CN101606328A - 使用循环平稳性的移动速度和多普勒频率估计 - Google Patents

Abstract

本发明的实施例采用通过衰落信道传输的线性调制信号的循环平稳性，以提供加强的盲估计器和数据辅助移动速度估计器。本发明的实施例利用至少两种循环相关方法和基于循环频谱的方法，并且在宏蜂窝的基站处对空时速度估计进行扩展。与背景技术的方法相比，可使用本发明实施例的新估计器而不需要导频音，并且对于任意颜色或分布的加性稳定噪声或干扰是稳定的。此外，本发明的实施例还可以以盲的方式实现，这可以增加数据吞吐量。经由扩展蒙特卡罗模拟结果示出了本发明实施例的估计器的性能结果。

Description

使用循环平稳性的移动速度和多普勒频率估计

相关申请的交叉参考

本申请是要求于2006年11月23日提交的临时申请第60/867,116号和2006年11月23日提交的临时申请第60/867,119号的优先权的非临时申请。

技术领域

总的来说，本发明的实施例涉及移动通信系统。更具体地，本发明的实施例用于估计移动通信系统中移动单元的速度。

背景技术

通信网络中移动单元的速度可以涉及无线移动信道变化率。因此，可以希望能够获得移动单元的速度估计，从而有助于诸如切换、自适应调制、自适应均衡、电源控制等功能。

可基于在移动单元和/或基站或网络的其他固定台处接收的信号来进行速度估计。然而，所接收的信号通常被噪声、衰落等劣化。

例如，速度估计或等价的多普勒频率估计(即，因为多普勒频率与速度成比例)可采用基于交叉(crossing-based)的方法或基于协方差的方法。然而，这些估计的精度可能会趋于随着噪声、干扰、衰落等的量的增加而下降。此外，这些估计实现比较复杂，并且通常要求使用导频符号和/或信号。

对诸如切换、自适应调制和均衡、电源控制等的许多应用来说，反映无线移动信道变化率的移动速度的精确估计是非常重要的。几乎所有速度估计的背景技术的方法都基于所传输的导频音。

发明内容

本发明的一个实施例是估计对应于通信系统中移动台的多普勒频率的方法，包括使不包含导频信号的一个或多个接收信号相关，这些信号与自身相关和/或与彼此相关。

本发明的另一实施例是估计对应于通信系统中移动台的多普勒频率的方法，包括：接收来自一个或多个移动台的信号；对接收的信号求微分；使所接收的信号相关；使经过微分的接收信号相关；处理相关后的接收信号和相关后的微分接收信号；以及根据处理后的信号生成多普勒频率的估计。

本发明的再一实施例是估计对应于通信系统中移动台的多普勒频率的方法，包括：接收来自一个或多个移动台的信号；使所接收的信号相关；对相关的接收信号进行加窗(windowing)和离散时间傅立叶变换(DTFT)处理；处理经加窗和DTFT处理的相关的接收信号；以及根据处理后的信号生成多普勒频率的估计。

本发明的另一实施例是估计对应于通信系统中移动台的多普勒频率的方法，包括：在多天线处接收来自一个或多个移动台的信号；使多个接收信号互相关；计算经互相关的多个接收信号的相位；处理对于经过互相关的多个接收信号的计算的相位；对经互相关的多个接收信号进行加窗和离散时间傅立叶变换(DTFT)处理；计算经加窗和DTFT处理的多个接收信号的幅值的arg max；将经加窗和DTFT处理的多个接收信号的幅值的计算arg max相加；以及根据经加窗和DTFT处理的多个接收信号的幅值的相加的计算的arg max生成多普勒频率的估计。

本发明的又一实施例是包含处理器可执行码的处理器可读介质，处理器可执行码通过处理器执行时，使处理器实现估计对应于通信系统中的一个或多个移动台的接收信号的多普勒频率的方法，该方法包括：接收来自一个或多个移动台的信号；对所接收的信号求微分；使所接收的信号相关；使经过微分的接收信号相关；处理相关后的接收信号和相关后的微分接收信号；以及根据处理后的信号生成多普勒频率的估计。

附图说明

图1是以SNR＝10dB的各向同性瑞利衰落中均方根误差(RMSE)与f_DT的示例图。

图2是各向同性瑞利衰落中均方根误差(RMSE)与f_DT的示例图，其中，f_DT＝0.1。

图3是瑞利衰落中均方根误差(RMSE)与各向异性散射参数κ的示例图，其中，f_DT＝0.1，SNR＝10dB且α＝30°。

图4是瑞利衰落中均方根误差(RMSE)与平均AOAα的示例图，其中，f_DT＝0.1，SNR＝10dB且κ＝3.3。

图5是莱斯各向同性衰落中均方根误差(RMSE)与莱斯因子K的示例图，其中，f_DT＝0.1，SNR＝10dB且α₀＝30°。

图6是莱斯各向同性衰落中均方根误差(RMSE)与LOS AOA α₀＝30°的示例图，其中，f_DT＝0.1，SNR＝10dB且K＝5。

图7是瑞利衰落中均方根误差(RMSE)与f_DT的示例图，其中，f_DT＝0.1，SNR＝10dB，κ＝100，L＝4，Δ＝1/2且α＝60°。

图8示出了对应于本发明实施例的示例性概念框图。

图9A示出了对应于本发明另一实施例的一部分的示例性概念框图。

图9B示出了可以与图9A所示框图结合的示例性概念框图。

图10示出了与可用于实现本发明各个实施例的方法相结合的示例性流程图。

图11示出了可用于实现本发明实施例的各种形式和/或部分的示例性系统。

具体实施方式

本发明的各个实施例可基于盲循环平稳估计技术来估计移动台速度。这可以以硬件、软件和/或固件来实现，和/或其可以并入网络的移动和/或固定台。

本发明的实施例提供了利用线性调制信号的循环平稳性的速度估计器。可以以盲的方式应用新估计器而不使用训练符号，这增加了数据吞吐量。另一方面，对于可使用导频符号的情况，本发明的实施例是与盲方法相比提供更精确估计的估计器。本质上，基于循环平稳的估计器对任意颜色或分布的加性稳定噪声或干扰(已知其影响基于导频音的方法)不敏感。还研究了新估计器对各向异性散射和视距(LOS)变化的鲁棒性。进行扩展蒙特卡罗模拟，以示出新估计器的性能。

以下段落提供了用在本发明实施例中的信号、信道和噪声模型的详细描述。具体地，可以将通过频率平衰落传输的线性调制信号的接收低通复包络表示为下面的等式(1)：

z(t)＝h(t)s(t)+v(t)          (1)

其中，s(t)＝∑_mw(m)g(t-mT)，并具有以下定义：

w(m)

·h(t)衰落信道，

·w(m)从有限字母复星座图(complex constellation)中选择的传输符号的平稳随机序列，

·g(t)发射机的信令脉冲和接收机滤波器的卷积，不失一般性地，接收机滤波器是具有滚降因子β∈[0，1]的升余弦，

·v(t)表示噪声和干扰的总和的复平稳过程，与h(t)和w(m)无关，

·T符号周期。

z(t)＝h(t)s(t)+v(t)           (1)

其中，s(t)＝∑_mw(m)g(t-mT)，并具有以下定义：

h(t)衰落信道，

w(m)从有限字母复星座图(complex constellation)中选择的传输符号的平稳随机序列，

g(t)发射机的信令脉冲和接收机滤波器的卷积，不失一般性地，接收机滤波器是具有滚降因子β∈[0，1]的升余弦，以及

v(t)表示噪声和干扰的总和的复平稳过程，与h(t)和w(m)无关，T为符号周期。

单位功率衰落过程h(t)包括随机扩散分量h_d(t)和确定性LOS分量，如以下的等式(2)所示：

$h\left(t\right)=\sqrt{\frac{1}{K+1}}{h}^d\left(t\right)+\sqrt{\frac{K}{K+1}}{e}^{-j2\mathrm{\π}{f}_{D}t\cos {\mathrm{\α}}_0+j{\mathrm{\φ}}_0}---\left(2\right)$

在等式(2)中，h^d(t)是零均值单位方差平稳复高斯过程，而莱斯因子K是LOS功率与扩散功率的比率。在LOS分量中，f_D＝v/λ＝vf_c/c作为以Hz为单位的最大多普勒频率，v是移动速度，λ是波长，f_c是载波频率以及c是光速。此外，j²＝-1以及α₀和φ₀分别代表接收机处LOS分量的到达角度(AOA)和相位。

通过用于AOA的冯米泽斯分布(von Mises distribution)，通过以下的等式(3)给出由r_h(τ)＝E[h(t)h^*(t+τ)]定义的自相关函数，其中，E[.]和*分别表示数学期望和复共轭：

$r_h\left(\mathrm{\τ}\right)=\frac{K}{K+1}\exp \left(j2\mathrm{\π}{f}_D\mathrm{\τ}\cos {\mathrm{\α}}_0\right)+\frac{1}{K+1}$

$\×\frac{I_0\left(\sqrt{{\mathrm{\κ}}^2-4\mathrm{\π}{f}_D^2{\mathrm{\τ}}^2+j4\mathrm{\π\κ}{f}_D\mathrm{\τ}\cos \mathrm{\α}}\right)}{I_0\left(\mathrm{\κ}\right)}---\left(3\right)$

其中，α∈[-π，π)是扩散分量的平均AOA，κ≥0控制扩散分量AOA的宽度，以及I₀(.)是零阶变形的第一类贝塞尔函数。等式(3)是已知克拉克模型的被经验证实的扩展。

以下段落提供了用在本发明实施例中的所接收信号的循环平稳性的详细描述。具体地，可以在下面的等式(4)中示出通过r_z(t；τ)＝r_z(t，u)＝E[z(t)z^*(u)](其中，u＝t+τ)定义的接收信号z(t)的时变自相关：

r_z(t；τ)＝r_h(τ)r_s(t；τ)+r_v(τ)    (4)

其中

$r_s(t;\mathrm{\τ})=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{\tilde{r}}_w(n-m)g(t-\mathrm{mT})g^{*}(t+\mathrm{\τ}-\mathrm{nT})---\left(5\right)$

其中， ${\tilde{r}}_w(n-m)=E\left\{w\left(m\right)w^{*}\left(n\right)\right\}.$ 众所周知，因为r_s(t；τ)在t内是周期性的，具有周期T，所以s(t)是具有周期T的循环平稳随机过程。从而，r_z(t+kT；τ)＝r_z(t；τ)，

表示z(t)也是具有相同周期T的循环平稳。

通过等式(6)给出r_z(t；τ)对于循环频率k/T＝0，±1/T，±2/T，...的傅立叶系数的循环相关：

$R_z(k;\mathrm{\τ})=\frac{1}{T}{\∫}_0^T{r}_z(t;\mathrm{\τ})\exp \{-j2\mathrm{\πkt}/T\}\mathrm{dt}$

$=r_h\left(\mathrm{\τ}\right)R_s(k;\mathrm{\τ})+r_v\left(\mathrm{\τ}\right){\mathrm{\δ}}_k,---\left(6\right)$

其中，δ_k是克罗内克尔δ函数，当k＝0时该函数为1而当k为其他值时该函数为0。此外，R_s(k；τ)是s(t)的循环相关，其是通过以下等式(7)给出的s(t)循环频谱Ω_s(k；f)的逆傅立叶变换：

${\mathrm{\Ω}}_s(k;f)=\frac{1}{T}G\left(f\right)G^{*}(f-\frac{k}{T}){\widetilde{\mathrm{\Ω}}}_w\left(f\right)---\left(7\right)$

其中，G(f)是g(t)的傅立叶变换，以及

是传输符号{w(m)}的序列的功率频谱，其也是

的傅立叶变换。

以下段落提供用在本发明实施例中的基于循环平稳性的估计器的详细描述。具体地，对于任意适当的复过程z(t)，已知 $r_{\stackrel{.}{z}}(t;\mathrm{\τ})=r_{\stackrel{.}{z}}(t,u)={\∂}^2{r}_z(t;u)/\∂t\∂u,$ 其中，点表示相对于时间t的微分。根据等式(4)，得到：

$r_{\stackrel{\·}{z}}(t;\mathrm{\τ})=r_{\stackrel{\·}{h}}\left(\mathrm{\τ}\right)r_s(t;\mathrm{\τ})+r_{h\stackrel{\·}{h}}\left(\mathrm{\τ}\right)r_{\stackrel{\·}{s}s}(t;\mathrm{\τ})+r_{\stackrel{\·}{h}h}\left(\mathrm{\τ}\right)r_{s\stackrel{\·}{s}}(t;\mathrm{\τ})$

$+r_h\left(\mathrm{\τ}\right)r_{\stackrel{\·}{s}}(t;\mathrm{\τ})+r_{\stackrel{\·}{v}}\left(\mathrm{\τ}\right),---\left(8\right)$

其中， $r_{h\stackrel{\·}{h}}\left(\mathrm{\τ}\right)=E\left\{h\left(t\right){\stackrel{\·}{h}}^{*}(t+\mathrm{\τ})\right\},$ $r_{h\stackrel{\·}{h}}\left(\mathrm{\τ}\right)=E\left\{\stackrel{\·}{h}\left(t\right)h^{*}(t+\mathrm{\τ})\right\},$ $r_{s\stackrel{\·}{s}}(t;\mathrm{\τ})=E\left\{s\left(t\right){\stackrel{\·}{s}}^{*}(t+\mathrm{\τ})\right\},$ $r_{\stackrel{\·}{s}s}(t;\mathrm{\τ})=E\left\{\stackrel{\·}{s}\left(t\right)s^{*}(t+\mathrm{\τ})\right\},$ 以及

$r_{\stackrel{\·}{s}}(t,\mathrm{\τ})=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}{\tilde{r}}_w(n-m)\stackrel{\·}{g}(t-\mathrm{mT}){\stackrel{\·}{g}}^{*}(t+\mathrm{\τ}-\mathrm{nT})---\left(9\right)$

容易示出

和

相对于t是周期性的，具有周期T。

因此，

也是以相同的周期T循环平稳的。假设各向同性散射且没有LOS，即，r_h(τ)＝J₀(2πf_Dτ)，其中，J₀(.)是零阶第一类贝塞尔函数，获得 $r_{h\stackrel{\·}{h}}\left(0\right)=r_{\stackrel{\·}{h}h}\left(0\right)=0$ 和 $r_{\stackrel{\·}{h}}\left(0\right)=-r_h\left(\mathrm{\τ}\right){|}_{\mathrm{\τ}=0}={2\mathrm{\π}}^2{f}_D^2,$ 其中，右上角的“撇”(prime)表示相对于τ的微分。因此，τ＝0处的的循环相关可通过计算等式(8)相对于t的第k个傅立叶系数来获得：

$R_{\stackrel{\·}{z}}(k;0)=2{\mathrm{\π}}^2{f}_D{R}_s(k;0)+R_{\stackrel{\·}{s}}(k;0)+r_{\stackrel{\·}{v}}\left(0\right){\mathrm{\δ}}_k---\left(10\right)$

其中，R_s(k；0)和

分别是等式(5)和等式(9)的第k个傅立叶系数。为了获得用于f_D的无噪声估计器，选择k≠0并用(10)中的

除以(6)中的R_z(k；0)，其在重新配置相之后给出：

$f_D^2=\frac{1}{2{\mathrm{\π}}^2}(\frac{R_{\stackrel{\·}{z}}(k;0)}{R_z(k;0)}-\frac{R_{\stackrel{\·}{s}}(k;0)}{R_s(k;0)}),k\≠0---\left(11\right)$

可以根据以P/T的比率过采样并由{z[n]}_n＝0 ^N-1表示的z(t)的离散时间版本信号来估计z(t)的循环相关，如等式(12)中：

${\hat{R}}_z(k;P{\mathrm{\τ}}_d/T)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-{\mathrm{\τ}}_d-1}{\mathrm{\Σ}}}z\left[n\right]z^{*}[n+{\mathrm{\τ}}_d]e^{-j2\mathrm{\πkn}/P}---\left(12\right)$

其中，τ_d＝0，1，2，...，N-1。为了估计的循环相关，首先，可以经由有限差分逼近根据z(t)的过采样版本来估计

这产生了然后，类似于等式(12)，得到等式(13)：

${\hat{R}}_{\stackrel{\·}{z}}(k;P{\mathrm{\τ}}_d/T)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-{\mathrm{\τ}}_d-1}{\mathrm{\Σ}}}\stackrel{\·}{z}\left[n\right]{\stackrel{\·}{z}}^{*}[n+{\mathrm{\τ}}_d]e^{-j2\mathrm{\πkn}/P}---\left(13\right)$

注意，等式(11)中的R_s(k；0)和

取决于符号{w(m)}的统计以及脉冲形状。

假设所传输的数据符号序列{w(m)}是白的和零均值的，等式(7)简化为：

${\mathrm{\Ω}}_s(k;f)=\frac{{\mathrm{\σ}}_w^2}{T}G\left(f\right)G^{*}(f-\frac{k}{T})---\left(14\right)$

其中， ${\mathrm{\σ}}_w^2=E\left[{\left|w\left(m\right)\right|}^2\right]$ 是序列平均功率。容易看出，当g(t)是升余弦时，Ω_s(k；f)＝0， $\∀\left|k\right|\≥2.$ 通过对等式(14)进行逆傅立叶变换，可以示出：

$R_s(k;\mathrm{\τ})=\frac{{\mathrm{\σ}}_w^2}{T}{e}^{\mathrm{j\πk\τ}/T}{\∫}_{-\∞}^{\∞}G(f+\frac{k}{2T})$

$\×G^{*}(f-\frac{k}{2T})e^{-j2\mathrm{\πf\τ}}\mathrm{df},---\left(15\right)$

其结果为

$R_s(1;\mathrm{\τ})=\frac{{\mathrm{\σ}}_w^{2}T}{4}{e}^{\mathrm{j\π\τ}/T}{\∫}_{-\mathrm{\β}/\left(2T\right)}^{\mathrm{\β}/\left(2T\right)}{\cos }^2\left(\frac{\mathrm{\πfT}}{\mathrm{\β}}\right)e^{-j2\mathrm{\πf\τ}}\mathrm{df}$

$=\frac{{\mathrm{\σ}}_w^2{T}^3\sin (\mathrm{\π\β\τ}/T)}{8\mathrm{\π}(T^2\mathrm{\τ}-{\mathrm{\β}}^2{\mathrm{\τ}}^3)}{e}^{\mathrm{j\π\τ}/T}---\left(16\right)$

基于等式(9)和等式(14)，得到：

其中，

类似于等式(15)，获得如下等式(17)：

其给出如下等式(18)：

$R_{\stackrel{\·}{s}}(1;\mathrm{\τ})={\∫}_{-\mathrm{\β}/\left(2T\right)}^{\mathrm{\β}/\left(2T\right)}(f^2-\frac{1}{4T^2}){\cos }^2\left(\frac{\mathrm{\πfT}}{\mathrm{\β}}\right)e^{-j2\mathrm{\πf\τ}}\mathrm{df}$

$\×{\mathrm{\σ}}_w^{2}T{\mathrm{\π}}^2{e}^{\mathrm{j\π\τ}/T}---\left(18\right)$

通过将等式(16)和等式(18)代入等式(11)，可以将盲速度估计器写作如等式(19)：

${\hat{f}}_D=\frac{1}{\sqrt{2}\mathrm{\π}}\sqrt{\frac{{\hat{R}}_{\stackrel{\·}{z}}(1;0)}{{\hat{R}}_z(1;0)}-\frac{R_{\stackrel{\·}{s}}(1;0)}{R_s(1;0)}}---\left(19\right)$

其中，从等式(16)和等式(18)获得：

$\frac{R_{\stackrel{\·}{s}}(1;0)}{R_s(1;0)}=\frac{({\mathrm{\π}}^2-6){\mathrm{\β}}^2-3{\mathrm{\π}}^2}{3T^2}---\left(20\right)$

如果代替选择固定训练序列w(m)＝(-1)^mσ_w：，则可以在等式(21)和等式(22)中示出对于数据辅助速度估计器：

$R_s(1;\mathrm{\τ})=\frac{{\mathrm{\σ}}_w^{2}T}{4}\exp \{\mathrm{j\π\τ}/T\}---\left(21\right)$

$R_{\stackrel{\·}{s}}(1;\mathrm{\τ})=-\frac{{{\mathrm{\π}}^2\mathrm{\σ}}_w^2}{4T}\exp \{\mathrm{j\π\τ}/T\}---\left(22\right)$

其令人感兴趣地不依赖于滚降因子β。在等式(19)和等式(20)中得到的相同方法之后，可以在等式(23)中导出数据辅助速度估计器：

${\hat{f}}_D=\frac{1}{\sqrt{2}\mathrm{\π}}\sqrt{\frac{{\hat{R}}_{\stackrel{\·}{z}}(1;0)}{{\hat{R}}_z(1;0)}+\frac{{\mathrm{\π}}^2}{T^2}}---\left(23\right)$

通过进行等式(6)相对于τ的傅立叶变换(k≠0)，在等式(24)中得到：

${\mathrm{\Ω}}_z(k;f)={\mathrm{\Ω}}_h\left(f\right)\⊗{\mathrm{\Ω}}_s(k;f),k\≠0---\left(24\right)$

其中，

表示卷积。注意，通过选择k≠0，噪声的影响消失。现在，想法是从Ω_z(k；f)的估计中获得f_D。可以通过利用窗口(在[-L_g，L_g]上定义)对在等式(12)中的

进行加窗来获得一致性循环频谱估计，给出如下等式(25)：

${\widehat{\mathrm{\Ω}}}_z(k;P{f}_d/T)=\frac{T}{P}\underset{r_d=-L_g}{\overset{L_g}{\mathrm{\Σ}}}{W}^{(2L_g+1)}\left({\mathrm{\τ}}_d\right){\hat{R}}_z(k;P{\mathrm{\τ}}_d/T)$

$\×\exp \{-j2\mathrm{\π}{f}_d{\mathrm{\τ}}_d\}---\left(25\right)$

对于数据辅助速度估计器，基于等式(21)，Ω_s(1；f)是在f＝1/(2T)处的脉冲。因此，Ω_s(1；f)仅仅是从f＝0偏移到f＝1/(2T)的多普勒频率频谱Ω_h(f)。因此，可以使用相同技术来估计f_D，即，如等式(26)所示：

${\hat{f}}_D=\frac{P}{T}|-\frac{1}{2T}+\arg f\max |{\widehat{\mathrm{\Ω}}}_z(1;f)\left|\right|---\left(26\right)$

在该部分中，本发明的实施例被扩展到用于基于多天线循环平稳的估计器的系统，以提高性能。考虑到在宏蜂窝的高架基站(BS)处的均匀线性天线阵列，该阵列由元件间距为d的L个全向单位增益元件组成。BS不经历本地散射，而单天线移动台(MS)被本地散射体所包围。假设在第l个元件处接收的信号为：

z_l(t)＝h_l(t)s(t)+v_l(t)，l＝1，2，...，L，其与等式(1)类似。

然后，通过r_z((b-a)Δ， $(t;\mathrm{\τ}))=E[z_a\left(t\right)z_b^{*}(t+\mathrm{\τ})]$ 定义z_a(t)和z_b(t)，1≤a≤b≤L之间的时变空时互相关函数，使得Δ＝d/λ，如在等式(27)中给出：

r_z((b-a)Δ，(t；τ))＝r_h((b-a)Δ，τ)r_s(t；τ)+r_v(τ)τδ_b-a    (27)

其中，通过以下等式定义空时信道互相关：

$r_h((b-a)\mathrm{\Δ},\mathrm{\τ})=E\left[h_a\left(t\right)h_b^{*}(t+\mathrm{\τ})\right]$

在等式(28)给出为：

$r_h((b-a)\mathrm{\Δ},\mathrm{\τ})=\frac{K}{K+1}\exp \left(j(\mathrm{\ζ}+\tilde{n})\cos {\mathrm{\α}}_0\right)+\frac{1}{K+1}$

$\×\frac{I_0\left(\sqrt{{\mathrm{\κ}}^2-{\mathrm{\ζ}}^2-{\tilde{n}}^2-2\mathrm{\ζ}\tilde{n}+j2\mathrm{\κ}(\mathrm{\ζ}+\tilde{n})\cos \mathrm{\α}}\right)}{I_0\left(\mathrm{\κ}\right)},---\left(28\right)$

其中，ζ＝2πf_Dτ且 $\tilde{n}=2\mathrm{\π}(a-b)\mathrm{\Δ}.$ 假设在每个元件处均为相同的莱斯因子K和单位信道功率E[|h_l(t)|²]＝1。噪声分量在不同元件处是独立的，具有相同的功率σ_v ²。BS处的角度扩展对于城市、郊区和乡村区域的宏蜂窝来说通常是比较小的，常常小于30°，这对应于κ≥14.6。对于这种情况，可以通过等式(29)精确地近似空间信道互相关函数 $r_h((b-a)\mathrm{\Δ},0)=E\left[h_a\left(t\right)h_b^{*}\left(t\right)\right],$ 1≤a＜b≤L：

$r_h((b-a)\mathrm{\Δ},0)\≈\{\frac{e^{-\frac{{\tilde{n}}^2{\sin }^2\mathrm{\α}}{2\mathrm{\κ}}}}{K+1}+\frac{K}{K+1}\}{e}^{f\tilde{n}\cos \mathrm{\α}---\left(29\right)}$

注意，在等式(29)中，由于BS处较小的角度扩展，所以假定α₀＝α。通过等式(27)中的τ＝0和a≠b，等式(27)中的时变空间互相关函数可以被写作如等式(30)：

r_z((b-a)Δ，(t；0))＝r_h((b-a)Δ，0)r_s(t；0)    (30)

其中，在(29)中给出了用于宏蜂窝的r_h((b-a)Δ，0)，且从等式(5)中获得r_s(t；0)。由于不同元件的噪声分量是独立的，所以在等式(30)中未将噪声影响示为a≠b。如稍后将在等式(31)中看到的，由于等式(29)中r_h((b-a)Δ，0)的特殊形式，还由于等式(30)中的r_s(t；0)是正实数，所以通过考虑等式(30)中r_z((b-a)Δ，(t；0))的相位来估计cosα。

当BS经历这种大各向异性散射κ≥14.6时，直接验证即使当不存在LOS时，也在f_Dcosα处的每个分支

的功率频谱中存在强峰值。另一方面，基于等式(14)，可以示出对于零均值独立同分布序列{w(m)}，Ω_s(1；f)是以f＝1/(2T)为中心的单峰频谱，具有β/T的带宽。此外，对于训练序列w(m)＝(-1)^mσ_w，可以从等式(21)看出

也是f＝1/(2T)处的脉冲。因此，根据等式(24)且由于当κ较大时

的脉冲形状，总结出对于每个分支的

的峰值出现在f＝f_Dcosα+1/(2T)处。现在，根据循环频谱和由多天线提供的空间信息，假设以下空时估计器。

基于等式(30)，可经由以下等式估计cosα：

$c\hat{o}\mathrm{s\α}\≈\∠{\hat{R}}_z(\mathrm{\Δ},(0;0))/(-2\mathrm{\π\Δ})---\left(31\right)$

其中，∠表示复数的相位，以及

是 $R_z(\mathrm{\Δ},(k;0))=T^{-1}{\∫}_0^T{r}_z(\mathrm{\Δ},(t;0))\exp \{-j2\mathrm{\πkt}/T\}\mathrm{dt}$ 的估计，其中，k＝0且 $r_z(\mathrm{\Δ},(t;0))=E\left[z_a\left(t\right)z_{a+1}^{*}\left(t\right)\right],$ $\∀a\∈[1,L-1].$ 还得到 ${\hat{R}}_z(\mathrm{\Δ},(0;0))={(L-1)}^{-1}{\mathrm{\Σ}}_{l=1}^{L=1}{\hat{R}}_z^l(\mathrm{\Δ},(0;0)),$ 其中， ${\hat{R}}_z^l(\mathrm{\Δ},(0;0))=N^{-1/2}{\mathrm{\Σ}}_{n=0}^{N-1}{z}_l\left(n\right)z_{l+1}^{*}\left(n\right),$ l∈[1，L-1]是R_z(Δ，(0；0))的第l个相邻天线对估计。值得注意的是，如果噪声分量v_l(t)，l＝1，2，...，L空间相关，则需要用

替换(31)中的R_z(Δ，(0；0))，以具有

的无噪声估计。最后，可经由等式(32)来估计f_D：

其中，

可经由等式(25)获得。注意，等式(32)中的基于循环频谱的估计器可以以盲的方式应用或者借助于训练序列w(m)＝(-1)^mσ_w来应用。

在该部分中，首先使用蒙特卡罗模拟来评价所提出的单个天线估计器的性能，然后研究噪声、各向异性散射和LOS的影响。然后，呈现出该空时估计器的性能。根据背景技术使用谱方法生成衰落信道。通过相同方法模拟具有自相关σ² _vg(τ)的带限高斯噪声v(t)。值得注意的是，尽管只是为了模拟的目的生成它们来用作复高斯过程，但该算法没有对衰落过程和噪声的分布提出任何限制。定义信噪比SNR＝σ² _w＝σ² _v。通过使用均方根误差(RMSE)标准E{[(f_D-f_D)²]}^1/2来测量估计器的性能。

在所有具有的模拟中，滚降因子β＝0.5，过采样率P＝8，以及符号持续时间T＝0.001秒。每个数据辅助估计均使用M＝256符号和200蒙特卡罗模拟，而盲算法使用M＝512 4-QAM独立同分布符号400蒙特卡罗模拟。图中的缩写DA、NDA、CC和CS分别是指数据辅助、无数据辅助(盲)、循环相关和循环频谱。例如，在图例框中的DA-CC是表示基于数据辅助循环相关的速度估计器。

根据图1至图6所示，首先研究单个天线估计器的性能。图1示出了当信道为各向同性、κ＝0、具有SNR＝10dB的瑞利衰落时三个估计器DA-CC、NDA-CC和DA-CS的性能。明显地，DA-CS是最好的，DA-CC和NDA-CC在小多普勒频率(small Dopplers)处具有相当的估计误差，而DA-CC在大多普勒频率(large Dopplers)处比NDA-CC性能更好。在图2中示出了在各向同性瑞利衰落中对于固定的f_DT＝0.1这些估计器相对于噪声的稳定性。DA-CS再次呈现出最好的性能。图3和图4示出了各向异性散射参数κ和α₀的影响。可以看出，基于CS的方法与基于CC的技术相比对κ不太敏感但对α更敏感。基于图5和图6，类似地观察到关于LOS参数κ和α₀的影响。注意，对于图3至图6的所有曲线，均具有f_DT＝0.1且SNR＝10dB。

现在，评价等式(32)中的基于空时CS的估计器的性能。在模拟中，通过Δ＝1/2生成对于K＝0、κ＝100且α＝60°的宏蜂窝散射情况的L＝4空时相关复高斯过程。对于每个分支，噪声功率与单个天线的情况相同，每个分支SNR＝10dB。

图7示出了用于DA和DNA方法的估计误差。可以看出，DA-CS方法在大的多普勒频率范围上提供了优异的性能。在图7中还示出了对于L＝1的DA-CS方法的曲线，其明显地示出了使用多于一个天线的优点。明显地，LOS的存在将进一步提高性能。

图8示出了对应于本发明实施例的示例性概念框图。具体地，图8公开了提供输出所接收时域信号z(t)的接收器81的天线。所接收时域信号z(t)被馈送至微分器82，其输出所接收时域信号z(t)经过微分的版本。如图8所示，对z(t)和

分别进行采样以生成z[n]和

信号z[n]和

的采样版本被分别馈送至相关器83和相关器84。相关器83、84的输出被馈送至除法器85，以及除法器85的输出被馈送至加法器86，在加法器中将附加因子与结果相加。平方根函数87被应用于加法器85的输出，并将结果馈送至乘法器88，在乘法器中应用附加因子。使用通过上述等式(23)提出的技术，乘法器的输出提供多普勒频率的估计

注意，在图8以及图9A和图9B中所示的接收器可被用于获得所接收信号的低通复包络。

图9A示出了对应于本发明另一实施例的一部分的示例性概念框图。具体地，图9A具体公开了提供输出所接收时域信号z(t)的接收器90的天线。所接收时域信号z(t)被采样以生成馈送至相关器92的z[n]。相关器92的输出被馈送至加窗离散时间傅立叶变换(DTFT)93。通过函数块94确定加窗DTFT 93的幅值的最大值。函数块94的输出被馈送至加法器86，其中将因子(例如，1/2T)与结果相加。幅值函数块96被应用于加法器的输出，并将结果馈送至乘法器98，在乘法器中应用附加因子(例如，P/T)。实施例的这个部分可被用于计算估计器的各个分量，其中，各个分量对应于由多个天线接收的信号。

图9B示出了可结合图9A所示框图的示例性概念框图。如上所述，多个天线可被用于提供多普勒频率的估计

作为示例，图9B示出了馈送两个接收器91A、91B的两个天线。然而，本发明不限于此。在可用于计算由等式(32)提出的估计的本实施例中，每个单独的信号(或低通复包络)均可穿过可计算单独分量的装置，如等式(25)所述，以及可以例如如图9A来实现。

此外，如图9B所示的至少两个信号z₁(t)和z₂(t)(但这不构成对本发明的限制)可成对地在相关器93中进行相关并被进一步处理(即，通过相位角函数97、取反函数99、乘法器和加法器)，以获得用于使其乘以使用图9A的装置计算的各个分量之和的乘法器的因子的估计，以获得多普勒频率的估计

图10示出了结合了由上述等式表示的各种方法的示例性流程图。以下段落讨论如何将图10的各种方法相结合来产生实现图8、图9A和图9B中所示的本发明实施例。此外，图10中所示各种方法中的大部分可经由处理器可读介质来实现，其中，该处理器可读介质包含处理器可执行码，当被处理器执行时使处理器实现各种方法。

在非限制示例中，可通过图10所示的以下方法步骤实现图8所示的概念框图。在图10的步骤100中，在图8的接收器81处接收(多个)信号。在步骤101中对所接收的(多个)信号进行微分，并且在步骤102中相关器83、84对所接收信号和经微分的接收信号的采样版本执行相关。在步骤104中，所接收信号和经微分的接收信号的两个相关被馈送至除法器85。在图10的步骤107中：(1)通过将因子与所除相关值相加来计算和值；(2)计算该和值的平方根87，并将所得到的平方根与附加因子相乘88，以生成多普勒频率的估计

在另一个非限制示例中，可通过图10所示的以下方法步骤实现图9A的概念框图。在图10的步骤100中，在图9A的接收器90处接收(多个)信号。在步骤102中所接收的信号被采样，并通过相关器92对所接收信号的采样版本执行相关。在步骤105中，对相关信号执行加窗离散时间傅立叶变换(DTFT)。步骤108计算作为加窗DTFT的幅值最大值的自变量的输出。在图10的步骤110中：(1)在相加函数中通过将因子与输出相加来计算和值；(2)通过幅值函数96计算幅值，以及在乘法器98中使所得到的幅值与第二因子相乘。

在又一个非限制示例中，可通过图10所示的以下方法步骤实现图9B的概念框图。在图10的步骤100中，在图9B的接收器91A、91B处接收(多个)信号。在步骤103中所接收的信号被采样，并通过相关器93进行互相关。在图10的步骤109中：(1)通过相函数97计算相位角并乘以因子；(2)取反函数99对相乘后的相位角取反；以及(3)取反的相乘后的相位角乘以另一个因子，以提供乘法器输出。在步骤112中，分量值的和被计算并与乘法器输出相乘，以生成多普勒频率的估计

如上所述，本发明的各个实施例可包括硬件、软件、计算机可读介质和/或固件。图11示出了可用于实现本发明实施例的各种形式和/或部分的示例性系统。如所示出的，这种计算系统可包括一个或多个处理器114，其可以连接至一个或多个系统存储器113。例如，这种系统存储器113可包括RAM、ROM或其他这种机器可读介质，并且系统存储器113可用于结合例如基础I/O系统(BIOS)、操作系统、用于由处理器114执行的指令等。

该系统还可以包括其他存储器115，例如，附加RAM、ROM、硬盘驱动器或其他处理器可读介质。处理器114还可以连接到至少一个输入/输出(I/O)接口116。I/O接口116可包括一个或多个用户接口、以及用于各种类型的存储介质的读取器和/或与从中可获得例如软件码的一个或多个通信网络的连接(例如，通信接口和/或调制解调器)。例如，这种计算系统可以被用作其上运行翻译软件和/或控制、容纳仿真系统或与仿真系统交互的平台。此外，其他装置/介质也可以与图11所示的系统连接和/或与其相互作用。

申请人试图公开可以合理预见的所公开主题的所有实施例和应用。然而，可能存在作为等同物的不可预见的、想象的修改。虽然结合其具体的示例性实施例描述了本发明，但应该明白，在不背离所公开内容的精神或范围的情况下，本领域的技术人员根据上面的描述可以进行许多更改、修改和变化。因此，本公开意欲包含上述详细描述的所有这种更改、修改和变化。

当然，应该理解，尽管已经描述了具体实施例，但所要求的主题不限于具体实施例和实施的范围。例如，一个实施例可以以硬件实现来对装置或装置组合进行操作，而例如另一个实施例可以以软件进行实现。类似地，实施例可以以固件来实现，或者例如作为硬件、软件和/或固件的任意组合来实现。类似地，尽管在范围方面未限制所要求的主题，但一个实施例可包括一个或多个项目，诸如存储介质或存储媒体。例如，该存储媒体(例如，一个或多个CD-ROM和/或硬盘)可具有存储在其上的指令，当被诸如计算机系统、计算平台或其他系统的系统执行时，例如，可导致根据所要求主题的方法或装置的实施例被执行，诸如先前所描述的一个实施例。

作为一个潜在示例，计算平台可包括用于实现一个或多个处理单元或处理器、一个或多个输入/输出装置(例如，显示器、键盘和/或鼠标)和/或一个或多个存储器(例如，静态随机存取存储器、动态随机存取存储器、闪存和/或硬盘驱动器)和一个或多个路由器或者固件设备的设备或装置。例如，尽管所要求主题再次在范围方面不限于该示例，但显示器可被用于显示一个或多个查询(例如可相互联系的那些查询)和/或一个或多个树形表示。类似地，实施例可被实现为系统，或者诸如计算机系统和与计算机系统(例如但不限于路由器、固件等)、移动和/或其他类型的通信系统和其他已知电子系统的接口的部件的任意组合。

在前面的描述中，已经描述了所要求主题的各个方面。为了解释的目的，陈述具体数目、系统和/或结构以提供对所要求主题的彻底理解。然而，应该明白，即使没有具体细节，本领域的技术人员也能够通过本公开的帮助来实践所要求的主题。在其他情况下，省略和/或简化已知特征已避免使所要求主题变得模糊。虽然这里已经示出和/或描述了特定特征，但对本领域的技术人员来说可进行许多修改、替换、变化和/或等同。因此，应该理解，所附权利要求将覆盖落在所要求主题的真实精神内的所有这种修改和/或变化。

Claims (22)

1.一种估计对应于通信系统中移动台的多普勒频率的方法，包括：使不包含导频符号的一个或多个接收信号相关，这些信号与自身相关和/或彼此相关。

2.一种估计对应于通信系统中移动台的多普勒频率的方法，包括：

从一个或多个移动台接收信号；

对所接收的信号进行微分；

使所接收的信号相关；

使微分后的接收信号相关；

处理相关的接收信号和相关的微分接收信号；以及

根据处理后的信号生成所述多普勒频率的估计。

3.根据权利要求2所述的方法，其中，处理相关的接收信号和相关的微分接收信号还包括：

使所述相关的微分接收信号除以所述相关的接收信号；

将被除后的信号与第一因子相加，并生成相加输出；以及

计算所述相加输出的平方根。

4.根据权利要求3所述的方法，其中，生成所述多普勒频率的估计还包括：使所述相加输出的平方根乘以第二因子。

5.根据权利要求5所述的方法，其中，所述第一因子为(-((π²-6)β²-3π²)/(3T²)，以及所述第二因子为

6.根据权利要求4所述的方法，其中，所接收的信号包含训练序列。

7.根据权利要求6所述的方法，其中，所述第一因子为((π²)/(T²))，以及所述第二因子为

8.一种估计对应于通信系统中移动台的多普勒频率的方法，包括：

从一个或多个移动台接收信号；

使所接收的信号相关；

对相关的接收信号进行加窗和离散时间傅立叶变换(DTFT)处理；

处理经加窗和DTFT处理的相关的接收信号；以及

根据处理后的信号生成所述多普勒频率的估计。

9.根据权利要求8所述的方法，其中，处理经加窗和DTFT处理的相关的接收信号还包括：

计算经加窗和DTFT处理的接收信号幅值的arg max；

将经加窗和DTFT处理的接收信号幅值的计算arg max与第一因子相加，并生成相加输出；以及

计算相加输出的幅值。

10.根据权利要求9所述的方法，其中，生成所述多普勒频率的估计还包括：使所述相加输出的幅值乘以第二因子。

11.根据权利要求10所述的方法，其中，所述第一因子为(-1/(2T))，以及所述第二因子为(P/T)。

12.根据权利要求11所述的方法，其中，所接收的信号包含训练序列。

13.一种估计对应于通信系统中移动台的多普勒频率的方法，包括：

在多个天线处接收来自一个或多个移动台的信号；

使多个接收信号互相关；

计算互相关的多个接收信号的相位；

处理互相关的多个接收信号的计算的相位；

对互相关的多个接收信号进行加窗和离散时间傅立叶变换(DTFT)处理；

计算经加窗和DTFT处理的多个接收信号幅值的arg max；

将经加窗和DTFT处理的多个接收信号的幅值的计算的arg max相加；以及

根据经加窗和DTFT处理的多个接收信号的幅值的相加的计算的argmax来生成所述多普勒频率的估计。

14.根据权利要求13所述的方法，其中，处理互相关的多个接收信号的计算的相位还包括：

使互相关的多个接收信号的计算的相位乘以第一因子，以生成第一乘积；

对

取反并乘以第一乘积；以及

使第一乘积乘以第二因子。

15.根据权利要求14所述的方法，其中，所述第一因子为(-1/(2πΔ))，以及所述第二因子为(P/LT)。

16.根据权利要求15所述的方法，其中，所接收的信号包含训练序列。

17.一种包含处理器可执行码的处理器可读介质，当通过处理器执行所述处理器可执行码时，使所述处理器实现估计对应于通信系统中的一个或多个移动台的接收信号的多普勒频率的方法，包括：

接收来自一个或多个移动台的信号；

对所接收的信号求微分；

使所接收的信号相关；

使微分的接收信号相关；

处理相关的接收信号和相关的微分接收信号；以及

根据处理后的信号生成所述多普勒频率的估计。

18.根据权利要求17所述的方法，其中，处理相关的接收信号和相关的微分接收信号还包括：

使所述相关的微分接收信号除以所述相关的接收信号；

将被除后的信号与第一因子相加，并生成相加输出；以及

计算所述相加输出的平方根。

19.根据权利要求18所述的方法，其中，生成所述多普勒频率的估计还包括：使所述相加输出的平方根乘以第二因子。

20.根据权利要求19所述的方法，其中，所述第一因子为(-((π²-6)β²-3π²)/(3T²)，以及所述第二因子为

21.根据权利要求19所述的方法，其中，所接收的信号包含训练序列。

22.根据权利要求21所述的方法，其中，所述第一因子为((π²)/(T²))，以及所述第二因子为

Images