的频域MMSE均衡方法的性能仿真结果。

具体实施方式

下面参照附图1来详细描述本发明的1-Bit量化采样UWB频域线性均衡方法。

实施例1：

附图1给出了本实施例中的基于1-Bit量化采样接收的频域线性均衡方法实现框图。该实现框图由可选的信噪比估计器P10、两个串并转换器(S/P)第一串并转换器P11和第二串并转换器P13、两个快速傅里叶变换(FFT)第一傅里叶变换处理器P12和第二傅里叶变换处理器P14、频域线性均衡处理器P15、快速傅里叶逆变换(IFFT)处理器P16和第三并串转换器(P/S)P17组成。其工作原理是：从1-Bit采样器得到的单比特采样序列通过第一串并转换器P11组成一个数据块后，送进第一傅里叶变换处理器P12做傅里叶变换，得到采样序列的频域数据序列。同样地，对信道估计器估计的信道信息(可以是在时域中估计或者在频域中估计)进行处理，通过第二串并转换器P13组成另一个数据块后，送进第二傅里叶变换处理器P14做傅里叶变换，得到信道的频域系数。值得注意的是：若信道估计在频域中处理的话，则没有虚线中的串并转换器P13和傅里叶变换处理器P14。同时，利用信道估计器P10估计出信噪比，送进频域线性均衡器P15。然后，在频域线性均衡处理器P15中，利用信噪比和信道的频域系数，对接收采样序列的频域数据序列进行频域线性均衡处理。接着，把均衡后的序列送到快速傅里叶逆变换处理器P16，得到时域数据序列。再把时域数据序列送进第三并串转换器P17，得到串行数据。最后，把串行数据送进解调器进行数据解调和检测，得到信息序列。

若采用频域迫零均衡方法，则没有上述的信噪比估计器P10。

基于1-Bit量化采样接收的UWB频域ZF均衡方法具体操作步骤如下：

步骤1、首先对接收信号进行1-Bit量化采样，得到上述的单比特量化采样接收序列r(n)。把采样序列组成一个长度为N的采样序列数据块r。

步骤2、在上述采样序列数据块r后面补M-N个零，然后进行FFT运算，得到接收信号的频域系数R＝[R(0)，R(1)，…，R(M-1)]^T，记为R＝F^Hr。其中，上标^H表示矩阵的共轭转置；M×M维的傅里叶变换矩阵为F＝W_M×M，其傅里叶变换核系数 $w_{i,k}=e^{j\frac{2\mathrm{\&pi;}}{N}\mathrm{ik}}.$

步骤3、同样，对信道系数补零后进行FFT运算，得到信道频域序列数据块H＝[H(0)，H(1)，…，H(M-1)]^T。

步骤4、通过频域ZF均衡方法处理后得到的频域数据序列R_e(k)＝R(k)/H(k)。

步骤5、对均衡后的频域数据序列R_e进行IFFT变换，得到时域数据序列 $\hat{r}\left(n\right)=s\left(n\right)+\tilde{e}\left(n\right)+\tilde{v}\left(n\right),$ 0≤n<M。其中

和

分别是均衡后的量化误差和量化加性噪声。取前面长度为N的序列 $r_d\left(n\right)=\hat{r}\left(n\right),$ 0≤n<N送进调制解调器。

步骤6、把均衡后的截短序列 $r_d\left(n\right)=\hat{r}\left(n\right),$ 0≤n<N送进解调器进行数据解调和判决，得出信息序列。

步骤7、重复步骤1到6处理接收到的每一个采样序列数据块。

基于1-Bit量化采样接收的UWB频域ZF均衡方法的优化方法的具体操作步骤如下：

步骤1、2和3与上面一般的ZF均衡处理一样。

步骤4、首先求得信道频域序列数据块H＝[H(0)，H(1)，…，H(M-1)]^T中最大的幅度值。接着设置一个门限TH，把信道频域序列数据块H中幅度小于该门限的系数强制设置为幅度TH，相位不变。其中，门限TH一般设置为信道序列H(k)幅度最大值的-10分贝。即若信道序列的频域系数幅度|H(q)|小于门限值TH，则该信道频域系数变数 $\hat{H}\left(q\right)=\mathrm{TH}\&CenterDot;e^{\mathrm{iAngle}\left(H\left(q\right)\right)}.$ 其中，Angle(·)表示求取角度。则优化的信道频域系数为H_p＝[H_p(0)，H_p(1)，…，Hp(M-1)]^T。设量化噪声的频域序列表示为e＝[e(0)，e(1)，…，e(M-1)]^T，则均衡后的频域序列可以写成R_e＝R/H_p＝s+(v+e)/H_p。

步骤5和7与上述的频域ZF均衡处理一样。

若信道只是加性白高斯噪声，假设噪声序列v(n)，单边功率谱密度为N₀，带通滤波器带宽为B_w。时刻n接收机接收到的有用UWB信号为s(n)＝dw(nT_s)，d表示数据序列，T_s表示采样时间间隔，w(t)为基带波形。则接收信号r(t)的采样过程r_n＝r(nT_s)可以用后验概率p(r_n|d)来表示：

$p\left(r_n\right|d)=\left\{\begin{array}{cc}1-{\mathrm{\&epsiv;}}_n,& r_n=d\\ {\mathrm{\&epsiv;}}_n,& r_n\&NotEqual;d\end{array}\right.$

这里，错误概率 ${\mathrm{\&epsiv;}}_n=0.5\mathrm{erfc}\left(\frac{w\left(n{T}_s\right)}{\sqrt{2N_0{B}_w}}\right),$ 接收信号离散表示r_n＝s(n)+v(n)，下标n表示n时刻。

根据最大似然检测理论，最优参考信号可以表示为：

$b_n^{\left(\mathrm{opt}\right)}=\log \frac{1-{\mathrm{\&epsiv;}}_n}{{\mathrm{\&epsiv;}}_n}$

此时，加性白高斯信道的条件下，误码率可以表示为：

$\mathrm{BER}=\frac{1}{2\mathrm{\&pi;j}}{\&Integral;}_{c-j\&infin;}^{c+j\&infin;}\frac{M\left(s\right)}{s}\mathrm{ds}$

这里，矩生成函数 $M\left(s\right)=\underset{n=0}{\overset{N_n-1}{\mathrm{\&Pi;}}}\{(1-{\mathrm{\&epsiv;}}_n)e^{-s{b}_n^{\left(\mathrm{opt}\right)}}+{\mathrm{\&epsiv;}}_n{e}^{s{b}_n^{\left(\mathrm{opt}\right)}}\}.$

若信道为衰落信道，其冲击响应为h(n)，则平均误码率为

$\stackrel{\&OverBar;}{\mathrm{BER}}=\frac{1}{2\mathrm{\&pi;j}}E\left\{{\&Integral;}_{c-j\&infin;}^{c+j\&infin;}\frac{M\left(s\right)}{s}\mathrm{ds}\right\}$

由于均衡后的量化噪声序列不是高斯分布，所以均衡方法的输出信号干扰比并不能求出闭合表达式。下面通过计算机仿真说明均衡性能。

附图2给出了本实例的仿真中所用的基于单比特量化采样接收的UWB接收机框图。该UWB接收机包括天线P20、线性放大器P21、带通滤波器P22、单比特量化采样器P23、信道估计器P24、频域线性均衡方法处理器P25和解调器P26组成。从天线P20接收到的信号经过线性放大器P21放大后送到带通滤波器P22进行滤波。滤除带外噪声后的信号经过单比特量化采样器P23进行量化采样，得到采样序列。然后，把采样序列分别送入到信道估计器P24和频域线性均衡方法处理器P25。在信道估计器P14里估计出信道参数，送入频域线性均衡方法处理器P25。频域线性均衡方法处理器P25利用估计出来的信道参数对采样序列进行信道均衡，均衡后的结果送入解调器P26中进行数据解调，输出解调结果。最后，对解调结果进行判决，得出信息序列。

仿真过程中，脉冲波形为高斯二阶微分波形，表达式为

，其中时间常数τ＝0.568纳秒(ns)。选取脉冲重复周期T_f＝7.5纳秒，采用二进制相移键控(BPSK)的调制方式；信号检测采取最大似然检测方法。衰落信道模型为802.15.SG3a工作组提供的标准信道模型1到4(CM1～CM4)。

附图3给出了在比特能量噪声比(E_b/N₀)为0分贝(dB)时，信道为CM1多径衰落信道，经过频域ZF均衡恢复出来的基带波形。恢复出来的波形是平均后的结果。横坐标是时间尺度，纵坐标是接收波形的幅度。图中原始基带发送波形A和经过ZF均衡后的基带波形B比较接近。随着比特噪声能量比E_b/N₀的增大，均衡波形越来越接近发送脉冲波形。

附图4给出了一般ZF均衡方法与优化后的频域ZF均衡方法的性能比较。图中处于上部的四条性能曲线E1～E4分别表示一般ZF均衡方法在UWB标准信道模型1到4(CM1、CM2、CM3和CM4)的衰落信道环境下的性能；处于下部的四条性能曲线F1～F4分别表示去除信道谱零点的优化频域ZF均衡方法在UWB标准信道模型1到4的衰落信道环境下的性能。可以看到，相比于一般频域ZF均衡方法性能曲线E1～E4，抑制信道谱零点的优化频域ZF均衡方法性能曲线F1～F4有较大的改善，特别在高E_b/N₀区域。比如，在CM4信道环境中，当误码率10^-2时，优化频域ZF均衡方法相对于一般频域ZF均衡方法有将近8dB的增益。但是，有一点需要解释的是，均衡后的系统性能在信道长度较长，能量比较分散的情况下比一般的系统性能要好。由于在信道长度较长时，采取的FFT长度相应也较长，所以频域表示的数据更加准确，因此CM4信道经过均衡后的性能较好。如果固定FFT长度，则CM1信道均衡性能最好。

实施例2：

本实施例是在基于1-Bit量化采样接收的UWB频域ZF均衡方法的基础上，利用信噪比信息，得到频域MMSE均衡方法，改进系统性能。

附图1中如果在有信噪比估计器P10和在频域线性均衡处理器P15中采用频域MMSE均衡方法，则得到本实例的频域MMSE均衡方法。

基于1-Bit量化采样接收的UWB频域MMSE均衡方法具体操作步骤如下：

步骤1、2和3与上述实例的一般的频域ZF均衡方法一样。

步骤4、联合信噪比估计器P10估计出来的信噪比

和信道频域系数H(k)，使用上述MMSE均衡方法得到频域最小均方误差均衡系数 $H_e\left(k\right)=H^{*}\left(k\right)/[{\left|H\left(k\right)\right|}^2+{\mathrm{\&sigma;}}_n^2/{\mathrm{\&sigma;}}_s^2].$ 其中，

为信号功率，

为噪声功率。设量化噪声的频域序列表示为e＝[e(0)，e(1)，…，e(M-1)]^T，则使用频域MMSE均衡方法得到的频域MMSE均衡序列可以写成R_e＝RH_e。

步骤5和6与上面一般的ZF均衡处理一样。

可以看出，频域MMSE均衡处理没有放大噪声。即信道如果存在谱零点的话，也不会有无穷大的均衡系数，所以其性能较好。但是，频域MMSE均衡方法必须估计出信噪比 ${\mathrm{\&sigma;}}_s^2/{\mathrm{\&sigma;}}_n^2.$

附图5给出了在比特噪声能量比E_b/N₀为0dB时，在CM1多径衰落信道中，经过频域MMSE均衡恢复出来的基带波形。恢复出来的波形是经过平均后的结果。横坐标是时间尺度，纵坐标是接收波形的幅度。原始基带发送波形C和经过MMSE均衡后恢复出来的基带波形D比较接近。相比于ZF均衡方法恢复出来的波形，经过MMSE均衡后恢复出来的基带波形更接近原始基带发送波形。因此MMSE均衡方法性能更佳。随着比特噪声能量比E_b/N₀的增大，均衡后的基带波形越来越接近发送基带波形。

附图6给出了频域MMSE均衡方法与优化后的频域ZF均衡方法的性能比较。图中处于上部的四条性能曲线G1～G4表示优化后的ZF均衡方法在UWB标准信道模型CM1、CM2、CM3和CM4衰落信道环境下的性能；处于下部的四条性能曲线H1～H4表示频域MMSE均衡方法在UWB标准信道模型CM1、CM2、CM3和CM4衰落信道环境下的性能。可以看到，相比优化后的频域ZF均衡方法，频域MMSE均衡方法有较大的性能改善。当误码率为10^-3时，相比优化后的ZF均衡方法，在CM1和CM2信道环境下，MMSE均衡方法将有近6dB的增益；在CM3和CM4信道环境中，也有2～3dB的增益。可见，相对于ZF均衡方法，MMSE均衡方法性能更好。

Claims (3)

1、一种基于单比特量化采样的超宽带频域线性均衡方法，其特征在于:首先，对单比特量化采样接收序列r(n)＝sign(h(n)*s(n)+v(n))进行串并转换，组成长度为N的采样序列数据块r＝[r(0)，r(1)，…，r(N-1)]^T；其中，sign(·)表示单比特量化操作，s(n)为基带波形采样序列，h(n)为信道长度L的冲激响应序列，v(n)为噪声序列，运算符号*表示线性卷积操作，上标T表示矩阵转置；然后，对接收到的每一个采样序列数据块进行离散傅里叶变换，得到接收信号的频域系数 $R\left(k\right)=\underset{i=0}{\overset{M-1}{\mathrm{\&Sigma;}}}r\left(i\right)e^{-j\frac{2\mathrm{\&pi;}}{M}\mathrm{ki}},$ 0≤k<M；同时把已知的信道信息序列h(n)进行傅里叶变换，得到信道序列频域系数H(k)；其中，离散傅里叶变换处理长度满足M≥N≥L，数据不足的进行补零；最后，使用频域线性均衡方法对信号进行信道均衡处理，得到频域均衡序列R_e(k)＝R(k)H_e(k)，其中，H_e(k)为频域线性均衡系数。

2、如权利要求1所述基于单比特量化采样的超宽带频域线性均衡方法，特征在于所述频域线性均衡方法包括频域迫零均衡方法或频域最小均方误差均衡方法；若采用频域迫零均衡方法处理，则得到频域迫零均衡系数H_e(k)＝1/H(k)；若采用频域最小均方误差均衡方法处理，则得到频域最小均方误差均衡系数 $H_e\left(k\right)=H^{*}\left(k\right)/[{\left|H\left(k\right)\right|}^2+{\mathrm{\&sigma;}}_n^2/{\mathrm{\&sigma;}}_s^2];$ 其中，

和

分别为噪声功率和信号功率，上标^*表示取共轭。

3、如权利要求1所述基于单比特量化采样的超宽带频域线性均衡方法，特征在于在所述频域迫零均衡方法的基础上进一步把信道序列频域系数H(k)中幅度最大值-10分贝以下的序列都强制设置为幅度为信道序列频域系数H(k)的幅度最大值的-10分贝，相位不变，即得到优化的频域迫零均衡方法。

Images