CN103428126B - 一种基于梳状导频的ofdm自适应信道估计方法 - Google Patents

Abstract

本发明公开了一种基于梳状导频的OFDM自适应信道估计方法，发射端在每个OFDM符号中插入梳状插值导频，并产生训练导频。梳状插值导频在频率方向上周期分布，训练导频和插值导频的位置与数值对接收端均是已知的。对于每个OFDM符号，接收端根据插值导频的信道估计值对训练导频进行插值，计算其信道估计值，结合直接估计得到的训练导频的信道估计值对抽头系数进行训练，每个OFDM符号中的所有的训练导频全部训练后，即可通过抽头系数得到插值系数，再根据插值系数得到数据的信道估计值。本发明适用于采用梳状插值导频的OFDM通信系统，通过采用训练导频，可以在信道统计特性未知的情况下进行信道估计，并且可以自适应跟踪时变信道、对抗严重多径衰落。

Description

一种基于梳状导频的OFDM自适应信道估计方法

技术领域

本发明属于无线通信技术领域，更为具体地讲，涉及一种基于梳状导频的OFDM自适应信道估计方法。

背景技术

OFDM(OrthogonalFrequencyDivisionMultiplexing，正交频分复用)是一种特殊的多载波调制技术，它在对抗多径衰落方面有着天然的优越性，很适合高速数据传输。因此OFDM在现代无线宽带接入系统中得到了广泛的应用，如DAB(DigitalAudioBroadcasting，数字音频广播)，DVB(DigitalVideoBroadcasting，数字电视广播)，LTE(LongTermEvolution，长期演进)，WiFi，WiMAX(WorldwideInteroperabilityforMicrowaveAccess，即全球微波互联接入)等。在无线OFDM系统中，多径效应和多普勒效应分别会导致无线信道具有频域选择性衰落和时间选择性衰落特性，对采用相干解调的接收机会产生恶劣的影响，使系统性能下降。因而，需要有高性能的信道估计方法来准确地获取信道信息，并通过信道均衡消除多径信道的影响。

单频网(SFN：SingleFrequencyNetwork)由于其组网方式具有：频谱利用率高，能扩大有效覆盖范围，适于移动、便携接收等优点，在近年来得到了广泛的应用，如欧洲的DVB-T/H标准等。在单频网中，所有发射机同时在相同频率上发射相同数据，这样接收机在接收相邻小区或更远小区的发射机数据时，必然会产生长时延多径延时。长时延多径延时会造成严重的多径衰落，这在单载波系统中是无法处理的。因为对于相同的带宽，单载波系统的符号周期要比多载波系统短得多，因而对多径衰落要敏感得多。在多载波系统中，传统的信道估计算法在对抗SFN长时延信道也存在不足。

现有的OFDM系统信道估计可以采用采用多项式插值以及数字插值滤波器插值等方法。多项式插值又包括线性内插、二阶高斯内插、三次拉格朗日内插、三次样条内插等。数字插值滤波器插值又包括低通sinc加窗函数内插等。然而，多项式插值虽然不需要信道的统计特性，但是只适用于短时延信道。数字插值滤波器插值可以适用于长时延信道，但是需要信道的统计特性，如信道的最大多径时延，这在实际中往往是不知道的，需要通过其他方法来估计，增加了算法的复杂度。而且要想使其自适应跟踪信道变化，算法的复杂度又会大大提升。

发明内容

本发明的目的在于克服现有技术的不足，提供一种低复杂度的基于梳状导频的OFDM自适应信道估计方法，能在信道特性未知的情况下进行信道估计，并且能够对抗严重多径衰落。

为实现上述发明目的，本发明基于梳状导频的OFDM自适应信道估计方法，其特征在于包括以下步骤：

S1：发射端在每个OFDM符号插入梳状插值导频，插值导频在频率方向上是周期分布的，其周期记为D_f；插值导频的位置与数值对于接收端是已知的；

S2：在每个OFDM符号中产生训练导频，记第l,l＝0,1,2,…个OFDM符号中包括N_l＞0个训练导频，N_l为预设的训练导频的个数；训练导频的位置与数值对于接收端是已知的；

S3：接收端依次接收发送的OFDM符号，估计得到第l个OFDM符号中插值导频处和训练导频处信道频域响应，得到插值导频处的信道估计值和训练导频处的信道估计值k为第l个OFDM符号中插值导频对应的子载波，k_m,m＝0,1,…,N_l-1为第l个OFDM符号中训练导频对应的子载波；

S4：对第l个OFDM符号进行数据信道估计，包括步骤：

S4.1：依次对第l个OFDM符号的N_l个训练导频进行训练，计算第m个训练导频的误差信号 $e_l\[n\]={\tilde{H}}^{\′}\[l,k_m\]-\underset{i=0}{\overset{N_f-1}{\Σ}}{\hat{w}}_i^{*}\[n\]\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\],$ 其中上标^*表示共轭；为抽头系数，在第n-1个训练导频训练时得到；N_f＝Q_fD_f+1，Q_f＝λ₁+λ₂+1，λ₁、λ₂为设置的参数，λ₁≥0、λ₂≥0；当k_m+λ₁D_f-i不属于OFDM符号子载波范围时，其中0≤i≤N_f-1；

S4.2：更新抽头系数 ${\hat{w}}_i\[n+1\]={\hat{w}}_i\[n\]+\mathrm{\ρ}\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\]e_l^{*}\[n\],i=0,...,N_f-1,$ 其中ρ为预设的步长，为第n+1个训练导频的抽头系数，第0个OFDM符号的第0个训练导频对应的抽头系数当第l个OFDM符号的N_l个训练导频全部训练完时，输出插值系数 $b_l\[j\]={\hat{w}}_{j+{\mathrm{\λ}}_1{D}_f}^{*}\[\underset{y=0}{\overset{l}{\Σ}}{N}_y\],j=-{\mathrm{\λ}}_1{D}_f,-{\mathrm{\λ}}_1{D}_f+1,...,({\mathrm{\λ}}_2+1)D_f-1;$

S4.3：根据插值系数b_l[j]，计算第l个OFDM符号中数据的信道估计值为：k_d为第l个OFDM符号中数据对应的子载波。

本发明创造了基于梳状导频的OFDM自适应信道估计方法。在发射端OFDM符号中插入梳状插值导频，并产生训练导频，其中梳状插值导频在频率方向上周期分布，而训练导频为沿频率方向随机分布。对于每个OFDM符号，接收端依据训练导频提供的信道信息参考对内插器抽头系数进行训练，利用训练后的抽头系数改善信道估计的精确度。

本发明适用于采用梳状插值导频以及任何可以通过一维时间方向插值(TDI：TimeDirectionInterpolation)转化为梳状导频的插值导频的OFDM通信系统，而且仅进行一维频率插值(FDI：FrequencyDomainInterpolation)。本发明可以实现以下有益效果：

(1)、通过采用训练导频，可在信道统计特性未知的情况下进行信道估计；

(2)、由于每个OFDM符号中均插有训练导频，通过对每个OFDM符号的插值系数进行训练与更新，实现了对信道的自适应跟踪；

(3)、经仿真表明，本发明可以对抗严重多径衰落。

附图说明

图1是采用本发明基于梳状导频的OFDM自适应信道估计方法的OFDM系统结构示意图；

图2是本发明中数据与导频的一种具体实施方式结构示意图；

图3是本发明基于梳状导频的OFDM自适应信道估计方法在接收端的一种具体实施方式流程图；

图4是本发明与现有技术的时域响应特性对比示意图；

图5是本发明在不同步长下的收敛特性仿真；

图6是本发明与现有技术在诺基亚手持信道下误码特性对比仿真；

图7是本发明与现有技术在不同SFN回声时延下误码性能对比仿真。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

图1是采用本发明基于梳状导频的OFDM自适应信道估计方法的OFDM系统结构示意图。如图1所示，本发明的主要思想是在发射端插入插值导频，并产生训练导频。训练导频的产生包括两种方式：插入已知训练信息和判决反馈产生训练导频。插值导频的作用与现有技术一样，用于对数据进行插值。训练导频的作用是用于训练插值系数。与插值导频一样，训练导频的位置与数值对于接收端是已知的，因此本发明在接收端，可以直接采用已知的训练导频来训练插值系数，而不需要已知信道统计特性。

图2是本发明中数据与导频的一种具体实施方式结构示意图。如图2所示，每行为一个OFDM符号，本发明适用对象为插值导频在频率方向上是均匀分布的，即插值导频在频率方向是周期的，记频率方向上的周期为D_f。而且在本发明中，对插值导频仅进行一维频率插值(FDI：FrequencyDomainInterpolation)。在每个OFDM符号中均含有训练导频，训练导频的位置和个数在每一个OFDM符号中都可以是不一样的。训练导频的位置最好在频率轴上随机分布，其随机规则对接收端是已知的，这样所有的插值系数都可以得到充分训练。训练导频的个数N_l是设置的，需要根据插值系数的收敛特性来确定。第l,l＝0,1,2,…个OFDM符号中包括N_l＞0个训练导频，这N_l个训练导频对应的子载波位置记为k_m,m＝0,1,…,N_l-1。

在现有技术中，接收端基于导频内插的信道估计分为两步：第一步，估计插值导频处CFR(Channelfrequencyresponse，信道频域响应)；第二步，利用插值算法求出插值系数，进而估计数据处CFR。本发明中，记插值导频处的信道估计值为k为第l个OFDM符号中插值导频对应的子载波，数据(l,k_d)处的信道估计值(即CFR)可由式(1)得到，k_d为第l个OFDM符号中数据对应的子载波。

$\hat{H}\[l,k_d\]=\underset{j=-{\mathrm{\λ}}_1{D}_f}{\overset{({\mathrm{\λ}}_2+1)D_f-1}{\Σ}}{b}_l\[j\]\tilde{H}\[l,k_d-j\]---\left(1\right)$

其中，λ₁、λ₂为设置的参数，λ₁≥0、λ₂≥0；当k_d-j,-λ₁D_f≤j≤(λ₂+1)D_f-1不属于OFDM符号子载波范围时，

可见，在对数据(l,k_d)进行插值信道估计时，使用的CFR为第l个OFDM符号中子载波为k_d-(λ₂+1)D_f+1至k_d+λ₁D_f上存在的插值导频处的CFR。如图2所示，D_f＝3，此处设定λ₁＝2、λ₂+1＝1，因此-6≤j≤2。对于数据Z，设其所在OFDM符号序号为l、子载波为k_d，那么，k_d-2≤k_d-j≤k_d+6。那么对数据Z进行插值信道估计时，所采用的插值导频的信道估计值为图2中方框中包括的插值导频的信道估计值。λ₁、λ₂两个参数的大小，决定了进行插值时使用的插值导频的多少，参数值越大，使用的插值导频越多，得到的数据的信道估计值越准确，但是计算复杂度也会随之增大。在实际应用中，可以根据需要进行确定。

可以看出，仅仅由插值导频处信道估计算法决定。因此在插值导频处采用了相同估计方法时，数据处信道估计值仅仅和插值系数b_l[j]有关。现有技术中b_l[j]的计算有很多种方法，如多项式插值以及数字插值滤波器插值等方法。多项式插值又包括线性内插、二阶高斯内插、三次拉格朗日内插等。数字插值滤波器插值又包括加KAISER窗的低通Sinc复内插等，记为复系数LPS(Low-PassSinc)。而本发明，通过训练导频可以方便地求出插值系数b_l[j]，而且完全不需要信道的统计特性，复杂度也不高，还可以自适应跟踪时变信道。下面对本发明的实现思想进行说明：

本发明中，第l个OFDM符号的第m个训练导频(l,k_m)处的信道估计值同样可由式(1)得到，即：

$\hat{H}\[l,k_m\]=\underset{j=-{\mathrm{\λ}}_1{D}_f}{\overset{({\mathrm{\λ}}_2+1)D_f-1}{\Σ}}{b}_l\[j\]\tilde{H}\[l,k_m-j\]---\left(2\right)$

构造其中N_f＝Q_fD_f+1，Q_f＝λ₁+λ₂+1，λ₁、λ₂为设置的参数，λ₁≥0、λ₂≥0；表示第l个OFDM符号的第m个训练导频；上标^*表示共轭；为抽头系数；当k_m+λ₁D_f-i,0≤i≤N_f-1不属于OFDM符号子载波范围时，可见，这样就建立了插值系数b_l[j]与抽头系数的关系。当第l个OFDM符号的N_l个训练导频全部训练完时，即时，可见采用本发明，当接收端已知插值导频与训练导频的信道估计值，就可以求得插值系数。

图3是本发明基于梳状导频的OFDM自适应信道估计方法在接收端的一种具体实施方式流程图。如图3所示，本发明中在接收端进行OFDM信道估计方法包括以下步骤：

S301：接收端依次接收OFDM符号，估计得到插值导频处的信道估计值导频处信道估计算法包括LS算法，MMSE算法等。因为LS算法简单，性能良好，而且不需要信道统计特性，在性能和复杂度之间达到了折中，所以导频处信道估计通常都是采用LS算法。本实施方式中，插值导频处信道估计采用LS算法，得到结果如下：

其中：Y[l,k]表示接收到的插值导频值，X[l,k]表示发射端映射后的插值导频值。

S302：对于每个OFDM符号，利用导频处信道估计算法估计各训练导频处的信道频域响应，得到各训练导频处的信道估计值本实施方式中，同样采用LS算法，得到结果如下：

其中：Y[l,k_m]表示接收到的训练导频值，X[l,k_m]表示发射端映射后的训练导频值。

依次对第l个OFDM符号的N_l个训练导频进行训练，得到插值系数，再根据插值系数对每个OFDM符号进行数据信道估计，训练步骤包括S303至S307。

S303：计算第l个OFDM符号第m个训练导频的误差信号 $e_l\[n\]={\tilde{H}}^{\′}\[l,k_m\]-\underset{i=0}{\overset{N_f-1}{\Σ}}{\hat{w}}_i^{*}\[n\]\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\],$ 其中 $n=\underset{y=0}{\overset{l-1}{\Σ}}{N}_y+m;{\hat{w}}_i\[n\],i=0,...,N_f-1$ 为抽头系数，在第n-1个训练导频训练时得到；N_f＝Q_fD_f+1；是第l个符号中子载波为k_m-(λ₂+1)D_f至k_m+λ₁D_f上存在的插值导频经过步骤S301得到的信道估计值。

S304：更新抽头系数 ${\hat{w}}_i\[n+1\]={\hat{w}}_i\[n\]+\mathrm{\ρ}\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\]e_l^{*}\[n\],i=0,...,N_f-1,$ 其中ρ为预设的步长，ρ的取值决定于系统在收敛速率，信道估计准确度，信噪比，信道参数等方面的需求；为第n+1个训练导频的抽头系数，第0个OFDM符号中第0个训练导频对应的抽头系数 ${\hat{w}}_i\[0\]=0,i=0,...,N_f-1.$

S305：判断当前OFDM符号中所有训练导频是否都训练完，如果没有，进入步骤S306，如果全部训练完，进入步骤S307。

S306：取下一个训练导频，即m＝m+1，返回步骤S303对下一个训练导频进行训练。

S307：根据训练得到的输出插值系数 $b_l\[j\]={\hat{w}}_{j+{\mathrm{\λ}}_1{D}_f}^{*}\[\underset{y=0}{\overset{l}{\Σ}}{N}_y\],j=-{\mathrm{\λ}}_1{D}_f,-{\mathrm{\λ}}_1{D}_f+1,...,({\mathrm{\λ}}_2+1)D_f-1.$

S308：根据步骤S307得到的插值系数b_l[j]，计算第l个OFDM符号中数据的信道估计值为： $\hat{H}\[l,k_d\]=\underset{j=-{\mathrm{\λ}}_1{D}_f}{\overset{({\mathrm{\λ}}_2+1)D_f-1}{\Σ}}{b}_l\[j\]\tilde{H}\[l,k_d-j\],\tilde{H}\[l,k_d-j\]$ 为第l个OFDM符号中子载波为k_d-(λ₂+1)D_f+1至k_d+λ₁D_f上存在的插值导频经过步骤S301得到的插值导频处的信道估计值。输出数据的信道估计值，用于对数据的恢复。

根据可以看出，本发明在应用时需要使用到当前第l个OFDM符号中子载波k_d-(λ₂+1)D_f+1至k_d+λ₁D_f上存在的插值导频，当对应的子载波不属于OFDM符号子载波范围时，不存在插值导频。由于在本发明中，根据训练导频进行插值系数训练和对数据进行插值信道估计时，需要用到其子载波之前和之后的插值导频，如果之前或之后不存在插值导频，则数据信道估计的误差较大。为了提高插值系数的准确度，进而提高数据信道估计的准确度与可靠性，在训练导频或数据子载波之前和之后应当至少有一个插值导频，因此每个OFDM符号中，第一个子载波和最后一个子载波均为插值导频，即OFDM符号包含的子载波总数Q和插值导频周期D_f满足关系：Q＝xD_f+1,x＝1,2,3,…。

可以看出，本发明通过采用训练导频，可以在不知道信道统计特性的情况下，方便地得到插值系数，完成数据的信道估计。并且由于每个OFDM符号中均插有训练导频，通过对每个OFDM符号的插值系数进行训练与更新，实现了对信道的自适应跟踪。

实施例

下面介绍本发明在DVB-H系统中的一个具体实施案例，并给出仿真结果图。系统仿真参数：FFT(FastFourierTransform，快速傅里叶变换)点数为8192，CP模式为1/4。映射模式为16QAM，并且仿真系统采用了码率为2/3的卷积编码。信道参数：诺基亚手持信道、两径SFN信道。表1是诺基亚手持信道的功率时延谱。两径SFN信道有一个0dB回声信道。

表1

因为DVB-H系统的导频结构不是梳状导频，但是可以通过TDI转化为梳状导频。因此为了和其他一维插值算法进行公平的性能对比，在TDI上都采用相同的插值算法。在本实施案例的各仿真中，TDI都采用CLI(CubicLagrangeInterpolation，三次拉格朗日插值)。

本实施例中，将二维离散导频作为插值导频，将连续导频作为训练导频，则对于每一个OFDM符号来说，N_l＝177。

图4是本发明与现有技术的时域响应特性对比示意图。仿真信道是最大多径时延τ_max≈T_s/4的长时延SFN信道。其中：离散的信道冲击响应(CIR：ChannelImpulseResponse)是对进行IFFT得到的。如图4所示，多项式插值的主瓣很宽，旁瓣衰减很慢，这样FDI的输出会包含不需要的CIR镜像成分，对信道估计产生恶劣影响。复系数LPS能很好地匹配SFN信道，能够分离出需要的CIR成分。但是复系数LPS需要知道信道的最大多径时延τ_max。本发明基于梳状导频的OFDM自适应信道估计方法也可以求出插值系数b_l[j]，而且不需要知道信道的统计特性，还可以自适应跟踪时变信道。由图4可以看出，本发明不但可以很准确的匹配离散分布的CIR，提取需要的CIR成分，滤掉CIR镜像，而且还能有效地抑制带内噪声。

图5是本发明在不同步长下的收敛特性仿真。该仿真结果可以为选择自适应迭代步长提供参考。每对一个训练导频进行训练即作为一次迭代。仿真参数：最大多径时延τ_max＝220μs，SNR(SignalNoiseRate，信噪比)为20dB，Q_f＝8。对于每一个步长来说，平均MSE(MeanSquareError，均方误差)都是通过30次独立试验的结果求平均得到的。如图5所示，随着步长ρ的增大，本发明提出的算法收敛速度会变快。但是大的步长ρ会造成算法不稳定。所以步长ρ的取值需要兼顾算法的收敛速度和稳定性。在本实施例的后续仿真中选择步长ρ＝0.005。

图6是本发明与现有技术在诺基亚手持信道下误码特性对比仿真。仿真采用的诺基亚手持信道令为静态信道，BER表示误码率(BitErrorRate)。如图6所示，本发明的误码性能非常好，非常接近理想信道估计，基本和MMSE算法重合了。

图7是本发明与现有技术在不同SFN回声时延下误码性能对比仿真。如图7所示，本发明对抗多径时延能力非常强，非常接近理想信道估计，基本和MMSE算法重合了。可见，本发明可以对抗严重多径衰落。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于梳状导频的OFDM自适应信道估计方法，其特征在于包括以下步骤：

S1：发射端在每个OFDM符号插入梳状插值导频，插值导频在频率方向上是周期分布的，其周期记为D_f；插值导频的位置与数值对于接收端是已知的；

S2：在每个OFDM符号中产生训练导频，记第l个OFDM符号中包括N_l＞0个训练导频，其中，l＝0,1,2,…，N_l为预设的训练导频的个数；训练导频的位置与数值对于接收端是已知的；

S3：接收端依次接收发送的OFDM符号，估计得到第l个OFDM符号中插值导频处和训练导频处信道频域响应，得到插值导频处的信道估计值和训练导频处的信道估计值k为第l个OFDM符号中插值导频对应的子载波，k_m为第l个OFDM符号中训练导频对应的子载波，其中m＝0,1,…,N_l-1；

S4：对第l个OFDM符号进行数据信道估计，包括步骤：

S4.1：依次对第l个OFDM符号的N_l个训练导频进行训练，计算第m个训练导频的误差信号 $e_l\[n\]={\tilde{H}}^{\′}\[l,k_m\]-\underset{i=0}{\overset{N_f-1}{\Σ}}{\hat{w}}_i^{*}\[n\]\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\],$ 其中上标^*表示共轭；为抽头系数，在第n-1个训练导频训练时得到，其中i＝0,…,N_f-1；N_f＝Q_fD_f+1，Q_f＝λ₁+λ₂+1，λ₁、λ₂为设置的参数，λ₁≥0、λ₂≥0；当k_m+λ₁D_f-i不属于OFDM符号子载波范围时，其中0≤i≤N_f-1；

S4.2：更新抽头系数 ${\hat{w}}_i\[n+1\]={\hat{w}}_i\[n\]+\mathrm{\ρ}\tilde{H}\[l,k_m+{\mathrm{\λ}}_1{D}_f-i\]e_l^{*}\[n\],i=0,...,N_f-1,$ 其中ρ为预设的步长，为第n+1个训练导频的抽头系数，其中i＝0,…,N_f-1，第0个OFDM符号的第0个训练导频对应的抽头系数当第l个OFDM符号的N_l个训练导频全部训练完时，输出插值系数 $b_l\[j\]={\hat{w}}_{j+{\mathrm{\λ}}_1{D}_f}^{*}\[\underset{y=0}{\overset{l}{\Σ}}{N}_y\],j=-{\mathrm{\λ}}_1{D}_f,-{\mathrm{\λ}}_1{D}_f+1,...,({\mathrm{\λ}}_2+1)D_f-1;$

S4.3：根据插值系数b_l[j]，计算第l个OFDM符号中数据的信道估计值为：k_d为第l个OFDM符号中数据对应的子载波。

2.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S1中OFDM符号的第一个子载波和最后一个子载波均为插值导频。

3.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频在OFDM符号中随机分布，其随机规则对接收端是已知的。

4.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频是已知训练信息。

5.根据权利要求1所述的OFDM自适应信道估计方法，其特征在于，所述步骤S2中训练导频通过判决反馈产生。

6.根据权利要求1至5任一所述的OFDM自适应信道估计方法，其特征在于，所述步骤S3中估计信道频域响应的方法为LS算法或MMSE算法。