CN101594321A - 一种信道预测的方法和装置 - Google Patents

Abstract

本发明公开了一种信道预测的方法和装置。其中，方法包括：接收端对信道估计的历史样本值进行平滑滤波，得到平滑滤波后的样本值；接收端将平滑滤波后的样本值通过反馈信道反馈给发送端；发送端根据所述平滑滤波后的样本值进行信道预测，得到L步的信道预测结果。本发明通过平滑滤波对信道估计的结果进行降噪处理，一方面进一步平滑了接收信号的统计特性，有效提高信道预测的精确度，另一方面减少了在反馈信道上传送的数据量，从而降低反馈信道的负载以及发送端的计算量。

Description

一种信道预测的方法和装置

技术领域

本发明涉及移动通信技术，特别是涉及一种信道预测的方法和装置。

背景技术

为了更有效地提高系统的频谱利用率，现有的自适应通信系统中采用了多种自适应的技术，如自适应调制编码(AMC)、功率控制、动态资源分配以及多入多出(MIMO)预编码等技术，这些技术都要求得到相应的当前信道的状态信息(CSI)。利用当前信道的状态信息，一方面可以通过链路自适应技术充分挖掘当前信道的传输能力；另一方面可以通过自适应的多用户资源分配进一步获得多用户调度增益。通常，信道状态信息的获得都是通过接收端的反馈实现的。由于在反馈的过程中总是不可避免的存在着处理时延和反馈时延，尤其是在高速移动的系统中，信道变化的比较快，因此，所获得的信道信息无法准确地反映当前的信道状况，这样就会带来明显的性能下降。目前比较流行的方法是采用信道预测的方法来弥补处理时延和反馈时延带来的影响。

信道预测的方法可以等效为一种通过观测到的有限样本值对未来样本进行预测的信号外推的方法。信道预测的问题可以表达为：已知一组数据采样点y(t)，y(t-Δt)，……，y(t-(N-1)Δt)，需要预测下一个采样点的值y(t+Δt)或者L步(即LΔt时间间隔)之后的采样点的值h(t+LΔt)，这里，采样点为接收端进行信道估计的结果，N为采样点个数，Δt为相邻采样点之间的单位时间间隔，L为单位时间间隔数。

现有信道预测算法有多种，如线性或非线性的算法等，目前流行的算法主要分为两大类：一类是从滤波器理论的方向出发，通过一定的准则，如最小均方差准则(MMSE)等，得到相应的滤波器抽头系数，从而进行信道预测的，称之为基于分析模型的信道预测算法；另一类是基于信道模型的参数估计的方法，将信道看成是多个正弦平面波的叠加，从而估计具有主要影响的到达波束的参数，进而进行信道预测，称之为基于物理模型的信道预测算法。

现有的信道预测算法都是通过在接收端进行相关的信道估计，通过反馈信道将接收端的信道估计的结果反馈到发射端，从而在发送端进行相应的信道预测。图1为现有横向滤波器的线性信道预测的原理示意图。如图1所示，当接收端进行相关的信道估计得到信道估计结果y(t)，y(t-Δt)，……，y(t-(N-1)Δt)后，通过反馈信道发送给发送端，发送端根据收到的y(t)，y(t-Δt)，……，y(t-(N-1)Δt)，基于最小均方差准则、迫零准则、最大先验概率准则(MAP)或其他准则得到滤波器的系数θ₁，θ₂，…，θ_N，进而得到L步之后的信道估计结果

上述现有信道预测算法的特点是对于信道预测的所有处理都是在发送端进行，这样导致现有的信道预测算法存在如下缺点：一方面由于在发送端需要存储大量的信道估计结果，增加了存储的长度以及算法的复杂性；另一方面由于需要传送的信道估计结果数量多，造成信令反馈的负载巨大。

发明内容

有鉴于此，本发明的主要目的在于提供一种信道预测的方法和装置，以便降低发送端的存储需求和运算复杂度，同时也减少反馈信道的负载。

为了达到上述目的，本发明提出的技术方案为：

一种信道预测的方法，该方法包括以下步骤：

a、接收端对信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，N为所述信道估计的历史样本值个数，M为所述平滑滤波后的样本值个数，Δt为相邻样本值之间的单位时间间隔，M＜N；

b、接收端将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端；

c、发送端根据所述平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

其中，L为单位时间间隔数。

较佳的，所述步骤a包括：

计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T,$ 其中m为迟滞阶数，0≤m≤M-1；

根据计算出的w^m，按照公式

计算

得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中

较佳的，所述步骤c包括：

计算线性有限冲激响应FIR滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]^T；

根据计算出的θ，按照公式

计算L步的信道预测结果

其中

一种用于信道预测的接收端装置，该装置包括：

信道估计单元，用于利用接收信号进行信道估计，得到信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)，其中，N为所述信道估计的历史样本值个数，Δt为相邻样本值之间的单位时间间隔；

平滑滤波单元，用于对信道估计的历史样本值y(t)，y(t-Δt)，…．，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M为所述平滑滤波后的样本值个数，M＜N；

反馈单元，用于将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(N-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端。

较佳的，所述平滑滤波单元用于在进行平滑滤波时，计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T,$ 其中m为迟滞阶数，0≤m≤M-1；

根据计算出的w^m，按照公式计算

得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中

一种用于信道预测的发送端装置，该装置包括：

反馈信号接收单元，用于接收接收端通过反馈信道反馈的平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M为所述平滑滤波后的样本值个数，Δt为相邻样本值之间的单位时间间隔；

信道预测单元，用于根据平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

其中，L为单位时间间隔数。

较佳的，所述信道预测单元，用于在信道预测时，

计算线性有限冲激响应FIR滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]^T；

根据计算出的θ，按照公式

计算L步的信道预测结果

其中

综上所述，本发明首先在接收端对信道估计结果进行平滑滤波处理，然后再将所得到的长度较短的平滑滤波结果发送给发送端，使发送端基于较短长度的平滑滤波结果进行信道预测。这种分布式的信道预测方法，一方面可以通过平滑滤波对信道估计的结果进行降噪处理，进一步平滑接收信号的统计特性，有效提高信道预测的精确度，另一方面可以减少在反馈信道上传送的数据量，从而降低反馈信道的负载以及发送端的计算量。

附图说明

图1为现有横向滤波器的线性信道预测的原理示意图；

图2为本发明的信道预测方法的原理示意图；

图3为本发明的信道预测方法的流程图；

图4为本发明方法的实施例一的流程图；

图5为本发明实施例中信道预测方法的示例性结构图。

具体实施方式

本发明的主要思想是采用分布式处理的方式克服现有技术的缺点，通过首先在接收端对信道估计的结果进行平滑滤波处理，得到较短长度的平滑滤波结果并通过反馈信道发送给发送端，发送端再基于较短长度的平滑滤波结果进行相应的信道估计，由此，减少反馈信道的负载和发送端的信道运算复杂度，并能提高信道预测的精确度。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

图2为本发明的信道预测方法的原理示意图。图3为本发明的信道预测方法的流程图。如图2、3所示，该方法主要包括以下步骤：

步骤301、接收端对信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，N为所述信道估计的历史样本值个数，M为所述平滑滤波后的样本值个数，Δt为相邻样本值之间的单位时间间隔，M＜N。

本步骤中，接收端对其通过信道估计得到的信道估计的历史样本值进行了平滑滤波，一方面对信道估计的结果进行降噪处理，进一步平滑接收信号的统计特性；另一方面将N点长度的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)变为较短长度的M点的平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t).$ 这里，接收端进行信道估计的具体方法可采用现有技术实现，此处不再赘述。

需要说明的是，在实际应用中，本步骤中可采用现有的平滑滤波方法实现。

步骤302、接收端将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端。

本步骤中，在反馈信道上传输的是较短长度的M点的平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 因此，信令反馈的负载得以降低。

步骤303、发送端根据所述平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

其中，L为单位时间间隔数。

本步骤中，利用平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 作为信道预测的输入参数，一方面由于该样本值具有较好的信号统计特性，因此，能提高信道预测结果

的精确度，另一方面由于该样本值长度相比于接收端信道估计的历史样本值较短，因此，以其作为输入参数的信道预测的运算复杂度较小。

另外，在实际应用中，本步骤可采用现有的信道预测方法进行信道预测。

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。

图4为本发明方法的实施例一的流程图。如图4所示，实施例一主要包括：

步骤401、发送端采用维纳平滑的方法对其得到的信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M＜N。

本步骤中，采用维纳平滑的方法进行平滑滤波，具体方法为：

首先，计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T,$ m为迟滞阶数，0≤m≤M-1；具体方法为：

按照公式和

计算

和

其中，

是

的自相关矩阵，

是y(t-mΔt)和

的协方差，m为迟滞阶数，0≤m≤M-1，这里通过令M＜N降低反馈的信令负载；

根据MMSE准则和计算出的

和

按照公式

计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T;$

这里需要说明的是，在实际应用中，除MMSE准则之外，还可以采用现有的其它可以用于平滑滤波的准则，如MAP准则等，计算平滑滤波器的系数向量w^m，此处不再赘述。

然后，根据

和计算出的w^m，按照公式

计算

得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t).$

步骤402、接收端将平滑滤波后的样本值通过反馈信道反馈给发送端。

步骤403、发送端根据所述平滑滤波后的样本值，采用线性有限冲激响应信道预测方法进行信道预测，得到L步的信道预测结果

本实施例中，采用了线性有限冲激响应信道预测方法进行信道预测，具体方法为：

首先，计算线性有限冲激响应(FIR)滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]^T；具体方法为：

按照公式

和

计算

和

其中

是的自相关矩阵；

根据MMSE准则和计算出的

和

按照公式

计算FIR滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]^T；

这里需要说明的是，在实际应用中，除MMSE准则之外，还可以采用现有的其它准则，如MAP准则等，计算FIR滤波器的系数向量θ，此处不再赘述。

然后，根据

和计算出的θ，按照公式计算L步的信道预测结果

上述技术方案中，步骤401实现了步骤301，步骤402实现了步骤302，步骤403实现了步骤303。以上是对本发明实施例中的信道预测的方法进行了详细描述，下面对本发明实施例中的信道预测装置进行详细描述。

图5为本发明实施例中信道预测方法的示例性结构图。如图5所示，在实际应用中，该装置的一部分设于接收端，一部分设于发送端。设于接收端的装置包括：信道估计单元，平滑滤波单元和反馈单元；设于发送端的装置包括反馈信号接收单元和信道预测单元。

其中，

信道估计单元，用于利用接收信号进行信道估计，得到信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)；

平滑滤波单元，用于对信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M＜N；

反馈单元，用于将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端。

反馈信号接收单元，用于接收接收端通过反馈信道反馈的平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t);$

信道预测单元，用于根据平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

图5中所示各组成单元的具体操作过程可与图4中所示各步骤中的具体操作过程一致，此处不再一一赘述。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1、一种信道预测的方法，其特征在于，该方法包括以下步骤：

a、接收端对信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，N为所述信道估计的历史样本值个数，M为所述平滑滤波后的样本值个数，Δt为相邻样本值之间的单位时间间隔，M＜N；

b、接收端将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端；

c、发送端根据所述平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

其中，L为单位时间间隔数。

2、根据权利要求1所述的方法，其特征在于，所述步骤a包括：

计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T,$ 其中m为迟滞阶数，0≤m≤M-1；

根据计算出的w^m，按照公式计算

得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中

3、根据权利要求1所述的方法，其特征在于，所述步骤c包括：

计算线性有限冲激响应FIR滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]；

根据计算出的θ，按照公式计算L步的信道预测结果

其中

4、一种用于信道预测的接收端装置，其特征在于，该装置包括：

信道估计单元，用于利用接收信号进行信道估计，得到信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)，其中，N为所述信道估计的历史样本值个数，Δt为相邻样本值之间的单位时间间隔；

平滑滤波单元，用于对信道估计的历史样本值y(t)，y(t-Δt)，……，y(t-(N-1)Δt)进行平滑滤波，得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M为所述平滑滤波后的样本值个数，M＜N；

反馈单元，用于将平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 通过反馈信道反馈给发送端。

5、根据权利要求4所述的装置，其特征在于，所述平滑滤波单元用于在进行平滑滤波时，

计算平滑滤波器的系数向量w^m，其中， $w^m={\left[\begin{array}{cccc}{w}_0^m& w_1^m& \·\·\·& w_{N-1}^m\end{array}\right]}^T,$ 其中m为迟滞阶数，0≤m≤M-1；

根据计算出的w^m，按照公式计算

得到平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中

6、一种用于信道预测的发送端装置，其特征在于，该装置包括：

反馈信号接收单元，用于接收接收端通过反馈信道反馈的平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t),$ 其中，M为所述平滑滤波后的样本值个数，Δt为相邻样本值之间的单位时间间隔；

信道预测单元，用于根据平滑滤波后的样本值 $\tilde{y}\left(t\right|t),\tilde{y}(t-\mathrm{\Δt}|t),\·\·\·\·\·\·,\tilde{y}(t-(M-1)\mathrm{\Δt}|t)$ 进行信道预测，得到L步的信道预测结果

其中，L为单位时间间隔数。

7、根据权利要求6所述的装置，其特征在于，所述信道预测单元，用于在信道预测时，

计算线性有限冲激响应FIR滤波器的系数向量θ，其中，θ＝[θ₁ θ₂…θ_M]^T；

根据计算出的θ，按照公式

计算L步的信道预测结果

其中

Images