CN101741804A - 光ofdm系统中基于训练序列和循环前缀（cp）的自适应信道估计方法 - Google Patents

Abstract

本发明公开了一种在光正交频分复用系统(OFDM)中基于训练序列和循环前缀(CP)的自适应信道估计方法。此基于训练序列和循环前缀(CP)的自适应信道估计方法，不仅可以减少训练序列的使用数量和发送频率，提高光OFDM系统的有效速率，而且可以有效地利用循环前缀(CP)的特性实时地跟踪信道变化情况，提高信道估计的精度，充分使用系统资源。同时基于训练序列和循环前缀(CP)的自适应信道估计方法，可适用于采用正交频分复用(OFDM)技术的光传输系统中，且可以和其他信道估计技术联合使用。本发明具有实用性强、估计精度高、结构简单、成本低、信号处理要求低、适用面广等优点。

Description

光OFDM系统中基于训练序列和循环前缀(CP)的自适应信道估计方法

技术领域

本发明涉及光正交频分复用(OFDM)系统中一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，属于光纤通信系统的范畴。

背景技术

自20世纪90年代中期开始，Internet商业化的巨大成功促使数据通信业务量一直保持以两位数甚至三位数的速度高速增长，并且随着网络中一些新数据业务的不断发展和成熟(例如：IPTV业务，视频点播VOD业务等)，可以预期网络流量的这种增长速度还将继续持续下去。不断发展的数据通信业务带来的是对传输容量和传输带宽需求的不断增加，现存的SDH网络急需升级，下一代光网络呼之欲出。目前对于单信道光传输系统的速率要求已从10Gbit/s提高至40Gbit/s、100Gbit/s，甚至更高。众所周知，将传统的10Gbit/s传输系统提高到40Gbit/s或100Gbit/s，将会面临很多挑战：1)在传统10Gbit/s传输系统中，主要采用的是强度调制-直接检测方案(IM-DD)，当采用此方案来传输40或100Gbit/s的数据时，其频谱宽度变大，色度色散容忍度变为原来的1/16或1/100，PMD容忍度变为原来的1/4或1/10，系统非线性容忍度也急剧降低；2)由于速率提高，电子器件和电路的设计开发难度加大，光器件的要求也会相应提高，这都将使得系统的成本急剧上升；3)由于频谱变宽，原有的DWDM系统开始饱和，可用信道数目越来越少。为了解决上述问题，将无线通信中已有的先进技术引入到光通信领域成为目前实现高速光传输的研究热点和方向。光正交频分复用(O-OFDM)系统正是基于此目的而提出来的。

OFDM技术是一种多载波调制(MCM)技术，是在无线通信中被IEEE 802.11G、数字音频广播(DAB)、IEEE 802.16等标准广泛采用的高速传输技术，是目前已知的频谱利用率最高的一种调制技术。它基本原理是：将高速的串行数据流分解成若干并行的低速的子数据流同时传输；且在频域上可描述为：在频域内将给定信道划分成许多正交的且相互重叠的子信道，在每个子信道上使用单个子载波进行调制，各子信道载波间互相正交，并行传输。

如果将OFDM技术引入到高速光纤通信系统中，由于其基本原理和本质特性，将会给高速传输系统带来很多的优点：1)较强的抗色度色散和抗偏振模色散的能力；2)较高的频谱利用率；3)在OFDM发射接收机端，信号处理实现比较简单，调制过程可以用反快速傅里叶变换(IFFT)，解调可以用快速傅里叶变换(FFT)完成；4)OFDM系统的信道均衡比较简单，往往只需要一个抽头系数的均衡器即可。这几点刚好克服了在传统10Gbit/s系统中传输100Gbit/s或更高速数据时所产生的上述主要限制条件，所以光OFDM技术可望在下一代高速光通信系统中占据重要地位。

目前基于OFDM的高速光传输系统主要包括两种实现方法：相干检测OFDM系统(CO-OFDM)和直接检测OFDM系统(DD-OFDM)。CO-OFDM是指在接收端采用本振激光器进行相干平衡检测，DD-OFDM是指在接收端采用单个光电检测器进行直接检测。单就从基本原理来看，使用CO-OFDM和DD-OFDM是相似的。但CO-OFDM系统，能更有效地抑制色散、偏振模色散，同时也可以采用更高阶调制方案，均衡方法比较多，是目前一个主要的研究热点。相比之下，DD-OFDM系统结构简单、性价比较高。这里主要分析的是基于CO-OFDM系统，但本发明提出的自适应信道估计方法同样适用于DD-OFDM系统。

正如前所述，高速光传输系统的信道估计是一个主要的限制因素。当传输信号的频谱越宽、传输距离越长时，光纤信道对其影响就越大。这就需要有效的信道估计方法，实时准确地跟踪信道的变化。光OFDM系统，当速率达到40bit/s或100Gbit/s时，系统对光纤的色散(CD)、偏振模色散(PMD)、非线性等因素非常敏感，在接收端急需有效的信道估计方法来补偿信道引起的系统损伤。在光OFDM系统中，目前存在的信道估计方法主要包括两种：

1)盲信道估计，在接收端利用接收信号的统计特性进行信道估计，这种方法需要大量的数据。

2)非盲信道估计，发射端发送的部分数据对接收端是已知的，这种方法可以分成两种：数据辅助信道估计和直接判决信道估计。

在对现有技术的研究和实践过程中，本发明的发明人发现现有的光OFDM系统的信道估计方法存在以下缺点：

1)现有的信道估计方法一般是通过在光OFDM系统的发射端周期性的加入训练序列(Training Sequence)，估计信道信息。训练序列既降低光OFDM系统的有效速率，又降低了系统的有效频谱效率。

2)现在的光网络具有越来越高的智能性，网络动态配置会引起光纤信道的动态变化。现有的信道估计方法不能很好地跟踪信道的动态变化。

为了克服上述缺点，本发明提出了一种在光OFDM系统中基于训练序列和循环前缀(CP)的自适应信道估计方法。

发明内容

鉴于现有信道估计方法的上述缺点，本发明提出一种在光OFDM系统中基于训练序列和循环前缀(CP)的自适应信道估计方法。该方法不仅可以减少发送训练序列的数量和频率，提高光OFDM系统的有效速率，而且可以有效地利用循环前缀(CP)的统计特性实时地跟踪信道变化情况，提高信道估计精度，充分使用光OFDM系统中的循环前缀(CP)资源。

本发明提出了一种新型的光OFDM系统自适应信道估计方法，解决了现存方法的一些不足，其主要特点是：

1)减少了光OFDM系统信道估计的需要的训练序列数目，提高了系统的有效速率和有效频谱效率。

2)有效利用循环前缀(CP)的统计特性，充分使用了系统资源。

3)能够实时地跟踪光纤信道的变化情况，提高了信道估计的精度，提高了光OFDM系统的性能。

本发明是基于训练序列和循环前缀(CP)的自适应信道估计，采用的方法基本上可分为三个部分：

1)初始信道信息的提取部分：利用训练序列提取出初始信道信息，为后面的自适应处理提供初始值；同时，利用训练序列提取的初始信道信息能保证一定的准确性，确保后面自适应处理的收敛性。

2)基于循环前缀(CP)的信道估计部分：利用循环前缀(CP)是OFDM信号一部分复制的特点，借助已判决后的数据。

3)信道信息更新部分：基于上一次的信道信息和循环前缀(CP)估计出的新信道信息，更新信道信息。

本发明所提的信道估计方法，采用了块处理的方式，以一整块数据作为整体，进行基于循环前缀(CP)的信道估计，估计的结果更新上一次估计的信道信息，得出的新的信道信息作为下一次信道估计的初始值，一直递归下去。因此，本方法能自适应地跟踪信道变化，同时不需要频繁地插入训练序列。

本发明采用训练序列和循环前缀(CP)进行自适应信道估计，具有如下显著优点：

1)本发明可以避免频繁地插入训练序列，提高了系统的有效速率和频谱效率，降低系统成本。

2)本发明充分地利用循环前缀(CP)的特性，提高了系统的资源利用率。

3)本发明能实时地跟踪信道的变化情况，提高了信道估计的精度，有效地提高了系统性能。

4)本发明适用于动态配置的智能光网络，为光OFDM系统在下一代智能光网络中的应用提供了技术支持。

5)本发明采用现在比较成熟的算法，复杂度不高，实用性比较强。

附图说明

为了更清楚地说明本发明所提出的技术，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于训练序列和循环前缀(CP)的自适应信道估计方法原理结构图；

图2是本发明实施信道估计处理的系统流程示意图；

图3是本发明采用的循环前缀(CP)的原理示意图；

图4是本发明采用的自适应均衡器原理示意图；

图5是本发明实施例在CO-OFDM系统中应用的原理示意图；

图6是本发明实施例利用训练序列提取初始信道信息部分的原理示意图；

图7是本发明实施例基于循环前缀(CP)的信道估计部分的原理示意图；

图8是本发明实施例信道信息更新部分的原理示意图；

图9是本发明实施例采用的递归最小二乘算法(RLS)的原理示意图；

图10是本发明实施例采用的递归最小二乘算法(RLS)的系统流程示意图；

具体实施方式

下面将结合本发明中的附图，对本发明基于训练序列和循环前缀(CP)的自适应信道估计的技术方法进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明基于训练序列和循环前缀(CP)的自适应信道估计方法原理结构图。此信道估计方法首先利用训练序列估计初始信道信息，然后利用循环前缀(CP)实时地跟踪信道的变化情况，同时不断地更新信道信息，使系统性能不会因信道的变化而降低。

本发明的输入端100表示光OFDM系统接收端接收到的OFDM信号中的循环前缀(CP)部分。输入端101表示光OFDM系统接收端经过FFT解调后的OFDM频域信号。均衡器102均衡解调后的OFDM频域信号101。初始信道信息提取模块103利用训练序列和101，处理产生信道的初始信息。量化判决器104量化经过解调和补偿的OFDM信号，对信号进行判决。IFFT105对判决信号进行快速傅立叶逆变换，产生时域信号。信道信息存储模块106用于存储信道估计信息，用于补偿接收信号和信道更新的初始值。基于循环前缀(CP)的信道估计模块107利用循环前缀(CP)的特性，产生信道估计信息。信道信息更新模块108利用106存储的信道信息和107产生的信道信息，产生新的信道信息。109表示108产生的新信道信息，更新106存储的信道信息，同时控制102用于补偿到来的下一个OFDM数据块。本方法采用块数据处理的方法，一次处理很多个OFDM符号，可以离线处理，对处理速度要求不高。下面具体介绍本方法如何进行自适应信道估计。

根据John G.Proakis编著的《Digital Communications》中关于数字通信的基本理论，对于任意一个信道，可以用一个信道冲击响应函数来表示信道的特性，信道的输出信号可以用输入信号与信道冲击响应的卷积表示。光OFDM系统中的光纤信道也不例外。OFDM是一种多载波调制方式，一个OFDM符号中有N个数据(N表示子载波个数)。[n，k]这种下标形式用来表示第n个OFDM符号中第k个子载波上的数据，下文中再出现这样的表达方式，表示意义不再赘述。发送端IFFT输入的数据可以表示为

X_n，k＝[X_n，0，X_n，1..X_n，N-1]        (1)

发送端经过IFFT的数据可表示为

$x_{n,k}=\frac{1}{\sqrt{N}}\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}{X}_{n,l}\exp \left(j\frac{2\mathrm{\πlk}}{N}\right)---\left(2\right)$

在接收端接收的OFDM信号可表示为

(y_n)_CP＝[y_n，N-v，...，y_n，N-1，0，y_n，1，...，y_n，N-1]    (3)

其中，v代表循环前缀(CP)的长度。

去掉循环前缀(CP)之后

y_n＝[y_n，0，y_n，1...y_n，N-1]          (4)

经过FFT之后

$Y_{n,k}=\frac{1}{\sqrt{N}}\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}{y}_{n,l}\exp \left(j\frac{2\mathrm{\πlk}}{N}\right)---\left(5\right)$

光纤信道的特性可以认为在一定时间内，是时不变的。光纤信道的冲击响应函数可以认为是不变的。对它建模，可以认为它是具有V+1个抽头系数的有限冲击响应滤波器(FIR)。信道的冲击响应可以表示为这样的形式h_i＝[h₀，h₁，...，h_v]^T。光OFDM系统中输出信号与输入信号在时域的关系可以表示为

$y_{n,k}=\left\{\begin{array}{c}\underset{l=0}{\overset{v}{\mathrm{\Σ}}}{h}_i\left(l\right)x_{n,k-l}+n_{n,k},k=0,...,N-1\\ \underset{l=0}{\overset{v+k}{\mathrm{\Σ}}}{h}_i\left(l\right)x_{n,k-l}+\underset{l=v+k+1}{\overset{v}{\mathrm{\Σ}}}{h}_i\left(l\right)x_{n-1,N-l}+n_{n,k},k=-v,...,-1\end{array}\right.---\left(6\right)$

频域的关系可以表示为

Y_n，k＝X_n，kH_i，k+N_n，k    (7)

其中

n_n，k表示加性高斯白噪声。

从公式(7)可以看出，在光OFDM系统中，恢复信号只需要一个抽头系数的均衡器即可。补偿后的OFDM信号可以表示为

${\hat{X}}_{n.k}=Y_{n,k}\×W_{i,k}---\left(8\right)$

可以看出

$W_{i,k}=\frac{1}{H_{i,k}}---\left(9\right)$

由此看出，在光OFDM系统中，信道估计的本质就是估计出每个子载波均衡器的单个抽头系数，即估计出H_i，k的值。本发明利用训练序列和循环前缀(CP)进行自适应的信道估计，本方法估计出的信道信息109，控制102用于补偿到来的下一个OFDM数据块。

根据上面所述，本发明进行信道估计采用块处理的方式，一次处理很多个OFDM符号的数据。每进行一次信道估计，就更新上一次估计的信道信息，一直递归下去。H_i-1，k表示106中存储的信道信息，i表示第i次估计，k代表第k个子载波。基于循环前缀的信道估计模块107，产生新的信道估计信息(H_i，k)_CP。信道信息更新模块108，产生新的信道信息H_i，k。可以表示为

H_i，k＝μ₁×H_i-1，k+μ₂×(H_i，k)_CP      (10)

其中，μ₁和μ₂表示更新系数，满足关系μ₁+μ₂＝1，0＜μ₁≤1，0≤μ₂＜1。新产生的信道信息109用来更新106存储的信道信息，同时控制102用于补偿到来的下一个OFDM数据块。公式(10)只是106可以采用的一个算法，106还可以采用其他更新算法。

本发明实施例在CO-OFDM系统中进行基于训练序列和循环前缀(CP)的自适应信道估计。

图2为本发明实施例信道估计处理的系统流程示意图。

步骤201：首先在接收端根据训练序列提取信道的初始信息H_0，k，作为自适应信道估计的初始值。

步骤202：存储201步骤提取的初始信道信息H_0，k，以后存储上一次信道估计的值H_i-1，k。

步骤203：根据信道估计的需要，提取接收端OFDM符号的循环前缀(CP)，同时处理补偿过的OFDM信号，提取循环前缀(CP)对应的数据，作为后面基于循环前缀(CP)的信道估计模块的输入数据。

步骤204：根据光OFDM系统的特性，以及循环前缀(CP)自身的特性，利用递归最小二乘算法(RLS)进行处理，估计出信道信息(H_i，k)_CP。

步骤205：根据202步骤存储的信道信息H_i-1，k和204步骤估计的(H_i，k)_CP，依据更新系数μ₁和μ₂产生新的信道估计信息，返回202步骤继续循环递归进行信道估计。

参见图3，图3是本发明采用的循环前缀(CP)原理示意图。循环前缀(CP)是光OFDM系统一种重要的特性，用来抵抗相邻符号间干扰(ISI)。如图3所示，循环前缀(CP)是将OFDM符号尾部的一部分复制放到符号最前部。在发射端将它添加到符号最前面，在接收端将其去除，循环前缀(CP)长度应与信道冲击响应的长度相当。循环前缀(CP)的好处有两方面。第一，它可以充当保护间隔，从而消除ISI。第二，由于循环前缀(CP)的加入，使得每个OFDM符号的一部分呈现周期性，将信号与信道冲击响应的线性卷积转换成循环卷积。因为时域中的循环卷积相当于频域中比例扩展卷积，所以可以看到各子载波仍将保持正交性，从而防止载波间干扰(ICI)。

参见图4，图4是本发明采用的自适应均衡器原理示意图。自适应均衡器能根据接收信号不断更新均衡器的抽头系数。Y_n，k表示接收机接收到的信号，W_i，k表示均衡器的抽头系数，

表示均衡后的数据，X_n，k表示经过量化判决后的数据。先验估计误差e(n)可以表示为

$e\left(n\right)={\hat{X}}_{n,k}-{\stackrel{\‾}{X}}_{n,k}---\left(11\right)$

更新后的均衡器系数W_i+1，k可以表示为

W_i+1，k＝W_i，k+K(i)e(n)     (12)

其中，K(i)表示时变增益向量，i表示递归的次数。

参见图5，图5为本发明实施例在CO-OFDM系统中应用的原理示意图。具体介绍了本方法在CO-OFDM系统中的位置，以及如何基于训练序列和循环前缀(CP)进行自适应信道估计。

500表示CO-OFDM系统的输入数据X_n，k。电域OFDM发射机501处理500，产生电域OFDM信号；电域OFDM信号分成实数部分502和虚数部分503，分别输入到两个光调制器-MZ光调制器506和507。504表示CO-OFDM系统的发射激光器，通过分路器505分成两束同样的激光，用于驱动506和507。506和507输出信号通过耦合器508，变成一路光信号，输入到光纤信道509。

510表示CO-OFDM系统的本地接收激光器，通过分路器511分成两束同样的激光；512表示一个90°的相移器。513和514表示两个耦合器，驱动4个光电二极管(PD)515、516、517和518。519和520表示两个减法器，分别输出接收信号的实部部分和虚部部分。串并变换部分521把接收到的串行数据变成并行数据，以便FFT处理。

FFT模块522的功能是解调OFDM信号y_n，k，得到信号Y_n，k；单抽头均衡器523对接收信号Y_n，k进行均衡，得到信号

量化判决器524对补偿后的信号进行量化和判决，得出信号X_n，k。IFFT模块525处理信号X_n，k，产生信号x_n，k。信道估计器526处理接收端的循环前缀(CP)(y_n)_CP＝[y_n，N-v，...，y_n，N-1]和525输出的相对位置数据[X_n，N-v，...，x_n，N-1]，基于训练序列和循环前缀(CP)，根据递归最小二乘算法(RLS)，估计出信道信息527表示估计出的信道信息

用来控制523。

参见图6，图6是本发明实施例利用训练序列提取初始信道信息部分的原理示意图。训练序列模块600，存储发射端发送的训练序列，对于接收端是已知的。接收数据y_n，k经过FFT模块601解调，得到信号Y_n，k。数据提取模块602提取与训练序列相对应的接收数据Y_n，k。初始信道信息提取模块603处理接收数据Y_n，k和训练序列X_n，k，得出初始信道信息

$H_{0,k}^l=X_{l,k}/Y_{l.,k},k\∈[\mathrm{0,1},...,N-1]---\left(13\right)$

其中，l∈[0，1，...，M-1]表示训练序列的序号，M表示训练序列的个数。

初始信道信息平均模块604对提取的M个初始信道信息进行平均，以减小信道中噪声对信道估计的影响。平均方法有两种，一种是相同子载波在不同时间上的平均，时域平均；另一种是不同子载波之间的平均，频域平均。采用时域平均方法产生的初始信道信息H₀可以表示为

$H_0=\frac{1}{M}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{H}_{0,k}^l,k\∈[\mathrm{0,1},...,N-1]---\left(14\right)$

参见图7，图7是本发明实施例基于循环前缀(CP)的信道估计部分的原理示意图。图7具体说明实施例如何利用循环前缀(CP)的特性，使用递归最小二乘算法(RLS)，进行信道估计。下面，参见图7具体讲解处理过程。

串并变换模块700和图5中的521功能一样，把接收数据从串行变成并行，便于后面处理。量化判决器模块701和图3中的524一样，量化判决已补偿信号

得到信号X_n，k。IFFT模块702对X_n，k进行快速傅里叶逆变换，得到信号x_n，k。x_n，k可以表示为

${\stackrel{\‾}{x}}_{n,k}=\frac{1}{\sqrt{N}}\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}{\stackrel{\‾}{X}}_{n,l}\exp \left(j\frac{2\mathrm{\πlk}}{N}\right)---\left(15\right)$

$=\frac{1}{\sqrt{N}}\underset{l=0}{\overset{N-1}{\mathrm{\Σ}}}q\left({\hat{X}}_{n,l}\right)\exp \left(j\frac{2\mathrm{\πlk}}{N}\right)$

其中，表示q(·)表示某种判决量化函数。

基于循环前缀(CP)的信道估计模块703，利用循环前缀(CP)的特性和递归最小二乘算法(RLS)，实施信道估计。有两类数据输入，第一类是接收OFDM符号的循环前缀(CP)部分，可表示为

v是CP的长度.             (16)

另一类是循环前缀(CP)相对应的x_n，k中的数据，可以表示为

v是CP的长度.             (17)

光纤信道的冲击响应可以表示为h_i＝[h₀，h₁，...，h_v]^T。

{x^CP}＝{...x_n-1，N-v...x_n-1，N-1，x_n，N-v，...，x_n，N-1..}，{y^CP}＝{...y_n-1，N-v...y_n-1，N-1，y_n，N-v...y_n，N-1...}，y^CP和x^CP之间的关系可以表示为

$y_n^{\mathrm{CP}}={\stackrel{\‾}{x}}_n^{\mathrm{CP}}\⊗h_i+n_n---\left(18\right)$

信道估计是基于一个数据块处理的，一个数据块包含U个OFDM符号，可以进行U-1次信道估计。根据递归最小二乘算法(RLS)，为了估计出信道冲击响应(H_i)_CP，需要知道信道输入的时间平均自相关函数，可以写成

$\mathrm{\φ}(m,t)=\underset{i=0}{\overset{v-1}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}^{\mathrm{CP}}(i-m)\×{\left({\stackrel{\‾}{x}}^{\mathrm{CP}}(i-t)\right)}^H,0\≤(m,t)\≤v---\left(19\right)$

由此可见，时间平均自相关矩阵Φ为v＝(v+1)×(v+1)维矩阵，可以表示为矩阵的形式

下面，为表示方便，引入数据矩阵A，其定义为

可以用紧凑的形式将矩阵重新定义为

Φ＝A^HA            (22)

同时需要知道信道输入与期望响应之间的时间平均互相关函数，可以写为

$z(-m)=\underset{i=0}{\overset{v-1}{\mathrm{\Σ}}}{\stackrel{\‾}{x}}^{\mathrm{CP}}(i-m)\×{\left({\stackrel{\‾}{y}}^{\mathrm{CP}}\left(i\right)\right)}^H,0\≤m\≤v---\left(23\right)$

由此可见，信道输入与期望响应之间的(v+1)×1维时间平均互相关矩阵，可以表示为

z＝[z(0)，z(-1)，…，z(-v)]^T    (24)

瞬态方程组可以表示成

$\underset{m=0}{\overset{v}{\mathrm{\Σ}}}{\left(H_i\right)}_{\mathrm{CP}}\left(m\right)\×\mathrm{\φ}(m,t)=z(-t)t=\mathrm{0,1},...,v---\left(25\right)$

可以把式(25)写成矩阵的形式

$\mathrm{\Φ}{\left({\hat{h}}_i\right)}_{\mathrm{CP}}=z---\left(26\right)$

从式(26)可以得出由最小二乘算法估计出的信道冲击响应

${\left({\hat{h}}_i\right)}_{\mathrm{CP}}={\mathrm{\Φ}}^{-1}z---\left(27\right)$

利用式(27)，703处理的数据块包括U个OFDM符号，可以得到U-1个估计值。为了减少判决错误对信道估计精确性的影响，703对U-1个估计值进行平均处理，得到

${\left({\stackrel{\‾}{h}}_i\right)}_{\mathrm{CP}}=\frac{1}{U-1}\underset{t=0}{\overset{U-1}{\mathrm{\Σ}}}{\left({\hat{h}}_i\right)}_{\mathrm{CP}}\left(t\right)---\left(28\right)$

参见图8，图8是本发明实施例信道信息更新部分的原理示意图。信道信息存储模块800，存储上一次估计的信道信息，用于这一次信道更新的输入值。信道信息更新后，800负责存储新的信道信息。乘法器801和802对输入信号按比例系数进行放大。加法器803对801和802送来的信号执行相加操作，输出结果一个用来更新800中的信道信息，一个用于控制图5中的523。更新的信道信息h_i可以表示为

h_i＝μ₁h_i-1+μ₂(h_i)_CP         (29)

其中，μ₁和μ₂表示更新系数，满足关系μ₁+μ₂＝1，0＜μ₁≤1，0≤μ₂＜1。μ₁和μ₂的取值，和系统的信噪比(SNR)有关。

参见图9，图9是本发明实施例采用的递归最小二乘算法(RLS)的原理示意图。横向滤波器900对接收信号进行均衡，均衡系数为

输出数据为

自适应权值控制机制模块901，按照递归最小二乘算法(RLS)规则，根据误差ε(i)来更新900的系数。加法器902的作用是，系统期望响应x^CP(i)减去系统实际输出

输出估计误差ε(i)。更新900系数的递归方程可表示为

${\hat{W}}_i={\hat{W}}_{i-1}+k\left(i\right){\mathrm{\ϵ}}^H\left(i\right)$

$={\hat{W}}_{i-1}+k\left(i\right){[x^{\mathrm{CP}}\left(i\right)-{\hat{W}}_{i-1}{y}^{\mathrm{CP}}\left(i\right)]}^H---\left(30\right)$

$={\hat{W}}_{i-1}+k\left(i\right)[x^{\mathrm{CP}}{\left(i\right)}^H-y^{\mathrm{CP}}{\left(i\right)}^H{{\hat{W}}_{i-1}}^H]$

其中，k(i)表示时变增益向量。

参见图10，图10是本发明实施例采用的递归最小二乘算法(RLS)的系统流程示意图。加法器1000的作用是计算出先验估计误差ε(i)。1001表示增益变量模块，产生k(i)。加法器1002用来更新均衡器的抽头系数，1003代表单位延时器。1004利用

均衡y^CP(i)^H，产生x^CP(i)^H。具体的处理流程如下。

算法初始化

${\hat{W}}_0=0$

P(0)＝δ^-1I

其中

对每一时刻，i＝1，2，…计算

π(i)＝P(i-1)y^CP(i)

$k\left(i\right)=\frac{\mathrm{\π}\left(i\right)}{\mathrm{\λ}+y^{\mathrm{CP}}{\left(i\right)}^H\mathrm{\π}\left(i\right)}$

$\mathrm{\ϵ}\left(i\right)=x^{\mathrm{CP}}\left(i\right)-{{\hat{W}}_{i-1}}^H{y}^{\mathrm{CP}}\left(i\right)$

${\hat{W}}_i={\hat{W}}_{i-1}+k\left(i\right)\mathrm{\ϵ}{\left(i\right)}^H$

其中

P(i)＝λ^-1P(i-1)-λ^-1k(i)y^CP(i)^HP(i-1)

以上是递归最小二乘算法(RLS)的处理流程，是在本发明实施例采用的处理流程。

以上对本发明所述的光OFDM系统中基于训练序列和循环前缀(CP)的自适应信道估计方法进行了详细的介绍，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，在不背离本发明所述方法的精神和权利要求范围的情况下对它进行的各种显而易见的改变都在本发明的保护范围之内。

Claims (13)

1.一种光OFDM系统中新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，其特征在于：

不仅可以减少训练序列的数量和发送频率，提高O-OFDM系统的有效速率，而且可以有效地利用循环前缀(CP)的统计特性实时地跟踪信道变化情况，提高信道估计的精度，充分使用系统资源。

2.根据权利要求1所述一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，其特征在于：

它可以分成三个部分。一、初始信道信息的提取部分，利用训练序列提取出初始信道信息。二、基于循环前缀(CP)的信道估计部分，利用循环前缀(CP)的特性估计信道信息。三、信道信息更新部分，基于旧的信道信息和循环前缀(CP)估计的信道信息来更新信道信息。

3.根据权利要求1-2所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，可适用于光正交频分复用(OFDM)系统，其特征在于：

不仅适用于基带OFDM系统，而且适用于射频调制OFDM系统；不仅适用于强度调制OFDM系统(DD-OFDM)，而且适用于相干检测OFDM系统(CO-OFDM)；不仅适用于超长距离传输的光OFDM系统，而且适用于采用OFDM技术的其他光系统。

4.根据权利要求1-3所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，其特征在于：

步骤1：根据训练序列提取初始信道信息H_0，k，作为自适应信道估计的初始值。

步骤2：首先存储步骤1提取的初始信道信息H_0，k，以后存储上一次信道估计值H_i-1，k。

步骤3：根据信道估计的需要，提取必要数据，作为基于循环前缀(CP)的信道估计模块的输入。

步骤4：根据光OFDM系统的特性，以及循环前缀(CP)自身的特点，估计出信道信息(H_i，k)_CP。

步骤5：根据步骤2中存储的信道信息H_i-1，k和步骤4估计出的(H_i，k)_CP，产生新的信道估计信息，返回步骤2继续循环递归进行信道估计。

5.根据权利要求1-4所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，训练序列的插入和处理，其特征在于：

根据信道的情况，每次训练序列插入的个数和插入训练序列的频率是可变的，每次插入的个数大于等于2个，插入的频率可变。根据不同的应用场合，本发明利用训练序列提取初始信道信息的方法，可以采用任何合适的处理方法。

6.根据权利要求1-4所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，基于循环前缀(CP)的信道估计，其特征在于：

利用循环前缀(CP)的特性，可以采用递归最小二乘算法(RLS)提取信道信息，也可以采用其他的处理算法。本发明利用循环前缀(CP)的特性提取信道信息，可以根据不同的系统情况，采用不同的处理方法。

7.根据权利要求1-4所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，信道信息更新，其特征在于：

根据上一次估计出的信道信息和这一次利用循环前缀(CP)估计出的信道信息，可以采用线性的方法进行拟合，也可以采用非线性的方法进行拟合，得到新的信道信息。根据需要，本发明可以采用不同的信息更新方法。

8.根据权利要求1-7所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，光OFDM系统接收端的量化判决，根据不同情况，可以采用不同的量化方法；同时，可以采用直接判决方式或软判决方式。

9.根据权利要求1-8所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，自适应处理的方式，需要一个反馈信息来更新信道信息。本发明采用基于循环前缀(CP)的信道估计作为反馈信息，也可以采用不同的反馈机制。

10.根据权利要求1-8所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，可以联合信源编码和信道编码一起使用，提高信道估计的精度。

11.根据权利要求1-8所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，可以映射到具体的硬件实现。

12.根据权利要求1-10所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，适用于64、128、256、512等不同子载波个数和循环前缀(CP)个数的光OFDM系统。

13.根据权利要求1-10所述的一种新型的基于训练序列和循环前缀(CP)的自适应信道估计方法，可以和光OFDM系统的其他信道估计技术一起使用。

Images