CN101404631B - 一种单载波系统的自适应均衡方法 - Google Patents

Abstract

本发明提供一种单载波系统的自适应均衡方法，包括下列步骤：步骤A：接收信号经过傅立叶变换变为频域数据；步骤B：经过频域均衡、逆傅立叶变换之后得到时域均衡数据，其中，传输结构中每个长度为N的数据段x_i由长度为N-L的信息段s_i和作为循环前缀的已知固定长度为L的UW段u组成；步骤C：从时域均衡数据中分离出所述长度为L的UW段，将其均衡后的信号与自身的误差信号作为自适应信道估计的输入变量。本发明能够将误差度量局限在UW段，减小了噪声的影响，且具有计算复杂度低、计算量小的优点。

Description

一种单载波系统的自适应均衡方法

技术领域

本发明涉及一种通信技术领域，特别涉及一种单载波系统的自适应均衡方法。

背景技术

单载波频域均衡(single carrier frequency domain equalization，SC-FDE)是宽带无线传输中一种很有效的对抗多径干扰的方法。在无线通信系统中，除了受各种噪声的干扰，发射信号的多径传播也影响着数据传输的误码率，引起码间干扰(inter symbol interference，ISI)。随着接入和数据传输的速率的较大提高，越来越高的传输带宽造成了严重的时间色散，接收信号中包含了经历衰减和时延的多径波，引起频率选择性衰落，从而导致严重的ISI。这个时候，如果单用时域均衡减轻ISI，需要较多滤波器抽头才能得到可接受的均衡效果，这样很难达到实时性要求，而且随着多径时延扩展的增大，均衡复杂度甚至可能成指数增长。

第四代(4G)移动通信系统速率可达几10Mbps甚至100Mbps，在这样高的系统传输速率下的时域均衡是不实际的。A.Peled和A.Ruiz最先提出了循环前缀(Cyclic Prefix，CP)，使接收端的频域均衡变得简单；20世纪80年代，随着高速数字信号处理(Digital Signal Processing，DSP)芯片的快速发展，大规模集成电路使得快速傅立叶变换(FFT)技术的实现不再是难以逾越的障碍，信号时频变换的复杂度得到了大大的降低。这样，传统时域上的均衡变换到频域上实现就成为了可能。基于CP的分块传输的主要技术—正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)和SC-FDE正是在这样的背景下被提出来的。CP最初用于OFDM系统，OFDM是一种高效的调制方式，具有高的频谱效率和强的抗ISI的优点。然而，在OFDM的实验室研究日渐成熟，其峰均比(Peak-to-Average Power Ratio，PAPR)过高的弱点逐渐成为系统实现和性能提高的瓶颈时，Sari于1994年首次发起重新讨论SC-FDE技术。接着，各国的研究者就SC-FDE的原理和性能，以及该系统特殊的符号结构和信号处理算法开始了研究。SC-FDE跟OFDM有差不多相同的复杂度、频谱效率和抗干扰能力。相比OFDM，SC-FDE尚属新兴技术，但由于其性能上的优势，开始逐渐受到人们的重视。

SC-FDE采用频域均衡消除频率选择性信道对信号的影响。频域均衡技术一般也是采用传统的时域均衡中的准则和算法，与时域均衡不同的是频域均衡的算法在频域上处理，这样简化了抽头个数，处理简单。同时，由于无线信道的信道状态是随时间变化的，因此均衡器需要跟踪这种变化。常用的自适应跟踪算法有最小均方(Least Mean Square，LMS)、递归最小二乘(RLS)算法等。

在现有的自适应信道估计算法中，例如公开号为CN1463526A的专利申请“混合频域-时域均衡器”，是根据均衡数据z_i及其判决数据之间的误差信号，进行自适应信道估计。这样做存在两个问题：(1)由于均衡数据中只有一部分序列长度的独特字(UW段)是已知的，因此因错误的判决将会使误差计算部分噪声变大；(2)整个数据段的FFT变换数据存在峰均比过大的问题，在幅值小的频点，自适应信道估计受噪声的影响就相应变大。

发明内容

本发明的目的在于，提供一种单载波系统的自适应均衡方法。

本发明涉及一种单载波系统的自适应均衡方法，包括下列步骤：

步骤A：接收信号经过傅立叶变换变为频域数据；

步骤B：经过频域均衡、逆傅立叶变换之后得到时域均衡数据，其中，传输结构中每个长度为N的数据段x_i由长度为N-L的信息段s_i和作为循环前缀的已知固定长度为L的UW段u组成；

步骤C：从时域均衡数据中分离出所述长度为L的UW段，将其均衡后的信号与自身的误差信号作为自适应信道估计的输入变量。

其中，所述均衡算法包括线性均衡、判决反馈均衡算法。

其中，所述线性均衡包括最小均方误差均衡、迫零均衡算法。

进一步地，所述进入频域均衡的信号是预先经过射频滤波、匹配滤波、A/D采样的前端处理，且已完成同步的复基带信号，对应第i个数据块的接收信号表示为：

$y_i=h_i\⊗x_i+n_i$

其中，h_i、x_i、n_i分别代表第i块的信道冲激响应、数据段信号和方差为σ²的高斯白噪声；在信道冲激响应h_i在块内时不变，在块与块之间是慢时变时表示为

y_i＝H_ix_i+n_i

y_i经过傅立叶变换变为频域数据为：

${\tilde{y}}_i={\tilde{H}}_i{\tilde{x}}_i+{\tilde{n}}_i$

其中， ${\tilde{y}}_i=F{y}_i,$ ${\tilde{x}}_i=F{x}_i,$ ${\tilde{n}}_i=F{n}_i$ 为对应信号的傅立叶变换； ${\tilde{H}}_i=F{H}_i{F}^H,$ 由H_i为Toeplitz(托普利兹)矩阵可知 ${\tilde{H}}_i=F{H}_i{F}^H$ 为对角阵， ${\tilde{H}}_i=\mathrm{diag}\{{\tilde{h}}_i\left(0\right),...,{\tilde{h}}_i(N-1)\},$ 其中

为信道频域响应在第k个离散频点的值。

另外，在最小均方误差均衡MMSE中，均衡器系数为：

$W_i={({\tilde{H}}_i^H{\tilde{H}}_i+\frac{1}{{\mathrm{\σ}}^2}{I}_N)}^{-1}{\tilde{H}}_i^H$

其中， ${\tilde{H}}_i=\mathrm{diag}\{{\tilde{h}}_i\left(0\right),...,{\tilde{h}}_i(N-1)\},$ 其中

为信道频域响应在第k个离散频点的值；σ²为噪声估计；I_N表示N×N单位阵。

进一步地，可以根据递归最小二乘算法，在第i个传输块时刻的信道估计使得下述代价函数最小：

其中， $e_k\left(i\right)={\tilde{y}}_k^u-{\tilde{H}}_i\tilde{u},$ 0<λ<1为遗忘因子，然后计算得到

其中 $\tilde{U}=\mathrm{diag}\left\{\tilde{u}\right\},$

为UW序列频域变换数据，根据下述递归关系

$P\left(i\right)=\mathrm{\&lambda;P}(i-1)+\tilde{U}$

$r\left(i\right)=\mathrm{\&lambda;r}(i-1)+{\tilde{y}}_i^u$

计算得到噪声估计：σ²＝‖e_i‖²。

本发明的有益效果是：依照本发明的单载波系统的自适应均衡方法，方法的着眼点在于考虑整个数据段中的已知的UW序列，从整个均衡数据段中分离出UW段，将其均衡后的信号与自身的误差信号作为自适应信道估计的输入变量，因此将误差度量局限在UW段，减小了噪声的影响；另外，由于利用已知的UW序列进行计算，使得本发明复杂度低、计算量小的优点。

附图说明

图1为连续传输模式下单载波系统的帧结构示意图；

图2为自适应均衡器的结构框图；

图3为本发明的算法对应的电路示意图。

具体实施方式

以下，参考附图1～3详细描述本发明的单载波系统的自适应均衡方法。

本发明的核心思想是：利用单载波系统中用作循环前缀的数据是已知的UW序列的特点，从整个均衡数据段中分离出已知的UW序列，将其均衡后的信号与自身的误差信号作为自适应信道估计的输入变量，从而有效地克服现有算法的缺点。

图1为连续传输模式下单载波系统的帧结构示意图。传输结构中的基本单位是块，每个长度为N的数据段x_i由长度为N-L的信息段s_i和作为循环前缀的已知固定长为L的UW段u组成。

下面，先将本发明中用到的符号进行说明：

矩阵转置；

矩阵共轭转置；

循环卷积运算符；

N：FFT块长度；

L：UW段长度；

‖x‖²：N维列向量x的范数，‖x‖²＝x^Hx；

diag{x}：以x中元素为对角元的对角矩阵；

F：N×N维DFT(离散傅立叶变换)矩阵， $F_{m,n}=\frac{1}{\sqrt{N}}\exp (-j2\mathrm{\&pi;mn}/N),$ m，n＝0，...，N-1；

h_i：第i个传输块的时域信道冲激响应，h_i＝[h_i(0)，...，h_i(L-1)]；H_i：对应第i个传输块的信道冲激响应矩阵：

x_i：第i个传输块， $x_i={\left[\begin{array}{cc}{s}_i^T& u^T\end{array}\right]}^T,$ s_i为数据段，u为UW段。

图2为自适应均衡器的结构框图，进入均衡器的信号是经过前端处理(射频滤波、匹配滤波、A/D采样)，并假定已完成同步的复基带信号，对应第i个数据块的接收信号可表示为：

$y_i=h_i\&CircleTimes;x_i+n_i---\left(1\right)$

其中，h_i、x_i、n_i分别代表第i块的信道冲激响应、数据段信号和方差为σ²的高斯白噪声。假设信道冲激响应h_i在块内时不变，在块与块之间是慢时变的。其中，公式(1)又可改写为：

y_i＝H_ix_i+n_i        (2)

y_i首先经过傅立叶变换变为频域数据，对(2)式做傅立叶变换得：

${\tilde{y}}_i={\tilde{H}}_i{\tilde{x}}_i+{\tilde{n}}_i---\left(3\right)$

${\tilde{y}}_i=F{y}_i,$ ${\tilde{x}}_i=F{x}_i,$ ${\tilde{n}}_i=F{n}_i$ 为对应信号的傅立叶变换。 ${\tilde{H}}_i=F{H}_i{F}^H,$ 由H_i为Toeplitz矩阵可知 ${\tilde{H}}_i=F{H}_i{F}^H$ 为对角阵， ${\tilde{H}}_i=\mathrm{diag}\{{\tilde{h}}_i\left(0\right),...,{\tilde{h}}_i(N-1)\},$ 其中

为信道频域响应在第k个离散频点的值。

经过频域均衡、IFFT之后得到时域均衡数据，再从均衡数据中分离出数据段信号(N个数据中的前N-L个)，均衡器工作即告完成。常用的均衡算法有线性均衡、判决反馈均衡。线性均衡又可分为最小均方误差(Minimum MeanSquare Error，MMSE)均衡、迫零均衡等，这里以MMSE均衡为例，均衡器系数为：

$W_i={({\tilde{H}}_i^H{\tilde{H}}_i+\frac{1}{{\mathrm{\&sigma;}}^2}{I}_N)}^{-1}{\tilde{H}}_i^H---\left(4\right)$

计算均衡器系数所需要的由自适应信道估计单元给出。

在传统的基于递归最小二乘(RLS)的自适应信道估计算法中，代价函数的自变量为整个数据段的均衡信号及其判决信号产生的误差信号，因此错误的判决将会使误差计算部分噪声变大。另一方面，数据段的FFT变换数据存在峰均比过大的问题，在幅值小的频点，自适应信道估计受噪声的影响就相应变大。

针对这个问题，考虑到单载波信号结构中UW段数据是已知固定的这一特点，将误差度量由原来的整个数据段缩减至UW段，既可以减少错误判决带来的影响，又可以预先设计好满足一定特性的UW段使得频域响应平坦，克服原算法峰均比大的问题。

通过矩阵分块运算，将

表示为数据段及UW段两部分傅立叶变换的和：

${\tilde{x}}_i=F{x}_i=\left[\begin{array}{cc}{F}_1& F_2\end{array}\right]\left[\begin{array}{c}{s}_i\\ u\end{array}\right]=F_1{s}_i+F_{2}u={\tilde{s}}_i+\tilde{u}---\left(5\right)$

则式(3)可写为：

${\tilde{y}}_i={\tilde{H}}_i{\tilde{s}}_i+{\tilde{H}}_i\tilde{u}+{\tilde{n}}_i---\left(6\right)$

在接收到第i个传输块后，利用公式(4)进行均衡、判决之后得到判决数据

及其频域数据 ${\stackrel{\widetilde{^}}{s}}_i=F_1{\hat{s}}_i,$ 从接收信号中减去数据段得到：

${\tilde{y}}_i^u={\tilde{y}}_i-{\tilde{H}}_{i-1}{\tilde{\hat{s}}}_i={\tilde{H}}_i\tilde{u}+({\tilde{H}}_i{\tilde{s}}_i-{\tilde{H}}_{i-1}{\tilde{\hat{s}}}_i)+{\tilde{n}}_i={\tilde{H}}_i\tilde{u}+e_i---\left(7\right)$

$e_i={\tilde{y}}_i^u-{\tilde{H}}_i\tilde{u}---\left(8\right)$

e_i为误差项。

根据RLS算法，在第i个传输块时刻的信道估计应使得下述代价函数最小：

其中 $e_k\left(i\right)={\tilde{y}}_k^u-{\tilde{H}}_i\tilde{u},$ 0<λ<1为遗忘因子。

简单计算得到：

其中 $\tilde{U}=\mathrm{diag}\left\{\tilde{u}\right\}.$ 计算P(i)及r(i)的递归关系为：

$P\left(i\right)=\mathrm{\&lambda;P}(i-1)+\tilde{U}$          (11)

$r\left(i\right)=\mathrm{\&lambda;r}(i-1)+{\tilde{y}}_i^u$

假设理想的信道估计和数据判决，由式(6)、(7)，可以得到噪声估计：

σ²＝‖e_i‖²       (12)

其中，公式(10)～(12)为本发明的自适应信道估计的算法公式。图3为本算法对应的电路图。 $\tilde{U}=\mathrm{diag}\left\{\tilde{u}\right\}$ 为已知的确定序列，可预先存储起来。UW序列u的选取，应满足其频域变换数据在频域上尽量平坦的特性，这样更有助于提高信道估计的精度。由于UW序列是确定已知的，因此可以事先设计好具有平坦频域特性的序列。由于

为对角阵，因此在公式(10)计算

时复杂度仅为O(N)。

综上所述，依照本发明的单载波系统的自适应均衡方法，根据UW序列在接收端是已知的这一特点，将误差度量局限在UW段，从而减小了噪声的影响；另外，由于UW序列u的选取，应满足其频域变换数据在频域上尽量平坦的特性，可以事先设计好具有平坦频域特性的序列，这样更有助于提高信道估计的精度。再有，由于只需要计算已知的UW序列，因此，本发明还具有复杂度低、计算量小的优点。

以上是为了使本领域普通技术人员理解本发明，而对本发明所进行的详细描述，但可以想到，在不脱离本发明的权利要求所涵盖的范围内还可以做出其它的变化和修改，这些变化和修改均在本发明的保护范围内。

Claims (5)

1.一种单载波系统的自适应均衡方法，其特征在于，包括下列步骤：

步骤A：接收信号经过傅立叶变换变为频域数据；

步骤B：经过频域均衡、逆傅立叶变换之后得到时域均衡数据，其中，传输结构中每个长度为N的数据段x_i由长度为N-L的信息段s_i和作为循环前缀的已知固定长度为L的UW段u组成；

步骤C：从时域均衡数据中分离出所述长度为L的UW段，将其均衡后的信号与自身的误差信号作为自适应信道估计的输入变量；

其中，进入频域均衡的信号是预先经过射频滤波、匹配滤波、A/D采样的前端处理，且已完成同步的复基带信号，对应第i个数据块的接收信号表示为：

$y_i=h_i\&CircleTimes;x_i+n_i$

其中，h_i、x_i、n_i分别代表第i块的信道冲激响应、数据段信号和方差为σ²的高斯白噪声；在信道冲激响应h_i在块内时不变，在块与块之间是慢时变时表示为

y_i=H_ix_i+n_i

y_i经过傅立叶变换变为频域数据为：

${\tilde{y}}_i={\tilde{H}}_i{\tilde{x}}_i+{\tilde{n}}_i$

其中，

为对应信号的傅立叶变换；

由H_i为托普利兹矩阵可知

为对角阵，

其中

为信道频域响应在第k个离散频点的值。

2.如权利要求1所述的单载波系统的自适应均衡方法，其特征在于，频域均衡算法包括线性均衡、判决反馈均衡算法。

3.如权利要求2所述的单载波系统的自适应均衡方法，其特征在于，所述线性均衡包括最小均方误差均衡、迫零均衡算法。

4.如权利要求1所述的单载波系统的自适应均衡方法，其特征在于，在最小均方误差均衡MMSE中，均衡器系数为：

$W_i={({\tilde{H}}_i^H{\tilde{H}}_i+\frac{1}{{\mathrm{\&sigma;}}^2}{I}_N)}^{-1}{\tilde{H}}_i^H$

其中，

其中

为信道频域响应在第k个离散频点的值；σ²为噪声估计；I_N表示N×N单位阵。

5.如权利要求4所述的单载波系统的自适应均衡方法，其特征在于，根据递归最小二乘算法，在第i个传输块时刻的信道估计使得下述代价函数最小：

其中，0<λ<1为遗忘因子，然后计算得到

其中

为UW序列频域变换数据，根据下述递归关系

$P\left(i\right)=\mathrm{\&lambda;P}(i-1)+\tilde{U}$

$r\left(i\right)=\mathrm{\&lambda;r}(i-1)+{\tilde{y}}_i^u$

计算得到噪声估计：σ²=||e_i||²。

Images