CN106453162B - 针对多输入多输出正交频分复用系统的信道估计方法 - Google Patents

Abstract

本发明公开了针对多输入多输出正交频分复用系统的信道估计方法。在原有的OMP算法的基础上，通过适当增加迭代次数来选取更加精确的匹配原子，从而达到重构源信号的目的。技术方案为：步骤一：发射端在每根天线上发送一个具有N个子载波的正交频分复用符号，进行逆快速傅里叶变换，然后插入长度为L_cp的循环前缀，消除符号间干扰；步骤二：接收端每根天线去掉循环前缀及快速傅里叶变换之后得到相应的接收信号，将导频信号取出，进行N点离散傅里叶变换，获得导频处的信道冲激响应；步骤三：根据接收端的接收信号y和测量矩阵Φ采用OMP_α算法来重构信道冲激响应h，达到信道估计的目的。与现有的OMP算法相比，本发明通过选择适当的扩展因子，显著提高信号重构的概率和精度。

Description

针对多输入多输出正交频分复用系统的信道估计方法

技术领域

本发明涉及通信系统中的信号处理技术，具体涉及针对多输入多输出正交频分复用系统的信道估计方法。

背景技术

为了满足未来移动通信系统对系统容量、频谱效率、数据传输速率等多方面越来越高的需求，在现有的长期演进项目(Long Term Evolution，LTE)中，采用了多输入多输出(Multiple Input Multiple Output，MIMO)技术和正交频分复用(Orthogonal FrequencyDivision Multiplexing，OFDM)技术。其中MIMO技术可以在不增加带宽的前提下，成倍地提高系统容量和频谱利用率，另一方面，OFDM技术是宽带传输中的代表技术，具有抗多径衰落能力强，对窄带干扰和噪声不敏感、带宽扩展灵活等一系列优点。

在无线通信系统当中，接收端为了获得更好的接收性能，一般采用相干检测技术。为了实现相干检测，则需要获得信道参数，因此需要在接收端进行信道估计。为了能够精确地估计出信道的参数，在实际的通信系统中通常采用插入导频信号来实现信道估计。

压缩感知(Compressive Sensing，CS)是一种利用稀疏的或者可压缩的信号进行信号重建的理论。该理论是由Candes、Terres Tao等人提出，挑战传统的采样编码技术，即Nyquist采样定理。该理论指出：对于可压缩的信号，可通过远低于奈奎斯特采样率的速率对信号进行非自适应的测量编码，测量值并非信号本身，而是高维到低维的投影值，从数学的角度看，每个测量值是传统理论下的每个样本信号的组合函数，即一个测量值已经包含了所有样本信号的少量信息。这样就可以显著地降低信号处理时间和计算成本。而无线信道可以被视为稀疏信道，进而可以利用压缩感知技术可以以较少的导频数目来进行信道估计。

现有技术中，公开号为CN104052691A、名称为“基于压缩感知的MIMO-OFDM系统信道估计方法”的国内发明专利，其主要适用于接收端配备二维天线阵列时的信道估计，在最小二乘法估计的基础上，进一步估计了表征信道特性的参数(路径时延、入射角和增益系数)，充分利用了信道在时延域的稀疏性和二维角度域的稀疏性，信道估计的性能有了显著的提高。但是该发明主要适用于接收端配备二维天线阵列的情况，此外，该发明中使用的信道估计算法为OMP算法，在匹配原子的精确选择上还具有一定的改善空间，从而影响了信号重构的概率。

发明内容

本发明要解决的技术问题是针对MIMO-OFDM系统提高信号重构的概率和精度。

为此，本发明提出一种可扩展的正交匹配追踪算法，在原有的OMP算法的基础上，通过适当的增加迭代次数来选取更加精确的匹配原子，从而达到重构源信号的目的。技术方案如下：

针对MIMO-OFDM(多输入多输出正交频分复用)系统的信道估计方法，包括以下步骤：

步骤一：发射端在每根天线上发送一个具有N个子载波的正交频分复用符号，进行逆快速傅里叶变换(Inverse Fast Fourier Transform，IFFT)，然后插入长度为L_cp的循环前缀(Cyclic Prefix,CP)，以消除符号间干扰(Inter Symbol Interference,ISI)；

步骤二：接收端每根天线去掉循环前缀及快速傅里叶变换(Fast FourierTransform，FFT)之后得到相应的接收信号，将导频信号取出，进行N点离散傅里叶变换，获得导频处的信道冲激响应；

步骤三：根据接收端的接收信号y和测量矩阵Φ采用OMP_α算法来重构信道冲激响应h，从而达到信道估计的目的。

进一步，步骤一中，将串并以后的已编码数据插入导频信号，进行逆快速傅里叶变换变换，然后插入长度为L_cp的循环前缀，以消除符号间干扰，发送的符号经过多输入多输出正交频分复用频率选择性衰落信道到达接收端，假设信道参数在一个正交频分复用符号的持续时间里是恒定的。

进一步，针对多输入多输出正交频分复用系统的信道估计方法，其所述循环前缀的长度L_cp＞＝L-1。

进一步，步骤二中，接收端利用接收的导频信号和发送端的导频信号来获取导频处的信道冲激响应。

进一步，步骤三中，根据接收端的接收信号y和测量矩阵Φ采用OMP_α算法来重构信道冲激响应h，OMP_α算法的迭代次数为通过次测量，能够以高概率重构原始信号，所涉及到的观测矩阵Φ满足受限等距特性准则，即对于稀疏度为m的待重构信号X，矩阵Φ满足δ_m∈[0,1]的常数。

与现有技术相比，本发明采用的信道估计方法为一种可扩展的正交匹配追踪算法，在原有的OMP算法的基础上，通过适当的增加迭代次数来选取更加精确的匹配原子，从而达到重构源信号的目的，与现有的OMP算法所需的测量次数(O(m lnN))相比，本发明所需的测量次数为(m为信号的稀疏度，N为信号的长度)，通过选择适当的扩展因子α∈[0,1]，信号重构的概率和精度有了显著的提高，对于MIMO-OFDM系统在信道估计方面具有广泛的应用前景。

附图说明

图1为MIMO-OFDM信道模型示意图。

图2为针对MIMO-OFDM系统的信道估计方法的信号重构流程图。

具体实施方式

现结合附图对本发明的具体实施方式做进一步详细的说明。本发明采用可扩展的正交匹配追踪(OMP_α)算法在原有正交匹配追踪(OMP)算法的基础之上，如图2所示，更改迭代次数为通过次测量，具有更高精度，信号重构概率更高的一种针对MIMO-OFDM系统的信道估计方法。为便于本领域的普通技术人员实施本发明，现提供以下实施方式。

具体实施方式一，具体过程如下：

步骤一：发射端在每根天线上发送一个具有N个子载波的OFDM符号，第i根天线发送的OFDM符号进行IFFT变换，然后插入长度为L_cp(L_cp≥L-1)的循环前缀(CP)，以消除符号间干扰(ISI)，如图1所示。发送的符号经过MIMO-OFDM频率选择性衰落信道到达接收端，假设信道参数在一个OFDM符号的持续时间里是恒定的。

步骤二：接收端每根天线去掉CP及FFT变换之后得到相应的接收信号，第j根接收天线接收到的符号为：

其中为在接收天线j上接收到的一个具有N个子载波的OFDM符号为零均值、方差为的高斯白噪声。H为一个N_RN×N_TN的MIMO-OFDM信道频域矩阵。

H^(j,i)为一个N×N矩阵，表示第i根发送天线与第j根接收天线间的信道频域响应矩阵。

假设信道的长度为L，MIMO-OFDM系统有P个导频符号，分别位于子载波k₁,k₂,...k_p(1＜k₁＜k₂＜...＜k_p≤N)上，则第j根接收天线收到的P个导频符号可以表示为：

其中为第j根接收天线在导频子载波k₁,k₂,...,k_p上的符号组成的接收向量；为第i根发送天线在导频子载波k₁,k₂,...,k_p上的符号组成的发送向量；为噪声向量；为第i根发送天线与第j根接收天线在导频子载波k₁,k₂,...,k_p处的信道频域响应矩阵。h^(j,i)为一个L×1的矩阵，表示第i根发送天线与第j根接收天线之间的信道冲激响应。设F为N点离散傅里叶变换矩阵，F_P为F中对应的P行和L列组成的P×L矩阵。

假设为一个N_TL×1的矩阵，表示所有的发送天线与第j根接收天线间的信道频域矩阵。

令为P×N_TL矩阵，则第j根天线接收到的P个导频符号可以表示为：

如果考虑所有的接收天线则(6)式可表示为：

y_p＝Φh+n_p (7)

其中，为N_RP×1的矩阵；为N_RP×1的矩阵；为N_RP×N_RN_TL的矩阵，这里为Knonecker乘积；为N_RN_TL×1的矩阵。

具体实施方式二，如图2所示，针对MIMO-OFDM系统的信道估计方法，所采用的OMP_α算法的具体步骤为：

1)输入：y,Φ,m；

2)初始化：设定残差的初始值r₀＝y，Λ₀＝0，(Λ_t表示t次迭代的索引的集合)，初始迭代次数t＝0；

3)更新迭代次数t＝t+1；

4)计算余量r_t-1与Φ的每一列的内积，选择内积最大值对应的索引值即λ_t,

选择原子其中λ_t表示第t次迭代找到的索引(列序号)；

5)更新索引值集合Λ_t＝Λ_t-1∪{λ_t}，更新支撑集

6)通过最小二乘法least-squares(LS)获取最佳的t项解， 是的伪逆矩阵，同时更新残差

7)如果t＜t_max＝m+[αm]，返回步骤二，否则终止迭代；

8)输出x的稀疏逼近信号x_t，即

这里对OMP_α算法做一些说明：基于残差r_t-1选择候选原子时，把测量矩阵分成两组定义I为s的未知支撑集，并且||s||₀＝||I||＝m，定义为正确的原子集，为错误的原子集。

选择正确的原子情况：

选择错误的原子情况：

当时，选择正确和错误的原子情况都有可能，为了便于分析，我们认为此情景为选择错误的原子情况。OMP_α算法运行的输出可以表示为其中λ_t∈{1,2,...,d}表示第t次迭代选择的原子的索引。定义J_C＝{λ_t:λ_t∈I}为正确的选择集，对应于这种情况，反之J_W＝{λ_t:λ_t∈I^c}对应于这种情况，表示选择了错误的原子。使用以上两种选择集来说明OMP_α算法重构信号是否成功。

假设经过次迭代，如果我们有|J_c|＝m,|J_w|＝|αm|,当α＝0说明在传统的OMP算法中重构信号成功，当说明在OMP_α算法中重构信号成功。如果我们有说明OMP_α算法没有重构信号成功。

对本领域技术人员而言，本发明不局限于以上实施方式，其仅仅作为例子对本发明的一种形态进行详细、示范性的说明。在不背离本发明宗旨的范围内，本领域技术人员根据上述具体实例，通过各种等同替换所得到的技术方案，均应包含在本发明的权利要求范围及其等同范围之内。

Claims (4)

1.针对多输入多输出正交频分复用系统的信道估计方法，其特征在于包括以下步骤：

步骤一：发射端在每根天线上发送一个具有N个子载波的正交频分复用符号，进行逆快速傅里叶变换，然后插入长度为L_cp的循环前缀，以消除符号间干扰；

步骤二：接收端每根天线去掉循环前缀及快速傅里叶变换之后得到相应的接收信号，将导频信号取出，进行N点离散傅里叶变换，获得导频处的信道冲激响应；

步骤三：根据接收端的接收信号y和测量矩阵Φ采用OMP_α算法来重构信道冲激响应h，从而达到信道估计的目的；

针对MIMO-OFDM系统的信道估计方法，所采用的OMP_α算法的具体步骤为：

1)输入：y,Φ,m；其中m表示信号的稀疏度；

2)初始化：设定残差的初始值r₀＝y，Λ₀＝0，Λ_t表示t次迭代的索引的集合，初始迭代次数t＝0；

3)更新迭代次数t＝t+1；

4)计算余量r_t-1与Φ的每一列的内积，选择内积最大值对应的索引值即λ_t,选择原子其中表示候选原子；

5)更新索引值集合Λ_t＝Λ_t-1∪{λ_t}，更新支撑集

6)通过最小二乘法least-squares(LS)获取最佳的t项解，其中 是的伪逆矩阵，同时更新残差

7)如果t＜t_max＝m+[αm]，返回步骤二，否则终止迭代；其中α表示扩展因子，α∈[0,1]；

8)输出x的稀疏逼近信号x_t，即。

2.根据权利要求1所述的针对多输入多输出正交频分复用系统的信道估计方法，其特征在于，步骤一中，将串并以后的已编码数据插入导频信号，进行逆快速傅里叶变换，然后插入长度为L_cp的循环前缀，以消除符号间干扰，发送的符号经过多输入多输出正交频分复用频率选择性衰落信道到达接收端，假设信道参数在一个正交频分复用符号的持续时间里是恒定的。

3.根据权利要求1或2所述的针对多输入多输出正交频分复用系统的信道估计方法，其特征在于所述循环前缀的长度L_cp＞＝L-1，其中L表示信道的长度。

4.根据权利要求1所述的针对多输入多输出正交频分复用系统的信道估计方法，其特征在于，步骤二中，接收端利用接收的导频信号和发送端的导频信号来获取导频处的信道冲激响应。