CN107592276B - 超高速移动环境lte-v2v信道估计与均衡方法 - Google Patents

Abstract

本发明公开了一种超高速移动环境LTE‑V2V信道估计与均衡方法。首先采用离散椭球基函数信道估计法，获取导频符号处的CIR；再基于导频符号处的CIR，采用离散椭球基函数对数据符号处的CIR进行子帧内内插和子帧间外插，获取整个子帧的数据符号处的CIR。在得到了整个信道的CIR后，由信道的CIR重新构建时域信道矩阵，并通过迭代处理求解时域信道矩阵的逆，每一次迭代都基于时域信道矩阵的QR分解，并通过最小二乘来获取每一步的最佳解，当满足迭代收敛时，得到均衡处理结果。本发明直接估计时域的信道CIR信息，能够得到更多更加完整的信道信息，且均衡处理的复杂度低，相较于传统的信道均衡算法有极大的性能提升。

Description

超高速移动环境LTE-V2V信道估计与均衡方法

技术领域

本发明属于LTE(Long Term Evolution)车联网通信领域，具体涉及超高速移动环境下的信道估计与均衡技术。

背景技术

近年来，高速移动互联网业务需求剧烈增长，车联网无线通信技术成为研究热点。车联网不仅可以提高道路运输系统效率和安全性，还满足了路上用户对数据需求的持续增长，已确认将成为5G新拓展的重要场景。LTE是为移动终端用户提供高速率低时延业务最有效的无线宽带技术，又因其大范围覆盖的路边设备，尤其是LTE D2D通信标准的制定，使得LTE成为车联网无线通信技术研究的重点。3GPP(3rd Generation Partnership Project)当前规定LTE支持的V2X业务类型包括自动停车系统、车辆失控警告、运营商控制下的V2V(Vehicle-to-Vehicle)信息传输、道路安全基站等。因车辆间高速移动引发多普勒效应导致严重的无线损耗，需要重点研究新的信道估计算法、导频设计结构和信道均衡技术来提升通信质量。

车联网最难处理的问题在于要克服复杂的通信环境。在城市区域，视距范围内的V2V通信经常被十字路口的建筑阻挡；在高速，处于通信路径上的卡车通常会带来严重的信号衰落及包损失。文献中的现场试验证明多径衰落、阴影衰落、由高速移动引发普勒效应及复杂的城区通信环境将导致严重的无线损耗；由于大规模车辆的同时通信，车辆间的相互干扰也将扮演重要角色。毋庸置疑，准确的信道建模是设计可靠V2V通信系统的先决条件。文献对车辆信道测量研究现状进行了总结分析，值得注意的是，对于不同的场景(如城区、农村、高速路等)不存在统一的信道模型，已有的信道模型均只适用于某一特定场景。

3GPP已经提出了在V2V通信场景下，车辆速度最大支持为250km/h(相对速度达到500km/h)，在载波频率为5.9GHz下，最大多普勒频移将达到2800Hz(归一化多普勒频移18.7％)。在如此高的多普勒频移下，针对3GPP标准提出的块状导频结构，传统的基于内插的信道估计方法，例如：基于统计特征的内插算法(1)Wiener滤波算法(2)MMSE内插算法；基于固定系数的内插算法(1)线性内插(2)二阶高斯内插(3)三阶样条内插(4)三阶拉格朗日内插；基于低通滤波的内插算法(1)Kaiser窗内插算(2)升余弦窗内插算法

这些传统的基于内插的信道估计算法在此特定的块状导频结构下已经不能应对如此高的多普勒，所以设计出有效的信道估计和均衡算法是十分迫切和必要的。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种超高速移动环境LTE-V2V信道估计与均衡方法，以适应高多普勒的LTE-V2V系统。

本发明的超高速移动环境LTE-V2V信道估计与均衡方法包括下列步骤：

步骤1：导频符号处信道估计。

导频符号处的信道估计的任务是利用导频发射和接收的时域信号估计出导频符号处的CIR(时域冲激响应)。本发明采用离散椭球基函数进行信道估计，获取导频符号处的信道估计。

BEM信道建模是将信道的每一个时变抽头系数表示为一组基函数的加权叠加，通用的表达式为：

其中g_q,l是第l个抽头的第q个基函数的加权系数，是独立的复随机变量，在一个OFDM符号周期内保持不变。b_q(n)是选定的第q个基函数，Q为阶数，需要满足

通常取值为

(向上取整)，f_d为最大多普勒频移，T为OFDM符号周期(包含循环前缀)。

根据基函数的不同，可以将BEM进行以下的分类：1)傅里叶基函数(CE-BEM)；2)多项式基函数(P-BEM)；3)卡洛基函数(KL-BEM)；4)离散椭球基函数(DPS-BEM)。由于CE-BEM是基于白谱建模的，故其建模的信道两端边缘相较于多普勒谱有明显的模型误差，P-BEM没有像CE-BEM那样的边缘问题，但其对于多普勒谱的扩展较为敏感，当多普勒频移较大时，表现较差。在实际环境中，Jakes模型的多普勒谱有时不适用于无线信道，此时KL-BEM可能无法达到最优的效果，其次对于KL-BEM模型，需要预知信道的协方差矩阵。在多普勒为2000Hz、2800Hz下，信道变化十分剧烈，所以在估计导频符号CIR时，本发明采用离散椭球基函数DPS-BEM模型来进行信道建模。

步骤2：Slepian的信道内插：

在利用DPS-BEM模型估计导频处CIR的基础上，利用Slepian基函数对数据符号处的CIR进行内插和外插从而得到整个子帧的信道CIR。

因为LSQR均衡，需要用到整个信道的CIR，然而，运用传统的线性内插的方法无法很好的拟合整个信道响应，尤其是在信道深衰处更是无法恰当的表征信道。由于Slepian序列能够很好的表征信道特性，所以，本发明运用Slepian基函数内插、外插的方法来拟合整个信道响应。其中，内插表示通过子帧内相邻的两个导频符号处的CIR来获取其之间的数据符号处的CIR，即通过一个子帧内内插获取数据符号处3,4,6,7,9,10(OFDM符号索引通常从0开始编号)的CIR，外插表示运用两个子帧，进行子帧之间的内插，用前一个子帧的最后一个导频符号(11)和后一个子帧的第一个导频符号(2)内插两个相邻子帧间的数据符号处(前一个子帧的12,13和后一个子帧的0,1符号)的CIR。

步骤3：LSQR均衡：

LSQR(最小二乘QR分解)是在时域对信号进行均衡。由DPS-BEM估计导频处CIR和Slepian内插数据符号处的CIR，得到了整个信道的CIR，由信道的CIR重新构建时域信道矩阵，再对时域信道矩阵进行处理，即通过求解时域信道矩阵的逆来求解发射信号的复杂度太高，所以本发明提出了一种低复杂度的时域均衡方法：通过迭代收敛的方法来求解时域信道矩阵的逆，然后在时域进行OFDM的均衡处理。LSQR算法中，每一次迭代都需要用到矩阵的正交三角QR分解(QR分解)，并通过最小二乘来得到每一步的最佳解。通过迭代，判定误差大小，当误差达到合理范围就可以解出发射信号。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

(1)本发明与传统的基于内插的信道估计算法相比，直接估计时域的信道CIR信息，能够得到更多更加完整的信道信息。

(2)运用Slepian进行一段拟合一段的内插方法，利用估计的导频处CIR，可以在时域很好的内插处数据符号的CIR。

(3)本发明提出的LSQR均衡算法复杂度低，且相较于传统的信道均衡算法有极大性能提升。

附图说明

图1为3GPP提出的LTE-V2V导频结构。

图2为本发明的接收机框图。

图3为本发明中利用BEM估计导频处CIR。

图4为本发明利用Slepian内插数据符号处CIR。

图5为系统在多普勒为2800Hz下的BER性能。

图6为系统在多普勒为2000Hz下的BER性能。

图7为系统分别在2800Hz、2000Hz下的MSE性能。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

由3GPP提出的LTE-V2V系统的标准导频格式如图1所示，可以看到在此块状导频结构下，由于时间方向的导频间隔较大，而频域方向的间隔很小。所以，这样的导频结构下，运用传统的基于内插的信道估计算法已经不能满足最大多普勒为2800Hz下的场景。通过分析，由于该导频结构为块状导频模式，可以利用整个导频符号的所有子载波收发数据作为已知信息来估计导频符号处的CIR。得到CIR之后，再通过Slepian内插拟合出数据符号处的CIR，最终通过LSQR算法在时域进行信道均衡。

应用本发明的信道估计与均衡方法的接收机结构如图2所示，其对应的发射端仍然基于LTE上行链路来搭建即可。该接收机基本构架仍然是基于LTE上行链路来搭建，在信道估计和均衡模块引入了本发明的信道估计与均衡方法。接收机包括的模块有：去除循环前缀(CP)、导频符号处信道估计、Slepian内插、时域LSQR信道均衡、OFDM解调、解映射、IDFT、信道解码。详细过程为：

步骤1：基于接收的一个子帧(14个OFDM符号)的时域信号R，去除循环前缀后，分别得到时域导频信号R_pilot和数据信号R_data。

步骤2：导频符号处信道估计。

(1)首先利用DPS-BEM产生Slepian序列：

产生的序列

用于形成基函数矩阵Φ。信道的拟合可以写成如下表达式：

对于整个导频符号，可以写成向量矩阵形式：

其中

表示噪声，

表示基函数系数，

表示导频符号发送的时域信号。

(2)通过求解最小二乘矩阵，根据

求得基函数系数

其中I表示对应Φ的单位矩阵，N₀表示噪声方差，

表示系数

的协方差矩阵，

符号(·)⁺表示矩阵的M-P逆。

(3)由图1中可以看出导频符号索引分别为2、5、8和11，分别利用导频符号发送的时域信号

和接收的时域信号

求解BEM系数，再用求解的BEM系数带入得到导频处CIR。

步骤3：Slepian内插。

对于内插，外插均可以用如下的步骤来描述：

(1)产生相同信道拟合长度的基函数

其中

为矩阵S的特征向量。且

f_d表示最大多普勒频移，T_s表示采样率，a、b为矩阵S的行、列标识符，即a,b＝1,…,length，length为基函数

的数据长度。

(2)用产生的基函数

组合成矩阵Ω_Φ ，即

其中D为拟合阶数。

(3)取出导频符号所在基函数中的数据，计算拟合系数

其中

为导频符号对应的基函数中的子矩阵，

为导频处的CIR。

(4)利用拟合系数计算其他符号处的CIR：

其中

为数据符号对应的基函数中的子矩阵，

为数据处的CIR。

其中，Φ＝Φ_P+Φ_D，

步骤4：时域LSQR信道均衡。

(1)用H表示时域信道矩阵，则有

其中

为接收数据矩阵，

为发送数据矩阵：

为噪声方差矩阵：

其中N为发射天线阵元数，L为接收天线阵元数。

由DPS-BEM基函数及其系数来构建时域信道矩阵

其中B_m(n)表示DPS-BEM基函数，C_m 为离散椭球基函数系数构成的循环移位矩阵，l＝0,1,...L-1，n表示采样点，M表示信道径的总个数；

故可得到时域信道矩阵

其中P_m 为对角阵，对角线元素P_m(i,i)＝B_m(i)，且B_m(i)＝B_a(n)。

(2)得到时域信道矩阵H后，均衡的本质是求解

其中

表示发射信号，

表示接收信号。

由于信道矩阵是非常稀疏的，所以可以用LSQR来求解，得到求解结果，即时域LSQR均衡后的数据

其中LSQR的求解过程具体为：

(1)初始化：

迭代次数i＝1；

(2)迭代过程：

双对角化：

构造和应用Householder变换：

更新

和

(3)判断是否满足迭代收敛条件(两次迭代结果的差值小于预设值)，若满足，则将最后一次更新

作为求解结果；否则i＝i+1，并继续迭代。

步骤5：对数据

进行傅里叶变换，得到频域数据信号

对信号

进行X信道解码得到估计的二进制比特流数据

实施例

在仿真时，信号为LTE标准10MHz带宽下的传输模式，其中信道带宽为B＝10MHz，子载波间隔为Δf＝15KHz，信号的采样率为f_s＝15.36MSps，信道编解码采用Turbo码。仿真的信道时延设置为：信道时延＝[0 10 20 30 40]/f_s，信道增益＝[0 -3 -6 -8 -17.2]dB，多普勒频移设置为2800Hz。内插方案：利用拟合的导频CIR，2,5→3,4；5,8→6,7；8,11→9,10。外插方案：利用前一个子帧的导频符号11和后一子帧的导频符号2内插0,1,12,13。基函数设置为Slepian，拟合阶数为6。信道均衡算法，频域为one-tap(单抽头)和MMSE，时域为LSQR(最小二乘QR分解)和DampedLSQR(阻尼最小二乘QR分解)。

图3表示用BEM估计导频处CIR与理想信道CIR的对比曲线，在用BEM求解导频符号处CIR中，选择Slepian序列作为基函数，进行数据重组后，应用LS求解基函数的系数，进而拟合出导频符号处的信道冲击响应，从拟合结果可以观察到估计结果十分精确。在信噪比为10dB下，均方误差为6.4639e-05。

图4显示了利用Slepian内插数据符号处CIR的拟合结果。在完成BEM估计导频符号处CIR之后，利用估计的CIR进行Slepian内插拟合数据符号处的CIR可以看到图4中对于数据符号的CIR的拟合情况还是比较精确的。在信噪比为10dB下，均方误差为0.00650；在信噪比为20dB下，均方误差为0.00150；

图5,6,7集体表现了整个接收机的综合解调性能，可以看到多普勒在2800Hz和2000Hz下的BER性能如图5,6所示，本发明的方法相较于传统的内插的信道估计加MMSE均衡性能有显著的提升，并且复杂度相较于传统的单抽头均衡器算法复杂度上不会有太大的提升。

图7突出显示了不同多普勒下拟合的信道CIR和理想信道CIR的均方误差，可以看到的是通过BEM和Slepian内插的算法估计出的信道CIR均方误差能够维持在一个较低的水平，对信道的拟合还是很精确的

由以上分析可知，本发明可以应对LTE-V2V 2800Hz的多普勒频移场景下的通信系统接收机，能基于LTE上行链路搭建，具有较强的移植性，为车间通信系统提供了很好的信道估计和均衡。在多普勒频移为2800Hz时，采用本发明的LTE-V2V系统的解调性能仍然能够维持在很好的水平。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (2)

1.超高速移动环境LTE-V2V信道估计与均衡方法，其特征在于，包括下列步骤：

步骤1：采用离散椭球基函数信道估计法，获取导频符号处的时域冲激响应估计值；

步骤2：基于导频符号处的时域冲激响应估计值，采用离散椭球基函数对数据符号处的时域冲激响应进行子帧内内插和子帧间外插，获取整个子帧的数据符号处的时域冲激响应估计值；

步骤3：构建时域信道矩阵

其中P_m为对角阵，对角线元素P_m(j,j)＝B_m(j)，B_m(j)表示离散椭球基函数，C_m为离散椭球基函数系数构成的循环移位矩阵，j表示对角元素索引，M表示信道径的总个数；

通过迭代处理求解时域信道矩阵H的逆，每一次迭代都基于时域信道矩阵H的正交三角分解，并通过最小二乘来获取每一步的最佳解，当满足迭代收敛时，得到均衡处理结果。

2.如权利要求1所述的方法，其特征在于，时域信道矩阵H的逆的求解过程具体为

(1)初始化中间参量β、

α、

的初始值β₁、

α₁、

以及初始化中间参量

迭代次数i＝1；

其中，

表示发射信号；

(2)迭代过程：

双对角化：

构造和应用Householder变换：

其中，c_i、s_i和θ_i+1为中间参量；

更新

和

(3)判断是否满足迭代收敛条件，若满足，则将最后一次更新

作为求解结果；否则i＝i+1，并继续迭代。

Images