CN103905350A - 一种ofdm系统中基于s-ifft的信道估计方法 - Google Patents

Abstract

本发明属于无线通信技术领域，具体涉及正交频分复用系统中的信道估计方法。本发明设长度为N的OFDM频域信号中放置长度为P的导频序列，经过信道的时域信号，在接收端通过FFT操作后将导频位置的信号提取出来，并求出其对应的信道矩阵随后基于S-IFFT思想利用计算时域信道响应最后对进行补零和IFFT操作，得到完整的频域信道估计提高了计算速率又保证了估值精度。

Description

一种OFDM系统中基于S-IFFT的信道估计方法

技术领域

本发明属于无线通信技术领域，具体涉及正交频分复用（Orthogonal Frequency DivisionMultiplexing，OFDM）系统中的信道估计方法。

背景技术

正交频分复用(Orthogonal frequency division multiplexing，OFDM)技术因为拥有很多好的特性，近些年来在无线通信领域应用十分广泛。然而想要完全实现OFDM技术所带来的的性能的提高，还需要进行相关关键技术的研究，信道估计技术就是其中之一。

OFDM的信道估计大多是基于导频的信道估计，通常称之为导频辅助调制(Pilot SymbolAssisted Modulation，PSAM)。传统的基于导频的信道估计的方法有最小平方(LeastSquares，LS)，最小均方误差(Minimum Mean Square Error，MMSE)和基于DFT的估计方法。LS信道估计算法简单，计算量小，但由于忽略了噪声影响，信道估计值对噪声干扰影响较敏感。MMSE估计比LS有更好的估计精度，但是随着运算点数的增加，其算法复杂度呈指数增长，算法复杂度过高而难于实现。基于DFT的估计算法因为有FFT所以可以降低计算复杂度，但是该方法必须在信道多径时延扩展是采样时间整数倍的前提下才能有好的性能。基于压缩感知(Compressed Sensing，CS)的信道估计是近几年提出的一种信道估计方法，典型的有基于1范数的凸规划方法，基于0范数的(Matching Pursuit，MP)和(OrthogonalMatching Pursuit，OMP)等方法。与传统的信道估计算法相比，CS类方法无需插值就能较好的重构原始信号，有较好的信道估计精度并提高了系统的频谱利用率，但是局限于信道非常稀疏的前提。

稀疏快速傅立叶逆变换（Sparse Inverse Fast Fourier Transform，S-IFFT）是一种适用于输出稀疏的快速估计算法，该算法基于IFFT原理，在拥有良好估值精度的同时又极大地提高了计算效率。

发明内容

本发明的目的是提供一种OFDM系统中基于S-IFFT的信道估计方法，包括如下步骤：

S1、设长度为N的OFDM星座点信号为X＝[X₀,…,X_N-1]^H，长度为P的导频位置集合为Π＝{Π₀,Π₁,…,Π_P-1}，导频集合为Ψ＝{ψ₁,…,ψ_P}，Π_i∈[0,N-1]，0≤i≤P-1，将导频序列按照集合Π中的位置插入信号X中，得到插有导频的频域OFDM信号

其中，Π_i∈[0,N-1]，0≤i≤P-1；

S2、将S1所述信号

进行IFFT操作，得到OFDM时域发送信号

其中，F^-1[·]表示IFFT操作；

S3、将S3所述发送信号先通过瑞利信道，再通过高斯信道，在接收端得到信号其中，h为瑞利信道的时域响应，z是高斯加性噪声；

S4、对S3所述

进行傅立叶变换，得到在频域接收信号方程Y＝diag{X}H+Z，其中，Y=Fy对应频域的接收信号，

对应频域的发射信号，Z＝Fz对应频域的噪声，H＝Fh对应信道的频率响应，F是归一化的傅立叶矩阵；

S5、抽取S4所述频域接收信号方程Y＝diag{X}H+Z中的导频对应部分分析Y_Π=diag{X_Π}H_Π+Z_Π，其中

记diag{X_Π}为χ_Π，则Y_Π=χ_ΠH_Π+Z_Π；

S6、计算S5所述Y_Π=diag{X_Π}H_Π+Z_Π中H_Π的估计值

$\begin{array}{c}{\hat{H}}_{\mathrm{\Π}}={\left({\mathrm{\χ}}_{\mathrm{\Π}}\right)}^{-1}{Y}_{\mathrm{\Π}}\\ ={[\frac{Y\left({\mathrm{\Π}}_0\right)}{X\left({\mathrm{\Π}}_0\right)},\frac{Y\left({\mathrm{\Π}}_1\right)}{X\left({\mathrm{\Π}}_1\right)},...,\frac{Y\left({\mathrm{\Π}}_{K-1}\right)}{X\left({\mathrm{\Π}}_{K-1}\right)}]}^T\end{array};$

S7、基于S-IFFT的思想估计出与S6所述

对应的时域信道相应

包括：

S71、定义时域交换函数P_σ,τ，(P_σ,τh)_i＝h_σi+τ，其中，h表示

对应的时域理想值， $h=F^{-1}\left[{\hat{H}}_{\mathrm{\Π}}\right];$

S72、内循环得到对于i∈I， ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=z_{{\mathrm{hash}}_{\mathrm{\σ}\left(i\right)}{\mathrm{\ω}}^{-\mathrm{\τi}}/G_{O_{\mathrm{\σ}\left(i\right)}}},$ 对于

${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=0,$ 其中，G为时域平坦窗函数，信道时域冲击响应大径集合为I，ω＝e^-2πi/P；

S73、外循环得到i∈I，

其中，“median”为取均值操作；

S8、在S7所述的长度为P的

尾部补足N-P个零，然后进行IFFT操作，得到完整的频域信道估计

进一步地，S72包括以下步骤：

S721、选择随机数σ,τ；

S722、定义

于是有这里表示x经过IDFT操作后的值，即：

x为任意向量，F[·]表示FFT操作；

S723、计算这其实是对

的IDFT操作；

S724、定义“哈希函数”hash_σ:[P]→[B],

其中“round”为四舍五入取整操作，

定义“频谱偏移”函数o_σ:[P]→[-P/(2B),P/(2B)]，o_σ(i)＝σi-h_σ(i)(n/B)，其中，B为“桶”的个数；

S725、估计环：对于i∈I， ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=z_{{\mathrm{hash}}_{\mathrm{\σ}\left(i\right)}{\mathrm{\ω}}^{-\mathrm{\τi}}/G_{O_{\mathrm{\σ}\left(i\right)}}},$ 对于 ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=0.$

进一步地，S73包括以下步骤：

S731、对于r∈{1,…,W}，重复内循环得到

其中，W为外环循环次数；

S732、任意i∈I，

其中，“median”为取均值操作。

本发明的有益效果是：本发明提出了一种基于S-IFFT的快速有效的信道估计算法，既提高了计算速率又保证了估值精度。如果时域冲击响应大径集合I未知，即I作为一个待估量需要在本算法实现前去估计的话，也能将

估计出来。但相较于本发明中已知集合I的情况，在信噪比低的时候，其估值精度会大幅度降低，估计不准确。

附图说明

图1是OFDM系统中基于S-IFFT的信道估计算法的流程图。

图2是发明中涉及到S-IFFT算法思想的流程图。

具体实施方式

设长度为N的OFDM频域信号中放置长度为P的导频序列，经过信道的时域信号，在接收端通过FFT操作后将导频位置的信号提取出来，并求出其对应的信道矩阵

随后基于S-IFFT思想利用

计算时域信道响应

最后对

进行补零和IFFT操作，得到完整的频域信道估计

本实施方式采用Matlab2012a仿真平台进行实验。OFDM系统参数：子载波数N=1024，循环前缀长度为256，符号周期T_s＝2.4414×10^-7s，导频序列长度为256，导频插入方式为等间隔；信道参数（EVA信道）：多径时延τ＝[0,2,8,16]×T_s，功率增益Gain＝[0,-3,-6,-9](dB)；信噪比取值区间为[-20，30](dB)；调制方式采用的QPSK；平坦窗采用的切比雪夫窗函数。

S1、设长度为N的OFDM星座点信号为X＝[X₀,…,X_N-1]^H，长度为P的导频位置集合为Π＝{Π₀,Π₁,…,Π_P-1}，导频集合为Ψ＝{ψ₁,…,ψ_P}，Π_i∈[0,N-1]，0≤i≤P-1，将导频序列按照集合Π中的位置插入信号X中，得到插有导频的频域OFDM信号其中，Π_i∈[0,N-1]，0≤i≤P-1；

S2、将S1所述信号

进行IFFT操作，得到OFDM时域发送信号

其中，F^-1[·]表示IFFT操作；

S3、将S3所述发送信号

先通过瑞利信道，再通过高斯信道，在接收端得到信号

其中，h为瑞利信道的时域响应，z是高斯加性噪声；

S4、对S3所述

进行傅立叶变换，得到在频域接收信号方程Y＝diag{X}H+Z，其中，Y=Fy对应频域的接收信号，

对应频域的发射信号，Z＝Fz对应频域的噪声，H＝Fh对应信道的频率响应，F是归一化的傅立叶矩阵；

S5、抽取S4所述频域接收信号方程Y＝diag{X}H+Z中的导频对应部分分析Y_Π=diag{X_Π}H_Π+Z_Π，其中

记diag{X_Π}为χ_Π，则Y_Π=χ_ΠH_Π+Z_Π；

S6、计算S5所述Y_Π=diag{X_Π}H_Π+Z_Π中H_Π的估计值

$\begin{array}{c}{\hat{H}}_{\mathrm{\Π}}={\left({\mathrm{\χ}}_{\mathrm{\Π}}\right)}^{-1}{Y}_{\mathrm{\Π}}\\ ={[\frac{Y\left({\mathrm{\Π}}_0\right)}{X\left({\mathrm{\Π}}_0\right)},\frac{Y\left({\mathrm{\Π}}_1\right)}{X\left({\mathrm{\Π}}_1\right)},...,\frac{Y\left({\mathrm{\Π}}_{K-1}\right)}{X\left({\mathrm{\Π}}_{K-1}\right)}]}^T\end{array};$

S7、基于S-IFFT的思想估计出与S6所述

对应的时域信道相应

包括：

S71、定义时域交换函数P_σ,τ，(P_σ,τh)_i＝h_σi+τ，其中，h表示

对应的时域理想值， $h=F^{-1}\left[{\hat{H}}_{\mathrm{\Π}}\right];$

S72、内循环，包括：

S721、选择随机数σ,τ；

S722、定义

于是有

这里表示x经过IDFT操作后的值，即：

x为任意向量，F[·]表示FFT操作；

S723、计算

i∈[B]，这其实是对的IDFT操作；

S724、定义“哈希函数”hash_σ:[P]→[B],

其中“round”为四舍五入取整操作，

定义“频谱偏移”函数o_σ:[P]→[-P/(2B),P/(2B)]，o_σ(i)＝σi-h_σ(i)(n/B)，其中，B为“桶”的个数；

S725、估计环：对于i∈I， ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=z_{{\mathrm{hash}}_{\mathrm{\σ}\left(i\right)}{\mathrm{\ω}}^{-\mathrm{\τi}}/G_{O_{\mathrm{\σ}\left(i\right)}}},$ 对于

${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=0.$

S73、外循环，包括：

S731、对于r∈{1,…,W}，重复内循环得到

其中，W为外环循环次数；

S732、任意i∈I，

其中，“median”为取均值操作；

S8、在S7所述的长度为P的

尾部补足N-P个零，然后进行IFFT操作，得到完整的频域信道估计

本发明利用上述参数在Matlab上进行实验仿真时，在信噪比较大时能够精确的估计出信道多径时延的四个脉冲响应值，较于传统的LS方法，性能基本一致；在信噪比较低时本发明也能很好的估计出信道多径时延，较于LS方法性能更加。综上，本发明提出的方法能有效保证估值精度，并且快速简捷。

Claims (3)

1.一种OFDM系统中基于S-IFFT的信道估计方法，其特征在于，包括以下步骤：

S1、设长度为N的OFDM星座点信号为X＝[X₀,…,X_N-1]^H，长度为P的导频位置集合为Π＝{Π₀,Π₁,…,Π_P-1}，导频集合为Ψ＝{ψ₁,…,ψ_P}，Π_i∈[0,N-1]，0≤i≤P-1，将导频序列按照集合Π中的位置插入信号X中，得到插有导频的频域OFDM信号其中，Π_i∈[0,N-1]，0≤i≤P-1；

S2、将S1所述信号

进行IFFT操作，得到OFDM时域发送信号

其中，F^-1[·]表示IFFT操作；

S3、将S3所述发送信号

先通过瑞利信道，再通过高斯信道，在接收端得到信号

其中，h为瑞利信道的时域响应，z是高斯加性噪声；

S4、对S3所述

进行傅立叶变换，得到在频域接收信号方程Y＝diag{X}H+Z，其中，Y=Fy对应频域的接收信号，对应频域的发射信号，Z＝Fz对应频域的噪声，H＝Fh对应信道的频率响应，F是归一化的傅立叶矩阵；

S5、抽取S4所述频域接收信号方程Y＝diag{X}H+Z中的导频对应部分分析Y_Π=diag{X_Π}H_Π+Z_Π，其中

记diag{X_Π}为χ_Π，则Y_Π=χ_ΠH_Π+Z_Π；

S6、计算S5所述Y_Π=diag{X_Π}H_Π+Z_Π中H_Π的估计值

$\begin{array}{c}{\hat{H}}_{\mathrm{\Π}}={\left({\mathrm{\χ}}_{\mathrm{\Π}}\right)}^{-1}{Y}_{\mathrm{\Π}}\\ ={[\frac{Y\left({\mathrm{\Π}}_0\right)}{X\left({\mathrm{\Π}}_0\right)},\frac{Y\left({\mathrm{\Π}}_1\right)}{X\left({\mathrm{\Π}}_1\right)},...,\frac{Y\left({\mathrm{\Π}}_{K-1}\right)}{X\left({\mathrm{\Π}}_{K-1}\right)}]}^T\end{array};$

S7、基于S-IFFT的思想估计出与S6所述

对应的时域信道相应

包括：

S71、定义时域交换函数P_σ,τ，(P_σ,τh)_i＝h_σi+τ，其中，h表示

对应的时域理想值， $h=F^{-1}\left[{\hat{H}}_{\mathrm{\Π}}\right];$

S72、内循环得到对于i∈I， ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=z_{{\mathrm{hash}}_{\mathrm{\σ}\left(i\right)}{\mathrm{\ω}}^{-\mathrm{\τi}}/G_{O_{\mathrm{\σ}\left(i\right)}}},$ 对于

${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=0,$ 其中，G为时域平坦窗函数，信道时域冲击响应大径集合为I，ω＝e^-2πi/P；

S73、外循环得到i∈I，

其中，“median”为取均值操作；

S8、在S7所述的长度为P的尾部补足N-P个零，然后进行IFFT操作，得到完整的频域信道估计

2.根据权利要求1所述的一种OFDM系统中基于S-IFFT的信道估计方法，其特征在于：S72包括以下步骤：

S721、选择随机数σ,τ；

S722、定义

于是有

这里表示x经过IDFT操作后的值，即：

x为任意向量，F[·]表示FFT操作；

S723、计算

i∈[B]，这其实是对

的IDFT操作；

S724、定义“哈希函数”hash_σ:[P]→[B],

其中“round”为四舍五入取整操作，

定义“频谱偏移”函数o_σ:[P]→[-P/(2B),P/(2B)]，o_σ(i)＝σi-h_σ(i)(n/B)，其中，B为“桶”的个数；

S725、估计环：对于i∈I， ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=z_{{\mathrm{hash}}_{\mathrm{\σ}\left(i\right)}{\mathrm{\ω}}^{-\mathrm{\τi}}/G_{O_{\mathrm{\σ}\left(i\right)}}},$ 对于 ${\hat{h}}_{i,\mathrm{\Π},S-\mathrm{IFFT}}=0.$

3.根据权利要求1所述的一种OFDM系统中基于S-IFFT的信道估计方法，其特征在于：S73包括以下步骤：

S731、对于r∈{1,…,W}，重复内循环得到

其中，W为外环循环次数；

S732、任意i∈I，

其中，“median”为取均值操作。

Images