CN102299872B - 水声ofdm判决二次信道均衡方法 - Google Patents

Abstract

本发明的目的在于提供水声OFDM判决二次信道均衡方法，首先进行梳状导频最小均方误差即CombMMSE信道估计，利用频响对接收数据进行一次均衡，得到一次均衡后的数据，对一次均衡后数据子载波进行解映射，再通过卷积解码或Turbo解码得到原始数据的估计，将解码后的数据按原编码规则重新进行编码，得到二次编码后的数据，将估计出来的数据子载波作为训练序列，并联合梳状导频子载波得到块状导频的估计，由此所有子信道上都有了训练数据，接下来利用块状导频最小均方误差即BlockMMSE算法，重新进行二次信道估计。本发明大大降低了梳状导频插值误差，并且可以在导频间隔较大的情况下达到较好的均衡效果。

Description

水声OFDM判决二次信道均衡方法

技术领域

本发明涉及的是一种高速水声通信的判决信道均衡方法。 

背景技术

声波是水下唯一的可进行远程传输的信息载体，随着海洋开发的不断深入，对水下移动通信的传输效率和可靠性要求也越来越高。由于水声信道具有窄带宽、强多径、高噪声、随机时-空-频变等特性，因而实现水下节点间高速率、稳健的移动通信是亟待解决的难题。正交频分复用技术具有抗多径衰落、抗突发干扰等优点，并且适合于高速数据传输。然而应用在水声环境中，节点间通信由于信道的多径效应使得某些子载波发生深度衰落，并且节点间相对运动及信道的随机时变会导致信道的多径结构产生变化，都会影响最终解调结果。所以针对以上问题进行水声OFDM信道均衡技术研究是提高系统性能的关键。 

现有的OFDM信道估计方法大体可以分为盲信道估计和导频辅助信道估计两种。盲的信道估计方法不需要传输已知数据来进行估计，可以提高有效数据的传输效率，在高传输速率的数字通信系统中具有明显的优势。但是它的收敛速度慢，计算也较复杂，不适合在复杂多变的水声信道中使用。导频辅助信道估计方法是在数据流中插入一定数量的时域或频域的已知数据(导频)，通过已知频点上信道频响来估计出整个信道的频响。其中常见的导频插入方式有块状和梳状两种。块状导频以一定的时域间隔插入完整的OFDM符号(已知)，可以无需插值直接估计出完整的信道频响，然后均衡其它数据符号，但是对于时变信道的实时跟踪性差；梳状导频均匀分布在每个OFDM符号中，通过对导频位置的信道频响插值得到数据子载波位置的信道频响，可以有效的跟踪信道时变，但存在插值误差。 

发明内容

本发明的目的在于提供适应于时变水声信道的水声OFDM判决二次信道均衡方法。 

本发明的目的是这样实现的： 

本发明水声OFDM判决二次信道均衡方法，其特征是： 

(1)梳状导频最小均方误差即CombMMSE信道估计： 

利用LS算法得到梳状导频位置的信道频响： 

其中X_C为发送的梳状导频向量构成的对角阵，R_C为接收的梳状导频向量，下脚标C表示梳状导频，FFT点数为N，梳状导频数目为N₁，数据加导频数目总和为N₂，对

进行补零处理： 

$\hat{H}\left(k\right)=\left\{\begin{array}{cc}{\hat{H}}_{\mathrm{LS}}\left(k\right)& ,1\≤k\≤N_1\\ 0& ,N_1+1\≤k\≤N\end{array}\right.,$

对

(k)做N点IFFT，得到信道冲激响应的估计： 

$g_{\mathrm{LS}}\left(n\right)=\frac{1}{N}\underset{0}{\overset{N-1}{\mathrm{\Σ}}}\hat{H}\left(k\right)e^{j\frac{2\mathrm{\π}}{N}\mathrm{nk}},$

对g_LS(n)滤波处理，并根据估计出的信道冲激响应长度

对其截断，得到  ${g^{\′}}_{\mathrm{LS}}\left(n\right),0\≤n\≤\hat{L}-1,$

进行时域自相关矩阵计算得到带入到MMSE信道估计公式中得到梳状导频最小均方误差估计(CombMMSE)的信道频响H_CombMMSE：  $H_{\mathrm{CombMMSE}}=F_2{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F}_1^H{(F_1{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F}_1^H+{{\mathrm{\σ}}^2}_n{\left(X_C{X_C}^H\right)}^{-1})}^{-1}{\hat{H}}_{\mathrm{LS}},$ 其中上脚标H表示共轭转置，上脚标-1表示矩阵求逆，σ² _n为噪声方差，导频子载波在N个子载波中对应的序号为：

数据加导频子载波对应的序号为：则F₁、F₂定义如下： 

其中

通过H_CombMMSE计算式估计出数据和导频位置的信道频响； 

(2)利用梳状导频进行CombMMSE信道估计后，得到所有数据子载波的信道频响

k为一个OFDM符号中子信道的索引，t为帧结构中的OFDM符号索引，利用该频响对接收数据Y(t，k)进行一次均衡，得到一次均衡后的数据 

$\tilde{S}(t,k)=Y(t,k)/\hat{H}(t,k),k=\mathrm{0,1},...,K,$ 其中

的上标～表示判决之前的数据符号估计，对一次均衡后数据子载波

进行解映射，再通过卷积解码或Turbo解码得到原始数据的估计

将解码后的数据

按原编码规则重新进行编码，得到二次编码后的数据：

其中E_C表示信道编码函数，

中的下脚标c，2表示第二次信道编码。对编码后的数据

重新进行子载波映射，得到映射后的数据为： 

$\hat{S}(t,k)=M\left({\tilde{d}}_{c,2}(t,k)\right),k=\mathrm{0,1},...,K,$

为了区别于判决前的数据符号估计

用

的上标^表示判决后的数据符号估计，通过二次编码和子载波映射后，将估计出来的数据子载波

作为训练序列，并联合梳状导频子载波得到块状导频的估计，由此所有子信道上都有了训练数据，接下来利用块状导频最小均方误差即BlockMMSE算法，重新进行二次信道估计：定义估计的块状导频构成的对角阵为

计算公式如下： 

${\hat{H}}_{\mathrm{mmse}2}=R_{\mathrm{HH}}{{\hat{X}}_B}^H{({\hat{X}}_B{R}_{\mathrm{HH}}{{\hat{X}}_B}^H+{\mathrm{\σ}}_n^{2}I)}^{-1}Y,$ $R_{\mathrm{HH}}=F_2{R}_{\mathrm{gg}}{F}_2^H,$

其中

的下脚标2表示第二次信道估计，R_gg为时域信道自相关矩阵，R_HH为频域信道自相关矩阵，Y为接收数据符号向量，为噪声方差，最终利用估计出来的信道频响

均衡接收数据即完成整个判决二次均衡过程。 

本发明的优势在于：移动水声通信中为了跟踪信道的时变，需要在每个符号中插入梳状导频辅助信道估计。为了保证传输效率，应尽可能大间隔的在OFDM符号中插入导频训练数据，但是导频间隔增加以后，在进行信道估计时，插值误差就比较大，针对导频间隔与插值精度的矛盾，提出了判决二次均衡的方法。判决二次均衡算法通过纠错编码对数据进行判决，并通过CombMMSE算法与BlockMMSE算法共同完成判决二次信道均衡，大大降低了梳状导频插值误差，并且可以在导频间隔较大的情况下达到较好的均衡效果。其中提出的CombMMSE算法考虑了噪声的影响，与传统的梳状导频最小二乘(LS)算法相比提高了信道估计精度，保证估计出的块状导频的准确性。 

附图说明

图1为本发明的约束长度为4，码率为1/2的卷积码编码器； 

图2为本发明的PCCC结构的Turbo编码器框图； 

图3为本发明的梳状导频MMSE算法流程图； 

图4为本发明的判决二次均衡算法流程图； 

图5为本发明的CombMMSE误码率曲线； 

图6为本发明的判决二次均衡误码率曲线。 

具体实施方式

下面结合附图举例对本发明做更详细地描述： 

结合图1～6，OFDM系统采用梳状导频辅助信道估计，利用卷积编码和Turbo编码作为二次均衡的判决方式，通过梳状导频最小均方误差(CombMMSE)算法与块状导频最小均方误差(BlockMMSE)算法共同完成判决二次信道均衡。 

OFDM系统采用梳状导频辅助信道估计，导频间隔N_CF根据实际的信道相干带宽B_C选取，即满足：

其中Δf为OFDM符号的子载波间隔。 

判决二次均衡算法采用卷积编码和Turbo编码作为判决方式。卷积编码k＝1，n＝2，约束长度K＝4，编码器框图如图1所示，采用维特比译码方式。Turbo编码器结构为并行级联卷积码(Parallel Concatenated Convolutional Codes，PCCC)，由两个反馈的系统卷积码编码器通过一个交织器并行连接而成，其中 卷积码编码器约束长度为5。编码后的校验位经过删余矩阵，从而产生不同码率的码字，其编码结构框图如图2所示。由于差错控制编码具有检错和纠错能力，对于传输过程中产生的错误码元进行了纠正，经过信道解码后，大部分数据和原始数据相同。 

梳状导频最小均方误差(CombMMSE)算法是利用梳状导频位置处的频响做IFFT得到信道冲激响应的估计，并根据估计出的噪声方差对其进行缩短和滤波，然后计算出时域信道相关矩阵后进行梳状导频位置的MMSE估计，最后通过高分辨率DFT插值得到整个信道频响的估计。CombMMSE算法流程图如图3所示。 

判决二次均衡首先利用OFDM符号中的梳状导频进行CombMMSE信道估计，然后利用估计的信道频响均衡OFDM符号中的数据子载波，均衡后的数据通过纠错码译码和重新编码后，可以形成新的导频。新导频与原梳状导频一起作为块状导频，采取BlockMMSE信道估计算法完成判决二次均衡。判决二次均衡算法流程图如图4所示。 

1、梳状导频最小均方误差(CombMMSE)信道估计 

CombMMSE算法首先利用LS算法得到梳状导频位置的信道频响： 

${\hat{H}}_{\mathrm{LS}}=R_C{X}_C^{-1}---\left(1\right)$

其中X_C为发送的梳状导频向量构成的对角阵，R_C为接收的梳状导频向量，下脚标C表示梳状导频。 

设FFT点数为N，梳状导频数目为N₁，数据加导频数目总和为N₂。对

进行补零处理，即： 

$\hat{H}\left(k\right)=\left\{\begin{array}{cc}{\hat{H}}_{\mathrm{LS}}\left(k\right)& ,1\≤k\≤N_1\\ 0& ,N_1+1\≤k\≤N\end{array}\right.---\left(2\right)$

再对

做N点IFFT，得到信道冲激响应的估计： 

$g_{\mathrm{LS}}\left(n\right)=\frac{1}{N}\underset{0}{\overset{N-1}{\mathrm{\Σ}}}\hat{H}\left(k\right)e^{j\frac{2\mathrm{\π}}{N}\mathrm{nk}}---\left(3\right)$

由于上式仅利用少量导频估计信道冲激响应，频域补零后相当于在时域插值，必然引入误差。现对g_LS(n)滤波处理，并根据估计出的信道冲激响应长度

 对其截断，得到 ${g^{\′}}_{\mathrm{LS}}\left(n\right),0\≤n\≤\hat{L}-1.$

然后进行时域自相关矩阵计算得到

带入到MMSE信道估计公式中得到梳状导频最小均方误差估计(CombMMSE)的信道频响H_CombMMSE： 

$H_{\mathrm{CombMMSE}}=F_2{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F}_1^H{(F_1{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F}_1^H+{{\mathrm{\σ}}^2}_n{\left(X_C{X_C}^H\right)}^{-1})}^{-1}{\hat{H}}_{\mathrm{LS}}---\left(4\right)$

其中上脚标H表示共轭转置，上脚标-1表示矩阵求逆，σ² _n为噪声方差。设导频子载波在N个子载波中对应的序号为：(升序排列)；数据加导频子载波对应的序号为：

(升序排列)。则F₁、F₂定义如下： 

$F_1=\left[\begin{array}{ccc}{W}_N^{k_{1}0}& L& W_N^{k_1(\hat{L}-1)}\\ M& O& M\\ W_N^{k_{N_1}0}& L& W_N^{k_{N_1}(\hat{L}-1)}\end{array}\right]---\left(5\right)$

$F_2=\left[\begin{array}{ccc}{W}_N^{k_{1}0}& L& W_N^{k_1(\hat{L}-1)}\\ M& O& M\\ W_N^{k_{N_2}0}& L& W_N^{k_{N_2}(\hat{L}-1)}\end{array}\right]---\left(6\right)$

其中故通过式(4)就可以数据和导频位置的信道频响估计出来。 

对CombMMSE算法进行仿真研究。OFDM系统带宽6-9KHz，采样率为48KHz，FFT点数为8192，循环前缀长度为20ms(大于信道最大多径时延)，采用梳状导频插值进行信道估计，导频间隔为6(小于信道相干带宽)，无信道编码。梳状导频线性插值、梳状导频DFT插值及CombMMSE算法误码率曲线如图5所示。从图5可以看出由于导频间隔较大，线性插值出现了“地板效应”，误码率不随信噪比增加而降低；DFT插值和CombMMSE算法性能较好，其中CombMMSE算法在高信噪比下误码率比DFT插值降低了一个数量级。 

2、判决二次信道均衡算法 

判决二次均衡算法流程图如图4所示。首先利用梳状导频进行CombMMSE信道估计，得到所有数据子载波的信道频响(k为一个OFDM符号中子信道的索引；t为帧结构中的OFDM符号索引，t是由OFDM符号时间归一化 后的结果)，利用该频响对接收数据Y(t，k)进行一次均衡，得到一次均衡后的数据

$\tilde{S}(t,k)=Y(t,k)/\hat{H}(t,k),k=\mathrm{0,1},...,K---\left(7\right)$

其中

的上标～表示判决之前的数据符号估计。对一次均衡后数据子载波

进行解映射，再通过卷积解码或Turbo解码得到原始数据的估计 

由于差错控制编码具有检错和纠错能力，解码后的数据能够保证大部分正确。将解码后的数据

按原编码规则重新进行编码，得到二次编码后的数据： 

${\tilde{d}}_{c,2}(t,k)=E_C\left(\tilde{d}(t,k)\right),k=\mathrm{0,1},...,K---\left(8\right)$

其中E_C表示信道编码函数，

中的下脚标c，2表示第二次信道编码。对编码后的数据

重新进行子载波映射，得到映射后的数据为： 

$\hat{S}(t,k)=M\left({\tilde{d}}_{c,2}(t,k)\right),k=\mathrm{0,1},...,K---\left(9\right)$

为了区别于判决前的数据符号估计

用

的上标^表示判决后的数据符号估计。通过二次编码和子载波映射后，将估计出来的数据子载波

作为训练序列，并联合梳状导频子载波得到块状导频的估计。这样所有子信道上都有了训练数据，接下来就可以利用块状导频最小均方误差(BlockMMSE)算法，重新进行二次信道估计。定义估计的块状导频构成的对角阵为

计算公式如下： 

${\hat{H}}_{\mathrm{mmse}2}=R_{\mathrm{HH}}{{\hat{X}}_B}^H{({\hat{X}}_B{R}_{\mathrm{HH}}{{\hat{X}}_B}^H+{\mathrm{\σ}}_n^{2}I)}^{-1}Y---\left(10\right)$

$R_{\mathrm{HH}}=F_2{R}_{\mathrm{gg}}{F}_2^H---\left(11\right)$

其中

的下脚标2表示第二次信道估计，F₂定义同式(6)，R_gg为时域信道自相关矩阵，R_HH为频域信道自相关矩阵，Y为接收数据符号向量，

为噪声方差。最终利用估计出来的信道频响

均衡接收数据即可完成整个判 决二次均衡过程。 

在时变信道下对判决二次均衡算法进行仿真研究。信号采样率为48KHz，带宽6-9KHz，8192点FFT，梳状导频间隔为6。采用卷积解码和Turbo解码作为判决方式，比较传统的梳状DFT插值和二次均衡算法性能。其中二次均衡中的一次均衡采用了CombMMSE算法，编码判决后再用BlockMMSE算法进行二次均衡，解调后数据误码率如图6所示。从图6可以看出，判决二次均衡算法性能明显优于DFT插值；Turbo编码判决方式优于卷积编码判决方式。说明判决二次均衡算法大大降低了梳状导频插值误差，并且可以在导频间隔较大的情况下达到较好的均衡效果。 

Claims (1)

1.水声OFDM判决二次信道均衡方法，其特征是：

（1）梳状导频最小均方误差即CombMMSE信道估计：

利用LS算法得到梳状导频位置的信道频响：

其中X_C为发送的梳状导频向量构成的对角阵，R_C为接收的梳状导频向量，下脚标C表示梳状导频，FFT点数为N，梳状导频数目为N₁，数据加导频数目总和为N₂，对

进行补零处理：

$\hat{H}\left(k\right)=\left\{\begin{array}{c}{\hat{H}}_{\mathrm{LS}}\left(k\right),1\≤k\≤N_1\\ 0,N_1+1\≤k\≤N\end{array}\right.,$

对

做N点IFFT，得到信道冲激响应的估计：

$g_{\mathrm{LS}}\left(n\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\hat{H}\left(k\right)e^{j\frac{2\mathrm{\π}}{N}\mathrm{nk}},$

对g_LS(n)滤波处理，并根据估计出的信道冲激响应长度

对其截断，得到 ${g^{\′}}_{\mathrm{LS}}\left(n\right),0\≤n\≤\hat{L}-1,$

进行时域自相关矩阵计算得到

代入到MMSE信道估计公式中得到梳状导频最小均方误差估计（CombMMSE）的信道频响H_CombMMSE：

$H_{\mathrm{CombMMSE}}=F_2{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F_1}^H(F_1{R}_{{g^{\′}}_{\mathrm{LS}}{g^{\′}}_{\mathrm{LS}}}{F_1}^H+{{\mathrm{\σ}}^2}_n{\left(X_C{X_C}^H\right)}^{-1}{)}^{-1}{\hat{H}}_{\mathrm{LS}},$

其中上脚标H表示共轭转置，上脚标-1表示矩阵求逆，σ² _n为噪声方差，导频子载波在N个子载波中对应的序号为：

数据加导频子载波对应的序号为：则F₁、F₂定义如下：

其中通过H_CombMMSE计算式估计出数据和导频位置的信道频响；

（2）利用梳状导频进行CombMMSE信道估计后，得到所有数据子载波的信道频响

k为一个OFDM符号中子信道的索引，t为帧结构中的OFDM符号索引，利用该频响对接收数据Y(t,k)进行一次均衡，得到一次均衡后的数据 $\tilde{S}(t,k):\tilde{S}(t,k)=Y(t,k)/\tilde{H}(t,k),k=\mathrm{0,1},...,K,$ 其中

的上标～表示判决之前的数据符号估计，对一次均衡后数据子载波进行解映射，再通过卷积解码或Turbo解码得到原始数据的估计

将解码后的数据

按原编码规则重新进行编码，得到二次编码后的数据：其中E_C表示信道编码函数，

中的下脚标c,2表示第二次信道编码，对编码后的数据

重新进行子载波映射，得到映射后的数据为：

$\hat{S}(t,k)=M\left({\tilde{d}}_{c,2}(t,k)\right),k=\mathrm{0,1},...,K,$

为了区别于判决前的数据符号估计

用

的上标^表示判决后的数据符号估计，通过二次编码和子载波映射后，将估计出来的数据子载波作为训练序列，并联合梳状导频子载波得到块状导频的估计，由此所有子信道上都有了训练数据，接下来利用块状导频最小均方误差即BlockMMSE算法，重新进行二次信道估计：定义估计的块状导频构成的对角阵为

计算公式如下：

${\hat{H}}_{\mathrm{mmse}2}=R_{\mathrm{HH}}{{\hat{X}}_B}^H({\hat{X}}_B{R}_{\mathrm{HH}}{{\hat{X}}_B}^H+{\mathrm{\σ}}_n^{2}I{)}^{-1}Y,$ $R_{\mathrm{HH}}=F_2{R}_{\mathrm{gg}}{F}_2^H,$ 其中

的下脚标2表示第二次信道估计，R_gg为时域信道自相关矩阵，R_HH为频域信道自相关矩阵，Y为接收数据符号向量，

为噪声方差，最终利用估计出来的信道频响

均衡接收数据即完成整个判决二次均衡过程。

Images