CN105429924A - 一种应用于卫星信道的混合级联ofdm信道估计方法 - Google Patents

Abstract

本发明实施例公开了一种应用于卫星信道的混合级联OFDM信道估计方法。该方法包括：在宽带卫星通信系统中，在维纳滤波器进行信道估计的基础上，将通过维纳滤波器后的估计信息的残余噪声方差作为一个统计量，将该统计量作为一个参数输入卡尔曼滤波器进行二次估计，进一步减小信道噪声的影响，最后通过频率方向上线性插值得到全部信道信息。该方法应用于宽带卫星通信中，能进一步提高信道估计精度，取得更优的误码率性能，从而提高宽带卫星通信系统的传输质量。

Description

一种应用于卫星信道的混合级联OFDM信道估计方法

技术领域

本发明涉及卫星通信领域，特别涉及到一种应用于卫星信道的混合级联OFDM信道估计方法。

背景技术

卫星通信作为地面通信网络的重要补充，在应急通信、海事通信、森林监测等方面具有不可替代的作用，近年来卫星通信总体朝着大容量、大功率、高速率、宽带化、低成本的方向发展，ka波段以其带宽大、容量高的优势成为宽带卫星通信的主要发展方向。近几年，作为第四代移动通信关键技术的正交频分复用技术(OrthogonalFrequencyDivisionMultiplexing，OFDM)，以其大容量、高数据传输速率和抗多径衰落的优势，已经在地面移动通信领域获得大量商业应用。目前传统的TDMA、FDMA和CDMA传输体制在某些特定的通信场合中，虽然可以为用户提供暂时通信的解决方案，但是在下一代宽带卫星移动通信系统中，并不能满足数据高速传输的需求。尝试将OFDM技术引入卫星通信，其各项优势可以很好地解决宽带卫星星地链路的信号传输问题，同时可以在未来与地面网络更好的融合。信号在卫星信道中传输时经历大气效应、多径衰落、阴影遮蔽等多种环境影响，接收机为了能有效地恢复出传输的信息比特，信道估计起着重要的作用。信道估计就是为了估计出信道的频域或时域冲激响应，从而能更好的恢复出接收到的数据，尽量减小信道中多径、阴影以及噪声的对信号的影响。

发明内容

本发明实施例针对ka波段卫星信道的特点，提出一种应用于卫星信道的混合级联OFDM信道估计方法，该方法的具体方案如下：在宽带卫星通信系统中，在发射端将传输信号中加入梳状导频，传输信号经过卫星信道被接收端接收，接收端首先在时间方向上对接收信号的导频处信道信息进行LS估计，即将接收信号的幅值相位除以已知的导频信号的幅值相位，然后将粗略估计的信道信息通过维纳滤波器进行估计以减少信道噪声对估计结果的影响，统计不同信噪比下维纳滤波估计的残余噪声方差，即通过维纳滤波器后的估计值与实际值的差值的方差。将残余噪声方差值与通过维纳滤波器后的估计值输入卡尔曼滤波器进行二次估计，卡尔曼滤波器可以对观测噪声进行校正，从而进一步减少信道噪声对估计结果的影响，最后通过频率方向上线性插值得到全部信道信息。该方法在ka波段卫星信道下，相比传统的LS估计算法和维纳滤波估计算法，能够更有效的减轻信道噪声的影响，提高信道估计结果的精度，取得更优的误码率性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种应用于卫星信道的混合级联OFDM信道估计方法的流程示意图。

具体实施方式

信号在卫星信道中传输时经历大气效应、多径衰落、阴影遮蔽等多种环境影响，接收机为了能有效地恢复出传输的信息比特，信道估计起着重要的作用。信道估计就是为了估计出信道的频域或时域冲激响应，从而能更好的恢复出接收到的数据，尽量减小信道中多径、阴影以及噪声的对信号的影响。由于OFDM是多载波传输系统，信道对信号在时间和频率两个方向上都有影响，因此信道估计需在时间和频率两个维度上展开，本发明实施例采用基于梳状导频的信道估计方法，即导频信号在频率方向上离散，在时间方向上连续。如图1所示，该方法可以包括如下步骤：

S101：在时间方向上对接收导频信号进行LS估计，粗略估计出导频处信道信息；

具体的，取H_p为导频位置处的信道响应值，为H_p的LS估计值，则有基于LS信道估计的准则为：

$min\left\{E_H\right\}=\min \left\{{(Y_p-X_p\widehat{H_p})}^{H_{*}}(Y_p-X_p\widehat{H_p})\right\}$

其中，X_p是对角阵，对角线上的值由导频位置处发送信号的频域值构成；Y_p是导频位置处接收信号的频域值，0≤p≤M-1，M为每个OFDM符号插入导频的个数。

由上式可得LS估计算法的信道估计值为：

$\widehat{H_p}={X_p}^{-1}{Y}_p=H_p+\frac{W_p}{X_p}$

其中，W_p是导频位置处的高斯白噪声。

S102：将导频处信道LS估计值输入阶数为L的维纳滤波器进行估计；

具体的，设滤波器各抽头系数为W＝[w(0),w(1),…w(L-1)]^T，则滤波后的信道估计值为

$\hat{H}\left(k\right)=\underset{l=0}{\overset{L-1}{\Σ}}w\left(l\right){\hat{H}}_{LS}(k-l)$

则估计误差为

$e\left(k\right)=H\left(k\right)-\hat{H}\left(k\right)$

误差的均方误差为

$E\[{\left|e\left(k\right)\right|}^2\]=E\[{|H\left(k\right)-\hat{H}\left(k\right)|}^2\]$

若在第k个符号周期中要使信道估计值的均方误差最小，则根据维纳滤波的最小均方误差估计正交条件，有：

$R_{\widehat{H_{LS}}}W=R_{{}_{H\widehat{H_{LS}}}}$

其中

$R_{\widehat{H_{LS}}}=\left[\begin{array}{cccc}{R}_{\widehat{H_{LS}}}\left(0\right)& R_{\widehat{H_{LS}}}(-1)& ...& R_{\widehat{H_{LS}}}(-N+1)\\ R_{\widehat{H_{LS}}}\left(1\right)& R_{\widehat{H_{LS}}}\left(0\right)& ...& R_{\widehat{H_{LS}}}(-N+2)\\ ...& ...& ...& ...\\ R_{\widehat{H_{LS}}}(N-1)& R_{\widehat{H_{LS}}}(N-2)& ...& R_{\widehat{H_{LS}}}\left(0\right)\end{array}\right]$

$R_{H\widehat{H_{LS}}}=\[R_{H\widehat{H_{LS}}}\left(0\right),R_{H\widehat{H_{LS}}}\left(1\right),...,R_{H\widehat{H_{LS}}}(N-1)\]=\[R_H\left(0\right),R_H\left(1\right),...,R_H(N-1)\]$

假设可逆，则有

$W=R_{\widehat{H_{LS}}}^{-1}{R}_{H\widehat{H_{LS}}}$

W即为满足信道估计最小均方误差准则的维纳滤波器抽头系数，从而得到了滤除一定高斯白噪影响的信道估计值。

统计不同信噪比下维纳滤波估计的残余噪声方差。假设该误差为e_r(k)，则有

$e_r\left(k\right)=H\left(k\right)-\widehat{H_{Wiener}}\left(k\right)$

S103：将不同信噪比下对应的维纳滤波估计残余噪声方差和导频处信道维纳滤波估计值输入卡尔曼滤波器进行二次估计，卡尔曼滤波器校正残余噪声方差的影响；

具体的，卡尔曼滤波估计算法的递推方程主要有五个方程组成，如下所示：

预估计：

$\widehat{H_{n|n-1}}=\widehat{H_{n-1|n-1}}$

最小估计MSE:

P_n|n-1＝P_n-1|n-1+Q

卡尔曼增益：

Kg_n＝P_n|n-1/(P_n|n-1+R)

校正值：

$\widehat{H_{n|n}}=\widehat{H_{n|n-1}}+{\mathrm{Kg}}_n(Y_n-\widehat{H_{n|n-1}})$

最小MSE:

P_n|n＝(1-Kg_n)P_n|n-1

式中，表示由n-1时刻的信道估计值预估计出n时刻的信道估计值，P_n|n-1为先验估计误差协方差，P_n|n为后验估计误差协方差，Q为过程噪声方差，此处假定为0.0001，R为观测噪声方差，即统计的信道估计值通过维纳滤波器后的残余噪声误差e_r(k)的方差，Kg_n为卡尔曼增益，作用是使得后验估计误差协方差最小。

S104：将导频处信道卡尔曼滤波估计值在频率方向上进行线性插值，得到全部信道估计信息。

应用本发明实施例，对ka波段卫星信道下的接收信号进行处理，在时间方向上通过维纳滤波器对导频处信道信息进行估计，再将估计信息和残余噪声方差输入卡尔曼滤波器进行二次估计，最后通过频率方向上线性插值得到全部信道信息，相比于传统的LS估计算法和维纳滤波估计算法，信道估计准确度进一步提高，能够获得更低的误码率。

Claims (4)

1.一种应用于卫星信道的混合级联的OFDM信道估计方法，其特征在于，所述方法包括步骤：

在发送信号中加入梳状导频，接收端在时间方向上对接收导频信号进行LS估计，粗略估计出导频处信道信息；

将导频处信道LS估计值输入维纳滤波器进行估计，统计不同信噪比下维纳滤波估计的残余噪声方差；

将不同信噪比下对应的维纳滤波估计残余噪声方差和导频处信道维纳滤波估计值输入卡尔曼滤波器进行二次估计，卡尔曼滤波器校正残余噪声方差的影响；

将导频处信道卡尔曼滤波估计值在频率方向上进行线性插值，得到全部信道估计信息。

该方法将维纳滤波估计的残余噪声方差作为一个统计量，引入卡尔曼滤波器对估计值进行校正，进一步减少了信道噪声对信道估计的影响，提高了信道估计结果的精度，获得了更优的误码率性能，保证了卫星通信系统的传输质量。

2.根据权利要求1所述的方法，其特征在于，所述根据在发送信号中加入梳状导频，接收端在时间方向上对接收导频信号进行LS估计，粗略估计出导频处信道信息。

具体的，取H_p为导频位置处的信道响应值，为H_p的LS估计值，则有基于LS信道估计的准则为：

其中，X_p是对角阵，对角线上的值由导频位置处发送信号的频域值构成；Y_p是导频位置处接收信号的频域值，0≤p≤M-1，M为每个OFDM符号插入导频的个数。

由上式可得LS估计算法的信道估计值

3.根据权利要求1所述的方法，其特征在于，所述根据将导频处信道LS估计值输入维纳滤波器进行估计，统计不同信噪比下维纳滤波估计的残余噪声方差。

具体的，设滤波器各抽头系数为W＝[w(0),w(1),…w(L-1)]^T，则滤波后的信道估计值为

则估计误差为

误差的均方误差为

若在第k个符号周期中要使信道估计值的均方误差最小，则根据维纳滤波的最小均方误差估计正交条件，有：

其中

假设可逆，则有

W即为满足信道估计最小均方误差准则的维纳滤波器抽头系数，从而得到了滤除一定高斯白噪影响的信道估计值。

统计不同信噪比下维纳滤波估计的残余噪声方差。假设该误差为e_r(k)，则有

。

4.根据权利要求1所述的方法，其特征在于，所述根据将不同信噪比下对应的维纳滤波估计残余噪声方差和导频处信道维纳滤波估计值输入卡尔曼滤波器进行二次估计，卡尔曼滤波器校正残余噪声方差的影响。

具体的，卡尔曼滤波估计算法的递推方程主要有五个方程组成，如下所示：

预估计：

最小估计MSE:

P_n|n-1＝P_n-1|n-1+Q

卡尔曼增益：

Kg_n＝P_n|n-1/(P_n|n-1+R)

校正值：

最小MSE:

P_n|n＝(1-Kg_n)P_n|n-1

式中，表示由n-1时刻的信道估计值预估计出n时刻的信道估计值，P_n|n-1为先验估计误差协方差，P_n|n为后验估计误差协方差，Q为过程噪声方差，此处假定为0.0001，R为观测噪声方差，即统计的信道估计值通过维纳滤波器后的残余噪声误差e_r(k)的方差，Kg_n为卡尔曼增益，作用是使得后验估计误差协方差最小。