CN102209054B - Td-hspa+下行链路的快速时变信道估计方法 - Google Patents

Abstract

本发明公开了一种用于TD-HSPA+系统的快速时变信道估计方法，特征是先通过传统的斯泰纳信道估计方法对信道进行一次粗估计，获得基站给每个激活用户发送的训练序列和噪声功率；再建立一个表征信道变化的线性预测模型，构造相应的系统矩阵，然后以最小均方误差准则计算模型参数；最后由线性预测模型预测信道的变化。本发明比现有采用基于最小二乘准则的多项式拟合的方法运算复杂度更低、鲁棒性更强，具有更好的抗噪声性能、更高的估计精度，更适用于目前常见的快速时变信道场景的优点。采用本发明方法可以为TD-HSPA+系统在快速时变信道场景中提供更加准确的信道估计，以解决现有算法计算复杂度高、低信噪比情况下估计精度差的问题。

Description

TD-HSPA+下行链路的快速时变信道估计方法

技术领域

本发明属于无线通信技术领域，具体涉及时分同步码分多址系统高速分组接入技术增强(TD-HSPA+)的下行链路的快速时变信道估计方法。

背景技术

TD-HSPA+是在时分同步码分多址系统(TD-SCDMA)的关键技术和核心专利上发展起来的一种第三代蜂窝移动通信增强技术。根据第三代移动通信伙伴计划(3GPP)的协议规范，TD-HSPA+沿用了TD-SCDMA的时隙帧结构设计，因此TD-HSPA+系统的很多解调方法与TD-SCDMA类似。传统的TD-SCDMA系统信道估计方法都是基于斯泰纳(B.Steiner)发表于《欧洲电信会报》(European Trans.Telecommun.)的题为“用于CDMA移动无线系统的上行链路联合检测的最优和次优信道估计”(Optimum andsuboptimum channel estimation for the uplink of CDMA mobile radio systems with jointdetection)的论文中提出的低代价信道估计方法(后面简称“斯泰纳信道估计方法”)。该估计方法得益于TD-SCDMA系统训练序列的特殊设计，可以在无需知道每个激活用户的训练序列的前提下，通过低代价的快速傅立叶变换来得到信道的冲激响应的估计值。该估计方法假设信道冲激响应在一个时隙内保持不变。然而当移动台处于高速运动状态时，比如在3GPP的标准中定义的高速移动场景下的参考信道中，信道冲激响应在一个时隙内就可能发生较大的变化，此时的信道转变成快速时变信道，采用传统的信道估计方法将会产生较大的估计误差。此外，TD-HSPA+系统为了达到更高的数据传输速率和更短的业务时延，引入了高阶调制方式——64阶正交幅度调制(64QAM)，而更高阶的调制方式对于信道估计的准确度也提出了更高的要求。因此如何提高TD-HSPA+系统在快速时变信道下的信道估计精度已成为亟待解决的问题。

为了估计快速时变信道，人们已经提出了多种解决方法，比如判决反馈均衡算法(DFE)、自适应信道估计算法以及一些盲估计算法。但是由于TD-HSPA+系统中扩频因子较短，上述几种算法的性能均不够理想。在发表于《国际电气与电子工程师协会-无线通信和网络会议》(Wireless Communications and Networking Conference，2005IEEE.)的题为“一种新的在快速时变信道下对TD-SCDMA下行链路实行最小均方误差联合检测的方法”(A novel segment-level MMSE-MUD design for rapidly time-varyingchannel conditions in TD-SCDMA down-link channel)的论文中提出利用相邻时隙的信道响应估计值通过内插或外推的方法得到当前时隙的信道响应。但该方法存在以下不足：1.由于信道在训练序列域中是变化的，无法保证通过全部训练序列估计得到的信道响应的准确度；2.估计相邻时隙的信道响应在实现的时候存在诸多困难；3.处理的延时较大。在发表于《无线通信、网络和移动计算》(Wireless Communications，Networking andMobile Computing，2006)的题为“一种新的用于TD-SCDMA系统的信道估计方法”(ANovel Channel Estimation Method for TD-SCDMA System)的论文中提出把训练序列分段，然后联合估计每段的信道响应，再通过内插或外推得到整个时隙的信道响应。该算法不需要对相邻时隙做信道估计，可以减少处理延时，但它的缺点也很明显：1.计算复杂度较高；2.分段后由于数据量下降导致估计误差的方差成倍增加；3.在下行链路中，由于移动台无法获知其他用户的训练序列，因此无法在下行链路中使用该算法。

中国专利申请号200810227094.0提出的一种可适用于下行链路的快速时变信道估计方法，先利用传统的斯泰纳估计方法得到初步的信道估计，据此得到去噪后的信道冲激响应和激活用户的训练序列；然后以最小二乘准则(LS)来计算信道响应的每条径的变化系数，再根据多项式拟合函数计算该时隙内每一时间点的信道冲激响应。该方法可以较好的解决前面几种方法存在的处理延时大、对信道的跟踪性能差、无法用于下行链路的弊端，但是它存在的问题有：1.在最小二乘准则下得到的估计器会放大噪声，因此该方法在低信噪比情况下性能较差；2.高阶的多项式拟合系数受噪声影响较大，既增加了运算复杂度又会降低估计的精度。

发明内容

本发明的目的是提供一种用于TD-HSPA+下行链路的快速时变信道估计的方法，以解决现有算法计算复杂度高、低信噪比情况下估计精度差的问题。

本发明用于TD-HSPA+下行链路的快速时变信道估计的方法，先通过传统的斯泰纳信道估计方法对信道进行一次粗估计，由粗估计结果获得基站给每个激活用户发送的训练序列和信道的噪声功率，建立一个表征信道变化的线性预测模型，构造相应的系统矩阵，然后以最小均方误差准则计算模型参数，最后由线性预测模型预测信道的变化；其特征在于依次包括以下步骤：

信道粗估计步骤A1：根据接收训练序列RM和通过广播得知的基本训练序列BM利用斯泰纳信道估计方法估计出全部用户信道冲激响应

噪声消除步骤A2：对所述全部用户信道冲激响应

进行去噪处理，以区分K_a个激活用户与K_u个非激活用户；

噪声估计步骤A3：对于非激活用户，按照如下的噪声功率估计公式估计噪声功率σ_n ²：

${{\mathrm{\σ}}_n}^2=\frac{128}{W}\text{\·}\underset{n=1}{\overset{W}{\mathrm{\Σ}}}{\hat{h}}_{\mathrm{inactive}}\left(n\right),$

式中，

表示从所述全部用户信道冲激响应

选出的某个非激活用户的信道冲激响应，W是信道估计窗的长度；

构造系统矩阵步骤A4：

记录每个激活用户信道估计窗在所述全部用户信道冲激响应

中的位置winpos_k，其中k为激活用户的序号，它满足条件1≤k≤K_a；

对序号为k的激活用户，按照如下训练序列重建公式恢复其发送的训练序列M：

M(i)＝BM(（i+(K-winpos_k)W)％128+1)，i＝1，2，...，128，

其中K代表信道估计窗总数，winpos_k为所述激活用户信道估计窗在所述全部用户信道冲激响应中的位置；

对序号为k的激活用户信道估计窗，保留W_m条有效径，并记录序号为w的有效径在该激活用户信道估计窗中的位置pathpos_w，序号w满足1≤w≤W_m；并按照如下等效发送序列计算公式构造对应于该有效径的发送序列M_w：

M_w(i)＝M((i-pathpos_w)％128+1)，i＝1，2，...，128；

建立表征信道变化的线性预测模型

表示任意激活用户的信道响应的某一径在该时隙内的变化情况；

对序号为k的激活用户，按照如下系统子矩阵计算公式构造系统子矩阵S^(k)： $S^{\left(k\right)=}\left[\begin{array}{cc}{M}_1\left(1\right)& M_1\left(1\right)\\ M_1\left(2\right)& M_1\left(2\right)\×2\\ ...& ...\\ M_1\left(128\right)& M_1\left(128\right)\×128\end{array}\right|\left.\begin{array}{cc}{M}_2\left(1\right)& M_2\left(1\right)\\ M_2\left(2\right)& M_2\left(2\right)\×2\\ ...& ...\\ M_2\left(128\right)& M_2\left(128\right)\×128\end{array}\right||\begin{array}{cc}...& ...\\ ...& ...\\ ...& ...\\ ...& ...\end{array}|\left.\begin{array}{cc}{M_W}_m\left(1\right)& M_{W_m}\left(1\right)\×1\\ M_{W_m}\left(2\right)& M_{W_m}\left(2\right)\×2\\ ...& ...\\ M_{W_m}\left(128\right)& M_{W_m}\left(128\right)\×128\end{array}\right]$ 式中M_w＝[M_w(1)，M_w(2)，...，M_w(128)]为该激活用户信道的第w条有效径对应的发送序列；

按照如下系统矩阵计算公式构造系统矩阵S：

$S=[S^{\left(1\right)},S^{\left(2\right)},...,S^{\left(K_a\right)}];$

估计模型参数步骤A5：

先计算参数矩阵H的协方差矩阵R_H的逆R_H ^-1：

式中，diag{·}表示以括号中的元素构成一个对角矩阵，f_max代表最大多普勒频率，f_chip代表码片速率；

然后根据最小均方误差准则，按照如下模型计算公式计算模型参数

和

$\hat{H}={[{\hat{h}}_1^{0\left(1\right)},{\hat{h}}_1^{1\left(1\right)},{\hat{h}}_2^{0\left(1\right)},{\hat{h}}_{\text{2}}^{1\left(1\right)},...{\hat{h}}_{W_m}^{0\left(1\right)},{\hat{h}}_{W_m}^{1\left(1\right)},...,{\hat{h}}_1^{0\left(K_a\right)},{\hat{h}}_1^{1\left(K_a\right)},...,{\hat{h}}_{W_m}^{0\left(K_a\right)},{\hat{h}}_{W_m}^{1\left(K_a\right)}]}^T={(S^{H}S+{{\mathrm{\σ}}_n}^2{R_H}^{-1})}^{-1}{S}^{H}r,$ 其中代表第k个激活用户信道冲激响应的第w条有效径的第i个模型参数，(·)^H表示矩阵共轭转置操作，(·)^-1表示矩阵求逆操作；

信道预测步骤A6：由线性预测模型

预测信道响应h在整个时隙内的变化。

由于本发明模型参数的估计方法是基于最小均方误差准则得出的，本发明方法可以充分的利用噪声和模型参数的统计信息，从而有效的抑制噪声的影响，与中国专利申请号200810227094.0所采用的基于最小二乘准则的多项式拟合方法相比较，本发明方法具有更好的抗噪声性能、更高的估计精度。此外，本发明方法所采用的线性预测模型相对于上述方法采用的多项式拟合的方法具有运算复杂度更低、鲁棒性更强、更适用于目前常见的快速时变信道场景的优点。

附图说明

图1为本发明方法的流程框图

图2为本发明实施例中某次实现的信道响应估计值曲线。

图3为本发明方法应用在实施例中的信道估计性能曲线比较图。

图4为本发明方法应用在实施例中的误码率性能曲线比较图。

具体实施方式

实施例1：

3GPP对低码片速率的第三代移动通信系统时分双工模式定义了三种多径传播条件，本实施例中采用的参考信道是其中的快速时变信道(case3信道)。在该参考信道中，移动终端的移动速度是120公里/小时，一共有四条可分辨径，每条径都是符合杰克斯(Jakes)功率谱的瑞利衰落信道，它们的延时依次相差一个码片，其功率则依次减半。具体参数如下表所示：

本实施例中涉及的仿真链路参数均符合3GPP对TD-HSPA+系统的规范。其中载波频率为2GHz，码片速率f_chip＝1.28×10⁶码片/秒，调制方式为64QAM，扩频因子为16，联合检测算法为迫零-块线性均衡(ZF-BLE)，基本训练序列长度为128，信道估计窗的长度W＝16，信道估计窗总数K＝8，激活用户数为K_a＝1，信噪比SNR＝10分贝，发送信号经过功率归一化。根据上述参数可以计算出最大多普勒频率f_max＝224Hz。

图1给出了本发明用于TD-HSPA+下行链路的快速时变信道估计的方法的流程框图。

下面结合附图进一步详细描述本发明的具体实施方式。参照

图1所示的流程框图：

信道粗估计步骤A1：根据接收训练序列RM和由广播得到的基本训练序列BM利用斯泰纳方法估计出所有用户(包括未激活用户)的信道冲激响应

${\hat{h}}_{\mathrm{all}}=\mathrm{IFFT}(\mathrm{FFT}\left(\mathrm{RM}\right)./\mathrm{FFT}\left(\mathrm{BM}\right)),$

其中./表示两个向量对应元素相除，FFT和IFFT分别表示快速傅立叶变换和快速傅立叶反变换。

噪声消除步骤A2：对

进行去噪处理，可以得到1个激活用户与7个非激活用户。目前TD-SCDMA系统中对于信道估计进行噪声消除的专利和算法很多，这些方法对于TD-HSPA+系统也完全适用，这里不再详述。需要指出的是，这里只对激活用户进行噪声消除，而非激活用户不处理。

噪声估计步骤A3：对于非激活用户，统计噪声功率σ_n ²：

${{\mathrm{\σ}}_n}^2=\frac{128}{16}\text{\·}\underset{n=1}{\overset{16}{\mathrm{\Σ}}}{\hat{h}}_{\mathrm{unactive}}\left(n\right)$

其中是从第2步从

中选出的任意一个非激活用户的信道冲激响应。

构造系统矩阵步骤A4：

激活用户信道估计窗在中的位置winpos₁＝1。对该激活用户，按照如下公式恢复其发送的训练序列M：

M(i)＝BM((i+(8-1)×16)％128+1)，i＝1，2，...，128；

对该激活用户信道估计窗，保留4条有效径，并记录每条保留的有效径在该激活用户信道估计窗中的位置pathpos＝[1 2 3 4]，对应于第w条(1≤w≤4)有效径的发送序列为：

M_w(i)＝M((i-pathpos_w)％128+1)，i＝1，2，...，128；

建立表征信道变化的线性预测模型

表示任意激活用户的信道响应的某一径在该时隙内的变化情况；

对该激活用户，按照如下公式构造系统子矩阵S⁽¹⁾：

$S^{\left(1\right)=}\left[\begin{array}{cc}{M}_1\left(1\right)& M_1\left(1\right)\\ M_1\left(2\right)& M_1\left(2\right)\×2\\ ...& ...\\ M_1\left(128\right)& M_1\left(128\right)\×128\end{array}\right|\left.\begin{array}{cc}{M}_2\left(1\right)& M_2\left(1\right)\\ M_2\left(2\right)& M_2\left(2\right)\×2\\ ...& ...\\ M_2\left(128\right)& M_2\left(128\right)\×128\end{array}\right||\begin{array}{cc}...& ...\\ ...& ...\\ ...& ...\\ ...& ...\end{array}|\left.\begin{array}{cc}{M}_4\left(1\right)& M_4\left(1\right)\×1\\ M_4\left(2\right)& M_4\left(2\right)\×2\\ ...& ...\\ M_4\left(128\right)& M_4\left(128\right)\×128\end{array}\right]$

其中M_w＝[M_w(1)，M_w(2)，...，M_w(128)](1≤w≤4)是该激活用户信道的第w条有效径对应的发送序列；因为只有一个激活用户，系统矩阵S＝S⁽¹⁾。

估计模型参数步骤A5：

经过计算，R_H ^-1的结果为：

R_H ^-1＝diag{1，1.65×10⁶，1，1.65×10⁶，1，1.65×10⁶，1，1.65×10⁶}，

diag{·}表示以括号中的元素构成一个对角矩阵；

根据最小均方误差准则，按照如下公式计算每条径的模型参数

和

$\hat{H}={[{\hat{h}}_1^0,{\hat{h}}_1^1,{\hat{h}}_2^0,{\hat{h}}_2^1,{\hat{h}}_3^0,{\hat{h}}_3^1,{\hat{h}}_4^0,{\hat{h}}_4^1]}^T={(S^{H}S+{{\mathrm{\σ}}_n}^2{R_H}^{-1})}^{-1}{S}^{H}r,$

其中代表该激活用户信道冲激响应的第w条有效径的第i个模型参数，(·)^H表示矩阵共轭转置操作，(·)^-1表示矩阵求逆操作。

信道预测步骤A6：对位于训练序列之前的数据域1，其相应的时间序列t1满足t1∈[-367，-16]，因此其信道响应估计值为

对位于训练序列之后的数据域2，其相应的时间序列t2满足t2∈[129，480]，因此其信道响应估计值为 ${\tilde{h}}_{\mathrm{data}2}\left(t2\right)={\hat{h}}^0+{\hat{h}}^1\·t2.$

图2为本发明实施例中某次实现的信道响应估计值曲线。从图中可见，采用本发明方法得到的位于训练序列之前的数据域1的信道响应估计值曲线B1和位于训练序列之后的数据域2的信道响应估计值曲线B3与实际的信道响应曲线B2均较为接近。

为了比较本发明方法与现有方法的性能，本实施例还在不同的信噪比条件下对本发明方法和现有方法做了蒙特-卡罗仿真，图3、图4分别为上述TD-HSPA+系统采用本发明所提供的快速时变信道估计方法与中国专利申请号200810227094.0提供的基于最小二乘准则的多项式拟合的信道估计方法以及经典的斯泰纳信道估计方法的估计性能曲线比较图和误比特率性能曲线比较图。从图3可以看出，代表经典的斯泰纳信道估计方法的估计性能曲线C1性能较差，在较高信噪比的情况下也无法使估计误差降低；代表基于最小二乘准则的多项式拟合的信道估计方法的估计性能曲线C2相比经典的斯泰纳信道估计方法有较大改善，但它在低信噪比的情况下的估计性能较差，其估计误差甚至比经典的斯泰纳信道估计方法还大；而采用本发明方法时的信道估计性能曲线C3明显优于另外两种方法，特别是在低信噪比情况下(如4dB附近)，本发明方法相比最小二乘方法的性能增益高达6dB。从图4可以看出，采用本发明方法时的误比特率性能曲线D3也要好于采用基于最小二乘准则的多项式拟合方法时的误比特率性能曲线D2和采用经典斯泰纳信道估计方法时的误比特率性能曲线D3，相对基于最小二乘准则的多项式拟合方法，本发明方法在信噪比为4dB附近有大约6.5dB的性能增益。由此可见，本发明提供的快速信道估计方法是十分有效的，它能显著提高系统的信道估计性能，降低系统的误比特率。

Claims (1)

1.一种用于TD-HSPA+下行链路的快速时变信道估计的方法，先通过传统的斯泰纳信道估计方法对信道进行一次粗估计，由粗估计结果获得基站给每个激活用户发送的训练序列和噪声功率，建立一个表征信道变化的线性预测模型，构造相应的系统矩阵，然后以最小均方误差准则计算模型参数，最后由线性预测模型预测信道的变化；其特征在于依次包括以下步骤：

信道粗估计步骤A1：根据接收训练序列RM和通过广播得知的基本训练序列BM利用斯泰纳信道估计方法估计出全部用户信道冲激响应

噪声消除步骤A2：对所述全部用户信道冲激响应进行去噪处理，以区分K_a个激活用户与K_u个非激活用户；

噪声估计步骤A3：对于非激活用户，按照如下的噪声功率估计公式估计噪声功率σ_n ²：

${{\mathrm{\σ}}_n}^2=\frac{128}{W}\text{\·}\underset{n=1}{\overset{W}{\mathrm{\Σ}}}{\hat{h}}_{\mathrm{inactive}}\left(n\right),$

式中，

表示从所述全部用户信道冲激响应

选出的某个非激活用户的信道冲激响应，W是信道估计窗的长度；

构造系统矩阵步骤A4：

记录每个激活用户信道估计窗在所述全部用户信道冲激响应

中的位置winpos_k，其中k为激活用户的序号，它满足条件1≤k≤K_a；

对序号为k的激活用户，按照如下训练序列重建公式恢复其发送的训练序列M：

M(i)＝BM((i+(K-winpos_k)W)％128+1)，i＝1，2，...，128，

其中K代表信道估计窗总数，winpos_k为所述激活用户信道估计窗在所述全部用户信道冲激响应中的位置；

对序号为k的激活用户信道估计窗，保留W_m条有效径，并记录序号为w的有效径在该激活用户信道估计窗中的位置pathpos_w，序号w满足1≤w≤W_m；并按照如下等效发送序列计算公式构造对应于该有效径的发送序列M_w：

M_w(i)＝M((i-pathpos_w)％128+1)，i＝1，2，...，128；

建立表征信道变化的线性预测模型

表示任意激活用户的信道响应的某一径在该时隙内的变化情况；

对序号为k的激活用户，按照如下系统子矩阵计算公式构造系统子矩阵S^(k)： $S^{\left(k\right)=}\left[\begin{array}{cc}{M}_1\left(1\right)& M_1\left(1\right)\\ M_1\left(2\right)& M_1\left(2\right)\×2\\ ...& ...\\ M_1\left(128\right)& M_1\left(128\right)\×128\end{array}\right|\left.\begin{array}{cc}{M}_2\left(1\right)& M_2\left(1\right)\\ M_2\left(2\right)& M_2\left(2\right)\×2\\ ...& ...\\ M_2\left(128\right)& M_2\left(128\right)\×128\end{array}\right||\begin{array}{cc}...& ...\\ ...& ...\\ ...& ...\\ ...& ...\end{array}|\left.\begin{array}{cc}{M_W}_m\left(1\right)& M_{W_m}\left(1\right)\×1\\ M_{W_m}\left(2\right)& M_{W_m}\left(2\right)\×2\\ ...& ...\\ M_{W_m}\left(128\right)& M_{W_m}\left(128\right)\×128\end{array}\right]$ 式中M_w＝[M_w(1)，M_w(2)，...，M_w(128)]为该激活用户信道的第w条有效径对应的发送序列；

按照如下系统矩阵计算公式构造系统矩阵S：

$S=[S^{\left(1\right)},S^{\left(2\right)},...,S^{\left(K_a\right)}];$

估计模型参数步骤A5：

先计算参数矩阵H的协方差矩阵R_H的逆R_H ^-1：

式中，diag{·}表示以括号中的元素构成一个对角矩阵，f_max代表最大多普勒频率，f_chip代表码片速率；

然后根据最小均方误差准则，按照如下模型计算公式计算模型参数和

$\hat{H}={[{\hat{h}}_1^{0\left(1\right)},{\hat{h}}_1^{1\left(1\right)},{\hat{h}}_2^{0\left(1\right)},{\hat{h}}_{\text{2}}^{1\left(1\right)},...{\hat{h}}_{W_m}^{0\left(1\right)},{\hat{h}}_{W_m}^{1\left(1\right)},...,{\hat{h}}_1^{0\left(K_a\right)},{\hat{h}}_1^{1\left(K_a\right)},...,{\hat{h}}_{W_m}^{0\left(K_a\right)},{\hat{h}}_{W_m}^{1\left(K_a\right)}]}^T={(S^{H}S+{{\mathrm{\σ}}_n}^2{R_H}^{-1})}^{-1}{S}^{H}r,$ 其中

(1≤k≤K_a，1≤w≤W_m，i＝0，1)代表第k个激活用户信道冲激响应的第w条有效径的第i个模型参数，(·)^H表示矩阵共轭转置操作，(·)^-1表示矩阵求逆操作；

信道预测步骤A6：由线性预测模型预测信道响应h在整个时隙内的变化。

Images