CN104301263A - 一种多带uwb系统低复杂度信道估计方法及装置 - Google Patents

Abstract

本发明涉及一种多带UWB系统低复杂度信道估计方法及装置，属于通信技术领域。本发明采用AR模型信道，利用导频跟踪时变信道衰减因子，通过Kalman滤波和频域分段MMSE算法同时跟踪信道的时域相关性和频域相关性，提高了系统性能，降低了计算复杂度，通过仿真，结果表明，和传统的Kalman滤波方法相比，本发明有效改善了信道估计精度，能够跟踪信道的时频变化，改进了修正Kalman滤波方法，保证估计精度的同时，极大降低了计算复杂度。

Description

一种多带UWB系统低复杂度信道估计方法及装置

技术领域

本发明涉及一种多带UWB系统低复杂度信道估计方法及装置，属于通信技术领域。

背景技术

目前，超宽带(UWB)技术和正交频分复用(OFDM)技术相结合的OFDM-UWB技术兼具传输速率高、空间容量大、成本低、抗多径衰落、频谱利用率高等特点，被广泛的应用于无线通信领域。在OFDM-UWB系统中，接收端的相干解调需要利用信道信息，因此，OFDM-UWB系统的信道估计问题成为了近些年来研究的热点之一。在OFDM-UWB信道环境中，信道信息的获取通常采用基于训练序列的非盲信道估计方法，然而在时变信道中，噪声和载波间干扰(ICI)会严重影响信道估计的准确性。现有技术中提供了一种基于导频的时频二维MMSE的估计算法，提高了系统的估计精度，但是没有考虑信道时域动态特性；为此又有人提供了一种Kalman滤波用于MIMO-OFDM系统快时变信道的盲信道估计方法，但是该方法整体的计算过于复杂，实际应用中难以实现。而将导频和Kalman滤波相结合，提出了基于导频的Kalman信道估计算法，使Kalman滤波在实际中可用，但未考虑信道频域相关性对信道估计性能的影响。采用Kalman滤波算法跟踪信道的时域相关性，并根据MMSE准则对信道估计进行了进一步的修正，减小了噪声和ICI对信道估计的干扰，但是MMSE信道估计方法的计算量大，不利于实际系统中的应用。

发明内容

本发明的目的是提供一种多带UWB系统低复杂度信道估计方法及装置，以解决目前多带UWB系统信道估计中存在计算量大，复杂度高的问题。

本发明为解决上述技术特征而提供一种多带UWB系统低复杂度信道估计方法，该信道估计方法包括以下步骤：

1）采用一阶AR过程对多带UWB系统信道进行建模，对单个导频位置进行最小二乘信道估计，并对得到的最小二乘信道估计进行滤波；

2）将多带UWB系统带宽等间隔分成N_sub个窄带，每个窄带宽度为N_C＝N/N_sub，分别在每个窄带内对滤波后的信道估计采用MMSE准则进行修正。

所述步骤2）中修正后的信道估计为：

$T=E\left[H_n^C{\left({\hat{H}}_n^{P^C}\right)}^H\right]{\left\{E\right[{\hat{H}}_n^{P^C}{\left({\hat{H}}_n^{P^C}\right)}^H\left]\right\}}^{-1}$

其中，T为修正系数并且遵循MMSE准则，为分段窄带内信道估计MMSE修正，为分段窄带内的信道频域响应，为分段窄带内导频处信道估计,为互相关函数，为自相关函数。

所述步骤1）中的导频符号采用梳状导频模式，在频域方向上以N_f个子载波等间隔放置，且第一个导频符号位于OFDM符号的第一个子载波上。

所述步骤1）中导频位置的最小二乘信道估计为：

${\tilde{H}}_n^P=\frac{Y_n^P}{X_n^P}$

其中表示导频处的最小二乘信道估计，为信道的输入，为信道的输出。

所述步骤1）中所采用滤波方法为卡尔曼滤波，卡尔曼滤波后的单个导频子载波低阶滤波迭代方程为：

${\hat{H}}_n^P={\mathrm{\α}}_{n,n-1}{\hat{H}}_n^P+K_n{e}_n$

$K_n=P_n{\left(X_n^P\right)}^T[X_n^P{P}_n^{\′}{\left(X_n^P\right)}^T+R_n]$

$e_n=Y_n^P-{\hat{Y}}_n^P=Y_n^P-X_n^P{\hat{H}}_{n-1}^P$

P′_n＝|α_n,n-1|²P_n-1+Q_n

其中表示滤波估计值，Q_n、R_n分别表示状态噪声W_n和过程噪声V_n的协方差矩阵，e_n为观测信号的估计误差，K_n为滤波增益矩阵，α_n,n-1表示信道状态转移系数，α_n,n-1可通过导频的最小二乘信道估计进行跟踪，

本发明还提供了一种多带UWB系统低复杂度信道估计装置，该信道估计装置包括：

采用一阶AR过程对多带UWB系统信道进行建模，对单个导频位置进行最小二乘信道估计，并对得到的最小二乘信道估计进行滤波的模块；

将多带UWB系统带宽等间隔分成N_sub个窄带，每个窄带宽度为N_C＝N/N_sub，分别在每个窄带内对滤波后的信道估计采用MMSE准则进行修正的模块。

所述修正后的信道估计为：

$T=E\left[H_n^C{\left({\hat{H}}_n^{P^C}\right)}^H\right]{\left\{E\right[{\hat{H}}_n^{P^C}{\left({\hat{H}}_n^{P^C}\right)}^H\left]\right\}}^{-1}$

其中，T为修正系数并且遵循MMSE准则，为分段窄带内信道估计MMSE修正，为分段窄带内的信道频域响应，为分段窄带内导频处信道估计,为互相关函数，为自相关函数。

所述的导频符号采用梳状导频模式，在频域方向上以N_f个子载波等间隔放置，且第一个导频符号位于OFDM符号的第一个子载波上。

所述导频位置的最小二乘信道估计为：

${\tilde{H}}_n^P=\frac{Y_n^P}{X_n^P}$

其中表示导频处的最小二乘信道估计，为信道的输入，为信道的输出。

所述的滤波方法为卡尔曼滤波，卡尔曼滤波后的单个导频子载波低阶滤波迭代方程为：

${\hat{H}}_n^P={\mathrm{\α}}_{n,n-1}{\hat{H}}_n^P+K_n{e}_n$

$K_n=P_n{\left(X_n^P\right)}^T[X_n^P{P}_n^{\′}{\left(X_n^P\right)}^T+R_n]$

$e_n=Y_n^P-{\hat{Y}}_n^P=Y_n^P-X_n^P{\hat{H}}_{n-1}^P$

P′_n＝|α_n,n-1|²P_n-1+Q_n

其中表示滤波估计值，Q_n、R_n分别表示状态噪声W_n和过程噪声V_n的协方差矩阵，e_n为观测信号的估计误差，K_n为滤波增益矩阵，α_n,n-1表示信道状态转移系数，α_n,n-1可通过导频的最小二乘信道估计进行跟踪，

本发明的有益效果是:本发明采用AR模型信道，利用导频跟踪时变信道衰减因子，通过Kalman滤波和频域分段MMSE算法同时跟踪信道的时域相关性和频域相关性，提高了系统性能，降低了计算复杂度，通过仿真，结果表明，和传统的Kalman滤波方法相比，本发明有效改善了信道估计精度，能够跟踪信道的时频变化，改进了修正Kalman滤波方法，保证估计精度的同时，极大降低了计算复杂度。

附图说明

图1是OFDM-UWB系统模型的示意图；

图2是几种信道估计方法的BER性能比较示意图；

图3是几种信道估计方法的MSE性能比较示意图；

图4是不同分段简化算法的BER性能比较示意图；

图5是不同分段简化算法的MSE性能比较示意图。

具体实施方式

本发明所采用OFDM-UWB系统模型如图1所示，其中系统基带部分采用了OFDM技术，以有效的对抗室内密集多径时延和提高频谱利用率，发送端，二进制数据经过调制、串并变换和插入导频后形成频域的发送信号：

X_k＝S_k+P_k，k＝0,1,2…,N-1    (1)

其中，S_k为有用数据序列，P_k为导频序列，N为子载波数。

频域发送信号经过快速傅立叶变换(IFFT)后形成时域信号，为了消除符号间干扰(ISI)要在两个符号间加入循环前缀(CP)，最后将时域信号发送出去。时域信号经过衰落信道之后到达接收端，接收端经过和发送端相反的处理过程得到频域信号：

其中，N为子载波数，W_k表示均值为零，方差为的高斯白噪声,H_k为信道频域相应，H_f-k表示子载波f对k的干扰系数

$H_{f-k}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}h(n,l)e^{j\frac{2\mathrm{\πn}(f-k)}{N}}{e}^{-j\frac{2\mathrm{\πfl}}{N}}---\left(3\right)$

超宽带信道可以用一个有限阶的AR过程来建模，信道频响的动态变化用P阶(AR)模型可以描述为：

$H_{n,k}=\underset{t=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\α}}_{t,k}{H}_{n-t,k}+V_{n,k}---\left(4\right)$

其中，H_n,k为第n个OFDM符号的第k个子载波的频响，α_t,k为信道状态转移系数，V_n,k为均值为零，方差为的高斯白噪声。

从式(2)可以看出，信道中存在高斯白噪声(AWGN)和ICI的影响，随着信道时变性的增强，ICI会严重影响信道估计的准确性。传统Kalman滤波只利用了信道时域相关性在单个子载波上进行，在Kalman滤波的基础上利用MMSE准则对估计结果进行了频域修正，有效抑制了AWGN和ICI的影响，提高了估计性能，但是在实际UWB系统中进行频域MMSE信道估计的计算量很大。

为此，本发明提供了一种多带UWB系统低复杂度信道估计方法来降低AWGN和ICI影响，以提高系统估计性能，该方法具体包括以下步骤：

1.对信道采用一阶AR过程建模，在单个导频子载波上进行Kalman滤波。

导频符号采用梳状导频模式，导频分布满足采样定理，在频域方向上以N_f个子载波等间隔放置，且第一个导频符号位于OFDM符号的第一个子载波上，对导频位置的LS估计为

${\tilde{H}}_n^P=\frac{Y_n^P}{X_n^P}---\left(5\right)$

根据式(2)和式(4)建立状态空间方程为：

$\left\{\begin{array}{c}{H}_n^P={\mathrm{\α}}_{n,n-1}{H}_{n-1}^P+V_n^P\\ Y_n^P=X_n^P{H}_n^P+W_n^P\end{array}\right.---\left(6\right)$

根据Kalman滤波算法可得单个导频子载波低阶滤波迭代方程为：

$e_n=Y_n^P-{\hat{Y}}_n^P=Y_n^P-X_n^P{\hat{H}}_{n-1}^P---\left(7\right)$

P′_n＝|α_n,n-1|²P_n-1+Q_n    (8)

$K_n=P_n{\left(X_n^P\right)}^T[X_n^P{P}_n^{\′}{\left(X_n^P\right)}^T+R_n]---\left(9\right)$

${\hat{H}}_n^P={\mathrm{\α}}_{n,n-1}{\hat{H}}_n^P+K_n{e}_n---\left(10\right)$

$P_n=(1-K_n{X}_n^P)P_n^{\′}---\left(11\right)$

其中，Q_n、R_n分别表示状态噪声W_n和过程噪声V_n的协方差矩阵，e_n为观测信号的估计误差，K_n为滤波增益矩阵，表示滤波估计值，α_n,n-1表示信道状态转移系数，α_n,n-1可通过导频的LS估计进行跟踪，由式(5)可得：

${\mathrm{\α}}_{n,n-1}=\frac{{\tilde{H}}_n^P}{{\tilde{H}}_{n-1}^P}---\left(12\right)$

则过程噪声方差R_n可以表示为：

$R_n=1-{\mathrm{\α}}_{n,n-1}^2---\left(13\right)$

2.利用基于MMSE准则的频域分段均衡算法对滤波结果进行修正。

在频域上，MMSE信道估计与子载波之间相关性有关，且相关性随子载波之间距离的增大而降低，对系统带宽进行等间隔分段窄带宽度为N_C＝N/N_sub的N_sub个窄带，分别进行MMSE信道估计，虽然这样会降低MMSE估计的精度，但是损失部分估计精度换取系统整体计算量大幅度减小是有必要的。在分段窄带内进行修正Kalman信道估计，根据MMSE准则修正Kalman估计结果为：

$T=E\left[H_n^C{\left({\hat{H}}_n^{P^C}\right)}^H\right]{\left\{E\right[{\hat{H}}_n^{P^C}{\left({\hat{H}}_n^{P^C}\right)}^H\left]\right\}}^{-1}---\left(15\right)$

其中，T为修正系数并且遵循MMSE准则，为分段窄带内Kalman信道估计MMSE修正，为分段窄带内的信道频域响应，为分段窄带内导频处信道估计,为互相关函数，为自相关函数，设信道估计误差ε_n为：

${\mathrm{\ϵ}}_n=H_n^{P^C}-{\hat{H}}_n^{P^C}---\left(16\right)$

ε_n与相互独立，则式(15)可以改写为：

$T=E\left[H_n^C{\left(H_n^{P^C}\right)}^H\right]{\left\{E\right[H_n^{P^c}{\left(H_n^{P^C}\right)}^H]+E\left({\mathrm{\ϵ}}_n{\mathrm{\ϵ}}_n^H\right)\}}^{-1}---\left(17\right)$

考虑噪声分量、导频信号和信道响应三者之间统计独立性，由式(2)和式(16)可以得到：

$E\left({\mathrm{\ϵ}}_n{\mathrm{\ϵ}}_n^T\right)=\frac{{\mathrm{\σ}}_w^2}{E\left[X_n^{P^C}{\left(X_n^{P^C}\right)}^T\right]}I=\frac{1}{\mathrm{SNR}}I---\left(18\right)$

其中为观测噪声的方差，I为单位矩阵，SNR表示信噪比，式(14)最终可以表示为：

本发明的信道估计包含计算Kalman滤波信道估计值和计算频域信道修正矩阵T两步。本发明的估计方法在第一步与修正Kalman滤波方法过程相同，而第二步对修正Kalman滤波方法进行改进，两种方法总运算量对比如表1所示。

表1

两种方法信道估计运算量主要包括：

①计算导频位置自相关矩阵。全带宽：N_P×N_P维矩阵求逆；分段窄带：维矩阵求逆。

②计算互相关矩阵乘以自相关矩阵的逆。全带宽：N×N_P维矩阵乘以N_P×N_P维矩阵；分段窄带：维矩阵乘以维矩阵。

③求解所有子载波上的信道估计。全带宽：N×N_P维矩阵乘以N_P×1维导频处信道估计。分段窄带：维矩阵乘以维分段窄带内导频处信道估计，然后对各窄带相加得全带宽信道估计。

以上三个步骤的运算量为：全带宽N_P×N_P维矩阵求逆+N×N_P×(N_P+1)次复数乘加，分段窄带维矩阵求逆+次复数乘加。一般，n维矩阵的求逆运算量为Ο(n³)，那么简化后的算法约为之前的(1/N_sub)³。

仿真结果比较

基于Matlab2010软件平台，在室内UWB信道环境中对上述提出的低复杂度的修正Kalman滤波信道估计算法的性能进行计算机仿真。采用IEEE802.15.3a标准信道模型CM1，系统带宽为3.168～4.752GHZ，子带宽度为528MHz，子载波数为128，OFDM符号数为256，调制方式为QPSK。假设信道之间是独立同分布，对于任何一条多径信道，单独产生100个信道样本，且信道样本随机提取。

图2、图3在信道衰落因子α=0.998的条件下给出了基于导频的LS信道估计算法、Kalman滤波算法、修正Kalman滤波算法和窄带宽度为N_C=1/4N低复杂度修正Kalman滤波算法的性能比较。从图中可以看出,修正的Kalman滤波算法由于在全频带进行MMSE均衡，估计效果最好，估计精度远远大于LS算法估计和传统的Kalman滤波算法估计；低复杂度修正Kalman滤波算法的估计精度略低于全频带的估计精度，这是由于频域分段进行MMSE均衡时，忽略了不同分段子载波之间的相关性导致的。图4、图5给出了窄带带宽分别为N_C＝1/4N、N_C=1/8N的低复杂度修正Kalman滤波算法和传统Kalman滤波，修正Kalman滤波的性能对比。从图中可以看出，随着窄带宽度的减小，子载波之间的相关性估计变差，BER曲线和MSE曲线性能下降，但由理论分析可知，随着窄带宽度的减小，系统计算复杂度变为简化前(1/N_sub)³，系统的整体性能极大提高，有利于更好的应用于实际工程当中。

Claims (10)

1.一种多带UWB系统低复杂度信道估计方法，其特征在于，该信道估计方法包括以下步骤：

1）采用一阶AR过程对多带UWB系统信道进行建模，对单个导频位置进行最小二乘信道估计，并对得到的最小二乘信道估计进行滤波；

2）将多带UWB系统带宽等间隔分成N_sub个窄带，每个窄带宽度为N_C＝N/N_sub，分别在每个窄带内对滤波后的信道估计采用MMSE准则进行修正。

2.根据权利要求1所述的多带UWB系统低复杂度信道估计方法，其特征在于，所述步骤2）中修正后的信道估计为：

$T=E\left[H_n^C{\left({\hat{H}}_n^{P^C}\right)}^H\right]{\left\{E\right[{\hat{H}}_n^{P^C}{\left({\hat{H}}_n^{P^C}\right)}^H\left]\right\}}^{-1}$

其中，T为修正系数并且遵循MMSE准则，为分段窄带内信道估计MMSE修正，为分段窄带内的信道频域响应，为分段窄带内导频处信道估计,为互相关函数，为自相关函数。

3.根据权利要求1所述的多带UWB系统低复杂度信道估计方法，其特征在于，所述步骤1）中的导频符号采用梳状导频模式，在频域方向上以N_f个子载波等间隔放置，且第一个导频符号位于OFDM符号的第一个子载波上。

4.根据权利要求1所述的多带UWB系统低复杂度信道估计方法，其特征在于，所述步骤1）中导频位置的最小二乘信道估计为：

${\tilde{H}}_n^P=\frac{Y_n^P}{X_n^P}$

其中表示导频处的最小二乘信道估计，为信道的输入，为信道的输出。

5.根据权利要求1-4中任一项所述的多带UWB系统低复杂度信道估计方法，其特征在于，所述步骤1）中所采用滤波方法为卡尔曼滤波，卡尔曼滤波后的单个导频子载波低阶滤波迭代方程为：

${\hat{H}}_n^P={\mathrm{\α}}_{n,n-1}{\hat{H}}_n^P+K_n{e}_n$

$K_n=P_n{\left(X_n^P\right)}^T[X_n^P{P}_n^{\′}{\left(X_n^P\right)}^T+R_n]$

$e_n=Y_n^P-{\hat{Y}}_n^P=Y_n^P-X_n^P{\hat{H}}_{n-1}^P$

P′_n＝|α_n,n-1|²P_n-1+Q_n

其中表示滤波估计值，Q_n、R_n分别表示状态噪声W_n和过程噪声V_n的协方差矩阵，e_n为观测信号的估计误差，K_n为滤波增益矩阵，α_n,n-1表示信道状态转移系数，α_n,n-1可通过导频的最小二乘信道估计进行跟踪，

6.一种多带UWB系统低复杂度信道估计装置，其特征在于，该信道估计装置包括：

采用一阶AR过程对多带UWB系统信道进行建模，对单个导频位置进行最小二乘信道估计，并对得到的最小二乘信道估计进行滤波的模块；

将多带UWB系统带宽等间隔分成N_sub个窄带，每个窄带宽度为N_C＝N/N_sub，分别在每个窄带内对滤波后的信道估计采用MMSE准则进行修正的模块。

7.根据权利要求6所述的多带UWB系统低复杂度信道估计装置，其特征在于，所述修正后的信道估计为：

$T=E\left[H_n^C{\left({\hat{H}}_n^{P^C}\right)}^H\right]{\left\{E\right[{\hat{H}}_n^{P^C}{\left({\hat{H}}_n^{P^C}\right)}^H\left]\right\}}^{-1}$

其中，T为修正系数并且遵循MMSE准则，为分段窄带内信道估计MMSE修正，为分段窄带内的信道频域响应，为分段窄带内导频处信道估计,为互相关函数，为自相关函数。

8.根据权利要求6所述的多带UWB系统低复杂度信道估计装置，其特征在于，所述的导频符号采用梳状导频模式，在频域方向上以N_f个子载波等间隔放置，且第一个导频符号位于OFDM符号的第一个子载波上。

9.根据权利要求6所述的多带UWB系统低复杂度信道估计装置，其特征在于，所述导频位置的最小二乘信道估计为：

${\tilde{H}}_n^P=\frac{Y_n^P}{X_n^P}$

其中表示导频处的最小二乘信道估计，为信道的输入，为信道的输出。

10.根据权利要求6-9中任一项所述的多带UWB系统低复杂度信道估计装置，其特征在于，所述的滤波方法为卡尔曼滤波，卡尔曼滤波后的单个导频子载波低阶滤波迭代方程为：

${\hat{H}}_n^P={\mathrm{\α}}_{n,n-1}{\hat{H}}_n^P+K_n{e}_n$

$K_n=P_n{\left(X_n^P\right)}^T[X_n^P{P}_n^{\′}{\left(X_n^P\right)}^T+R_n]$

$e_n=Y_n^P-{\hat{Y}}_n^P=Y_n^P-X_n^P{\hat{H}}_{n-1}^P$

P′_n＝|α_n,n-1|²P_n-1+Q_n

其中表示滤波估计值，Q_n、R_n分别表示状态噪声W_n和过程噪声V_n的协方差矩阵，e_n为观测信号的估计误差，K_n为滤波增益矩阵，α_n,n-1表示信道状态转移系数，α_n,n-1可通过导频的最小二乘信道估计进行跟踪，