CN103227766A - 一种基于循环训练序列的信道估计方法 - Google Patents

Abstract

本发明提供了一种基于循环训练序列的信道估计方法。在接收端，对匹配滤波器(相关器)的输出以相关峰为中心进行截取补零，达到时域去噪的效果；对截取补零后的序列在频域做补偿，减小补零造成的能量损失。

Description

一种基于循环训练序列的信道估计方法

技术领域

本发明涉及各种数字通信系统，包括无线通信系统和有线通信系统。无线通信系统如移动通信系统和无线局域网等，有线通信系统如同轴电缆、电话线和电力线通信系统等。特别涉及单载波或多载波系统中基于循环训练序列的信道估计问题。 

背景技术

一个通信系统的发射机和接收机之间往往有多条传播路径，这种多径信道使发送信号的频谱产生严重的失真，即多径信道使发送信号产生频率选择性失真。如何解决多径信道的频率选择性问题是通信系统设计面临的挑战。信道估计是在接收机中进行相干检测的前提，信道估计的准确性对通信系统的性能具有决定性影响。 

实际中常用的信道估计方法是基于训练序列(或导频)的信道估计。发信机定期或不定期地发送具有某种结构的训练序列，收信机从叠加了噪声的接收信号中估计信道的时域冲激响应或频域转移函数，用于数据的解调。 

本发明中涉及的训练序列是一种具有循环结构的训练序列，该序列是由一个基本序列重复一次或多次得到的，如图1所示。 

基本序列一般是预先在时域或频域定义的，往往具有较好的自相关特性。训练序列既可能放在一帧的前面，也可能放在一帧的中间。循环训练序列除用于信道估计外，还可能用于系统同步等其它功能，图2是常见的一种采用匹配滤波器进行信道估计的方法，匹配滤波器的输出将出现明显的相关峰，可用于 系统的同步。如图2所示，接收序列与本地参考序列进行相关运算，输出序列中包含了信道的传输特性，一种利用匹配滤波器的输出序列进行信道估计的方法简述如下： 

设训练序列为∑p(n)，表示由基本序列p(n)重复多次组成，信道冲激响应为h(n)，那么，经过信道的接收信号可表示为 

x(n)＝∑p(n)*h(n)+w(n) 

其中w(n)为加性高斯白噪声；接收信号x(n)经过相关器的输出为 

y(n)＝x(n)*p*(N-1-n) 

代入x(n)得 

y(n)＝∑p(n)*h(n)*p^*(N-1-n)+w(n)*p^*(N-1-n) 

＝∑p(n)*p^*(N-1-n)*h(n)+w(n)*p^*(N-1-n) 

＝r_p(n)*h(n)+w(n)*p^*(N-1-n) 

上式中，*表示卷积，p^*(N-1-n)是本地参考序列，N是参考序列长度，因为训练序列是p(n)重复多次组成的，所以相关(卷积)结果r_p(n)具有循环相关特性，即： $r_p\left(n\right)=\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}p*(N-1-m)p{\left((n-m)\right)}_N.$

对相关器输出y(n)进行快速付里叶变换(FFT)得 

Y(k)＝H(k)R_p(k)+W(k)P^*(k)＝H(k)|P(k)|²+W(k)P^*(k) 

其中H(k)、R_p(k)、P(k)、W(k)分别对应h(n)、r_p(n)、p(n)、w(n)的付里叶变换。基本序列既可以在时域定义p(n)，也可以在频域定义P(k)。由于p(n)和P(k)是预先知道的，那么，对信道频域转移函数H(k)的估计为 

$\hat{H}\left(k\right)=Y\left(k\right)/|P{\left(k\right)|}^2$

这种估计方法本质上是传统的最小二乘(LS)方法。LS方法的特点是计算简单，易于实现，但估计性能难以达到实际要求。本发明是对LS估计的改进方 法，计算复杂度低，在低信噪比情况下效果更好。 

发明内容

本发明针对基于训练序列的信道估计方法进行了两点改进：1、对相关器输出以峰值为中心进行截取，再对截取后的序列进行FFT；2、对改进1得到的信道估计结果在频域进行补偿。截取虽然造成了有用信号的失真，但可以预先估计失真的大小，并在频域对失真进行补偿。 

第一个改进是对相关器输出y(n)以相关峰为中心进行截取，对应于一组完整的循环相关序列，就是截取其两端，中间部分用全零序列代替。由于相关器输出序列的能量集中在相关峰附近，该截取方法虽然也造成了有用信号的失真，但去除噪声能量更大，从而，获得了时域去噪的效果。在低SNR条件下，截取法信道估计的性能更好。 

设基本序列p(n)长度为N，训练序列是若干基本序列的重复。将训练序列通过以p(n)为本地参考序列的相关器，也就是以p^*(N-1-n)为单位冲激响应的匹配滤波器，匹配滤波器的输出记为y(n)，见图3。图3中曲线1为理想的循环相关结果r_p(n)，曲线2为经过噪声信道的相关结果。由图3不难看出，循环相关序列的能量集中在两端(峰值附近)，中间部分相关性很弱，近似为零。比较曲线1和曲线2，在低相关性部分，噪声功率远大于信号功率，据此，提出了本发明的第一个改进方案。 

改进一是按照一定的比例截取相关峰附近的数据，而其余低相关性部分的数据用零代替。这种方法以损失少量的信号能量为代价而去除了大量的噪声，从而提高了估计的性能。特别在低信噪比的情况下，这种改进方法效果显著。 

设相关峰的位置为n＝0，即y(0)是一个相关峰。对于一组完整的循环相关序 列，具体的截取方法是，保留首尾各J+1、J个数据，其他位置以零代替： 

$\hat{y}\left(n\right)=\left\{\begin{array}{c}y\left(n\right)0\≤n\≤J,N-J\≤n\≤N-1\\ 0\mathrm{elsewhere}\end{array}\right.$

截取长度J的选取满足两个条件： 

1、设信道的最大延时为L_max个采样点，则取J≥L_max，防止信号能量集中的部分被零代替； 

2、根据理想的r_p(n)，选取J使满足|r_p(J)|≈0，因为相关结果r_p(n)具有波动性，这样可以减小数据置零导致的信号突变。 

第二个改进是对相关序列

的频域形式

进行补偿。 

因为改进一的截取法会损失信号能量，特别当J比较小时，损失的能量会比较大，从频域上看，这种损失会导致信号带宽的边缘有明显的失真，如图4。图中曲线1是理想的信道频谱特性，曲线2是改进一估计得到的信道频谱特性，显然，改进一的频谱两端有明显失真。据此，提出了改进二。 

设理想的信道频谱H(k)，改进一为

0≤k≤K-1，K是子载波数，参数J表明改进一的估计值

和截取的长度有关。不同子载波对应的补偿系数为： 

$\mathrm{factor}(J,k)=\frac{\left|H\left(k\right)\right|}{\left|{\hat{H}}_1(J,k)\right|}$

得补偿后的频谱： 

${\hat{H}}_2(J,k)={\hat{H}}_1(J,k)\mathrm{factor}(J,k)$

所以，只要已知补偿系数factor(J，k)，采用这种方法就能有效的补偿截取造成的能量损失，且补偿方法简单。针对各种多径信道模型和不同噪声环境的仿真结果表明，只要对频带边缘处的子载波进行补偿，即可取得较好的补偿效果。图5 是一个典型的频域补偿系数分布图，不同的曲线对应J的不同取值。 

本发明的优点在于：1、改进一对相关序列的截取能量损失小，噪声抑制显著；2、改进二在频域做补偿简单有效；3、两种改进方法复杂度低，易于实现；4、不需要预先知道信道的统计信息。 

本发明更适于低信噪比情况，弥补了LS方法的不足。 

附图说明

图1具有循环结构的训练序列； 

图2采用匹配滤波器的信道估计模型； 

图3匹配滤波器输出的循环相关序列，仿真参数见表1、表2，信噪比5dB； 

图4改进一信道频率特性曲线与理想频率特性的比较，仿真参数见表1、表2，信噪比8dB，截取参数J为22； 

图5不同截取长度对应的频率特性补偿系数，仿真参数见表1、表2； 

图6改进法信道估计结果与LS方法的比较；信道理想频谱H(k)、LS估计频谱 

改进一估计频谱改进二估计频谱

的幅值特性对比图，仿真参数见表1、表2、表3，信噪比8dB，截取参数J为22； 

图7改进法不同截取长度下均方误差性能与LS方法的比较，仿真参数见表1、表2、表3。 

具体实施方法 

下面以一个用于电力线载波通信的OFDM系统为例，给出系统信道估计部分的参数具体配置，并阐述本发明的具体实现步骤。 

该OFDM系统中共有36个子载波，FFT点数为256；基本序列p(n)由调制在 36个可用子载波上的P(k)作256点IFFT得到，表1给出了本系统的P(k)序列，其中23≤k≤58，即36个子载波的分布；训练序列由2个基本序列组成；信道的最大时延L_max为18个采样点，即45μs。具体的信道延时功率谱模型见表2。 

表1在频域定义的基本序列P(k) 

表2信道延时功率谱模型 

接收序列经过匹配滤波器(相关器)，出现两个相关峰，取第一个相关峰和相关峰之间的数据，将这256个循环相关结果y(n)(0≤n≤255)用于信道估计。 

基于以上条件，根据改进一中截取长度J的选取方法，得到J的选取范围：22，29，36，43，50，57，64，71，78，85。根据改进二中获取频域补偿系数的方法，通过大量仿真，统计得到本系统的补偿系数factor(J，k)，见表3，表中列出了k＝23，24，57，58处的补偿系数，其他子载波处为1。 

表3频域补偿系数 

信道估计分成如下步骤： 

步骤1：对y(n)作256点FFT得Y(k)，则36个子载波的LS估计值： 

$\hat{H}\left(k\right)=Y\left(k\right)/|P{\left(k\right)|}^2$ 23≤k≤58 

步骤2：根据改进一，对y(n)进行截取，其中，y(0)对应了相关峰，所以改进后的相关序列为： 

$\hat{y}\left(n\right)=\left\{\begin{array}{c}y\left(n\right)0\≤n\≤J,256-J\≤n\≤255\\ 0\mathrm{elsewhere}\end{array}\right.$

步骤3：对

作256点FFT得Y₁(k)，改进一的信道估计值： 

${\hat{H}}_1\left(k\right)=Y_1\left(k\right)/|P{\left(k\right)|}^2$ 23≤k≤58 

步骤4：对36点

估计值做补偿，根据预先统计得到的36点补偿系数factor(J，k)，得改进二的估计结果

即： 

${\hat{H}}_2\left(k\right)={\hat{H}}_1\left(k\right)\mathrm{factor}(J,k)$

步骤5：计算信道LS估计值改进一估计值

改进二估计值的均方误差MSE，分析比较三种方法的性能： 

$\mathrm{MSE}=E\left\{\right|\hat{H}-{H|}^2\}$ 。

Claims (3)

1.一种基于训练序列的信道估计算法，其特征在于对相关得到的循环相关结果进行截取补零，得到改进的相关序列，对它进行FFT变换，并在频域做补偿。

2.根据权利要求1所述的截取方法，其特征在于对一组完整的循环相关序列，截取其两端，中间部分用全零序列代替，即：

$\hat{y}\left(n\right)=\left\{\begin{array}{c}y\left(n\right)0\≤n\≤J,N-J\≤n\≤N-1\\ 0\mathrm{elsewhere}\end{array}\right.$

其中，N为一组循环相关序列的长度。

3.根据权利要求1所述的补偿方法，其特征在于对权利要求2中得到的

先做N点FFT变换，得一次信道估计值根据J的大小，用预先统计得到的补偿系数factor(J，k)补偿

得二次信道估计值

Images