CN104410590A - 一种基于压缩感知的短波ofdm抑制干扰联合信道估计方法 - Google Patents

Abstract

本发明请求保护一种基于压缩感知的短波OFDM抑制干扰联合信道估计方法，涉及短波通信领域及移动通信技术领域。该方法的包括如下步骤：步骤一：接收端获得发送端发送的的M个导频信号的接收值Y_M×1；步骤二：强单音干扰抑制；步骤三：根据重构算法MCoSaMP进行短波信道h的重构,得到短波信道频域响应H。本发明提供的信道估计方法不仅可以比传统的信道估计方法使用更少的导频符号，提高频谱利用率，而且通过抑制短波信道中的强单音干扰可以有效降低信道估计误差，提高信道估计的性能。

Description

一种基于压缩感知的短波OFDM抑制干扰联合信道估计方法

技术领域

本发明涉及短波通信领域及移动通信技术领域，尤其涉及一种基于压缩感知的短波OFDM抑制干扰联合信道估计方法。

背景技术

短波通信主要依靠天波传播，而天波传播是依赖于电离层对电磁波的反射来实现的，所以短波信道的特征与电离层的变化特征密切相关。影响电离层的因素主要有太阳黑子数、季节、昼夜、发射机和接收机的地理位置等，由于电离层的不规则运动以及电离层浓度及厚度的不断变化，电磁波在传播过程中会产生多径和多普勒等效应，从而导致短波信道成为频率选择性和时间选择性信道。除此之外，短波通信还受到一种强单音信号的干扰。因而，在短波通信中接收信号通常会受到短波信道的影响而被错误判断接收。因此，需要一种性能较好的信道估计技术对短波信道进行估计，然后进行信道均衡从而使接收端能够正确接收发送端发送的信号。

研究发现，正交频分复用技术(OFDM)应用于短波通信系统能够有效缓解短波信道频谱资源稀缺(短波频谱只有3MHZ-30MHZ的频谱范围)及多径衰落的问题,具有重要的实用价值。OFDM系统中使用较多的信道估计技术是基于导频符号的信道估计方法。其估计过程如下：

首先在发送端发送P个已知的导频符号X_p，经过OFDM系统后，接收端收到P个接收信号Y_p；然后利用传统的最小二乘(LS)或者最小均方误差(MMSE)技术进行导频子载波处的信道频域响应H_p；最后经过插值算法(如线性插值、线性滤波插值、基于DFT的插值等)求出其它数据子载波处的信道频域响应，从而完成对整个信道的频域响应的估计。然而，现有的信道估计技术往往只考虑加性高斯白噪声(AWG)对系统的影响，LS估计方法甚至没有考虑AWG的影响。而实际上短波信道频带内存在大量的强单音干扰，会直接破坏OFDM信号结构，如不采取必要的干扰抑制手段，就会影响信道估计的准确性，最终降低系统的传输性能。另外，短波信道实际是一种稀疏信道，而传统的信道估计方法(LS、MMSE)只适用于稠密信道，使得其对短波信道估计性能不够理想，而且需要插入较多的导频信号，因此频谱利用率较低。

压缩感知(CS,Compressed Sensing)理论是一种新兴起的信号压缩采样技术，该理论的核心问题是使用基追踪、贪婪算法解决稀疏信号的重构问题。压缩感知理论指出只要信号是可压缩的或在某个变换域下能够被稀疏表示,那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上并且可从这些少量的测量数据中以高概率重构出该信号。信道估计问题也是一种信号重建问题，因此可以将压缩感知理论用于短波信道估计中，充分利用短波信道的稀疏性，并结合信号重建算法进行短波信道的重建。

发明内容

针对以上现有技术中的不足，本发明的目的在于提供一种提高频谱利用率，有效降低系统误码率，提高系统性能的信道估计方法，本发明的技术方案如下：一种基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其包括以下步骤：

101、在发送端，设短波正交频分复用系统OFDM中有N个子载波，待发送的二进制数据序列依次经过通过QPSK/QAM调制、串/并变换、插入M个梳状导频、IFFT离散反傅里叶变换、添加循环前缀CP、并完成并/串变换步骤后发送给短波信道，其中所述短波信道有高斯白噪声AWG和强单音干扰n(t)，经过短波信道后发送给接收端；

102、接收端接收到数据后，依次进行串/并变换、去掉循环前缀CP、FFT离散傅里叶变换、强单音干扰抑制及信道估计步骤、提取导频处的信号、并/串变换及QPSK/QAM解调得到接收数据；

102、根据压缩感知理论对短波信道建立稀疏模型，构建观测矩阵T使得T满足受限等距RIP，根据重构算法MCoSaMP进行短波信道h的重构，进而得到信道频域响应H，实现信道估计。

进一步的，步骤101中发送端插入的M个导频信号满足：M≥λSlog(L/S)，其中λ为常数,L是短波信道长度，S是短波信道稀疏度。

进一步的，步骤102中的强单音干扰抑制方法包括以下步骤：

(1)接收端根据所接收到的M个导频符号值进行干扰估计的阈值设定；

(2)通过阈值比较判断该导频子载波处是否存在强单音干扰，若存在则令该处导频符号接收值Y_k等于其前后导频符号接收值的平均数，即否则Y_k不变，当k≥M时停止单音干扰检测；

(3)更新导频符号的接收值Y。

进一步的，步骤103中的重构算法MCoSaMP进行短波信道h的重构过程如下：

(1)首先进行初始化：r_-1＝Y_M×1,r_-1表示残差，Y_M×1表示由M个导频符号得到的测量向量，观测矩阵T＝X_M×MF_M×L，X_M×M表示发送的M个导频符号，F_M×L表示M个导频处对应的FFT(离散傅里叶)矩阵.候选集支撑集

(2)计算u_j＝T⁺.r_j-1，其中u_j表示观测矩阵的列向量与残差的相关值，T⁺＝(T^H.T)^-1.T^H表示观测矩阵T的伪逆矩阵.，更新候选集π_j＝Supp(u_j,2S)∪ψ_j-1，其中Supp(u_j,2S)表示u_j中最大的2S个较大值对应的位置；

(3)用最小二乘LS算法得信道估计中间结果：表示候选集π_j的补集.；

(4)更新非零信道系数位置集合的方法：支撑集表示选取中的S个最大值放入支撑集ψ中；

(5)当前估计值： $\hat{h_{/{\mathrm{\ψ}}_j}}=\stackrel{~}{h_{/{\mathrm{\ψ}}_j}},\hat{h_{/{\mathrm{\ψ}}_j^C}}=0;$

(6)更新残差 $r_j=Y-T_{{/\mathrm{\ψ}}_j}.\hat{h_{{/\mathrm{\ψ}}_j}};$

(7)当ψ_j＝ψ_j-1或j＝j_max时终止迭代，输出至此完成整个信道估计过程；否则j＝j+1并转至(2)。

进一步的，所述强单音干扰抑制的阈值设置为：K＝1,2...,M。

进一步的，所述观测矩阵T是部分傅里叶矩阵，并且满足受限等距RIP性质： $(1-{\mathrm{\σ}}_s){\left|\right|h\left|\right|}_2^2\≤{\left|\right|\mathrm{Th}\left|\right|}_2^2\≤(1+{\mathrm{\σ}}_s){\left|\right|h\left|\right|}_2^2,{\mathrm{\σ}}_s\∈\left(\mathrm{0,1}\right).$

本发明的优点及有益效果如下：

本发明所述方法可以很好地抑制短波信道中的强单音干扰，减轻导频处存在的强单音对信道估计结果的影响。同时MCoSaMP重构算法具有严格的误差界限，也具有很强的抗干扰能力，信道重构精度较高，通过这二者联合的信道估计方法可以在使用很少的导频的情况下，提高频谱利用率，有效降低系统误码率，提高系统性能。

附图说明

图1是按照本发明优选实施例的短波OFDM的基带信道估计模型；

图2为短波OFDM系统图；

图3为本发明提出的抑制干扰过程；

图4为本发明提出的MCoSaMP算法进行信道估计的过程。

具体实施方式

下面结合附图给出一个非限定的实施例对本发明作进一步的阐述。但是应该理解，这些描述只是示例的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

附图1是本发明所采用的短波信道模型的功率分布图，从图中可以看出短波信道是一种稀疏信道。进一步，本发明所采用的是ITU-R F.1487(2000)给出的'iturHFMD'即中纬度，劣等条件下的短波信道模型，其中稀疏度为2，最大多普勒频移为1Hz，最大多径时延为2ms。

参见图2,是短波OFDM系统图。需要说明的是，在本发明的短波OFDM系统图中，其中的QPSK/QAM调制、串/并变换、IFFT(离散反傅里叶)变换、添加循环前缀CP、并完成并/串变换、接收端接收到数据后，进行串/并变换、去掉循环前缀CP、FFT(离散傅里叶)变换、及信道估计步骤、提取导频处的信号、并/串变换及QPSK/QAM解调的步骤均是本领域技术人员所熟知的公知技术，均已经比较成熟，在本申请中不再赘述，而本发明的创新点是；强单音干扰抑制的步骤和重构算法MCoSaMP进行短波信道h的重构过程：因此详细描述如下：

在短波OFDM系统中，一般为了避免符号间干扰，在设计循环前缀CP时，通常CP的长度大于信道的总时延，这样在一个OFDM符号里，信道参数认为是不变的，即为h_i(τ).这样对具有N个子载波的短波OFDM系统，短波信道沖激响应表示为：而其中h＝[h(0),h(1),...,h(L-1)]^T非零元素数S<<L,L为信道长度，可见短波信道表现出时域的稀疏性。假设该短波OFDM系统有N个子载波，发送M个梳状导频子载波，短波信道长度为L,信道稀疏度为S。X＝diag(x₁,x₂,...,x_N)表示发送端发送的数据。则接收端经过N点FFT变换接收信号为：Y_N×1＝X_N×N.H_L×1+W_N×1+J_N×1＝X_N×N.F_N×L.h_L×1+W_N×1+J_N×1,其中W,J分别是加性高斯白噪声和强单音干扰的频域表示。进一步，强单音干扰的时域表示为：I表示强单音干扰的数目，J_i、f_i、Θ_i分别表示强单音干扰的幅度、频率和相位。F为N×1维离散傅里叶(FFT)变换矩阵： $F=\frac{1}{\sqrt{N}}\left[\begin{array}{ccc}{f}^{00}& ...& f^{(L-1)0}\\ .& & .\\ .& & .\\ .& & .\\ f^{0(N-1)}& ...& f^{(L-1)(N-1)}\end{array}\right],$ 其中设P为M×N维选择矩阵对应M个导频位置，从而导频处的信号为：Y_M×1＝X_M×M.F_M×L.h_L×1+W_M×1+J_M×1,其中Y_M×1＝P.Y,X_M×M＝PXP^T,F_M×L＝PF,W_M×1＝SW,J_M×1＝PJ。

上式中，Y_M×1、X_M×M、F_M×L都是已知信号，至此完成步骤一。

参见图3，是本发明的干扰抑制过程。取干扰阈值假设在K＝K₀处存在大幅度强单音干扰，即J(K₀)>>X(K₀).H(K₀)+W(K₀),由干扰门限得：可以看出gate与成线性关系，说明设置的gate既可以用来检测强单音干扰。通过阈值比较判断该导频子载波处是否存在强单音干扰，若存在则令该处导频符号接收值Y_k等于其前后导频符号接收值取平均，即否则Y_k不变。当k≥M时停止单音干扰检测，接着更新M个导频符号的接收值Y_M×1。至此完成步骤二。

参见图4，是本发明的基于信道重建算法MCoSaMP的信道估计过程。首先构造观测矩阵T＝X_M×MF_M×L，由于T是部分傅里叶矩阵，其满足RIP性质。M个观测样本为Y_M×1。接着执行信道重建算法MCoSaMP恢复出时域的信道沖激响应h的步骤如下：

首先进行初始化：r_-1＝Y_M×1,观测矩阵T＝X_M×MF_M×L，候选集支撑集

(1)计算u_j＝T⁺.r_j-1，更新候选集π_j＝Supp(u_j,2S)∪ψ_j-1，其中Supp(u_j,2S)表示u_j中最大的2S个较大值对应的位置。

(2)用最小二乘(LS)算法得信道估计中间结果：

(3)更新非零信道系数位置集合的方法：支撑集

(4)当前估计值： $\hat{h_{/{\mathrm{\&psi;}}_j}}=\stackrel{~}{h_{/{\mathrm{\&psi;}}_j}},\hat{h_{/{\mathrm{\&psi;}}_j^C}}=0.$

(5)更新残差 $r_j=Y-T_{{/\mathrm{\&psi;}}_j}.\hat{h_{{/\mathrm{\&psi;}}_j}};$

(6)当ψ_j＝ψ_j-1或j＝j_max时终止迭代，输出完成整个信道估计过程；否则j＝j+1并转至(1)。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (6)

1.一种基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，包括以下步骤：

101、在发送端，设短波正交频分复用系统OFDM中有N个子载波，待发送的二进制数据序列依次经过通过QPSK/QAM调制、串/并变换、插入M个梳状导频、IFFT离散反傅里叶变换、添加循环前缀CP、并完成并/串变换步骤后发送给短波信道，其中所述短波信道有高斯白噪声AWG和强单音干扰n(t)，经过短波信道后发送给接收端；

102、接收端接收到数据后，依次进行串/并变换、去掉循环前缀CP、FFT离散傅里叶变换、强单音干扰抑制及信道估计步骤、提取导频处的信号、并/串变换及QPSK/QAM解调得到接收数据；

102、根据压缩感知理论对短波信道建立稀疏模型，构建观测矩阵T使得T满足受限等距RIP，根据重构算法MCoSaMP进行短波信道h的重构，进而得到信道频域响应H，实现信道估计。

2.根据权利要求1所述的基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，步骤101中发送端插入的M个导频信号满足：M≥λSlog(L/S)，其中λ为常数,L是短波信道长度，S是短波信道稀疏度。

3.根据权利要求1所述的基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，步骤102中的强单音干扰抑制方法包括以下步骤：

(1)接收端根据所接收到的M个导频符号值进行干扰估计的阈值设定；

(2)通过阈值比较判断该导频子载波处是否存在强单音干扰，若存在则令该处导频符号接收值Y_k等于其前后导频符号接收值的平均数，即否则Y_k不变，当k≥M时停止单音干扰检测；

(3)更新导频符号的接收值Y。

4.根据权利要求1所述的基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，步骤103中的重构算法MCoSaMP进行短波信道h的重构过程如下：

(1)首先进行初始化：r_-1＝Y_M×1,r_-1表示残差，Y_M×1表示由M个导频符号得到的测量向量，观测矩阵T＝X_M×MF_M×L，X_M×M表示发送的M个导频符号，F_M×L表示M个导频处对应的FFT离散傅里叶矩阵.候选集支撑集

(2)计算u_j＝T⁺.r_j-1，其中u_j表示观测矩阵的列向量与残差的相关值，T⁺＝(T^H.T)^-1.T^H表示观测矩阵T的伪逆矩阵.,更新候选集π_j＝Supp(u_j,2S)∪ψ_j-1，其中Supp(u_j,2S)表示u_j中最大的2S个较大值对应的位置；

(3)用最小二乘LS算法得信道估计中间结果： 表示候选集π_j的补集；

(4)更新非零信道系数位置集合的方法：支撑集表示选取S个最大值放入支撑集ψ中；

(5)当前估计值： $h_{{/\mathrm{\&psi;}}_j}^{^}=h_{{/\mathrm{\&psi;}}_j}^{~},h_{{/\mathrm{\&psi;}}_j^C}^{^}=0;$

(6)更新残差 $r_j=Y-T_{{/\mathrm{\&psi;}}_j}\&CenterDot;h_{{/\mathrm{\&psi;}}_j}^{^};$

(7)当ψ_j＝ψ_j-1或j＝j_max时终止迭代，输出至此完成整个信道估计过程；否则j＝j+1并转至(2)。

5.根据权利要求3所述的基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，所述强单音干扰抑制的阈值设置为：K＝1,2...,M。

6.根据权利要求4所述的基于压缩感知的短波OFDM抑制干扰联合信道估计方法，其特征在于，所述观测矩阵T是部分傅里叶矩阵，并且满足受限等距RIP性质： $(1-{\mathrm{\&sigma;}}_s){\left|\right|h\left|\right|}_2^2\&le;{\left|\right|\mathrm{Th}\left|\right|}_2^2\&le;(1+{\mathrm{\&sigma;}}_s){\left|\right|h\left|\right|}_2^2,$ σ_s∈(0,1)。