CN101984562B - 一种窄带信道增益估计方法 - Google Patents

Abstract

本发明公开了一种窄带信道增益估计方法，包括以下步骤：分析窄带信道的特性并推导出信道模型；窄带信道模型的离散数学表示和仿真计算；对窄带信道模型离散化处理的结果进行统计分析、建立振幅大小与变化趋势的集合；进行信道增益估计。本发明从分析无线信道增益特征开始考虑，然后进行信道特性的衰落仿真、获取信道增益、抽取信道增益样本，再到计算概率，条理十分清晰，引入信道增益差分概率的思想，根据抽样获取的概率样本集合进行估计，由于样本集合可以在每一次的估计过程中都直接利用，即直接查找已知的数据库，简化了信道增益估计的复杂度，估计速度快，有效地节省了能源，结果具备很高的可靠性和稳定性。

Description

一种窄带信道增益估计方法

技术领域

本发明属于无线数字通信技术领域，特别是一种窄带信道增益估计方法。

背景技术

虽然窄带通信的带宽窄、速率慢、信息量少，但是依然被很普遍地使用着，如海洋通信、无线集群、白组织无线网等等都是窄带通信的典型例子，可以说，窄带通信依然是现代通信不可或缺的组成部分。

信道是通信系统的重要组成部分，无线通信的发展追求高速率和高频谱利用率，而移动无线信道与其他通信信道相比，又是最为复杂的一种。在实际的通信系统中，信道的状态信息往往是不确知的，然而这些状态信息对于信号解调、同步检波等技术又是必不可少的，因此，需要使用信道增益估计方法来获得。在无线通信中，发射信号在传播过程中往往会受到环境中的各种物体所引起的遮挡、吸收、反射、折射和衍射的影响，形成多条路径信号分量，具有不同的传播时延、相位和振幅，并附加有信道噪声，它们的叠加会使复合信号相互抵消或增强，导致严重的衰落。可见，最佳信道机的实现离不开信道增益估计的完成。

目前，3G的商业应用在不断展开，并且存在着重大的产业发展机遇。与此同时，对于4G LTE系统的研究也在如火如荼地进行中，这就要求接收机的移动速度更高，在4G LTE系统中信道参数变化速率的动态范围大，在大范围变化的衰落信道下实现相干接收是非常困难的，其关键在于信道增益估计的实现，设计高效且低复杂度的信道增益估计算法是实现信道均衡、联合检测和智能天线等技术的基础，也是能否极大改善系统性能的关键。

研究信道增益估计的一般出发点是寻求性能、开销和复杂度三者的折中，最终目标就是以较低的实现复杂度获得较好的估计性能。现在很多很多的估计方法都是基于训练序列或导频的算法，这是一个大的信道估计的分类，主要步骤中的核心是利用矩阵、插值等数学计算方法计算训练序列和导频的信道响应，这样计算量就会很大。其中，插值方法利用的主要准则有最大似然ML、最小二乘LS和最小均方误差MMSE准则。利用这些准则的估计方法除了占用系统资源开销、复杂度相对较高外，都只是孤立地看待信号的估计过程，不利用之前的估计资源，使得计算量加大，而且准确度也有待提高；另外，对于不同的用户应该分别考虑，因为不同的用户拥有不同的用户特征，如城市和农村所处的电波传播环境差异很大，行走和开车时信号的衰落不同等等。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种计算量小、准确度高并充分考虑不同用户特征的窄带信道增益估计方法。

为了实现上述目的，本发明的技术方案如下：一种窄带信道增益估计方法，包括以下步骤：

A、分析窄带信道的特性并推导出信道模型

在移动通信中，随着发信机和接收机之间距离以及发信机与接收机之间相对移动速度的变化，将会产生信号衰落；比较接收信号功率的时变速度的不同，可以分为慢衰落和快衰落；

慢衰落的表现形式主要有两种：第一种是路径衰减，存在于收发信机之间的距离衰减随着接收机到基站的距离增大相应增加，假设接收机距基站的距离为d，那么接收功率反比于d的α次方，即d^-α，α大体上介于3到4之间；第二种是遮挡衰减，由于基站与接收机之间的建筑物等对电波的遮挡与反射，电波能量在到达接收机数十米到数百米范围内缓慢变动，即遮挡衰减，如果遮挡衰减δ(t)用dB来表示的话，那么δ(t)是服从于标准方差为6～10的高斯过程缓慢地变动；

快衰落主要是指多径衰落，它是由于在接收机周围几米或十几米小范围内的树木、建筑物和车辆等对电波产生反射、折射与散射作用，当接收机在移动时就会接收到许多强度相同但方向和频率不同的电波，这些电波相互叠加，在某些时刻接收信号的功率得到加强，某些时刻得到减弱，形成了信号幅度的快速变化；

概括地说，信道模型可以表示为

S_r(t)＝S_t(t)ξ(t)+n(t)              (1)

其中，S_t(t)表示发射信号，S_r(t)表示接收信号，ξ(t)表示信道增益，n(t)表示噪声信号；

发送信号的变化速率表示为

$\frac{s_t\left(t_2\right)-s_t\left(t_1\right)}{\mathrm{\&Delta;t}}=\left\{\begin{array}{cc}0& \mathrm{\&Delta;t}<T\\ C& T\&le;\mathrm{\&Delta;t}\&le;2T\end{array}\right.---\left(2\right)$

式中，Δt＝t₂-t₁，T为一个码的时长；

信道增益ξ(t)的变化速率为

噪声信号n(t)的变化速率为

$\frac{\mathrm{dn}\left(t\right)}{\mathrm{dt}}\&NotEqual;0---\left(4\right)$

在发送端持续发送一已知信号作为导频信号，即得到

$\stackrel{\&OverBar;}{r\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)+n\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)}+\stackrel{\&OverBar;}{n\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)}---\left(5\right)$

这里，噪声n(t)服从均值为0的高斯分布；

根据上面的分析，为了估计信道增益，我们通过对信号增益ξ(t)的大量观察和分析，以f_DT为步长对信号增益ξ(t)进行抽样，进行概率统计来获取有效的衰落特征；其中，f_DT为传输带宽通过信码长度，f_D为最大多普勒频移，T为一个码的时长；

假设发射信号S_t(t)＝Acos[2πf_ct+ψ(t)]，f_c为载波频率，ψ(t)是调制相位，与信道无关；

若接收机的移动速度为ν，第n路波的到来方向与接收机移动方向的夹角为θ_n，且满足

其中

是一个随机数，则多普勒频移为f_n，doppler＝f_Dcosθ_n，其中

为最大多普勒频移；θ_n为各路波到来的瞬时相位，是(0，2π)的随机数；

接收信号可以表示为

式中，

式中，ξ(t)是信道增益，N是天线接收到的强度相同但方向不同的平面波的数量，A是载波振幅，f_D是最大多普勒频率，Ψ(t)是发送波的角度，θ_n是第n个平面波的到来方向，φ_n是第n个接收平面波的方向；

B、窄带信道模型的离散数学表示和仿真计算

信道增益是时间连续的，信道仿真器是通过对ξ(t)进行时间离散化来实现的，即对接收信号以T秒为时间间隔进行抽样，就可得到离散的信道增益；第k个数据的接收时点t＝kT的信道增益如下：

这样，信道的衰落模型就以离散形式，通过最大多普勒频移f_D与信码长度T为参数表现出来；利用计算机编程语言进行窄带信道模型的仿真，包括以下步骤：

B1、启动主程序；

B2、运行作图程序；

B3、进行衰落角度与相位的初始设定；

B4、按照公式(8)进行衰落仿真计算；

B5、计算和记录信道增益的振幅；

B6、如果循环次数小于1000次，则返回步骤B4，否则，仿真结束；

C、对窄带信道模型离散化处理的结果进行统计分析、建立振幅大小与变化趋势的集合：

通过上一步骤窄带信道模型的仿真得到每一个取样点的幅值，并顺次连接信道增益曲线上相邻两点，通过计算连线的斜率K1、K2、K3；这样，假设有1000个步长，我们就得到了1000个斜率样本，这就是一个包含信道衰落曲线的先验概率集合；

然后，将每一次仿真所得到的上述幅值和斜率样本集合统计和分析，并存储到数据库中；

D、进行信道增益估计

根据样本集合，如果要估计后一点的信道增益，只需查找数据库中的样本集合，找到相同点的下一个值，便可得到估计结果。

与现有技术相比，本发明具有以下有益效果：

1、本发明从分析无线信道增益特征开始考虑，然后进行信道特性的衰落仿真、获取信道增益、抽取信道增益样本，再到计算概率，条理十分清晰，引入信道增益差分概率的思想，根据抽样获取的概率样本集合进行估计，由于样本集合可以在每一次的估计过程中都直接利用，即直接查找已知的数据库，简化了信道增益估计的复杂度，估计速度快，有效地节省了能源，结果具备很高的可靠性和稳定性。

2、现有技术需要对计算训练序列和导频进行不断地计算，计算出传输信号中导频信息的信道响应，将此信道响应具体用到对于传输信号中除导频信息以外其他信息的估计计算，而本方法直接算出在具体移动速度下(如40km/h)的信道增益，通过对信道增益的抽样，得到概率样本集合，这样，当把样本集合存入数据库中，之后的所有估计只需调用数据库，而且如果出现估计准确度低的情况时，只需调整数据库大小即可。

3、对信号增益ξ(t)进行离散化处理时，所采用的抽样间隔为f_DT，其中

由于接收机移动速度v的不同，使得f_DT相应地发生改变，这样就能针对处于不同使用情境即移动速度不同的用户建立相适应的窄带信道模型，实现了充分考虑不同用户特征的目的。

附图说明

本发明共有附图4张，其中：

图1是无线衰落信号的增益图。

图2是衰落信号增益差分过程图。

图3是概率统计示意图。

图4是信道增益估计流程图。

在图中：A、B、C为抽样点，K为抽样点连线斜率，M是紧随一种斜率发生的某一斜率的总次数，N是紧随一种斜率发生的所有斜率可能的总次数，Kn是紧随一种斜率发生的所有可能斜率的统称，P(Kn|K1)是紧随一种斜率情况K1发生的某一种可能斜率Kn的概率。

具体实施方式

下面结合附图对本发明进行进一步地描述。

图4所示为信道增益估计方法的流程图，为了能够清晰地了解和把握信道特性，更好地分析电磁信号在信道中的传播规律，首先进行无线信道的衰落仿真，对现实环境下的衰落信道进行有效仿真，例如分别观察不同的移动速度、不同传输码率下的信号增益变化，获取无线信道的衰落特性，如图1所示的无线衰落信号的增益图，代表着振幅随时间变化而呈现出高低不一的特征，当接收机移动速度加快而其他条件不变的情况下，振幅的波动频率加快，振荡更剧烈。

之后，通过对接收信号的大量观察和分析，并进行信号增益的抽样，获取有效的衰落特征，进行概率统计，获取有效的估计样本。如图2所示，通过仿真得到每一个取样点的幅值(每一个点A、B、C、D、  )，然后通过幅值计算顺次两点连线的斜率K1、K2、K3、  ，这样，假设有1000个步长，我们就得到了1000个斜率，这就是一个包含信道衰落曲线的先验概率集合，由于每种斜率样本的出现是等可能的，所以很容易计算各自的概率，而且曲线的轨迹主要取决于已知点(A点)数值和其与后点(B点)连线的斜率，利用这个原理我们就可以进行估计，首先需要统计在K1发生的情况下随即发生K2的概率，这只需要统计样本集中紧随一种概率情况K1发生的所有概率可能Kn的情况数以及各自发生次数，如图3所示得到：

$P\left(\mathrm{Kn}\right|K1)=\frac{M}{N}---\left(9\right)$

这样，以后再次发生K1时，就可以选择概率较大的P(Kn|K1)情况下的斜率作为曲线下一步的轨迹，若每种情况出现概率相同，则取各斜率平均。同理，可以算得P(Kn|K2)，P(Kn|K3)，P(Kn|K4)·，我们通过每一步计算的斜率值以概率集合作为依据就可以预测下一步的衰落轨迹，达到估计目的。本发明在接收机处于不同移动速度情况下进行分别讨论，考虑具体用户使用情境，而且不同情况下所需的样本大小、样本密度均有差别。如接收机移动速度为5km/h时，则需要约500个样本点就可以满足估计误差范围为0.5dB；当移动速度大于20km/h时，则最多只需要1000个样本点就可以满足估计误差范围为1dB。随着样本集合的增大以及样本密度的扩大，信道增益的估计精确度逐步提高，其误差范围不超过1dB。

Claims (1)

1.一种窄带信道增益估计方法，其特征在于：包括以下步骤：

A、分析窄带信道的特性并推导出信道模型

在移动通信中，随着发信机和接收机之间距离以及发信机与接收机之间相对移动速度的变化，将会产生信号衰落；比较接收信号功率的时变速度的不同，分为慢衰落和快衰落；

慢衰落的表现形式主要有两种：第一种是路径衰减，存在于收发信机之间的距离衰减随着接收机到基站的距离增大相应增加，假设接收机距基站的距离为d，那么接收功率反比于d的α次方，即d^-α，α大体上介于3到4之间；第二种是遮挡衰减，由于基站与接收机之间的建筑物对电波的遮挡与反射，电波能量在到达接收机数十米到数百米范围内缓慢变动，即遮挡衰减，如果遮挡衰减δ(t)用dB来表示的话，那么δ(t)是服从于标准方差为6~10的高斯过程缓慢地变动；

快衰落主要是指多径衰落，它是由于在接收机周围几米或十几米小范围内的树木、建筑物和车辆对电波产生反射、折射与散射作用，当接收机在移动时就会接收到许多强度相同但方向和频率不同的电波，这些电波相互叠加，在某些时刻接收信号的功率得到加强，某些时刻得到减弱，形成了信号幅度的快速变化；

概括地说，信道模型表示为

S_r(t)＝S_t(t)ξ(t)+n(t)            (1)

其中，S_t(t)表示发射信号，S_r(t)表示接收信号，ξ(τ)表示信道增益，n(t)表示噪声信号；

发送信号的变化速率表示为

$\frac{S_t\left(t_2\right)-S_t\left(t_1\right)}{\mathrm{\&Delta;t}}=\left\{\begin{array}{cc}0& \mathrm{\&Delta;t}<T\\ C& T\&le;\mathrm{\&Delta;t}\&le;2T\end{array}\right.---\left(2\right)$

式中，Δt＝t₂-t₁，T为一个码的时长；

信道增益ξ(t)的变化速率为

噪声信号n(t)的变化速率为

$\frac{\mathrm{dn}\left(t\right)}{\mathrm{dt}}\&NotEqual;0---\left(4\right)$

在发送端持续发送一已知信号作为导频信号，即得到

$\stackrel{\&OverBar;}{r\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)+n\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)}+\stackrel{\&OverBar;}{n\left(t\right)}=\stackrel{\&OverBar;}{\mathrm{\&xi;}\left(t\right)}---\left(5\right)$

这里，噪声n(t)服从均值为0的高斯分布；

根据上面的分析，为了估计信道增益，我们通过对信号增益ξ(t)的大量观察和分析，以f_DT为步长对信号增益ξ(t)进行抽样，进行概率统计来获取有效的衰落特征；其中，f_DT为传输带宽通过信码长度，f_D为最大多普勒频移，T为一个码的时长；

假设发射信号S_t(t)＝Acos[2πf_ct+ψ(t)]，f_c为载波频率，ψ(t)是调制相位，与信道无关；

若接收机的移动速度为v，第n路波的到来方向与接收机移动方向的夹角为θ_η，且满足

其中

是一个随机数，则多普勒频移为f_n，doppler＝f_D cosθ_n，其中

为最大多普勒频移；θ_n为各路波到来的瞬时相位，是(0，2π)的随机数；

接收信号表示为

$s_r\left(t\right)=\mathrm{Re}\left[\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{A}{\sqrt{N}}\mathrm{exp\; j}(2\mathrm{\&pi;}{f}_{c}t+\mathrm{\&psi;}\left(t\right)+2\mathrm{\&pi;}{f}_{D}t\cos {\mathrm{\&theta;}}_n+{\mathrm{\&phi;}}_n)\right]$

$=\mathrm{Re}\left[\mathrm{\&xi;}\left(t\right)\mathrm{Aexp\; j}(2\mathrm{\&pi;}{f}_{c}t+\mathrm{\&psi;}\left(t\right))\right]---\left(6\right)$

式中，

$\mathrm{\&xi;}\left(t\right)=\frac{1}{\sqrt{N}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{exp\; j}(2\mathrm{\&pi;}{f}_{D}t\cos {\mathrm{\&theta;}}_n+{\mathrm{\&phi;}}_n)---\left(7\right)$

式中，ξ(t)是信道增益，N是天线接收到的强度相同但方向不同的平面波的数量，A是载波振幅，f_D是最大多普勒频率，ψ(t)是发送波的角度，θ_n是第n个平面波的到来方向，φ_n是第n个接收平面波的方向；

B、窄带信道模型的离散数学表示和仿真计算

信道增益是时间连续的，信道仿真器是通过对ξ(t)进行时间离散化来实现的，即对接收信号以T秒为时间间隔进行抽样，就得到离散的信道增益；第k个数据的接收时点t＝kT的信道增益如下：

这样,信道的衰落模型就以离散形式，通过最大多普勒频移f_D与信码长度T为参数表现出来；利用计算机编程语言进行窄带信道模型的仿真，包括以下步骤：

B1、启动主程序；

B2、运行作图程序；

B3、进行衰落角度与相位的初始设定；

B4、按照公式（8）进行衰落仿真计算；

B5、计算和记录信道增益的振幅；

B6、如果循环次数小于1000次，则返回步骤B4，否则，仿真结束；

C、对窄带信道模型离散化处理的结果进行统计分析、建立振幅大小与变化趋势的集合：

通过上一步骤窄带信道模型的仿真得到每一个取样点的幅值，并顺次连接信道增益曲线上相邻两点，通过计算连线的斜率K1、K2、K3…；这样，假设有1000个步长，我们就得到了1000个斜率样本，这就是一个包含信道衰落曲线的先验概率集合；

然后，将每一次仿真所得到的上述幅值和斜率样本集合统计和分析，并存储到数据库中；

D、进行信道增益估计

根据样本集合，如果要估计后一点的信道增益，只需查找数据库中的样本集合，找到相同点的下一个值，便得到估计结果。

Images