CN104022976A - 面向高速铁路lte系统的多普勒频移估计方法及系统 - Google Patents

Abstract

本发明提供一种面向高速铁路LTE系统的多普勒频移估计方法和系统，所述方法包括：当列车在高速铁路运行时，获取当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率；以及，查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和所获取的数据计算当前位置的多普勒频移估计值。其中，所述频移数据库存储先前通过测量得到的、所述高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。在定位精度有限的情况下，采用本发明提供的方法和系统得到的多普勒频移的精度较高。

Description

面向高速铁路LTE系统的多普勒频移估计方法及系统

技术领域

本发明涉及无线通信技术领域，具体涉及一种面向高速铁路LTE系统的多普勒频移估计方法及系统。

背景技术

近年来，随着高速铁路的迅猛发展，其使用的窄带GSM-R系统已经难以支持如列车自动控制、视频监控、集装箱动态管理等先进的业务，更无法满足旅客对宽带多媒体业务的需求。因此，为高速铁路提供安全可靠的高速无线宽带通信已成为新的挑战。LTE作为主流的宽带无线通信物理层技术，将其应用于高速移动场景已成为近年来的热点课题。

为了避免列车车厢的穿透损耗以及传统网络架构导致的群切换问题，研究者针对高速铁路场景提出了一种双层网络架构的LTE系统，即在车厢内部安装一个信号接入点，用于对车厢内的信号与列车边上的基站进行中继。其中，信号接入点与列车内部的通信可采用WiFi等低速的通信方案。而信号接入点与路边基站的通信由于二者相对高速移动，会导致快变多普勒频移。如果不能正确估计和补偿该多普勒频移，则会使通信系统的性能严重下降。

目前，针对LTE的特殊信号结构(循环前缀CP、主同步信号PSS、参考信号RS)，研究者提出了一系列的频偏估计方案(其中，频偏包括多普勒频移和载波频偏)，列举如下：

Jan-Jaap van de Beek等人提出了一种基于CP的时间偏移和频率偏移的联合估计的最大似然估计算法。该算法复杂度相对比较低，且能达到比较好的频偏估计精度。其缺点在于估计范围有限(不能超过半个子载波间隔)；并且，在衰落信道的场景下，CP会受到信道时延扩展的影响，使得估计精度下降。

S.Huang等人提出了一种基于PSS的整数倍子载波频偏校正的方法。该方法将经过分数倍子载波频偏校正后的信号通过低通滤波，滤出中间的62个子载波，经过一个下采样后，将这样的基带数字信号与预置正负1个子载波频偏的本地主同步信号进行归一化互相关，由互相关函数最大的一个主同步信号判断扇区号和整数倍的频偏值。该方法仅适用于整数倍频偏估计，而不适用与分数倍频偏估计。

C.Oberlid提出了一种基于LTE的参考信号RS的频偏估计方法，其估计范围可以达到11％的子载波间隔。该方法需要在初始的频偏捕获之后，对残留的载波频偏进行跟踪。

然而，包括上述频偏估计方案的传统频偏估计方法主要是针对低速场景进行设计和优化的，在低速条件下，多普勒频移的影响可以忽略不计，所以传统方法主要针对载波频偏进行估计。但是在高速铁路这样的高速场景下，不能忽略多普勒频移，需要对其进行估计。此外，由于传统方法没能充分利用高速铁路的特点，从而限制了这些方法在高铁场景下的估计性能。因此，针对高速铁路场景，如何设计高效可靠的多普勒频移估计方法是当前亟待解决的问题。

发明内容

为解决上述问题，根据本发明的一个实施例，提供一种面向高速铁路LTE系统的多普勒频移估计方法，包括：

步骤1)、获取列车在高速铁路的当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率；

步骤2)、查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和步骤1)中获取的数据计算当前位置的多普勒频移估计值；其中，所述频移数据库存储先前通过测量得到的、所述高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。

其中，在步骤2)中，可采用下式计算当前位置的多普勒频移估计值：

${\hat{f}}_{d,\mathrm{ideal}}\left(x\right)=\frac{f_{c,\mathrm{Train}}\·v_{\mathrm{Train}}\left(x\right)}{f_{c,\mathrm{DB}}\·v_{\mathrm{DB}}\left(x\right)}{f}_{d,\mathrm{DB}}\left(x\right)$

其中，x为列车当前位置，f_c,Train为列车通信系统的载波频率，v_Train(x)为列车在位置x处的速度，f_c,DB为测量时载波频率，v_DB(x)为在位置x处的测量时速度值，f_d,DB(x)为在位置x处的测量时多普勒频移值。

在一个实施例中，采用下述步骤构建频移数据库：

使用测量设备在高速铁路的每个位置处进行测量，得到在该位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息；以及，将每个位置对应的上述信息存储到频移数据库。其中，位置之间的间隔可以是列车运行速度与完整OFDM符号时间长度之积。

在一个实施例中，在步骤2)之后还包括：对所述频移数据库中的数据进行更新。

在一个实施例中，所述方法还包括：

步骤3)、将步骤2)得到的当前位置的多普勒频移估计值作为先验信息，计算在该位置处的频偏的最大后验概率估计值；以及，根据该估计值得到最终的多普勒频移估计值。

在进一步的实施例中，步骤3)包括：

步骤31)、采用下式估计在当前位置处的归一化频偏：

${\widehat{\mathrm{\ϵ}}}_m=\underset{{\mathrm{\ϵ}}_m}{\arg \max }\left\{{\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)\right\},$

其中，

${\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)=-\frac{{({\mathrm{\ϵ}}_m-{\widetilde{\mathrm{\ϵ}}}_m)}^2}{{2\widetilde{\mathrm{\σ}}}_m^2}+\frac{2({\mathrm{snr}}^2+\mathrm{snr})}{(2\mathrm{snr}+1)({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}\·\left|\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\right|\cos [2\mathrm{\π}{\mathrm{\ϵ}}_m+\∠\{\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\left\}\right],$

其中，ε_m表示在当前位置处的归一化频偏，为步骤2)中得到的多普勒频移估计值的归一化值，ε_C为归一化的载波频偏，表示用倍数表示的信噪比，和分别是发送信号和噪声的平均功率，L为CP的采样点数，k为采样点的序号，r_m.k+N为第m个OFDM符号的第k+N个接收采样点，r_m,k为第m个OFDM符号的第k个接收采样点，为所述频移数据库中的多普勒频移的标准差；

步骤32)、采用下式计算最终的归一化多普勒频移估计值：

${\widehat{\mathrm{\ϵ}}}_D={\widehat{\mathrm{\ϵ}}}_m-{\mathrm{\ϵ}}_C;$

步骤33)、将最终的归一化多普勒频移估计值与子载波间隔相乘获得最终的多普勒频移估计值。

在进一步的实施例中，所述方法还包括：

步骤30)、获得信噪比，以及计算所述频移数据库中的多普勒频移的标准差。

根据本发明的一个实施例，还提供一种面向高速铁路LTE系统的多普勒频移估计系统，包括：

测量设备，用于当列车在高速铁路运行时，获取当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率；

第一估计设备，用于查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和所述测量设备获取的数据计算当前位置的多普勒频移估计值；其中，所述频移数据库存储先前通过测量得到的、所述高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。

在一个实施例中，所述系统还包括：

第二估计设备，用于将所述第一估计设备得到的当前位置的多普勒频移估计值作为先验信息，计算在该位置处的频偏的最大后验概率估计值；以及，根据该最大后验概率估计值得到最终的多普勒频移估计值。

本发明利用了在高速铁路场景下(其中列车沿着既定的铁轨运行)列车运动路线重复而且可预测的特点，基于列车的位置信息来得到多普勒频移估计，该方法复杂度低且估计精度远远高于传统方案。此外，在定位精度有限的情况下，本发明还提出了MAP频偏估计方法，进一步提高了估计精度。

附图说明

图1是根据本发明一个实施例的面向高速铁路LTE系统的多普勒频移估计方法的流程图；

图2是高速铁路通信场景的示意图；

图3是根据本发明一个实施例的利用频移数据库和位置信息计算多普勒频移估计值的方法的流程图；

图4是根据本发明一个实施例的MAP频偏估计方法的流程图；

图5是本发明提供的多普勒频移估计方法在AWGN信道场景下和高定位精度情况下的性能示意图；以及

图6是本发明提供的多普勒频移估计方法在高速铁路信道场景下和实际定位精度情况下的性能示意图。

具体实施方式

下面结合附图和具体实施方式对本发明加以说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在传统蜂窝小区中，用户行为是随机且难以预测的；而在高速铁路场景下，列车沿着既定的铁轨运动，运行路线是重复可预测的。利用高速铁路的这一特点，本发明提供一种面向高速铁路LTE系统的多普勒频移估计方法。

图1示出了根据本发明一个实施例的面向高速铁路LTE系统的多普勒频移估计方法。概括而言，该方法包括：构建高速铁路的多普勒频移数据库(或简称频移数据库)；在列车实际运行时，根据列车当前的位置信息来检索频移数据库，得到该位置处的多普勒频移估计值。进一步地，该方法还包括：将所得到的多普勒频移估计值作为先验信息，采用MAP频偏估计方法计算最终的多普勒频移估计值。下面将分别描述每一步骤。

第一步：构建多普勒频移数据库

在本步骤中，使用高精度的测量设备对某一高速铁路沿线的多普勒频移进行测量，根据测量得到的信息来构建多普勒频移数据库。在一个实施例中，该频移数据库可以存储测量时所采用的载波频率f_c,DB、在每个位置x处的速度v_DB(x)和在该位置处的多普勒频移f_d,DB(x)信息。其中，可根据实际需要来设置频移数据库中的位置信息的粒度，例如，如果需要针对每个OFDM符号给出一个多普勒频移估计值，则位置的间隔可由列车运行速度与每个完整OFDM符号时间长度之积给出。图2示出了一个高速铁路通信场景，结合图2，频移数据库中的各个参数满足下式的关系：

$f_{d,\mathrm{DB}}\left(x\right)=f_{c,\mathrm{DB}}\frac{v_{\mathrm{DB}}\left(x\right)}{c}\cos \left(\mathrm{\β}\right)---\left(1\right)$

其中，x为列车位置，f_d,DB(x)为在该位置处的多普勒频移值，f_c,DB为测量时采用的载波频率，v_DB(x)为测量时在位置x处的速度值，c为真空中的光速，β为基站跟列车的连线与列车速度方向的夹角。在一个实施例中，可在列车的实际运行过程中对多普勒频移数据库的信息进行进一步更新和校准。

第二步：在列车实际运行时，根据列车当前的位置信息检索频移数据库，得到该位置处的多普勒频移估计值

参考图3，该过程包括以下子步骤：

1、在列车实际运行中，获取当前位置信息x、列车通信系统的载波频率f_c,Train，以及在该位置处的列车真实速度v_Train(x)。

2、根据位置信息x查询频移数据库，从频移数据库中获得在离线测量时该位置x处对应的测量时载波频率f_c,DB、测量时速度v_DB(x)，以及测量时多普勒频移值f_d,DB(x)。

3、计算多普勒频移估计值。

类似于公式(1)，在列车某次实际运行过程中，在位置x处，上述各个参数之间满足下式的关系：

$f_{d,\mathrm{real}}\left(x\right)=f_{c,\mathrm{Train}}\frac{v_{\mathrm{Train}}\left(x\right)}{c}\cos \left(\mathrm{\β}\right)---\left(2\right)$

其中，f_d,real(x)为在该位置x处的多普勒频移估计值，f_c，Train为该列车通信系统采用的载波频率，v_Train(x)为该列车在位置x处的真实速度值。

则根据公式(1)，公式(2)还可以表示为：

${\hat{f}}_{d,\mathrm{ideal}}\left(x\right)=\frac{f_{c,\mathrm{Train}}\·v_{\mathrm{Train}}\left(x\right)}{f_{c,\mathrm{DB}}\·v_{\mathrm{DB}}\left(x\right)}{f}_{d,\mathrm{DB}}\left(x\right)---\left(3\right)$

根据公式(3)，可得到位置x处的多普勒频移估计值

本领域技术人员应理解，上述面向高速铁路LTE系统的多普勒频移估计方法可以适用于不同列车速度的情况，以及列车变速(包括速度的方向和大小改变)的情况。

需要说明的是，上述估计方法是在假设了LOS径存在的信道前提下进行的，实际中的高铁场景存在非LOS径场景，例如当列车经过村庄、城市的一些情况。在这些非LOS径的场景中，接收信道的平均多普勒频移为各条多径的多普勒频移的加权平均，在这种情况下，该平均多普勒频移不能通过式(1)直接计算得到。但是，在这种情况下，频移数据库可以记录所有多径的信息，加权平均的多普勒频移也是可以获得的，则该估计方法在非LOS径的场景下也可以获得有效的平均多普勒频移估计。因此，无论是在LOS径场景下，还是非LOS径场景下，上述估计方法都能用来估计多普勒频移。

在位置信息足够准确的情况下，此处得到的多普勒频移估计值精度足够高，无需执行下面的第三步；否则，需要执行第三步以得到最终的多普勒频移估计值。

第三步：将上一步得到的多普勒频移估计值作为先验信息，采用MAP频偏估计方法计算最终的多普勒频移估计值。

为了进一步提高本发明提供的面向高速铁路LTE系统的多普勒频移估计方法在定位误差较大的情况下的估计性能，本步骤将上一步给出的多普勒频移估计值(或称多普勒频移初步估计值)作为先验信息，根据所构建的最大后验概率估计器(即MAP频偏估计器)获得最终的多普勒频移估计值。

要构建最大后验概率估计器，在已知频偏测量值和接收信号的情况下，可得到归一化频偏的条件概率(即后验概率)的对数：

$\mathrm{\Λ}\left({\mathrm{\ϵ}}_m\right)=\log \{f\left({\mathrm{\ϵ}}_m\right|r,{\widetilde{\mathrm{\ϵ}}}_m)---\left(4\right)$

其中，是归一化频偏的后验概率，为根据多普勒频移初步估计值得到的归一化频偏，为归一化的多普勒频移初步估计值，ε_C为归一化载波频偏。在本步骤中，在获得归一化频偏的最大后验概率估计后，减去归一化载波频偏的部分(例如在使用GPS情况下，可以由GPS提供该载波频偏)，再乘以子载波间隔，可得到最终的多普勒频移估计值。

下文给出了构建最大后验概率估计器的一个实施例：

在AWGN信道下，第m个OFDM符号的第k个接收采样点r_m,k为：

r_m，k≈exp(j2πε_mk)s_m，k+n_m，k   (5)

其中，ε_m表示归一化的频偏，是要计算的真实频偏与OFDM系统子载波间隔(LTE系统为15kHz)的商，k为采样点的序号，s_m,k为第m个OFDM符号的第k个采样点，n_m,k为AWGN噪声。

根据最大后验概率估计准则，可将公式(4)写成：

$\begin{array}{c}\underset{{\mathrm{\ϵ}}_m}{\max }\mathrm{\Λ}\left({\mathrm{\ϵ}}_m\right)=\underset{{\mathrm{\ϵ}}_m}{\max }\log \left\{f\left(r\right|{\mathrm{\ϵ}}_m,{\widetilde{\mathrm{\ϵ}}}_m)g\left({\widetilde{\mathrm{\ϵ}}}_m\right|{\mathrm{\ϵ}}_m)\mathrm{\γ}\left({\mathrm{\ϵ}}_m\right)\right\}\\ =\underset{{\mathrm{\ϵ}}_m}{\max }\left\{\log \right\{f\left(r\right|{\mathrm{\ϵ}}_m,{\widetilde{\mathrm{\ϵ}}}_m)+\log \left\{g\left({\widetilde{\mathrm{\ϵ}}}_m\right|{\mathrm{\ϵ}}_m)\right\}+\log \left\{\mathrm{\γ}\left({\mathrm{\ϵ}}_m\right)\right\}\}\end{array}---\left(6\right)$

其中，是接收信号的条件概率密度函数，是在给定真实频偏情况下的多普勒频移初步估计值的概率密度，γ(ε_m)是第m个OFDM符号的频率偏移的先验概率密度函数。

由于接收信号与多普勒频移初步估计值无关，即公式(6)中的log{f(r|ε_m)}可与B.Jan-Japp等人提供的似然函数相同，则可以得到：

$\begin{array}{c}\log \left\{f\left(r\right|{\mathrm{\ϵ}}_m)\right\}=-\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\log (1-{\left|\mathrm{\ρ}\right|}^2)\\ +\frac{2}{(1-{\left|\mathrm{\ρ}\right|}^2)({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}[\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{Re}\left({\mathrm{\ρ}}^{*}{r}_{m,k+N}^{*}{r}_{m,k}\right)-{\left|\mathrm{\ρ}\right|}^2\frac{1}{2}\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}({\left|r_{m,k}\right|}^2+{\left|r_{m.k+N}\right|}^2)]\end{array}---\left(7\right)$

其中，和分别是发送信号和噪声的平均功率，L为CP的采样点数，r_m.k+N为第m个接收OFDM符号的第k+N个采样点。参数ρ定义为：

$\mathrm{\ρ}=\frac{E\left\{r_{m,k}{r}_{m,k+N}^{*}\right\}}{\sqrt{{\left|r_{m,k}\right|}^2{\left|r_{m,k+N}\right|}^2}}=\frac{{\mathrm{\σ}}_s^2}{{\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2}\exp \{-j2\mathrm{\π}{\mathrm{\ϵ}}_m\}---\left(8\right)$

对于公式(6)中的第二项准确的多普勒频移初步估计值主要依赖于列车位置和频移数据库中记录的多普勒频移的分布。考虑频移数据库中记录的多普勒频移的概率分布，可将该分布建模为高斯分布，即该分布均值为真实归一化频偏，标准差为频移数据库中的多普勒频移的标准差因此，可表示为：

$\log \left\{g\left({\widetilde{\mathrm{\ϵ}}}_m\right|{\mathrm{\ϵ}}_m)\right\}=\log \left\{\frac{1}{{\widetilde{\mathrm{\σ}}}_m\sqrt{2\mathrm{\π}}}\right\}-\frac{{({\widetilde{\mathrm{\ϵ}}}_m-{\mathrm{\ϵ}}_m)}^2}{2{\widetilde{\mathrm{\σ}}}_m^2}.---\left(9\right)$

对于公式(6)中的第三项log{γ(ε_m)}，由于真实归一化频偏的先验分布在实际中是未知的，因此可以假设为均匀分布，从而与真实频偏和公式(6)无关。

将公式(7)和公式(9)代入公式(6)，并去掉与真实频偏无关的项，则可以得到：

${\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)=-\frac{{({\mathrm{\ϵ}}_m-{\widetilde{\mathrm{\ϵ}}}_m)}^2}{2{\widetilde{\mathrm{\σ}}}_m^2}+\frac{2}{(1-{\left|\mathrm{\ρ}\right|}^2)({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\mathrm{Re}\left({\mathrm{\ρ}}^{*}{r}_{m,k+N}^{*}{r}_{m,k}\right).---\left(10\right)$

该式可写为：

${\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)=-\frac{{({\mathrm{\ϵ}}_m-{\widetilde{\mathrm{\ϵ}}}_m)}^2}{{2\widetilde{\mathrm{\σ}}}_m^2}+\frac{2({\mathrm{snr}}^2+\mathrm{snr})}{(2\mathrm{snr}+1)({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}\·\left|\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\right|\cos [2\mathrm{\π}{\mathrm{\ϵ}}_m+\∠\{\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\left\}\right]---\left(11\right)$

其中，是用倍数表示的信噪比，该值可以通过LTE的物理层测量过程获得。

则构建的MAP频偏估计器如下：

${\widehat{\mathrm{\ϵ}}}_m=\underset{{\mathrm{\ϵ}}_m}{\arg \max }\left\{{\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)\right\}---\left(12\right)$

图4示出了根据所构建的MAP频偏估计器获得最终的多普勒频移估计值的方法，包括以下子步骤：

1、获取第二步得到的多普勒频移初步估计值。

2、根据物理层测量的结果获取信噪比snr，并且根据频移数据库中的信息计算多普勒频移标准差

3、利用公式(11)以及式(12)的MAP频偏估计器来估计归一化频偏，在一个实施例中，可以采用线搜索的方法获取归一化的频偏值。

4、根据公式计算归一化的多普勒频移值，并将归一化多普勒频移的估计值与OFDM系统的子载波间隔(LTE为15kHz)相乘获得实际多普勒频移(即最终的多普勒频移估计值)。

综上，在位置信息不准确的情况下，上述MAP频偏估计方法能有效自适应环境的变化，给出较高的估计精度。此外，由于提出的MAP频偏估计方法对定位误差不敏感，当定位误差较大的情况下，MAP方法仍然能给出较高的估计精度。

根据本发明的一个实施例，还提供一种面向高速铁路LTE系统的多普勒频移估计系统，该系统包括测量设备、第一估计设备和第二估计设备。

测量设备用于当列车在高速铁路运行时，获取当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率。

第一估计设备用于查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和测量设备获取的数据计算当前位置的多普勒频移估计值。其中，频移数据库存储先前通过测量得到的、高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。

第二估计设备用于将第一估计设备得到的当前位置的多普勒频移估计值作为先验信息，计算在该位置处的频偏的最大后验概率估计值；以及根据该最大后验概率估计值得到最终的多普勒频移估计值。

为了验证本发明的有效性，发明人采用本发明提供的面向高速铁路LTE系统的多普勒频移估计方法进行了实验，该实验配置如下：

·高铁频偏配置：3GPP的HST1场景、高架桥场景

·高铁信道配置：参见表1

表1

某一次的真实频偏参数如下：

·载波4GHz

·列车实际速度350km/h

·光速3e8m/s

·基站距列车距离50m

·列车距基站与铁轨垂直点的距离20m，小区覆盖范围[0,500m]

·用以上参数计算得到的20m处，某一次真实频偏均值为：481Hz

构建频移数据库的准备阶段(即测量时)的速度和载波可以与列车的实际载波和速度不同，这一假设更符合实际情况，为：

·准备阶段载波选为2GHz

·准备阶段列车速度选为300km/h

某一次使用数据库方法实现测量时的具体参数误差设置(考虑GPS情况下)，包括数据库中的多普勒频移测量误差，速度测量误差，定位误差和载波稳定度导致的误差都建模为高斯分布。

本实验使用了LTE的帧结构配置，共计跑了15000个子帧。

图5示出了测量参数精度较高的情况，其中定位误差、载波稳定度、列车速度误差和数据库中的多普勒频移误差分别为：正负0.1m、0.0001ppm、正负0.1m/s、正负5％。图6示出了测量参数精度较差的情况，其中定位误差、载波稳定度、列车速度误差和数据库中的多普勒频移误差分别为：正负10m、0.1ppm、正负1m/s、正负5％。

图5验证了本发明提供的多普勒频移估计方法在AWGN信道下的有效性。从图5中可以观察到，经典CP方法(CPE)的估计精度随着SNR的增大而提高。根据频移数据库得到的直接估计结果与信噪比无关，因此不随着信噪比而变化。本发明提供的估计方法(MAPE)随着信噪比的提高而提高。在低信噪比范围内，本发明提供的估计方法的性能与初值数据库(REME)的估计精度相似，在高信噪比范围内，与经典CP方法估计精度相似，在中间信噪比范围内，估计精度优于其他两种方法。因此，可以得出结论：在AWGN信道下，本发明提供的频移估计方法的性能优于其他两种方法。

图6验证了在高铁信道下本发明提供的多普勒频移估计方法的有效性。从图6可以观察到，经典CP方法随着信噪比的增加而提高，但是当信噪比大到一定程度，经典CP方法的估计精度不再提高。原因是CP方法是在AWGN信道下设计的，在衰落信道下由于多径干扰，在高信噪比下会出现估计精度的“floor”。对于初值数据库估计的结果，因为与信噪比无关，所以不随着SNR的提高而变化。在整个信噪比范围内，本发明提供的多普勒频移估计方法的估计精度都优于两种其他方法。

应该注意到并理解，在不脱离后附的权利要求所要求的本发明的精神和范围的情况下，能够对上述详细描述的本发明做出各种修改和改进。因此，要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。

Claims (10)

1.一种面向高速铁路LTE系统的多普勒频移估计方法，包括：

步骤1)、获取列车在高速铁路的当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率；

步骤2)、查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和步骤1)中获取的数据计算当前位置的多普勒频移估计值；其中，所述频移数据库存储先前通过测量得到的、所述高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。

2.根据权利要求1所述的方法，在步骤2)中，采用下式计算当前位置的多普勒频移估计值：

${\hat{f}}_{d,\mathrm{ideal}}\left(x\right)=\frac{f_{c,\mathrm{Train}}\·v_{\mathrm{Train}}\left(x\right)}{f_{c,\mathrm{DB}}\·v_{\mathrm{DB}}\left(x\right)}{f}_{d,\mathrm{DB}}\left(x\right)$

其中，x为列车当前位置，f_c,Train为列车通信系统的载波频率，v_Train(x)为列车在位置x处的速度，f_c,DB为测量时载波频率，v_DB(x)为在位置x处的测量时速度值，f_d,DB(x)为在位置x处的测量时多普勒频移值。

3.根据权利要求1所述的方法，其中，频移数据库采用下述步骤构建：

使用测量设备在高速铁路的每个位置处进行测量，得到在该位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息；

将每个位置对应的上述信息存储到频移数据库。

4.根据权利要求3所述的方法，其中，位置之间的间隔为列车运行速度与完整OFDM符号时间长度之积。

5.根据权利要求1所述的方法，其中，在步骤2)之后还包括：

对所述频移数据库中的数据进行更新。

6.根据权利要求1-5所述的方法，还包括：

步骤3)、将步骤2)得到的当前位置的多普勒频移估计值作为先验信息，计算在该位置处的频偏的最大后验概率估计值；以及，根据该估计值得到最终的多普勒频移估计值。

7.根据权利要求6所述的方法，其中步骤3)包括：

步骤31)、采用下式估计在当前位置处的归一化频偏：

${\widehat{\mathrm{\ϵ}}}_m=\underset{{\mathrm{\ϵ}}_m}{\arg \max }\left\{{\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)\right\},$

其中，

${\mathrm{\Λ}}^{\′}\left({\mathrm{\ϵ}}_m\right)=-\frac{{({\mathrm{\ϵ}}_m-{\widetilde{\mathrm{\ϵ}}}_m)}^2}{{2\widetilde{\mathrm{\σ}}}_m^2}+\frac{2({\mathrm{snr}}^2+\mathrm{snr})}{(2\mathrm{snr}+1)({\mathrm{\σ}}_s^2+{\mathrm{\σ}}_n^2)}\·\left|\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\right|\cos [2\mathrm{\π}{\mathrm{\ϵ}}_m+\∠\{\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}\left(r_{m,k+N}^{*}{r}_{m,k}\right)\left\}\right],$

其中，ε_m表示在当前位置处的归一化频偏，为步骤2)中得到的多普勒频移估计值的归一化值，ε_C为归一化的载波频偏，表示用倍数表示的信噪比，和分别是发送信号和噪声的平均功率，L为CP的采样点数，k为采样点的序号，r_m.k+N为第m个OFDM符号的第k+N个接收采样点，r_m，k为第m个OFDM符号的第k个接收采样点，为所述频移数据库中的多普勒频移的标准差；

步骤32)、采用下式计算最终的归一化多普勒频移估计值：

${\widehat{\mathrm{\ϵ}}}_D={\widehat{\mathrm{\ϵ}}}_m-{\mathrm{\ϵ}}_C;$

步骤33)、将最终的归一化多普勒频移估计值与子载波间隔相乘获得最终的多普勒频移估计值。

8.根据权利要求7所述的方法，还包括：

步骤30)、获得信噪比，以及计算所述频移数据库中的多普勒频移的标准差。

9.一种面向高速铁路LTE系统的多普勒频移估计系统，包括：

测量设备，用于当列车在高速铁路运行时，获取当前位置信息、在该位置处的列车速度以及列车通信系统的载波频率；

第一估计设备，用于查询频移数据库得到与当前位置对应的测量时列车速度、测量时载波频率和测量时多普勒频移信息，根据查询得到的数据和所述测量设备获取的数据计算当前位置的多普勒频移估计值；其中，所述频移数据库存储先前通过测量得到的、所述高速铁路上的每个位置处的测量时列车速度、测量时载波频率和测量时多普勒频移信息。

10.根据权利要求9所述的系统，还包括：

第二估计设备，用于将所述第一估计设备得到的当前位置的多普勒频移估计值作为先验信息，计算在该位置处的频偏的最大后验概率估计值；以及，根据该最大后验概率估计值得到最终的多普勒频移估计值。