CN103117964A - 一种60GHz毫米波通信系统下的信号检测方法与装置 - Google Patents

Abstract

本发明针对60GHz毫米波非线性通信系统提出一种新信号检测方案，该方案基于贝叶斯统计推理机制，可同时有效解决系统非线性畸变及频率选择性多径衰落问题，实现对信道增益以及信源信号进行联合盲估计。本发明设计一种应用于非线性系统的重要性函数，从而克服了非线性特性对于传统贝叶斯方法的限制；进一步基于蒙特卡洛序贯重要性采样MC-SIS思想，通过一系列具有权重的离散粒子逼近实际概率密度分布函数(PDF)；最后利用粒子滤波技术实现对码元信号的实时估计与多径信道迭代更新(见附图)。本发明可应用于非线性系统的信号检测，极大提高了系统传输性能。该方法无需训练序列，同时亦可实现信号实时估计与检测。

Description

一种60GHz毫米波通信系统下的信号检测方法与装置

技术领域

本发明针对60GHz毫米波非线性通信系统下信号检测问题，设计提出一种新的信道增益和信源信号联合估计算法。该算法基于蒙特卡洛序贯重要性采样思想(Monte-Carlo SequentialImportance Sampling，MC-SIS)，通过一系列具有权重的离散粒子对后验概率进行序贯估计，实现了信号最优检测；同时根据60GHz通信系统中非线性均衡形式，利用泰勒级数展开思想，将线性化模型引入到粒子滤波设计中，有效解决了非线性问题，从而实现对信源信号以及信道增益的联合估计。属于通信领域。

背景技术

随着对短距离高速无线通信要求的日益增长，60GHz毫米波通信受到广泛关注。由于60GHz毫米波通信需要在常规传输带宽中获得超高数据传输速率，为了提高频谱利用率，通常采用高维码元调制方式例如MPSK或M-QAM。氧气对于信号的吸收在60GHz频段达到最大，因此路径损耗将严重通信系统信号传输质量。为了克服这一缺陷，在60GHz毫米波通信中通常采用功率放大器(Power Amplifier，PA)增大发射信号功率。然而PA的非线性特性使信号产生严重畸变，这种现象对接收端信号检测性能产生极大挑战。

现有两种较为常用的解决这一问题的方案。一种是通过直接降低发射功率从而减小信号的畸变，这种方法简单易行，但是这种功率回退方法(output power back-off，OBO)会导致信噪比(signal to noise，SNR)下降，从而降低系统的抗干扰性能，因此OBO方法仅能在一定程度上缓解信号畸变问题，却并不能在根本上提高具有非线性装置系统的信号传输性能；另一种方案可概括为线性化技术，这种方法复杂性较高且在实际中很难实现。

本发明针对60GHz毫米波非线性通信系统提出一种新的信号检测方案，该方案基于贝叶斯统计推理，能有效解决系统非线性畸变以及频率选择性多径衰落问题，实现对信道增益以及信源信号进行联合估计。具体的讲，本发明设计提出了一种应用于非线性系统的重要性函数，从而克服了非线性特性对于传统贝叶斯方法的限制；进一步地基于MC-SIS思想，通过一系列具有权重的离散粒子逼近实际概率密度分布函数(Probability Distribution Function，PDF)；最后利用粒子滤波技术实现对码元信号的实时估计与多径信道迭代更新。本发明可应用于非线性系统的信号检测，极大提高了系统传输性能。且该发明无需训练序列，可实现信号的实时处理。

发明内容

本发明基于一阶泰勒级数展开得到非线性观测函数的线性逼近形式，在此基础上，得到最优重要性函数以及相应的似然函数；利用PF技术对信道增益以及信源信号进行联合迭代估计。具体地说，利用前一时刻信道估计值作为已知参量结合该时刻观测信号对信源信号进行估计，进一步的，利用信号估计值和观测信号对信道增益估计值进行迭代更新，从而实现了联合盲检测。新方案在保证信号检测低复杂度与实时性要求的前提下，极大提高了信多径信道非线性系统通信性能，从而为其他应用中非线性均衡问题的解决提供一种极具应用潜力的方案。

本发明采用以下技术方案。

首先，对发射端信源随机产生幅值为“0”或“1”的二进制序列进行16QAM调制，将调制信号状态序列抽象为隐马尔科夫过程；根据IEEE 802.11adT作组给出的适用于60GHz系统功率放大器失真模型对调制信号进行非线性失真处理。

其次，建立一个动态状态空间系统模型(Dynamic State-space Model，DSM)。对于接收端，将多径信道与调制信号向量的卷积作为观测值，多径信道与码元序列都作为隐藏状态。

最后，本方法装置基于观测值实现了针对信源码元和多径信道的联合估计。利用前一时刻信道估计值作为已知参量，分别通过最优重要性采样函数与似然函数计算离散粒子及其相应权重，从而实现对该时刻码元信号进行估计；进一步的，利用该时刻信号估计值和观测信号对信道增益估计值进行迭代更新。从而实现了联合盲检测。

本发明的优点是：

1)本发明技术方案适用于60GHz毫米波传输系统中信号检测，为非线性系统信号检测提供一种全新理论，并为其实际应用奠定坚实基础；

2)本发明提出一种针对具有频率选择性多径衰落信道和非线性装置通信系统的动态状态空间模型，可更为有效地反映盲检测内在机理；

3)区别于现有应用于线性均衡的贝叶斯方法，新方案利用泰勒级数展开思想，将线性化模型引入到贝叶斯方法，从而克服了非线性对贝叶斯方法的限制；

4)该发明利用粒子滤波技术，对信道增益与发射码元进行联合估计，保证了信号检测的实时性，极大提高了在非线性系统中信号检测的性能。

附图说明

图1为非线性通信系统发射端模型。

图2为功率放大器非线性特征示意图。

图3为接收端联合盲估计流程图

图4为系统误码率性能仿真对比图。

具体实施方式

本发明建立起频率选择性多径衰落信道和非线性功放装置下的频谱感知动态状态空间模型，采用泰勒级数展开方法将非线性模型线性化，得到重要性采样函数，并采用粒子滤波技术实现信道增益和信源信号的联合估计。下面对接收信号生成及接收机接受判决过程分别阐述。

1.发射端框图如图1所示。首先随机产生幅值为“0”或“1”的二进制码元序列{b_i}(i＝0，1，2，...)。对{b_i}序列进行16QAM调制，得到调制信号{x_k}(k＝0，1，2，...)。将该调制信号经过非线性功放处理，功放的非线性影响包括幅度失真(AM-AM)和相位失真(AM-PM)。IEEE 802.11.ad工作组给出的AM-AM及AM-PM模型如式(1)和式(2)所示。

$G\left(A\right)=g\frac{A}{{(1+{(\mathrm{gA}/A_{\mathrm{sat}})}^{2s})}^{\frac{1}{2s}}}---\left(1\right)$

$\mathrm{\Ψ}\left(A\right)=\frac{\mathrm{\α}{A}^{q_1}}{(1+{(A/\mathrm{\β})}^{q_2})}---\left(2\right)$

式(1)中，A和G(A)代表输入和输出的电压幅值；线性增益g＝4.65；失真拐点平滑程度s＝0.81；输出电压幅度饱和值A_sat＝0.58V。在式(2)中Ψ(A)为输入电压幅值为A时产生的相位失真大小，单位为角度制；α，β，q₁，q₂的取值分别为2560，0.114，2.4，2.3。图2描述了功放幅值和相位失真与输入电压幅值的关系。经过PA处理，得到幅值和相位都产生畸变的信号序列经过多径信道后到达接收机，将不可避免的产生码间干扰(ISI)。接收机信号采样值{y_k}(k＝0，1，2，...)可表示为基带离散时间码元序列形式：

上式中，L表示信道h脉冲响应(CIR)长度，h服从均值为

方差为

的高斯分布，即

进一步可写作做h＝[h₀，h₁，h₂，...，h_L-1]^H。v_k表示k时刻加性白噪声，其值服从均值为0方差为δ²的高斯分布，即v_k～N(0，σ²)；

通过以上阐述，可以得到本发明中动态状态空间模型如式(4)、(5)所示：

x_k＝Fx_k-1+u_k，k＝1，2，...，(4)

y_k＝h^Hg(x_k)+v_k，k＝1，2，....，(5)

式(4)称为状态方程。x_k表示k时刻状态向量，x_k ^H＝[x_k-L+1....x_k]_1×L。x_k称为k时刻发射端隐藏状态，x_k∈{A}，k＝0，1，2，...，u_k ^H＝[0 0...x_k]_1×L；F表示L×L阶状态转移矩阵：

式(5)称为观测方程，表示接收信号y_k与隐藏状态x_k之间的映射关系；其中g(.)表示非线性PA函数，具体如式(1)(2)所示。

2.基于上述动态状态空间模型，本发明进一步对两个隐含系统状态(即信源信号和信道增益)进行联合估计。假设多径信道h统计参量

已知。估计检测算法主要基于泰勒级数展开和粒子滤波技术，包含以下五个步骤：(1)根据重要性函数产生粒子；(2)根据似然函数更新粒子对应权重；(3)将权重归一化，为避免粒子退化进行重采样；(4)根据最大后验概率准则(Maximum A Posterior Probability，MAP)估计当前调制信号，进一步的该信号进行解调从而得到最终码元信号估计值；(5)根据信号估计值更新信道统计参量。相应算法实现流程如图3所示。下面针对上述四个部分进行详细介绍：

1)根据重要性函数产生粒子

本发明利用泰勒级数一阶展开思想，将线性化模型引入到粒子滤波重要性函数设计。具体的，将观测方程(5)在x_k＝x_k ^*处进行一阶展开，如下式所示：

$y_k=h^{H}g\left(x_k^{*}\right)+h^H\left[\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}(x_k-x_k^{*})\right]+v_k---\left(6\right)$

其中

x⁽ⁱ⁾表示之前时刻生成的粒子，

由于h对接收端是未知参量，在本发明中，用前一时刻更新的信道均值统计量

代替实际h，即有式(6)可写作如下形式：

$y_k={\hat{h}}_{k-1}^{H}g\left(x_k^{*}\right)+{\hat{h}}_{k-1}^H\left[\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}(x_k-x_k^{*})\right]+v_k---\left(7\right)$

将多径信道更新均值写作

则该式可用如下形式表达：

$y_k={\mathrm{\Σ}}_{l=1}^{L-1}{\hat{h}}_{l,k-1}g\left(x_{k-l}^{\left(i\right)}\right)+{\hat{h}}_{0,k-1}g\left(x_k^{*}\right)+{\hat{h}}_{0,k-1}\left[\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}(x_k-x_k^{*})\right]+v_k---\left(8\right)$

由式(8)可得，x_k服从高斯分布。其序贯重要性函数可写作如下形式：

(9)

其中，高斯分布的方差和期望分别为：

${\mathrm{\Σ}}_{*}^{-1}=\frac{1}{{\mathrm{\σ}}^2}\×{\left[\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}\right]}^H\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}---\left(10\right)$

$m_{*}=\frac{{\mathrm{\Σ}}_{*}}{{\mathrm{\σ}}^2}\×{\left[\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}\right]}^H$ (11)

$\×[y_k-{\mathrm{\Σ}}_{l=1}^{L-1}{\hat{h}}_{l,k-1}g\left(x_{k-l}^{\left(i\right)}\right)-{\hat{h}}_{0,k-1}g\left(x_k^{*}\right)+{\hat{h}}_{0,k-1}\frac{\∂g\left(x_k\right)}{\∂x_k}{|}_{x_k=x_k^{*}}{x}_k^{*}]$

根据(9)式提供的重要性函数产生k时刻总数为P的离散粒子{x_k ⁽ⁱ⁾}。

2)根据似然函数更新产生成粒子的权重，如式(12)

$w_k^{\left(i\right)}=w_{k-1}^{\left(i\right)}\×p\left(y_k\right|x_{k-1}^{\left(i\right)},{\hat{h}}_{k-1})$

$=w_{k-1}^{\left(i\right)}\×p\left(y_k\right|x_k^{\left(i\right)},{\hat{h}}_{k-1})p\left(x_k^{\left(i\right)}\right|x_{k-1}^{\left(i\right)})---\left(12\right)$

$\∝w_{k-1}^{\left(i\right)}\×p\left(y_k\right|x_k^{\left(i\right)},{\hat{h}}_{k-1})$

由于x_0k相互独立，所以

可是视作和k无关的参量。式(12)中，似然函数服从高斯分布，即

$m_k^{\left(i\right)}={\hat{h}}_{k-1}^{H}g\left(x_k^{\left(i\right)}\right)---\left(13\right)$

${\mathrm{\σ}}_k^{2\left(i\right)}=g{\left(x_k^{\left(i\right)}\right)}^H{\widehat{\mathrm{\Σ}}}_{k-1}g\left(x_k^{\left(i\right)}\right)+{\mathrm{\σ}}^2---\left(14\right)$

因此，式(12)可写作：

$w_k^{\left(i\right)}\∝\frac{1}{\sqrt{2\mathrm{\π}{\mathrm{\σ}}_k^{2\left(i\right)}}}\exp [-\frac{{(y_k-m_k^{\left(i\right)})}^2}{2{\mathrm{\σ}}_k^{2\left(i\right)}}]\×w_{k-1}^{\left(i\right)}---\left(15\right)$

3)权重归一化重采样

a)将由式(14)计算得到的权重进行归一化，如下式所示：

$w_k^{*\left(i\right)}=\frac{w_k^{\left(i\right)}}{{\mathrm{\Σ}}_{i=1}^P{w}_k^{\left(i\right)}}---\left(16\right)$

b)尽管权重更新算法为未知状态的估计提供了一种极具应用潜力的递推算法，但该过程中也存在粒子退化问题。也即，经过若干次递推迭代之后，大部分粒子重要性权重将趋于0，从而导致估计性能的下降。克服粒子退化的一个有效方案是重采样。

重采样主要思想在于，一旦发生明显的退化现象(例如

低于某个阈值)，则在重要性采样基础上进一步淘汰权值低的粒子，而复制保留权值高的粒子，以此达到粒子抑制退化的现象。通过重采样，最后将会产生一个新粒子集合，该集合中的新粒子来自一个独立同分布的样本集

且每个粒子对应权重值均为1/P。

4)估计发射码元更新信道统计值

a)基于最大似然准则对k时刻发射码元进行判决。具体计算过程如式(17)所示：

${\hat{x}}_k=\underset{a_i\∈A}{\max }p(x_k=a_l|x_{0k-1}^{\left(i\right)},y_{0k})---\left(17\right)$

将判决得到的调制估计信号经过16QAM解调处理后，得到最终的信源信号估计序列

通过验证

对比{b_i}的误码率，可得到新算法下非线性系统的性能。

5)更新估计信道。如式(18)所示

其中，

和

分别表示在k时刻更新的信道期望和方差。计算公式如式(11)、(12)。

${\widehat{\mathrm{\Σ}}}_k={\widehat{\mathrm{\Σ}}}_{k-1}-\frac{{\widehat{\mathrm{\Σ}}}_{k-1}g\left({\hat{x}}_k\right){\left[g\left({\hat{x}}_k\right)\right]}^H{\widehat{\mathrm{\Σ}}}_{k-1}}{{\left[g\left({\hat{x}}_k\right)\right]}^H{\widehat{\mathrm{\Σ}}}_{k-1}g\left({\hat{x}}_k\right)+{\mathrm{\σ}}^2}---\left(19\right)$

${\hat{h}}_k={\hat{h}}_{k-1}+\frac{y_k-{\hat{h}}_{k-1}^{H}g\left({\hat{x}}_k\right)}{{\left[g\left({\hat{x}}_k\right)\right]}^H{\widehat{\mathrm{\Σ}}}_{k-1}g\left({\hat{x}}_k\right)+{\mathrm{\σ}}^2}{\widehat{\mathrm{\Σ}}}_{k}g\left({\hat{x}}_k\right)---\left(20\right)$

通过多次迭代更新，多径信道估计值逐步趋近实际值。

本发明通过仿真得到系统误码率曲线，如图4。通过仿真得到在不同信道初始方差取值情况下系统误码率对比曲线，如图4(a)所示。令多径信道脉冲响应长度L＝3，信道初始均值方差统计量为

δ分别为0.1、0.01和0.001。由该图可知，多径信道初始方差越小，误码率越低。当信号方差趋于0时，信道可近似为单径信道。

已知调制信号x_k∈A，A＝{±1±i，±1±3i，±3±i，±3±3i}/l，其中l为信号幅值调整参数。通过仿真得到在不同l取值情况下系统误码率对比曲线，如图4(b)所示。该图同时对比了本发明算法与传统线性贝叶斯算法误码率性能。在图(b)中，蓝色、红色以及黑色曲线分别表示l的取值为10、20和30。由图可知，l取值越大，功放非线性特性对信号产生的畸变越小，从而误码率性能越好。该图中，虚线表示使用传统线性贝叶斯算法处理非线性问题的性能，通过虚实线的对比，明显可知本发明的算法克服线性处理方法引起的地板效应，同时明显降低了非线性系统误码率。

Claims (5)

1.一种信号检测实现方法装置，能够实现多径信道非线性系统下的高性能信号检测，其特征在于：充分考虑60GHz毫米波通信系统的非线性特性，利用新提出的动态状态空间模型，实现了对于信源信号和多径信道增益的联合估计。

2.根据权利要求1所述的非线性系统下信号检测的实现方法，其特征在于：一种深入反映非线性系统下信号检测机制的系统模型，将发射端调制信号作为系统隐藏状态，并借助于一个马尔科夫链加以描述，将多径信道与调制信号向量的卷积作为系统观测值。

3.根据权利要求1所述的非线性系统下信号检测的实现方法，其特征在于：利用观测信号对信源信号和多径信道增益进行联合估计，首先基于当前时刻接收端观测信号以及前一时刻更新的信道统计值对当前时刻信源调制信号进行估计，在此基础上对信道统计值进行更新。

4.根据权利要求1所述的非线性系统下信号检测的实现方法，其特征在于：该方法将信号检测与信道估计问题抽象为贝叶斯统计推理问题，基于蒙特卡洛序贯重要性采样和最大后验概率思想，利用不受非高斯非线性限制的粒子滤波技术，利用一组序贯更新的粒子及其重要性权重来逼近后验概率，并依赖于最大后验概率准则获得信源信号的实时序贯估计，提升了频谱检测正确率。

5.根据权利要求4所述的对当前时刻信源调制信号进行估计实现方法，其特征在于：利用泰勒级数一阶展开将非线性模型线性化，由此得到用于粒子采样的重要性函数，克服了传统贝叶斯推理只能应用于线性系统的限制；同时得到最优似然函数用于权重更新。

本发明公开了一种60GHz毫米波通信系统的信号检测方法装置，基于一种新提出的信号接收端的动态状态空间系统模型，设计一种针对多径信道增益和信源码元进行联合估计信号检测方法装置。该系统中包括重要性采样、相关权重计算、重采样、根据MAP准则判决发射端调制信号和信道统计量估计更新五个模块。通过本发明所设计提出的信号检测实现方法，实现了对多径信道的迭代估计，极大地提高了非线性系统下的实际信号检测性能，在60GHz毫米波无线通信领域中具有极其广泛的应用；同时，该发明不限于60GHz毫米波无线通信领域信号检测，对于其他具有非线性特性装置的通信系统，该方法同样适用，因而在其他无线通信领域也具有极其重要的理论研究与实际应用价值。

Images