CN104378787B - 基于扩展Prony算法的平坦快衰落长距离信道预测方法 - Google Patents

Abstract

一种基于扩展Prony算法的平坦快衰落长距离信道预测方法，在发射端，输入数据经自适应分配，主要为比特与功率分配，经过信号调制过程，调制到载波上并发射；在时变衰落信道传输过程中经历平坦快衰落，接收机接收信号并对其进行解调，在此基础上进行信道估计，根据估计结果做进一步信道预测并反馈至发射端。本发明的有益效果为：本发明的方法在信道条件优与差的情况下，均能得到令人满意的结果，同预测精度下可有3‑5dB的信噪比优势；在进行多步预测时依旧有良好的预测精度，性能稳定；本发明采用的长距离方法，大大降低了运算量，增加了预测距离，方法本身的批量计算可以实现多步预测，再结合插值算法，充分利用数据信息，运算效率有一定提高。

Description

基于扩展Prony算法的平坦快衰落长距离信道预测方法

技术领域

本发明涉及移动通信系统信道预测领域，尤其是一种基于扩展Prony算法的平坦快衰落长距离信道预测方法。

背景技术

随着现代无线移动通信的快速发展，人们对无线通信系统传输能力要求不断提高，希望高速传输大量数据和多媒体等信号。但无线移动通信的信道使系统传输性能受到很大限制，发射端和接收端之间的信道环境由于地形和人为等因素变的十分复杂，多径效应和多普勒频移导致接收信号幅度和相位发生较大畸变，严重影响通信性能。

为了提高系统传输性能，提出一些新的自适应传输技术，如自适应调制、自适应编码、自适应功率控制等。这些自适应传输技术通过跟踪信道环境来调整调制方式、传输功率、传输速率、天线增益等。

为了实现这些自适应传输方法，传输过程中的信道状态信息(channel stateinformation，CSI)必须已知，CSI通过接收端信道估计得到，并反馈到发射端，发射端利用这些反馈信息来调整自适应传输函数，从而提高传输效率。信道状态信息CSI的反馈延迟会影响自适应传输方法的设计，在慢衰落信道情况下，对CSI反馈时间要求不高，但在快衰落信道情况下，反馈时延过长会导致自适应传输系统性能急剧下降。因此，对于快衰落信道实现自适应传输时，需要辅助采用信道预测技术。

目前针对平坦时变衰落信道的预测算法主要包括最大熵方法、ESPRIT算法、长距离预测法、root-MUSI方法、利用卡尔曼滤波器实现均衡器方法、非线性Volterra自适应预测法、基于频域神经网络的信道预测等等。root-MUSI方法适用于谐波组合模型，类似ESPRIT算法，对于模型匹配要求较高。非线性Volterra算法对于非线性滤波器有一定要求，并存在滤波器阶数选择、收敛速度和算法精度兼顾等问题。长距离算法当采样时间间隔不足够大时，会产生模型不匹配的情况，影响预测性能，多步预测时会产生误差扩散。MEM预测算法中采用Burg迭代算法，计算量较大，且多步预测时以预测值代替真实值引起误差扩散。ESPRIT算法理论上可以实现没有误差扩散的多步预测，但是本质上，它的精度受制于自相关函数估计。

发明内容

本发明所要解决的技术问题在于，提供一种算法精度高、计算量小的基于扩展Prony算法的平坦快衰落长距离信道预测方法。

为解决上述技术问题，本发明提供一种基于扩展Prony算法的平坦快衰落长距离信道预测方法，在发射端，输入数据经自适应分配，主要为比特与功率分配，经过信号调制过程，调制到载波上并发射；在时变衰落信道传输过程中经历平坦快衰落，接收机接收信号并对其进行解调，在此基础上进行信道估计，根据估计结果做进一步信道预测并反馈至发射端。

根据估计结果做进一步信道预测的过程中，包括如下步骤：

(1)根据信道系数采样值c(k)求出其修正协方差函数：

(2)列出法方程R_ed＝r_e，其中，p_e＞＞p，r_e＝[r(1,0),r(2,0),...,r(p_e,0)]^T，确定R_e的有效秩p，进而得到线性预测系数的最小二乘估计；

(3)求出特征多项式1+d₁z^-1+...+d_pz^-p＝0的根z_i，i＝1，2，…，p，z_i为Prony极点，包含信道系数各散射路径频率信息；

(4)根据衰落信道系数的特征列出方程：a_i为信道系数各散射路径幅值，解该关于幅度向量a^T＝[a₁,a₂,...,a_p]的线性方程，得到幅度的最小二乘解；

(5)通过信道系数和时刻的对应关系，利用极点与幅值，对下个时刻或者下段时间的信道系数作出预测，配合插值算法，将完整预测结果反馈至发射端。

本发明的有益效果为：基于扩展Prony算法的平坦快衰落长距离信道预测方法在信道条件优与差的情况下，均能得到令人满意的结果，同预测精度下可有3-5dB的信噪比优势；在进行多步预测时依旧有良好的预测精度，性能稳定；本发明采用的长距离方法，大大降低了运算量，增加了预测距离，方法本身的批量计算可以实现多步预测，再结合插值算法，充分利用数据信息，运算效率有一定提高。

附图说明

图1是本发明的无线移动通信自适应系统结构图。

图2是本发明的MEM方法、ESPRIT方法和扩展Prony方法三种方法预测效果比较，比较其预测平均误差。

图3是本发明的MEM方法、ESPRIT方法和扩展Prony方法三种方法预测平均误差随预测距离变化关系曲线图。

图4是本发明的扩展Prony方法配合三次样条插值算法完成的数据速率上信道系数幅度的完整预测。

图5是本发明的扩展Prony方法配合三次样条插值算法完成的数据速率上信道系数相位的完整预测。

具体实施方式

如图1所示，为本发明的无线移动通信自适应系统结构图。在发射端，输入数据经自适应分配，主要为比特与功率分配，调制到载波上并发射；在时变衰落信道传输过程中经历平坦快衰落，接收机接收信号并对其进行解调，在此基础上进行信道估计，根据估计结果做进一步信道预测并反馈至发射端。

对信道系数的采样使用低于数据速率的采样频率，满足奈奎斯特采样定理的同时增加了预测数据的距离，降低了数据的复杂度；其次扩展Prony方法利用了平坦快衰落信道的特征，回避自相关函数估计对精度的影响，通过最小二乘法拟合和计算高次代数方程求解各散射路径极点，并依此得到各路径幅值，依据这两个短时不变量进行预测，实现一定距离内多步预测，效率高；方法中使用修正的协方差函数有一定的抑制噪声能力，使得计算精度较以往算法有所提高；最后，可通过对最终预测结果插值，得到完整的数据速率上的信道系数预测值，保证精度的同时，计算的复杂度依旧低于直接利用数据速率上的信道系数采样值进行预测的情况。

在根据估计结果做进一步信道预测的过程中，本发明提供一种基于扩展Prony算法的平坦快衰落长距离信道预测方法，包括如下步骤：

(2)根据信道系数采样值c(k)求出其修正协方差函数：

(2)列出法方程R_ed＝r_e，其中，p_e＞＞p，

r_e＝[r(1,0),r(2,0),...,r(p_e,0)]^T，确定R_e的有效秩p，进而得到线性预测系数的最小二乘估计；

(3)求出特征多项式1+d₁z^-1+...+d_pz^-p＝0的根z_i，i＝1，2，…，p，z_i为Prony极点，包含信道系数各散射路径频率信息；

(4)根据衰落信道系数的特征列出方程：a_i为信道系数各散射路径幅值，解该关于幅度向量a^T＝[a₁,a₂,...,a_p]的线性方程，得到幅度的最小二乘解；

(5)通过信道系数和时刻的对应关系，利用极点与幅值，对下个时刻或者下段时间的信道系数作出预测，配合插值算法，将完整预测结果反馈至发射端。

如图2-5所示，本发明方法的性能通过MATLAB仿真进行分析评估。仿真中信道模型采用标准Jakes模型，具体参数设置为：采用归一化信道，即E[|c|²]＝1，信号由9个散射信号组合而成，终端造成的最大多普勒频移100Hz，相位在[-π,π]上服从均匀分布，无线电信号来射方向与移动终端方向间夹角在[-π,π]上服从均匀分布。信号数据传输速率为200Kpbs，信道系数采样频率为200Hz，采样100个数据进行一步预测或者多步预测，选择三次样条插值法拟合数据率上的完整信道系数，噪声为加性高斯白噪声。

对比仿真了MEM方法、ESPRIT方法及本方法中基于扩展Prony算法的平坦快衰落长距离信道预测方法这三种方法的平均误差，如图2和图3所示。为了得到数据速率上的信道系数预测值，对已预测出的结果进行插值，利用三次样条插值法得到的结果如图4和图5所示。

从仿真结果中可以看出，本发明提出的基于扩展Prony算法的平坦快衰落长距离信道预测方法在信道条件优与差的情况下，均能得到令人满意的结果，同预测精度下可有3-5dB的信噪比优势。在进行多步预测时依旧有良好的预测精度，算法性能稳定。本发明采用的长距离方法，大大降低了运算量，增加了预测距离，算法本身的批量计算可以实现多步预测，再结合插值算法，充分利用数据信息，运算效率有一定提高。

尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。

Claims (1)

1.一种基于扩展Prony算法的平坦快衰落长距离信道预测方法，其特征在于，在发射端，输入数据经自适应分配，主要为比特与功率分配，经过信号调制过程，调制到载波上并发射；在时变衰落信道传输过程中经历平坦快衰落，接收机接收信号并对其进行解调，在此基础上进行信道估计，根据估计结果做进一步信道预测并反馈至发射端；根据估计结果做进一步信道预测的过程中，包括如下步骤：

(1)根据信道系数采样值c(k)求出其修正协方差函数：

(2)列出法方程R_ed＝r_e，其中，

r_e＝[r(1,0),r(2,0),...,r(p_e,0)]^T，确定R_e的有效秩p，进而得到线性预测系数的最小二乘估计；

(3)求出特征多项式1+d₁z^-1+…+d_pz^-p＝0的根z_i，i＝1，2，…，p，z_i为Prony极点，包含信道系数各散射路径频率信息；

(4)根据衰落信道系数的特征列出方程：，a_i为信道系数各散射路径幅值，解该关于幅度向量a^T＝[a₁,a₂,...,a_p]的线性方程，得到幅度的最小二乘解；

(5)通过信道系数和时刻的对应关系，利用极点与幅值，对下个时刻或者下段时间的信道系数作出预测，配合插值算法，将完整预测结果反馈至发射端。