CN105656818A

CN105656818A - 一种通信发射机非线性与无线信道的分离方法

Info

Publication number: CN105656818A
Application number: CN201610141529.4A
Authority: CN
Inventors: 袁红林
Original assignee: Nantong University
Current assignee: SHANGHAI MARINE GEOLOGICAL EXPLORATION AND DESIGN Co.,Ltd.
Priority date: 2016-03-11
Filing date: 2016-03-11
Publication date: 2016-06-08
Anticipated expiration: 2036-03-11
Also published as: CN105656818B

Abstract

本发明提供了一种OFDM通信中的发射机非线性与无线信道分离方法，包括：接收OFDM射频信号，采样后获得接收基带数字信号；初始化无线信道脉冲响应的第一个元素；对每一通信帧执行预设的迭代算法；迭代运算至最后一个通信帧从而获得对应的发射机非线性模型系数和无线信道单位脉冲响应估计结果；所述预设的迭代算法包括：获得发射机非线性模型系数与无线信道单位脉冲响应的克罗内克积的估计并从所述克罗内克积的估计中分离当前通信帧的发射机非线性模型系数的估计及无线信道单位脉冲响应的估计。上述方法具有较好的分离效果，可应用于OFDM通信的无线信道均衡与非线性补偿等领域。

Description

一种通信发射机非线性与无线信道的分离方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种OFDM通信中的发射机非线性与无线信道分离方法。

背景技术

由于具有高带宽效率、高传输容量与抗多径衰落等优点，正交频分复用(OFDM)技术已广泛应用于数字音频广播(DAB)、数字视频广播(DVB)、数字用户线路(DSL)以及电视频带的无线区域网(IEEE802.22)与第五代(5G)移动通信的物理层传输中。

在OFDM系统中，信道估计对于干扰压制、相干检测与解码都具有非常重要的作用。一般的OFDM信道估计技术把无线设备的发射机部分近似为线性系统；然而，由于功率放大器(PA)等器件的存在，实际的无线设备发射机具有非线性。而当这种非线性较强时，会损伤OFDM系统子载波的正交性，产生子载波干扰(ICI)与符号间干扰(ISI)，使OFDM系统的通信性能下降。

针对上述问题，“缪科，张太镒，孙建成，汤少杰”等提出了一种基于最小二乘(LS)支持向量机的OFDM非线性信道估计算法，仿真结果比传统算法有了一定的性能改善。还有学者使用Hammerstein模型和维纳模型代替Volterra级数模型来模拟非线性结构以降低运算复杂度，提出了一种非线性信道传输系统模型及三种均衡算法。

现有研究中，也有人提出了一种应用于MIMO信道的非线性估计与补偿方法。宋玙薇，杨守义，齐林.在“基于维纳模型的非线性信道接收端均衡方案”一文中提出了一种基于维纳模型的非线性信道接收端均衡方案，该方案把非线性信道建模为Hammerstein系统，在接收端采用LS估计算法分别进行线性与非线性部分的均衡，取得了一定的效果。

相关的研究表明，对于OFDM无线通信系统的发射机非线性与无线信道参量进行联合估计与分离仍然是一个有待解决的重要问题

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种OFDM通信中的发射机非线性与无线信道分离方法，旨在解决现有技术中发射机非线性与无线信道参量联合估计与分离的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种OFDM通信中的发射机非线性与无线信道分离方法，其中，所述方法包括：

接收OFDM射频信号，采样后获得接收基带数字信号；初始化无线信道脉冲响应的第一个元素；对每一通信帧执行预设的迭代算法；迭代运算至最后一个通信帧从而获得对应的发射机非线性模型系数和无线信道单位脉冲响应估计结果；

所述预设的迭代算法包括：构造训练序列非线性矩阵，并基于所述接收基带数字信号及训练序列非线性矩阵，通过预设的估计算法，获得发射机非线性模型系数与无线信道单位脉冲响应的克罗内克积的估计；通过预设的算法，依据前一通信帧的无线信道单位脉冲响应的估计，从所述克罗内克积的估计中分离当前通信帧的发射机非线性模型系数的估计及无线信道单位脉冲响应的估计。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述“接收OFDM射频信号，采样后获得接收基带数字信号”的步骤具体包括：

对接收的OFDM射频信号进行至少包括低噪放处理的射频接收；对经过射频接收的OFDM射频信号进行正交采样，获得接收基带数字信号。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述正交采样的采样率是基带发送符号率的N倍，N大于等于1且小于等于3。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述构造训练序列矩阵的方法具体包括：基于当前通信帧的先验信息与通信发射机的非线性模型，构造训练序列矢量；基于所述训练序列矢量、先验信息的码元个数以及无线信道数量，构造训练序列矩阵。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述预设的算法具体包括：根据非线性模型系数的个数，将获得克罗内克积的估计进行分组；将每组元素除以基于前一个通信帧估计得到的无线信道单位脉冲响应的第一个元素，获得基于当前通信帧的发射机非线性模型系数的估计；基于所述发射机非线性模型系数估计与先验通信帧训练序列，获得相应的发射机发送序列估计；基于所述发射机的发送序列估计与无线信道数，构造发送序列卷积矩阵估计；根据所述发送序列卷积矩阵估计，采用预设的估计算法，获得基于当前通信帧的无线信道单位脉冲响应估计。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述预设的估计算法为满足或近似满足最小均方误差准则的估计算法。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述预设的估计算法为最小二乘、LMS或Kalman估计。

所述的OFDM通信中的发射机非线性与无线信道分离方法，其中，所述发射机的非线性模型为无记忆非线性模型或记忆非线性模型

有益效果：本发明提供的一种OFDM通信中的发射机非线性与无线信道分离方法，采用迭代计算的方式，依次对每个通信帧进行运算，从而实现发射机非线性和无线信道的联合估计和分离。通过上述方法，较好的分离了两个参数，准确程度高，具有良好的应用前景。

附图说明

图1为本发明所述方法的对应系统的基带等效模型示意图。

图2为本发明具体实施例的OFDM通信中的发射机非线性与无线信道分离方法的方法流程图。

图3为图2所示发射机非线性与无线信道分离方法的预设的算法的流程图。

具体实施方式

本发明提供一种OFDM通信中的发射机非线性与无线信道分离方法。为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，为本发明所述方法的对应系统的基带等效模型。所述系统包括OFDM发射机，接收端以及对应的无线信道。

基带发送数据(即图中所示数据源)经映射器后为发送频域符号，经串/并变换、IFFT与并/串变换后为时域序列d[n]，经功率放大器(PA)后为发射机发送信号x[n]，x[n]通过单位脉冲响应为h[n]的无线信道，以及加性高斯白噪声(AWGN)v[n]后作为接收离散信号r[n]。

r[n]经迭代估计后，得到分离的PA非线性模型系数与无线信道单位脉冲响应的估计。(在本具体实施例中，r[n]即为所述接收基带数字信号)

接收基带数字信号满足如下算式：

r[n]＝h[n]*x[n]+v[n](1)

其中，x[n]为发射机发送信号、h[n]为无线信道的单位脉冲响应、v[n]为加性高斯白噪声(AWGN)、*表示卷积运算。

假设PA的行为模型满足MP(多项式)模型

其假设所述通信个体的非线性主要由发射器的功率放大器(PA)产生，发射机与接收机之间的无线信道在所述方法(或算法)执行时间内不变。

如图1所示，d[n]为基带发送信号，x[n]为经过PA功率放大后的基带发送信号，h[n]为无线信道的单位脉冲响应，r[n]为基带接收信号，*表示卷积运算。

基带接收信号r[n]应满足如下算式：

r[n]＝x[n]*h[n]+v[n](1)

假设在上述系统中，PA的行为模型满足MP(记忆多项式)模型，则PA的输出与输入满足如下算式：

其中，p＝1,…,P与m＝0,…,M分别是模型的非线性阶数与记忆长度，b_p,m是相应的多项式因子。x[n]可写为矢量形式

其中，d_p,m(n)是由p与m枚举而成的d[n-m]d[n-m]^p-1构成的列矢量，b_p,m是由p与m枚举而成的构成的列矢量。

如图2所示，为本发明具体实施例的OFDM通信中的发射机非线性与无线信道分离方法。

S1、接收OFDM射频信号，采样后获得接收基带数字信号。

具体的，所述接收基带数字信号具体可以通过如下方式获得：

首先对接收的OFDM射频信号进行射频接收，所述射频接收包括现有技术中任何合适的信号处理过程，例如低噪放等。

然后，对经过射频接收的OFDM射频信号进行正交采样，获得接收基带数字信号。

其中，所述正交采样的采样率是基带发送符号率的N倍，N大于等于1且小于等于3。亦即本方法的采样率较低。

S2、初始化无线信道脉冲响应的第一个元素。即设置无线信道脉冲响应的第一个元素初始值，从而进行后续的迭代运算。

S3、对每一通信帧执行预设的迭代算法，并迭代运算至最后一个通信帧从而获得对应的发射机非线性模型系数和无线信道单位脉冲响应估计结果。

其中，所述预设的迭代算法包括：

S31、构造训练序列非线性矩阵。

S32、基于所述接收基带数字信号及训练序列非线性矩阵，通过预设的估计算法，获得发射机非线性模型系数与无线信道单位脉冲响应的克罗内克积的估计。

具体的，所述预设的估计算法为满足或近似满足最小均方误差准则的估计算法，例如，最小二乘、LMS或Kalman估计等。

S33、通过预设的算法，依据前一通信帧的无线信道单位脉冲响应的估计(在第一次迭代时，则使用上述的无线信道脉冲响应的第一个元素初始值)，从所述克罗内克积的估计中分离当前通信帧的发射机非线性模型系数的估计及无线信道单位脉冲响应的估计。具体的，所述发射机的非线性模型可以为无记忆非线性模型或者记忆非线性模型。

更具体的，所述构造训练序列矩阵的方法可以包括：

首先，基于当前通信帧的先验信息与通信发射机的非线性模型，构造训练序列矢量。

然后，基于所述训练序列矢量、先验信息的码元个数以及无线信道数量，构造训练序列矩阵。

以上述系统模型为例，其理论推导，获得训练序列矩阵的过程如下：假设发送信号x[n]个数为L_x，无线信道数为L_h，则接收符号长度为L_r＝L_x+L_h-1。则算式(1)的矩阵表示为：

设r＝[r[0],r[1],...,r[L_r-1]]^T为接收信号矢量，h＝[h[0],h[1],...,h[L_h-1]]^T为无线信道单位脉冲响应矢量，v＝[v[0],v[1],...,v[L_r-1]]^T为噪声矢量，则算式(4)可改写为：

设0≤k≤L_r-1，则算式(5)中的行矢量为：

把算式(3)代入算式(6)中，则有：

其中，为L_h×L_h的单位阵，把算式(7)代入算式(5)后，则有：

在算式(8)中，为Kronecker积(克罗内克积)运算，训练序列矩阵D为：

其中，

在本具体实施例中，L_x为先验信息码元个数，L_h为无线信道数目，可以由通信帧的先验信息等确定。

在本发明的具体实施例中，如图3所示，所述预设的算法具体包括：

Step1：根据非线性模型系数的个数，将获得克罗内克积的估计进行分组。

Step2：将每组元素除以基于前一个通信帧估计得到的无线信道单位脉冲响应的第一个元素，获得基于当前通信帧的发射机非线性模型系数的估计。

Step3：基于所述发射机非线性模型系数估计与先验通信帧训练序列，获得相应的发射机发送序列估计。

Step4：基于所述发射机的发送序列估计与无线信道数，构造发送序列卷积矩阵估计。

Step5：根据所述发送序列卷积矩阵估计，采用预设的估计算法，获得基于当前通信帧的无线信道单位脉冲响应估计。

以上述系统模型为例，上述预设的算法的具体推导过程为：

基于算式(8)，可计算获得的最小二乘(LS)估计为：

在本具体实施例中，r＝[r[L_h],r[L_h+1],...,r[L_x-1]]^T为接收基带数字信号构成的矢量，使用最小二乘(LS)估计，其为近似满足MMSE准则的估计算法、为发射机非线性模型系数与无线信道单位脉冲响应的Kronecker积的估计。

把依次分组，分别把每组元素除以前一个通信帧的无线信道脉冲响应估计的第一个元素，可得PA的模型系数的估计，表示为

根据算式(2)，经过PA后的发送信号估计为

根据算式(5)，无线信道单位脉冲响应矢量的LS估计则为：

其中，为经过PA后的发送符号估计根据算式(5)和(6)构建的发送信号矩阵。

仿真实验部分：基于加性高斯白噪声(AWGN)的仿真实验。

其中，定义b_p,m与h的归一化均方误差(NMSE)为

其中，E{·}表示对AWGN下仿真结果取平均运算。

采用长度为160的IEEE802.11a/gOFDM系统的长训练序列作为产生基带输入符号d[n]的基本单位(简称为1个header)。由于PA进行了归一化，对d[n]进行放大，使PA输出符号功率为常见的25dBm。

实施例1：

其中，发射机的非线性模型的P＝7，M＝0(此时，发射机满足无记忆非线性模型)；使用LS估计。

仅取发射机非线性系数的奇数项。当SNR＝30dB，headers＝16时，PA模型系数的真实值与估计值如下表所示：

相应的无线信道脉冲响应的真实值与估计值如下表所示：

信道	真实值	估计值
			h(0)	0.7	0.6992-0.005i
h(1)	03	0.299-0.0002i
			h(2)	0.1	0.099-0.0001i

对比上述表格可知，发射机非线性模型系数与无线信道脉冲响应的单位脉冲响应得到了较好的分离。

实施例2：

其中，发射机非线性模型的M＝1，P＝3(此时，发射机为有记忆模型)，其实际MP模型为：

x [n] = Σ_{p = 1}^{3} Σ_{m = 0}^{1} b_{p, m} d_{t} [n - m] {| d_{t} [n - m] |}^{p - 1}

仅取发射机非线性系数的奇数项，帧训练序列长度分别为10个headers，采用LMS估计。

采用LMS估计方法，SNR为30时，两个通信个体的发射机PA非线性模型系数如下表所示：

无线信道为Rayleigh两径衰落信道，单位脉冲响应如下表所示：

仅考察发射机非线性模型系数b_3，0的估计的实部与无线信道脉冲响应h₀的估计的实部根据上述结果显示，当信噪比(SNR)为30dB时，该两分量得到的较好的分离。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及本发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims

1.一种通信发射机非线性与无线信道的分离方法，其特征在于，所述方法包括：

接收OFDM射频信号，采样后获得接收基带数字信号；

初始化无线信道脉冲响应的第一个元素；

对每一通信帧执行预设的迭代算法；

迭代运算至最后一个通信帧从而获得对应的发射机非线性模型系数和无线信道单位脉冲响应估计结果；

所述预设的迭代算法包括：

构造训练序列非线性矩阵，并基于所述接收基带数字信号及训练序列非线性矩阵，通过预设的估计算法，获得发射机非线性模型系数与无线信道单位脉冲响应的克罗内克积的估计；

通过预设的算法，依据前一通信帧的无线信道单位脉冲响应的估计，从所述克罗内克积的估计中分离当前通信帧的发射机非线性模型系数的估计及无线信道单位脉冲响应的估计。

2.根据权利要求1所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述“接收OFDM射频信号，采样后获得接收基带数字信号”的步骤具体包括：

对接收的OFDM射频信号进行至少包括低噪放处理的射频接收；

对经过射频接收的OFDM射频信号进行正交采样，获得接收基带数字信号。

3.根据权利要求2所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述正交采样的采样率是基带发送符号率的N倍(N大于等于1且小于等于3)。

4.根据权利要求1所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述构造训练序列矩阵的方法具体包括：

基于当前通信帧的先验信息与通信发射机的非线性模型，构造训练序列矢量；

基于所述训练序列矢量、先验信息的码元个数以及无线信道数量，构造训练序列矩阵。

5.根据权利要求1所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述预设的算法具体包括：

根据非线性模型系数的个数，将获得克罗内克积的估计进行分组；

将每组元素除以基于前一个通信帧估计得到的无线信道单位脉冲响应的第一个元素，获得基于当前通信帧的发射机非线性模型系数的估计；

基于所述发射机非线性模型系数估计与先验通信帧训练序列，获得相应的发射机发送序列估计；

基于所述发射机的发送序列估计与无线信道数，构造发送序列卷积矩阵估计；

根据所述发送序列卷积矩阵估计，采用预设的估计算法，获得基于当前通信帧的无线信道单位脉冲响应估计。

6.根据权利要求1所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述预设的估计算法为满足或近似满足最小均方误差准则的估计算法。

7.根据权利要求6所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述预设的估计算法为最小二乘、LMS或Kalman估计。

8.根据权利要求1所述的通信发射机非线性与无线信道的分离方法，其特征在于，所述发射机的非线性模型为无记忆非线性模型或记忆非线性模型。