CN105024956A - 高速移动下基于统计信息的信道估计和ici消除方法 - Google Patents

Abstract

本发明提供了一种高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，包括如下步骤：测量真实场景中的系统参数；根据真实场景中的系统参数设置正交频分复用OFDM通信系统；根据正交频分复用OFDM通信系统中得出的统计特性建立信道模型；根据信道模型消除子载波间干扰ICI；根据统计信息设计信道估计方法，获得估计后的信道信息；利用估计后的信道信息进行数据处理。本发明解决了高移动环境中现有的信道估计和子载波间干扰ICI消除方案高复杂度、性能受系统速度影响、低频谱效率等问题，在实际环境中性能佳、效率高、系统复杂度低。

Description

高速移动下基于统计信息的信道估计和ICI消除方法

技术领域

本发明涉及消除无线通信系统干扰的方法，具体地，涉及基于统计信息的信道估计和子载波间干扰消除方法，尤其涉及高速移动下基于统计信息的信道估计和载波间干扰消除方法。

背景技术

随着高速移动技术的不断发展和广泛应用，如何在高速移动场景中为人们提供高可靠性、高数据传输速度的无线通信服务问题显得尤为重要。在高速移动环境下，随着终端移动速度的增加，多普勒效应影响愈加显著，信道参数变化剧烈，导致了信道的时频双选择性快速衰落特性，使得快速精确地进行信道估计以保障系统性能变得非常困难。为了保证更高的数据传输速率和频谱利用率，正交频分复用(OFDM，Orthogonal Frequency Divi sion Multiplexing)被广泛应用于通信系统中，而在高速移动环境下，这会带来一些新的问题。主要有以下两个方面，第一个是高速环境下会产生较为严重的多普勒效应，其破坏了OFDM的正交性，并且带来了子载波间干扰(ICI,Inter-Carrier Interference)，直接降低通信质量；第二个是由于高速移动环境下信道具有快时变性，传统信道估计方法需要大量采集的信道信息以保证系统性能。然而，传统信道估计需要非常高的系统复杂度和非常长的运算时间，这与高速环境中需要实时处理的需求不符。因此迫切需要新的技术来解决这些问题，这对提高高速移动环境下的通信效果有着很大的意义。

目前，大量的信道估计研究表明高移动环境下的无线信道具有一定稀疏特性和统计特性，即信道特性完全可以由相对数目较少的主要统计参数来表示。然而，目前主流的信道估计算法都没有很好的利用到信道的这一特性。在高速移动环境中，由于信道的快速变化，需要采集的信道信息数目非常大，这使得现有信道估计算法需要非常高的运算复杂度和非常长的计算时间，这与高速环境中需要快速准确的信道估计的需求不符。因此，目前迫切需要一种可以利用信道统计特性的快速且准确 的信道估计方案。

另一方面，高移动环境下的ICI干扰消除已经成为了影响通信系统性能的一个主要原因。目前主流的ICI消除技术主流主要包括以下几种：插入保护导频以消除ICI干扰；利用循环前缀提取信道信息来抑制ICI；利用连续相邻信号的信息进行ICI消除；利用迭代法多消除ICI。然而，这些方法会存在着降低频谱效率或者需要大量的运算时间，而且在信道快速变化的环境中，性能会受到很大影响。因此，现有的ICI消除方案并不适用于高速移动环境中的无线通信技术。

在高速移动环境下，快速且准确的信道估计和ICI消除方法是保证高可靠性、高传输速率无线通信服务的基础。为了解决现有方案在高速移动环境中的缺陷和不足，本发明提出了一种全新的基于统计信息的信道估计和ICI消除方法。本发明所提出的方法可以在显著提高性能的同时保证更低的复杂度和更好的性能，并能够方便的使用到真实系统中。目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种高速移动下基于统计信息的信道估计和载波间干扰消除方法。

根据本发明提供的高速移动下基于统计信息的信道估计和载波间干扰消除方法，包括如下步骤：

步骤1：测量真实场景中的系统参数；

步骤2：根据真实场景中的系统参数设置正交频分复用OFDM通信系统；

步骤3：根据正交频分复用OFDM通信系统中得出的统计特性建立信道模型；

步骤4：根据信道模型消除子载波间干扰ICI；

步骤5：根据统计信息设计信道估计方法，获得估计后的信道信息；

步骤6：利用估计后的信道信息进行数据处理。

优选地，所述步骤1包括：在接收端移动时速大于300km/h的移动场景中测量真实场景中的多径个数、最大多普勒频偏、OFDM载波个数、载波频率、系统带宽、基站功率覆盖范围和基站到接收端运动轨迹垂直距离。

优选地，所述步骤2包括：建立OFDM通信系统；利用OFDM载波个数、载波频率、系统带宽参数，并根据长期演进LTE标准设置OFDM通信系统。

优选地，所述步骤3包括：

步骤3.1：在时域信道中选择时域信道节点，即采样时刻；

-步骤3.1.1：从建立的OFDM通信系统的信道中选择时域信道节点，所述OFDM通信系统包括L个传输路径，每个所述传输路径包括N个信道信息，且所述时域信道节点为每个传输路径中任选地M个信道信息，其中L>0，N>0，M>0，且M满足M<<N；

-步骤3.1.2：计算传播路径的瞬时冲击响应，计算公式如下：

h_l＝[h_0,l,h_1,l,…,h_N-1,l]^T，

Μ＝[m₁,m₂,…,m_M]，

$h_{l,M}={\&lsqb;h_{m_1,l},h_{m_2,l},...,h_{m_M,l}\&rsqb;}^T,$

h_n,l＝α_l,nh_l,M，

α_l,n＝[α_l,n(m₁),α_l,n(m₂),…,α_l,n(m_M)]，

且0≤l≤L-1，

式中：L表示OFDM通信系统中整个信道所包含的传输路径数，N表示每个传输路径包含的信道信息数，l表示OFDM通信系统中的第l个传输路径，h_l表示第l个传输路径的N个信道信息组成的时域信道矩阵，h_n,l表示第l个传输路径的第n个信道信息，α_l,n表示第l传播路径在第n时刻对应的权值，h_N-1,l表示第l个传输路径的第N-1个信道信息，m_M表示选取的第M个采样时间点，Μ表示所选取的采样时间点矩阵，h_l,M表示第l个传输路径根据M个选取的采样时间点构成的信道信息矩阵，表示第l个传输路径在第M个选取的采样时间点的信道信息，α_l,n表示1×M维权重矩阵，α_l,n(m_i)表示第l个传输路径的第n时刻的冲击响应在第i个选中的采样时间点对应的权值，m_i表示第i个选取的采样点，其中1≤i≤M。

-步骤3.1.3：根据传播路径的瞬时冲击响应计算域信道节点的权重，计算公式如下：

${\mathrm{\&alpha;}}_{l,n}=E\&lsqb;h_{n,l}{h}_{l,M}^H\&rsqb;E{\&lsqb;h_{l,M}{h}_{l,M}^H\&rsqb;}^{-1},$

式中，Ε[]表示期望运算，表示第l个传输路径在根据M个选取的采样时间点构成的信道信息矩阵的共轭转置，Ε[]^-1表示期望运算的逆运算，其中令Ε[|h_n,l-α_l,nh_l,M|²]的值最小；

当在高移动环境下的无线传输信道符合Jakes模型，则： 

$E\&lsqb;h_{m_i,l}{h}_{n,l}\&rsqb;=J_0\left(2{\mathrm{\&pi;f}}_d\right(m_i-n)T_s)=J(m_i-n),h_{m_1,l}\&Element;h_{l,M},i=1,2,...M,$

$f_d=\frac{v}{c}{f}_{c}cos\mathrm{\&theta;},$

式中：J₀表示0阶贝塞尔方程，T_s表示表示OFDM系统的采样周期，为矩阵h_l,M中的第i个元素，f_d表示多普勒频偏，参数v表示接收端移动速度，参数c表示光速，参数f_c表示载波频率，参数θ表示基站与接收端之间的夹角，m表示第m个时刻，n表示第n个时刻，m_M表示选取的第M个采样时刻，J表示时变信道的归一化相关函数；

-步骤3.1.4：根据求解得到的时域信道节点进行信道估算，计算公式如下：

且h_l＝α_lh_l,M，

α_l＝[α_l,0,α_l,1,…,α_l,N-1]^T，

式中：α_l表示第l个传输路径中一个OFDM符号的权重矩阵，α_l,N-1表示第l个传输路径在第N-1个时刻对应的权重值，α₀表示第0个传输路径中一个OFDM符号的权重矩阵，α_L-1表示第L-1个传输路径中一个OFDM符号的权重矩阵，表示第0个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵，表示第L个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵；其中一个OFDM符号由N个时刻的信号构成。

优选地，所述步骤4包括：根据信道统计特性设计一个接收端后处理模块以降低子载波间干扰ICI对OFDM通信系统的影响，计算公式如下：

R＝VY＝VFHF^HX+W＝DX+W，

且D＝VG，

P(i,j)＝E{|D(i,j)|²}，

则 $SIR\left(i\right)=\frac{P(i,j)}{\underset{j=0,j\&NotEqual;i}{\overset{N-1}{\&Sigma;}}P(i,j)},$

式中：V表示接收端后处理模块矩阵为一个N×N的矩阵，Y表示接收端在频域接收到的信号矩阵，R表示接收端接收到的经过后处理后的频域信号矩阵，F表示傅里叶变换运算，H表示时域信道矩阵，W表示频域噪声矩阵，D表示接收端ICI消除之后的频域信道矩阵，X表示发送端发送的频域信号矩阵，G表示频域信道矩阵，D(i,j)是矩阵D的第(i,j)元素，P(i,j)表示第i个子载波与第j个子载波的功率增益，i表示第i个子载波，j表示第j个子载波，E{}表示期望运算，SIR(i)表示第i个子载波的信号干扰比；将矩阵V构造成一个循环矩阵，其中构造的循环矩阵向量如下：

v＝(v₀,v₁,…v_N-1)^T，

其中根据统计特性简化后的公式为：

$SIR=\frac{P_d}{P_o-P_d}=\frac{v^T{F}_v{v}^{*}}{1-v^T{F}_v{v}^{*}},$

则： ${\mathrm{SIR}}_{max}=\frac{{\mathrm{\&lambda;}}_{max}\left(F_v\right)}{1-{\mathrm{\&lambda;}}_{max}\left(F_v\right)},$

式中：P_d表示接收端信号所有子载波的信号功率增益，P_o表示接收所有子载波的功率增益，v_N-1表示对应第N-1个时刻的向量v中的构造元素，v表示循环矩阵向量，v^T表示向量v的转置，F_v表示常数矩阵，v^*表示矩阵v的共轭，SIR表示信号干扰比，SIR_max表示最大信号干扰比，λ_max(F_v)表示F_v的最大特征值。

优选地，所述步骤5包括：根据统计特性，选取传播路径，其中，计算公式如下：

${\mathrm{\&omega;}}_r=\arg \underset{{\mathrm{\&omega;}}_r}{min}\mathrm{\&mu;}\left(U_{NC}\right({\mathrm{\&omega;}}_r\left)\right),$

式中：ω_r表示所有传播路径的元素位置选取方式，μ(U_NC)表示投影矩阵的平均相干性，U_NC(ω_r)表示对应ω_r选取方式的前置矩阵与系数矩阵的乘积矩阵。

优选地，所述步骤6包括：利用估计后的信道信息，接收端能够得到真实场景中的信道信息，并对数据进行译码处理。

与现有技术相比，本发明具有如下的有益效果：

1、本发明能在高速移动无线通信环境中大幅提高系统性能，并同时保证高频谱效率和低系统复杂度。

2、本发明提供的方法运算复杂度低，能够运用到真实的高速场景中，便于推 广。

3、本发明利用了接收端移动轨迹和实时速度已知的特点，发掘了移动信道的统计特性，设计了基于全新的信道估计和ICI消除方法，准确率高且鲁棒性强。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明提供的高速移动下基于统计信息的信道估计和载波间干扰消除方法方框示意图；

图2为本发明提供方法的比特误码率BER随着信噪比SNR的变化曲线图；

图3为本发明提供方法在信噪比SNR为20dB时比特误码率BER随着功率比K的变化曲线图；

图4为本发明提供方法在归一化多普勒频移为0.1和0.2时与采用传统LS信道估计算法的信道估计准确度比较图；

图5为本发明提供方法在归一化多普勒频移为0.1和0.2时，选择不同路径节点的信道估计准确度比较图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

根据本发明提供的高速移动下基于统计信息的信道估计和载波间干扰消除方法，包括如下步骤：

步骤1：测量真实场景中的系统参数；

步骤2：根据真实场景中的系统参数设置正交频分复用OFDM通信系统；

步骤3：根据正交频分复用OFDM通信系统中得出的统计特性建立信道模型；

步骤4：根据信道模型消除子载波间干扰ICI；

步骤5：根据统计信息设计信道估计方法，获得估计后的信道信息；

步骤6：利用估计后的信道信息进行数据处理。

优选地，所述步骤1包括：在接收端移动时速大于300km/h的移动场景中利用信道 估计仪测量真实场景中的多径个数、最大多普勒频偏、OFDM载波个数、载波频率、系统带宽、基站功率覆盖范围和基站到接收端运动轨迹垂直距离。具体地，所述信道估计仪的型号为Elektrobit公司的Propsound。

优选地，所述步骤2包括：建立OFDM通信系统；利用OFDM载波个数、载波频率、系统带宽参数，并根据长期演进LTE标准设置OFDM通信系统。

优选地，所述步骤3包括：

步骤3.1：在时域信道中选择时域信道节点，即采样时刻；

-步骤3.1.1：从建立的OFDM通信系统的信道中选择时域信道节点，所述OFDM通信系统包括L个传输路径，每个所述传输路径包括N个信道信息，且所述时域信道节点为每个传输路径中任选地M个信道信息，其中L>0，N>0，M>0，且M满足M<<N；

-步骤3.1.2：计算传播路径的瞬时冲击响应，计算公式如下：

h_l＝[h_0,l,h_1,l,…,h_N-1,l]^T，

Μ＝[m₁,m₂,…,m_M]，

$h_{l,M}={\&lsqb;h_{m_1,l},h_{m_2,l},...,h_{m_M,l}\&rsqb;}^T,$

h_n,l＝α_l,nh_l,M，

α_l,n＝[α_l,n(m₁),α_l,n(m₂),…,α_l,n(m_M)]，

且0≤l≤L-1，

式中：L表示OFDM通信系统中整个信道所包含的传输路径数，N表示每个传输路径包含的信道信息数，l表示OFDM通信系统中的第l个传输路径，h_l表示第l个传输路径的N个信道信息组成的时域信道矩阵，h_n,l表示第l个传输路径的第n个信道信息，α_l,n表示第l传播路径在第n时刻对应的权值，h_N-1,l表示第l个传输路径的第N-1个信道信息，m_M表示选取的第M个采样时间点，Μ表示所选取的采样时间点矩阵，h_l,M表示第l个传输路径根据M个选取的采样时间点构成的信道信息矩阵，表示第l个传输路径在第M个选取的采样时间点的信道信息，α_l,n表示1×M维权重矩阵，α_l,n(m_i)表示第l个传输路径的第n时刻的冲击响应在第i个选中的采样时间点对应的权值，m_i表示第i个选取的采样点，其中1≤i≤M。

-步骤3.1.3：根据传播路径的瞬时冲击响应计算域信道节点的权重，计算公式如下：

${\mathrm{\&alpha;}}_{l,n}=E\&lsqb;h_{n,l}{h}_{l,M}^H\&rsqb;E{\&lsqb;h_{l,M}{h}_{l,M}^H\&rsqb;}^{-1},$

式中，Ε[]表示期望运算，表示第l个传输路径在根据M个选取的采样时间点构成的信道信息矩阵的共轭转置，Ε[]^-1表示期望运算的逆运算，其中令Ε[|h_n,l-α_l,nh_l,M|²]的值最小；

当在高移动环境下的无线传输信道符合Jakes模型，则： 

$E\&lsqb;h_{m_i,l}{h}_{n,l}\&rsqb;=J_0\left(2{\mathrm{\&pi;f}}_d\right(n-n)T_s)=J(m_i-n),h_{m_1,l}\&Element;h_{l,M},i=1,2,...M,$

$f_d=\frac{v}{c}{f}_{c}cos\mathrm{\&theta;},$

式中：J₀表示0阶贝塞尔方程，T_s表示表示OFDM系统的采样周期，为矩阵h_l,M中的第i个元素，f_d表示多普勒频偏，参数v表示接收端移动速度，参数c表示光速，参数f_c表示载波频率参数θ表示基站与接收端之间的夹角，m表示第m个时刻，n表示第n个时刻，m_M表示选取的第M个采样时刻；具体地，根据LTE标准确定载波频率f_c的值一般为2.35GHz。

-步骤3.1.4：根据求解得到的时域信道节点进行信道估算，计算公式如下：

且h_l＝α_lh_l,M，

α_l＝[α_l,0,α_l,1,…,α_l,N-1]^T，

式中：α_l表示第l个传输路径中一个OFDM符号的权重矩阵，α_l,N-1表示第l个传输路径在第N-1个时刻对应的权重值，α₀表示第0个传输路径中一个OFDM符号的权重矩阵，α_L-1表示第L-1个传输路径中一个OFDM符号的权重矩阵，表示第0个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵，表示第L个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵；其中一个OFDM符号由N个时刻的信号构成。具体地，所述OFDM编码方式参考LTE标准。

更进一步地，在整个高速移动环境下基于插值建模方式得到如下的信道模型：

式中：h_LOS表示直视传播路径(LOS)上的信道冲激响应信息矩阵，α_LOS表示直视传播路径的权重矩阵，表示所选取的直视路径上的节点向量，其向量参数的个数小于M。

优选地，所述步骤4包括：根据信道统计特性设计一个接收端后处理模块以降低子载波间干扰ICI对OFDM通信系统的影响，计算公式如下：

R＝VY＝VFHF^HX+W＝DX+W，

且D＝VG，

P(i,j)＝E{|D(i,j)|²}，

则 $SIR\left(i\right)=\frac{P(i,j)}{\underset{j=0,j\&NotEqual;i}{\overset{N-1}{\&Sigma;}}P(i,j)},$

式中：V表示接收端后处理模块矩阵为一个N×N的矩阵，Y表示接收端在频域接收到的信号矩阵，R表示接收端接收到的经过后处理后的频域信号矩阵，F表示傅里叶变换运算，H表示时域信道矩阵，W表示频域噪声矩阵，D表示接收端ICI消除之后的频域信道矩阵，X表示发送端发送的频域信号矩阵，G表示频域信道矩阵，D(i,j)是矩阵D的第(i,j)元素，P(i,j)表示第i个子载波与第j个子载波的功率增益，i表示第i个子载波，j表示第j个子载波，E{}表示期望运算，SIR(i)表示第i个子载波的信号干扰比；将矩阵V构造成一个循环矩阵，其中构造的循环矩阵向量如下：

v＝(v₀,v₁,…v_N-1)^T，

其中根据统计特性简化后的公式为：

$SIR=\frac{P_d}{P_o-P_d}=\frac{v^T{F}_v{v}^{*}}{1-v^T{F}_v{v}^{*}},$

则： ${\mathrm{SIR}}_{max}=\frac{{\mathrm{\&lambda;}}_{max}\left(F_v\right)}{1-{\mathrm{\&lambda;}}_{max}\left(F_v\right)},$

式中：P_d表示接收端信号所有子载波的信号功率增益，P_o表示接收所有子载波的功率增 益，v_N-1表示对应第N-1个时刻的向量v中的构造元素，v表示循环矩阵向量，v^T表示向量v的转置，F_v表示常数矩阵，v^*表示矩阵v的共轭，SIR表示信号干扰比，SIR_max表示最大信号干扰比，λ_max(F_v)表示F_v的最大特征值。

具体地，求解最优的后处理矩阵问题可以等效为在||v||²＝1的约束下求解v^TF_vv^*的最大值问题，当v^TF_vv^*越大时，信号SIR越大，ICI影响越小。已知矩阵F_v是一个半正定矩阵，因此矩阵F_v所有的特征值都为非负实数。由此可知，当向量v等于矩阵F_v最大特征值所对应的特征向量时，处理的SIR最大。

优选地，所述步骤5包括：根据统计特性，选取传播路径，其中，计算公式如下：

${\mathrm{\&omega;}}_r=\arg \underset{{\mathrm{\&omega;}}_r}{min}\mathrm{\&mu;}\left(U_{NC}\right({\mathrm{\&omega;}}_r\left)\right),$

式中：ω_r表示所有传播路径的元素位置选取方式，μ(U_NC)来表示投影矩阵的平均相干性，U_NC(ω_r)表示对应ω_r选取方式的前置矩阵与系数矩阵的乘积矩阵。

更进一步地，考虑到信道的快时变特性和冲激响应信息之间的相关性，为了尽可能的降低建模误差，在每一个传播路径上，等距选取M个参数，并且参数之间的距离为则有种位置选取的方式。对于所有的传播路径，总共有种选取方式，定义 其中e_i表示一个R_c×1的向量，并且它的第i个参数为1，其余参数为0。定义概率向量π[n]＝[π[n,1],π[n,2],…,π[n,R_c]]^T，用来代表在第n次迭代时候的概率分布，π[n,R_c]表示第n次迭代时的第R_c种选取方式对应的概率，其中π[n,i]∈[0,1]，∑_iπ[n,i]＝1。

如图2所示为提高信道估计性能的算法，具体地：

ωⁿ＝ω_i，

ω_i∈Ω，且i＝1,…,R_c；

D[n]＝e_i；

式中：Ω表示所有选取方式的集合，ωⁿ表示在第n次迭代时候的信道位置选取方式，D[n]表示单位向量，ω_i表示第i种方案对应的信道位置选取方式。

优选地，所述步骤6包括：利用估计后的信道信息，接收端能够得到真实场景中的信道信息，并对数据进行译码处理。

具体地，设定的通信场景为：单个基站与接收端中继进行下行通信；基站与中继上 配备单天线通信；接收端按已知方向以固定速度运行；接收端配备全球定位系统，并且全球定位系统可以准确测得实时位置和速度信息。在图2至图5中给出了本发明提供方案与其他现有技术方案的性能对比结果。

如图2所示，给出了比特误码率(Bit Error Rate，BER)随着信噪比SNR的变化曲线图，其中RP表示本发明中提出的ICI处理算法曲线，MMSE表示传统的没有经过基于统计特性的ICI处理的MMSE频域均衡算法的曲线。可以看出，本发明中提出的基于统计特性的ICI抑制算法对提升系统性能有着很大的效果。

如图3所示，给出本发明提供方法在信噪比SNR为20dB时比特误码率BER随着功率比K的变化曲线图，从中可以看出比特误码率BER随着功率比K的上升而下降，并且本发明中提出的基于统计特性的ICI抑制算法比传统的MMSE算法的性能要好很多。当功率比K上升时，LOS传播路径上的权重就会增加，本发明中提出的ICI抑制算法的效果更好，更大程度的来提升系统的性能。

如图4所示，其中横坐标代表接收端信噪比(Signal noise ratio,SNR)，纵坐标代表估计信道与真实信道的均方误差(Mean square error，MSE)，曲线表示信道估计算法在不同SNR下对应的估计信道与真实信道的误差；图中给出了在归一化多普勒频移为0.1和0.2时与采用传统LS信道估计算法的估计准确度比较图，其中LS曲线表示使用LS信道估计算法的效果图，OMP曲线为本发明中提出的信道估计算法。从图中可以看出，在相同的多普勒频移下，本发明中提出的信道估计算法效果要远远好于使用传统LS信道估计算法的效果。由此可见，本发明中提出的信道估计方案适用于高移动环境下的快时变信道估计。

如图5所示，其中横坐标代表接收端信噪比，纵坐标代表估计信道与真实信道的均方误差，曲线表示信道估计算法在不同SNR下对应的估计信道与真实信道的误差。归一化多普勒频移为0.1和0.2时，选择不同路径节点的性能比较图，其中OMP曲线是指在节点选择过程中，按照传统方案对每一个传播路径所选择的节点是相同的并且等距排列，而OMPopt曲线指的是根据本发明中提出的信道节点选择方式。从图5中可以看出，本发明中提出的基于统计特性的信道估计的方案性能更好，当系统移动速度变大时，本发明中提出的信道估计算法仍然可以获取很好的性能。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (7)

1.一种高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，包括如下步骤：

步骤1：测量真实场景中的系统参数；

步骤2：根据真实场景中的系统参数设置正交频分复用OFDM通信系统；

步骤3：根据正交频分复用OFDM通信系统中得出的统计特性建立信道模型；

步骤4：根据信道模型消除子载波间干扰ICI；

步骤5：根据统计信息设计信道估计方法，获得估计后的信道信息；

步骤6：利用估计后的信道信息进行数据处理。

2.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤1包括：在接收端移动时速大于300km/h的移动场景中测量真实场景中的多径个数、最大多普勒频偏、OFDM载波个数、载波频率、系统带宽、基站功率覆盖范围和基站到接收端运动轨迹垂直距离。

3.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤2包括：建立OFDM通信系统；利用OFDM载波个数、载波频率、系统带宽参数，并根据长期演进LTE标准设置OFDM通信系统。

4.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤3包括：

步骤3.1：在时域信道中选择时域信道节点，即采样时刻；

-步骤3.1.1：从建立的OFDM通信系统的信道中选择时域信道节点，所述OFDM通信系统包括L个传输路径，每个所述传输路径包括N个信道信息，且所述时域信道节点为每个传输路径中任选地M个信道信息，其中L>0，N>0，M>0，且M满足M<<N；

-步骤3.1.2：计算传播路径的瞬时冲击响应，计算公式如下：

h_l=[h_0,l,h_1,l,…,h_N-1,l]^T，

Μ=[m₁,m₂,…,m_M]，

h_n,l=α_l,nh_l,M，

α_l,n=[α_l,n(m₁),α_l,n(m₂),…,α_l,n(m_M)]，

且0≤l≤L-1，

式中：L表示OFDM通信系统中整个信道所包含的传输路径数，N表示每个传输路径包含的信道信息数，l表示OFDM通信系统中的第l个传输路径，h_l表示第l个传输路径的N个信道信息组成的时域信道矩阵，h_n,l表示第l个传输路径的第n个信道信息，α_l,n表示第l传播路径在第n时刻对应的权值，h_N-1,l表示第l个传输路径的第N-1个信道信息，m_M表示选取的第M个采样时间点，Μ表示所选取的采样时间点矩阵，h_l,M表示第l个传输路径根据M个选取的采样时间点构成的M×1维的信道信息矩阵，表示第l个传输路径在第M个选取的采样时间点的信道信息，α_l,n表示1×M维权重矩阵，α_l,n(m_i)表示第l个传输路径的第n时刻的冲击响应在第i个选中的采样时间点对应的权值，m_i表示第i个选取的采样点，其中1≤i≤M；

-步骤3.1.3：根据传播路径的瞬时冲击响应计算域信道节点的权重，计算公式如下：

式中，Ε[ ]表示期望运算，表示第l个传输路径在根据M个选取的采样时间点构成的信道信息矩阵的共轭转置，Ε[ ]^-1表示期望运算的逆运算，其中令Ε[|h_n,l-α_l,nh_l,M|²]的值最小；

当在高移动环境下的无线传输信道符合Jakes模型，因此时域信道信息满足以下相关性特性，即：

式中：J₀表示0阶贝塞尔方程，T_s表示OFDM系统的采样周期，为矩阵h_l,M中的第i个元素，f_d表示多普勒频偏，参数v表示接收端移动速度，参数c表示光速，参数f_c表示载波频率，参数θ表示基站与接收端之间的夹角，m表示第m个时刻，n表示第n个时刻，m_M表示选取的第M个采样时刻，J表示时变信道的归一化相关函数；

-步骤3.1.4：根据求解得到的时域信道节点进行信道估算，计算公式如下：

且h_l=α_lh_l,M，

α_l=[α_l,0,α_l,1,…,α_l,N-1]^T，

式中：α_l表示第l个传输路径中一个OFDM符号的权重矩阵，α_l,N-1表示第l个传输路径在第N-1个时刻对应的权重值，α₀表示第0个传输路径中一个OFDM符号的权重矩阵，α_L-1表示第L-1个传输路径中一个OFDM符号的权重矩阵，表示第0个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵，表示第L个传输路径根据M个选取的采样时间点构成的信道信息矩阵的共轭矩阵；其中一个OFDM符号由N个时刻的信号构成。

5.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤4包括：根据信道统计特性设计一个接收端后处理模块以降低子载波间干扰ICI对OFDM通信系统的影响，计算公式如下：

R=VY=VFHF^HX+W=DX+W，

且D=VG，

P(i,j)=E{|D(i,j)|²}，

则

式中：V表示接收端后处理模块矩阵为一个N×N的矩阵，Y表示接收端在频域接收到的信号矩阵，R表示接收端接收到的经过后处理后的频域信号矩阵，F表示傅里叶变换运算，H表示时域信道矩阵，W表示频域噪声矩阵，D表示接收端ICI消除之后的频域信道矩阵，X表示发送端发送的频域信号矩阵，G表示频域信道矩阵，D(i,j)是矩阵D的第(i,j)元素，P(i,j)表示第i个子载波与第j个子载波的功率增益，i表示第i个子载波，j表示第j个子载波，E{ }表示期望运算，SIR(i)表示第i个子载波的信号干扰比；将矩阵V构造成一个循环矩阵，其中构造的循环矩阵向量如下：

v=(v₀,v₁,…v_N-1)^T，

其中根据统计特性简化后的公式为：

则：

式中：P_d表示接收端信号所有子载波的信号功率增益，P_o表示接收所有子载波的功率增益，v_N-1表示对应第N-1个时刻的向量v中的构造元素，V^T表示向量v的转置，F_v表示常数矩阵，v^*表示矩阵v的共轭，SIR表示信号干扰比，SIR_max表示最大信号干扰比，λ_max(F_v)表示F_v的最大特征值。

6.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤5包括：根据统计特性，选取传播路径，其中，计算公式如下：

式中：ω_r表示所有传播路径的元素位置选取方式，μ(U_NC)表示投影矩阵的平均相干性，U_NC(ω_r)表示对应ω_r选取方式的前置矩阵与系数矩阵的乘积矩阵。

7.根据权利要求1所述的高速移动下基于统计信息的信道估计和ICI消除方法，其特征在于，所述步骤6包括：利用估计后的信道信息，接收端能够得到真实场景中的信道信息，并对数据进行译码处理。