CN107231216B - 基于gamp算法的相位噪声补偿抑制方法 - Google Patents

Abstract

本发明属于无线通信技术领域，涉及基于GAMP算法的相位噪声补偿抑制方法。本发明是先利用已知的LOS信道和由发送符号序列的初始值，得到相位噪声的初始判决，然后通过GAMP算法迭代实现相位噪声的恢复，最后在接收信号上对相位噪声进行补偿和频域均衡，进而对发送信号进行解调，如此循环，能够逐步得到更加准确的发送符号数据的估计，提高系统的可靠性，减小误码率。

Description

基于GAMP算法的相位噪声补偿抑制方法

技术领域

本发明属于无线通信技术领域，涉及基于GAMP算法的相位噪声补偿抑制方法。

背景技术

无线通信发展到如今，已经进入了新的纪元。伴随着移动多媒体应用的爆炸式发展，标志着通信对人们生活产生了巨大影响，其重要性不言而喻。当前大家普遍使用的通信技术如802.11n标准与超宽带(Ultra Wideband，UWB)虽然能够实现最高达到300M/s的数据传输,但已经不能够满足人们对更高速率实时传输的需求，并且较低的无线通信频段已经拥挤不堪，为此，新一代高速高频段无线传输技术相继被大家研究。

长期以来，60GHz无线通信技术凭借其具有巨大的免许可连续带宽，使其可以实现吉比特级的高速数据传输速率，同时，伴随着其传输功率没有严格要求，导致60GHz相关技术被大家争相研究，俨然通信领域的明星，更有可能成为未来无线通信技术中最主要的技术之一。世界上众多国家相续开放60GHz附近连续5GHz-7GHz的免许可使用频域资源以供大家研究与开发。例如，美国率先划分了57-64GHz频段，加拿大、日本、欧洲和澳大利亚也紧接着划分了自己本国的60GHz免许可使用频段。随着世界各国对60GHz技术的日趋重视，开放了60GHz频段，掀起了世界各大科技公司以及相应研究机构对60GHz技术研究的浪潮。

60GHz通信系统的信号传输过程中，除了经历了信道的衰落以外，还要受到射频器件非线性因素的影响，这两个因素使在接收端系统的性能降低。60GHz毫米波无线通信系统中射频前端的非理想部分主要包括相位噪声，IQ幅度相位不平衡，功率放大器非线性失真等，相位噪声，实际上是对频率源频率稳定度的一种表征。通常情况下，频率稳定度分为长期频率稳定度和短期频率稳定度。所谓短期频率稳定度，是指由随机噪声引起的相位起伏或频率起伏。至于因为温度、老化等引起的频率慢漂移，则称之为长期频率稳定度。通常主要考虑的是短期稳定度问题，可以认为相位噪声就是短期频率稳定度，只不过是一个物理现象的两种不同表示方式。对于振荡器，频率稳定度是它在整个规定的时间范围内产生相同频率的一种量度。如果信号频率存在瞬时的变化，不能保持不变，那么信号源就存在着不稳定性，起因就是相位噪声。

在通信系统中，发送端与接收端都需要产生相应的载波以完成相应的射频与基带间的频谱转换。然而产生载波的晶体振荡器与锁相环存在一定的差异性，造成了载波频率与目标频率存在短时的随机差异，进而造成所产生的正弦波信号发生随机相位跳变，表现为相位噪声。对于正交频分复用(Orthogonal Frequency Division Multiplex，OFDM)通信系统相位噪声会产生公共相位误差(Common Phase Error，CPE)和载波间干扰(InterCarrier Interference，ICI)；而单载波频域均衡(Single Carrier with FrequencyDomain Equalization，SC-FED)系统相位噪声会产生公共相位误差CPE以及码间干扰(Inter Symbol Interference，ISI)。

发明内容

本发明的目的在于提供一种基于单载波频域均衡的相位噪声补偿抑制改进方法,提高信号传输的可靠性，降低误码率。

本发明采用了通用近似消息传递(General Approximate Message Passing，GAMP)算法，GAMP算法是一种求解最大后验分布的算法，通过不断地迭代，得到样本已知的条件下的隐藏变量的均值与方差。

为了便于本领域内技术人员对本发明技术方案的理解，首先对本发明采用的系统模型进行说明。

r＝PHs+n

其中r＝[r₁,r₂,…,r_N]^T是接收信号采样，为相位噪声矩阵，H是N×N的轮换Toeplitz矩阵，第1列为h＝[h₁,h₂,…,h_L,0_1×(N-L)]^T，s是发送符号序列，n是高斯白噪声。由于相位噪声的值很小，我们利用近似e^x≈1+x，将上式改写为

r＝(1+jΘ)Hs+n

其中Θ＝diag{[φ₁,φ₂,…,φ_N]^T}，对上式作进一步变换得到：

r-Hs＝diag{jHs}Θ+n

r-Hs记作观测向量Y，Θ＝Vx，diag{jHs}V记作测量矩阵A，x是相互独立的零均值高斯随机序列，方差为n为高斯白噪声序列，方差为β^-1＝σ²。变形化简后的系统模型为Y＝Ax+n。此外，记Z＝Ax。

本发明通过如下步骤实现：

S1、由发送符号序列s的初始值，得到相位噪声p的初始判决，即p_i≈r_i/G_ii，其中G_ii为G＝diag{Hs}的第i个对角元素；

S2、由相位噪声的初始值P，可以进一步得到独立的高斯随机序列X的初始值。

S3、我们通过以下的步骤来实现GAMP算法的迭代：

S31、计算Z的先验分布：

其中，和分别表示向量Z的第m个元素的先验分布的方差和均值，A_mi表示测量矩阵A的第(m,i)个元素，和表示高斯随机序列x的第i个元素的后验分布的方差和均值。

S32、计算Z的后验分布和中间变量的分布：

其中，和分别表示向量Z的第m个元素的后验分布的方差和均值，β^-1＝σ²表示高斯白噪声的功率，Y_m是观测向量Y的第m个元素，和分别表示中间变量的均值和方差。

S33、计算Y的先验分布：

其中和分别表示Y的第i个元素的先验分布的方差和均值。

S34、计算x的后验分布：

其中r_i表示Y的第i个元素的观测值。

S35、循环步骤S31—S34，在已知Y的观测值的条件下隐藏向量x的后验分布的均值和方差将收敛于一个稳定的值。

S4、根据最大后验准则，我们将向量x的后验分布的均值作为x的估计值，再利用Θ＝Vx把相位噪声恢复出来；

S5、在接收信号上对相位噪声进行补偿和频域均衡，进而对发送信号进行解调，得到一个更加准确的发送的符号数据S的估计值，从而再次利用GAMP算法，如此循环，能够逐步得到更加准确的发送符号数据的估计

本发明的有益效果为，在高阶调制方式下，信号星座图上的点将变得更加密集，而相位噪声的存在将造成星座图的旋转，给信号解调造成障碍，本发明的方法实现能够实现对相位噪声更加精确的估计，相位噪声补偿，提高系统的可靠性，减小误码率。

附图说明

图1是本发明使用的相位噪声影响下的单载波频域均衡系统示意图；

图2是本发明使用的基于序列相关的信道估计示意图；

图3是本发明实现相位噪声估计补偿抑制的流程图；

图4是16QAM调制下两种相位噪声补偿算法系统性能BER曲线对比图；

图5是64QAM调制下两种相位噪声补偿算法系统性能BER曲线对比图。

具体实施方式

下面结合附图对本发明进行详细的描述

特殊字(UW，Unique Word)。为了在接收端进行同步或参数估计等，在发送端发送的具有某些特定特性的、对接收端已知的特殊序列。

S1、利用已知的LOS信道H，假定信道是完美估计的，对应于UW中的第k个符号的接收信号为真实的接收信号为相位噪声可以按照式估计出来。

我们假定第i个数据块上的相位噪声是恒定的，粗略地估计为 从而估计出的相位噪声矩阵为其中1_N×1表示长度为N的全1向量。接下来，我们用来补偿r中的相位噪声效应，得到和传统的没有相位噪声的单载波频域均衡系统类似，对r′进行频域均衡其中F表示大小为N×N的FFT矩阵，E表示对角均衡矩阵；最后，我们解调出的第k个元素得到判决符号从而得到第i个数据块的初始判决

S2、由发送符号序列的初始值，得到相位噪声的初始判决，即p_i≈r_i/G_ii，其中G_ii为G＝diag{Hs}的第i个对角元素；

S3、由相位噪声的初始值P，可以进一步得到独立的高斯随机序列X的初始值。

S4、我们通过以下的步骤来实现GAMP算法的迭代：

S41、计算Z的先验分布：

其中，和分别表示向量Z的第m个元素的先验分布的方差和均值，A_mi表示测量矩阵A的第(m,i)个元素，和表示高斯随机序列x的第i个元素的后验分布的方差和均值。

S42、计算Z的后验分布和中间变量的分布：

其中，和分别表示向量Z的第m个元素的后验分布的方差和均值，β^-1＝σ²表示高斯白噪声的功率，Y_m是观测向量Y的第m个元素，和分别表示中间变量的均值和方差。

S43、计算Y的先验分布：

其中和分别表示Y的第i个元素的先验分布的方差和均值。

S44、计算x的后验分布：

其中r_i表示Y的第i个元素的观测值。

S45、循环步骤S31—S34，在已知Y的观测值的条件下隐藏向量x的后验分布的均值和方差将收敛于一个稳定的值。

S5、根据最大后验准则，我们将向量x的后验分布的均值作为x的估计值，再利用Θ＝Vx把相位噪声恢复出来；

S6、在接收信号上对相位噪声进行补偿和频域均衡，进而对发送信号进行解调，得到一个更加准确的发送的符号数据S的估计值，从而再次利用GAMP算法，如此循环，能够逐步得到更加准确的发送符号数据的估计。

图4和图5仅考虑LOS信道条件，16QAM和64QAM调制方式，对于16QAM调制方式，取1MHz频率偏移下的相位噪声水平为-86dBc/Hz，对于64QAM调制方式，取取1MHz频率偏移下的相位噪声水平为-92dBc/Hz。

现将16QAM和64QAM两种调制方式下的基于分块的相位噪声抑制算法和基于GAMP的相位噪声抑制算法效果进行对比，GAMP算法迭代次数分别是1次迭代和2次，从图中可以看出，分块迭代算法和GAMP算法对相位噪声能够实现较好的估计和抑制。在16QAM调制方式下，GAMP算法和分块算法相比的优势不大，但在更高阶的64QAM调制方式下，信号星座图上的点将变得更加密集，而相位噪声的存在将造成星座图的旋转，给信号解调造成障碍，此时GAMP算法能够实现对相位噪声更加精确的估计，优势更加明显。利用GAMP算法可以很大程度上消除相位噪声的不利影响，实现更好的系统性能。

Claims (1)

1.基于GAMP算法的相位噪声补偿抑制方法，该方法用于单载波频域均衡系统，该系统接收端的信号模型为：

Y＝Z+n

其中，观测向量Y＝r-Hs，Z＝Ax，n为高斯白噪声，方差为β^-1＝σ²；r＝[r₁,r₂,…,r_N]^T是接收信号采样，H是N×N的轮换Toeplitz矩阵，第1列为h＝[h₁,h₂,…,h_L,0_1×(N-L)]^T，s是发送符号序列；A为测量矩阵diag{jHs}V，x是相互独立的零均值高斯随机序列，方差为相位噪声矩阵P为1+jΘ，Θ＝Vx，Θ＝diag{[φ₁,φ₂,…,φ_N]^T}；其特征在于，所述相位噪声补偿抑制方法包括以下步骤：

S1、由发送符号序列s的初始值，得到相位噪声p的初始判决，即p_i≈r_i/G_ii，其中G_ii为G＝diag{Hs}的第i个对角元素；

发送符号序列s的初始值获取方法是：利用已知的LOS信道估计出相位噪声矩阵，用来补偿接收信号中的相位噪声效应，从而解调出第k个元素得到判决符号，获得发送符号序列s的初始值；

S2、由相位噪声的初始值P＝1+jΘ、Θ＝Vx，得到独立的高斯随机序列X后验概率的初始值；

S3、根据步骤S2中获得的X的初始值，采用GAMP算法，通过迭代获得X的后验概率的更新值，具体为：

S31、计算Z的先验分布：

其中，和分别表示向量Z的第m个元素的先验分布的方差和均值，A_mi表示测量矩阵A的第(m,i)个元素，和表示高斯随机序列x的第i个元素的后验分布的方差和均值；

S32、计算Z的后验分布和中间变量的分布：

其中，和分别表示向量Z的第m个元素的后验分布的方差和均值，β^-1＝σ²表示高斯白噪声的功率，Y_m是观测向量Y的第m个元素，和分别表示中间变量的均值和方差；

S33、计算Y的先验分布：

其中和分别表示Y的第i个元素的先验分布的方差和均值；

S34、计算x的后验分布：

其中r_i表示Y的第i个元素的观测值；

S35、循环步骤S31—S34，当满足迭代次数N和迭代误差δ时，通过GAMP算法可以得到的x的后验分布均值；

S4、根据最大后验准则，将向量x的后验分布的均值作为x的估计值，再利用Θ＝Vx把相位噪声恢复出来；

S5、在接收信号上根据步骤S4恢复的相位噪声进行补偿和频域均衡，进而对发送信号进行解调，得到一个更加准确的发送的符号数据S的估计值，从而再次利用GAMP算法，如此循环，逐步得到更加准确的发送符号数据的估计。