CN102387099A - 认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法 - Google Patents

Abstract

认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法，涉及通信系统中的信道参数估计技术领域。它克服了目前的误差矢量幅值估计方法需要接收符号再调制甚至再编码的缺点，可降低系统复杂性，操作简单，估计精度高，性能稳定。它利用无需调制编码的具有恒包络特性的Zadoff-Chu复数序列作为导频序列，将接收到的导频序列与理想发送的导频序列进行比较，计算出归一化的误差矢量幅值，然后根据所推导出的误差矢量幅值与信噪比之间的关系，得到信噪比的估计值。本发明适用于通信系统中的信道参数估计。

Description

认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法

技术领域

本发明涉及通信系统中的信道参数估计技术领域，具体涉及一种基于加性高斯白噪声(AWGN)信道数据辅助通信信号的信噪比(SNR)误差矢量幅值估计方法。 

背景技术

在认知无线通信系统中，通信信号的信噪比(Signal-to-Noise Ratio，SNR)估计一直是一个重要的研究内容。信噪比估计应用非常广泛，尤其是在软判决译码、功率控制、模式识别和自适应编码调制等方面起着重要的作用。目前SNR估计方法可大致可分为两类：一类是有数据辅助的(data-aided，DA)，即周期性的发送训练序列(导频)或者对发送符号有先验知识，然后根据实际接收符号和理想发送符号之间的差异或数学关系估计出SNR；一类是无数据辅助的(non-data-aided，NDA)，即盲信噪比估计，直接对实际接收数据的数学特性进行相关分析，然后估计出SNR。 

对于SNR估计的通信信号，可以分为恒包络信号(幅值为定值)与非恒包络信号(幅值变化，不为定值)两类。恒包络信号的信噪比估计方法较简单，可以将信号包络的变化归结为噪声的影响，把信号包络的方差作为噪声的功率，信号包络均值的平方作为信号功率，然后就可以较为精确地估计出信号的信噪比。而非恒包络信号的信噪比估计需要对接收信号的各种参数有精确的了解，估计精度依赖较多的先验知识(如调制方式等)，而且估计复杂度高。 

在认知无线通信相位调制方式中，多进制数字相位调制(MPSK)和多进制正交幅度调制(MQAM)是比较常用的两种调制方式。由于MPSK信号是恒包络信号，而MQAM信号是非恒包络信号，现存的SNR估计方法中，很少有能均适用于MPSK和MQAM信号的算法。而误差矢量幅值(error vector magnitude，EVM)估计方法就是上述估计方法之一。 

事实上，EVM估计方法已广泛应用于许多无线通信系统标准中，比如IEEE802.11a-1999标准和IEEE802.16e-2005WiMAX标准。EVM估计方法能减少无线通信系统的复杂性，并可在单向通信链路中提供发送机参数波动的相关信息。 

通过利用EVM和SNR之间的数学关系，EVM估计方法可比较精确地估计出AWGN复信道或多径衰落信道中的MPSK和MQAM信号的SNR值。 

EVM能通过DA或者NDA方式精确地估计出。但是，如果采用NDA方式，接收信号需要按发送机采用的调制方式进行再调制，且为了提高系统误码性能而采用软判决解调译码时，接收信号还需进行再编码。因此，当系统采用比较复杂的编码方式且要求软判决时，NDA方式的EVM估计方法的应用就有很大的局限性。而DA方式的EVM估计方法就可弥补此缺陷。在常见的通信系统中，数据往往以帧的形式发送，而为了弥补此缺陷，使用DA方式的EVM估计方法，需要在帧中加入特殊的导频序列，即无需调制编码的具有恒包络特性的复数序列，才能使系统复杂度降低，以及提高SNR值的估计精度。 

发明内容

本发明是为了解决现有EVM估计方法对接收信号需有先验知识或接收信号需再调制与再编码，系统复杂性程度较高的问题，从而提供一种认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法。 

认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法，它由以下步骤实现： 

步骤一、在认知无线系统的发送端调制器输出的每帧发送数据符号前，将每帧发送数据符号分别与符号数为N的导频序列相加，所述符号数为N的导频序列为理想Zadoff-Chu复数序列x(n)，表示为： 

其中，n＝1，2，...，N，j是虚数符号，从而实现导频序列与发送端调制器输出的数据的帧组装，并根据公式： 

P₀＝E[|x(n)|²] 

获得导频序列的平均功率P₀，式中，E[·]表示求括号中的数学期望； 

步骤二、将步骤一中组装后的帧通过加性高斯白噪声信道，加入复高斯白噪声ω(n)，所述复高斯白噪声ω(n)的功率谱密度为N₀/2，N₀为常数，且服从均值为0的高斯分布； 

步骤三、接收端从加性高斯白噪声信道接收步骤二发射的帧，并对接收到的帧中的数据与导频进行分离，获得接收导频序列y(n)； 

步骤四、采用步骤三中获得的导频序列y(n)与步骤一中所述的理想Zadoff-Chu复数 序列x(n)相减后求复数模，并取平均，获得平均结果E[|y(n)-x(n)|²]； 

步骤五、将步骤四中获得的平均结果E[|y(n)-x(n)|²]通过公式： 

${\mathrm{EVM}}_{\mathrm{RMS}}=\sqrt{\frac{E\left[{|y\left(n\right)-x\left(n\right)|}^2\right]}{P_0}}$

获得归一化的误差矢量幅值EVM_RMS； 

步骤六、将步骤五中获得的归一化的误差矢量幅值EVM_RMS代入公式： 

${\mathrm{EVM}}_{\mathrm{RMS}}\≈\sqrt{\frac{N_0}{P_0}}=\sqrt{\frac{1}{\mathrm{SNR}}}$

从而获得通信信号的信噪比误差矢量幅值的估计值。 

步骤一中所述的理想Zadoff-Chu复数序列x(n)的含义是无需调制编码的具有恒包络特性的Zadoff-Chu复数序列。 

有益效果：本发明利用无需调制编码的具有恒包络特性的Zadoff-Chu复数序列作为导频序列，将接收到的导频序列与理想发送的导频序列进行比较，计算出统计值EVM，然后根据EVM与SNR之间的数学关系，得到通信信号的信噪比的估计值。本发明克服了目前的误差矢量幅值估计方法需要接收符号再调制甚至再编码的缺点，可降低系统复杂性，操作简单，估计精度高，性能稳定。 

附图说明

图1是等效基带通信系统的结构示意图；图2为图1中的帧组装后的结构示意图；图3是本发明方法的原理示意图。 

具体实施方式

具体实施方式一、结合图1至图3说明本具体实施方式，认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法，它由以下步骤实现： 

步骤一、在认知无线系统的发送端调制器输出的每帧发送数据符号前，将每帧发送数据符号分别与符号数为N的导频序列相加，所述符号数为N的导频序列为理想Zadoff-Chu复数序列x(n)，表示为： 

其中，n＝1，2，...，N，j是虚数符号，从而实现导频序列与发送端调制器输出的数据的帧组装，并根据公式： 

P₀＝E[|x(n)|²] 

获得导频序列的平均功率P₀，式中，E[·]表示求括号中的数学期望； 

步骤二、将步骤一中组装后的帧通过加性高斯白噪声信道，加入复高斯白噪声ω(n)，所述复高斯白噪声ω(n)的功率谱密度为N₀/2，N₀为常数，且服从均值为0的高斯分布； 

步骤三、接收端从加性高斯白噪声信道接收步骤二发射的帧，并对接收到的帧中的数据与导频进行分离，获得接收导频序列y(n)； 

步骤四、采用步骤三中获得的导频序列y(n)与步骤一中所述的理想Zadoff-Chu复数序列x(n)相减后求复数模，并取平均，获得平均结果E[|y(n)-x(n)|²]； 

步骤五、将步骤四中获得的平均结果E[|y(n)-x(n)|²]通过公式： 

${\mathrm{EVM}}_{\mathrm{RMS}}=\sqrt{\frac{E\left[{|y\left(n\right)-x\left(n\right)|}^2\right]}{P_0}}$

获得归一化的误差矢量幅值EVM_RMS； 

步骤六、将步骤五中获得的归一化的误差矢量幅值EVM_RMS代入公式： 

${\mathrm{EVM}}_{\mathrm{RMS}}\≈\sqrt{\frac{N_0}{P_0}}=\sqrt{\frac{1}{\mathrm{SNR}}}$

从而获得通信信号的信噪比误差矢量幅值的估计值。 

步骤一中所述的理想Zadoff-Chu复数序列x(n)的含义是无需调制编码的具有恒包络特性的Zadoff-Chu复数序列。 

EVM与SNR之间的数学关系公式推导过程如下： 

EVM可定义为实际接收符号与理想发送符号的差值的均方根值，即： 

${\mathrm{EVM}}_{\mathrm{RMS}}=\sqrt{\frac{E\left[{|Y_r\left(n\right)-X_t\left(n\right)|}^2\right]}{P_0}}---\left(3\right)$

其中Y_r(n)为归一化的实际接收的符号(在此处即为y(n))，X_t(n)为理想发送符号(在此处即为x(n))，P₀为发送符号平均功率，可表示为 

P₀＝E[|X_t(n)|²]                    (4) 

如果被估计的序列长度N相对足够大，则： 

$E\left[{|Y_r\left(n\right)-X_t\left(n\right)|}^2\right]\≈\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{|Y_r\left(n\right)-X_t\left(n\right)|}^2=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{|y\left(n\right)-x\left(n\right)|}^2---\left(5\right)$

将(2)式代入(5)式可得： 

$E\left[{|Y_r\left(n\right)-X_t\left(n\right)|}^2\right]\≈\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|\mathrm{\ω}\left(n\right)\right|}^2=N_0---\left(6\right)$

由(3)式与(6)式可得： 

${\mathrm{EVM}}_{\mathrm{RMS}}\≈\sqrt{\frac{N_0}{P_0}}=\sqrt{\frac{1}{\mathrm{SNR}}}---\left(7\right)$

因此，根据(7)式中EVM与SNR之间的数学关系，可精确地估计出SNR的数值。 

Claims (2)

1.认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法，其特征是：它由以下步骤实现：

步骤一、在认知无线系统的发送端调制器输出的每帧发送数据符号前，将每帧发送数据符号分别与符号数为N的导频序列相加，所述符号数为N的导频序列为理想Zadoff-Chu复数序列x(n)，表示为：

其中，n＝1，2，...，N，j是虚数符号，从而实现导频序列与发送端调制器输出的数据的帧组装，并根据公式：

P₀＝E[|x(n)|²]

获得导频序列的平均功率P₀，式中，E[·]表示求括号中的数学期望；

步骤二、将步骤一中组装后的帧通过加性高斯白噪声信道，加入复高斯白噪声ω(n)，所述复高斯白噪声ω(n)的功率谱密度为N₀/2，N₀为常数，且服从均值为0的高斯分布；

步骤三、接收端从加性高斯白噪声信道接收步骤二发射的帧，并对接收到的帧中的数据与导频进行分离，获得接收导频序列y(n)；

步骤四、采用步骤三中获得的导频序列y(n)与步骤一中所述的理想Zadoff-Chu复数序列x(n)相减后求复数模，并取平均，获得平均结果E[|y(n)-x(n)|²]；

步骤五、将步骤四中获得的平均结果E[|y(n)-x(n)|²]通过公式：

${\mathrm{EVM}}_{\mathrm{RMS}}=\sqrt{\frac{E\left[{|y\left(n\right)-x\left(n\right)|}^2\right]}{P_0}}$

获得归一化的误差矢量幅值EVM_RMS；

步骤六、将步骤五中获得的归一化的误差矢量幅值EVM_RMS代入公式：

${\mathrm{EVM}}_{\mathrm{RMS}}\≈\sqrt{\frac{N_0}{P_0}}=\sqrt{\frac{1}{\mathrm{SNR}}}$

从而获得通信信号的信噪比误差矢量幅值的估计值。

2.根据权利要求1所述的认知无线系统中基于加性高斯白噪声信道数据辅助通信信号的信噪比误差矢量幅值估计方法，其特征在于步骤一中所述的理想Zadoff-Chu复数序列x(n)的含义是无需调制编码的具有恒包络特性的Zadoff-Chu复数序列。

Images