CN107666451B - 用于lte系统的信道估计方法 - Google Patents

Abstract

本发明公开了一种用于LTE系统的信道估计方法，属于无线通信领域。本发明主要分为两种情况，对于可接收下一子帧的应用场景，则首先接收一个子帧和一个OFDM符号的信道估计值，利用LS算法估计导频处的信道估计值；然后利用去噪算法提升导频处CFR的精度；根据去噪之后的CFR进行频域方向信道估计，其所用方法为Kaiser内插器算法；最后进行时间方向的信道估计，把非均匀的导频结构转化为均匀的导频结构，再通过三阶样条内插算法进行时间方向信道估计，从而避免信道估计进行外插，提高了CFR精度；对于只能接收一个子帧的应用场景，导频处信道估计方法和频域信道估计方法和第一种应用场景相同；时间方向信道估计则基于自适应外插和二阶指数平滑外插，其CFR精度更高。

Description

用于LTE系统的信道估计方法

技术领域

本发明属于无线通信领域，具体涉及应用于长期演进(LTE：Long TermEvolution)系统信道估计方法的技术。

背景技术

随着无线通信传输数据的指数式增长，第三代合作伙伴项目(3GPP:3rdGeneration Partnership Project)长期演进技术(以下称LTE)能够很好应对无线通信所需的高容量的语音和数据，以迎接日益增长的流量带来的挑战。在LTE系统中，多径效应和多普勒效应分别会导致无线信道具有频域选择性衰落和时间选择性衰落特性，对采用相干解调的接收机会产生恶劣的影响，使系统性能下降。因而，需要有高性能的信道估计方法来准确地获取信道信息，并通过信道均衡消除多径信道的影响。LTE中信道估计算法在大的方面根据是否用到导频信息来划分，有非盲信道估计、半盲信道估计和盲信道估计。相对盲信道估计和半盲信道估计来说，借助导频的非盲信道估计被大量采用，其优点是复杂度低、统计时间短、精度较高。

基于导频的非盲信道估计可以分成两个主要步骤：第一步是估计导频处的信道频域响应(CFR:Channel Frequency Response)，主要利用的估计方法为最小二乘算法(LS:Least Square)，但是，LS模型的估计精度还较低，且在高速移动信道下，导频子载波间干扰较大，使得导频处信道估计值降低；第二步是通过导频处的CFR估计出数据处的信道估计值。

为了降低计算复杂度，采用频域方向和时间方向级联的信道估计方法。其主要步骤为：在频域方向，根据导频处的CFR估计出数据处的CFR，主要利用的方法为最小均方根误差算法(MMSE：Minimum Mean Square Error)和基于凯撒(Kaiser)滤波的内插算法。对于MMSE算法而言，其性能很好，但是复杂度非常高，涉及矩阵的求逆等，而且该算法需要信道的二阶统计特性，如自相关矩阵以及互-相关矩阵等。Kaiser内插器虽然性能略差于MMSE算法，但其不需要系统的统计特性，是常用的内插算法。

频域方向信道估计的另一种方法为：直接把时域的CIR(CIR：Channel ImpulseResponse)曲线经过频域方向所有导频点的FFT变换，得到频域方向的内插，而不用MMSE和Kaiser等其他算法，这样虽然降低了计算复杂度，但是其误比特率(BER:Bit Error Rate)性能会下降。在时间方向，把频域方向的信道估计值作为已知信息，估计时间方向的信道估计值。由于LTE系统中时间方向的导频间隔是非均匀分布的，则传统的时间方向信道估计方法为线性内插算法，且最后两个OFDM符号处的信道估计值利用线性外插。因此，在高速移动信道下，传统的信道估计算法精度降低，系统的性能变差，不能满足相对恶劣的信道传输环境。信道估计是LTE重要的部分之一，OFDM信号接收器的准确的信道估计对于在接收器上恢复传输信息数据来说至关重要，因此，关于信道估计的性能，足够高质量是非常重要的。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种估计性能好的用于LTE系统的信道估计方法。

本发明在信道估计时，对于可接收下一子帧的应用场景(即一个子载波包括15个OFDM符号：当前子帧的14个和下一帧的第1个OFDM符号)，则首先基于发射信号和接收信号，利用LS算法估计导频处(在LTE系统中，导频处的位置固定，即每个子载波的第1、5、8、12和15个OFDM符号处)的信道估计值；然后采用Kaiser内插器算法获取频域方向数据处的信道值，从而获得所有导频所在的OFDM符号位置处所有子载波处的信道估计值。再基于已知的信道估计值，进行进行时域方向数据处的信道估计：首先利用线性内插，获取第2和第9个OFDM符号处的信号估计值，把非均匀的导频结构转化为均匀的导频结构，再通过三阶样条内插算法进行时间方向信道估计，从而避免信道估计进行外插，提高了CFR精度；对于只能接收一个子帧的应用场景(即一个子载波包括当前帧的14个OFDM符号)，频域方向的信道估计与上述针对可接收下一子阵的处理相同，时域估计的区别在于，对第2～8个OFDM符号采用三阶样条内插信道估计，第9～12个OFDM符号采用线性内插信道估计，最后两个采用外插信道估计。

针对可接收LTE系统的下一子帧的应用场景，本发明的用于LTE系统的信道估计方法，包括下列步骤：

步骤1：基于发射端导频信号和接收端导频信号进行导频处的信道频域响应估计，得到导频处的信道估计值：

步骤2：基于导频处的信道估计值，进行频域方向数据处的信道估计；

步骤3：基于已获取的信道估计值，进行时域方向数据处的信道估计：

301：采用线性内插估计，获取当前子载波的第2个和第9个OFDM符号处的信道估计值；

302：将当前子载波的第2到最后一个OFDM符号均分为前后两组，基于各组已知的信道估计值，分别对两组进行三阶样条内插信道估计，得到各组中待估计OFDM符号处的信道估计值。

在一些低时延应用场景中，LTE系统能接收一个子帧的OFDM符号，本发明也公开了针对该应用场景的信道估计方法，即将步骤302替换为：

对当前子载波的第2～8个OFDM符号，基于已知的信道估计值进行三阶样条内插信道估计，获取未知信道估计值的数据处的信道估计值；

对当前子载波的第9～12个OFDM符号，基于已知的信道估计值进行线性内插信道估计，获取未知信道估计值的数据处的信道估计值；

对当前子载波的第13～14个OFDM符号，采用外插信道估计获取信道估计值。

本发明中，线性内插估计的计算公式为：

表示线性内插估计得到当前子载波k的第i个OFDM符号处的信道估计值，

分别表示当前子载波k的第m_p和m_p-1个OFDM符号(导频所在的OFDM符号位置)的信道估计值，即距OFDM符号i最近的前后导频所在的OFDM符号位置的信道估计值。

本发明中，在进行导频处的信道频域响应估计时，优选LS算法，为了进一步提升LS算法的估计精度，对其估计结果进行去噪处理后再进行时间方向数据处的信道估计。其中去取噪处理具体为：

用X_p、Y_p分别表示发射端导频信号和接收端导频处的信号值，则导频处的频域响应CFR可表示为

采用LS算法获取对应的频域响应H_p，对其通过逆傅里叶变换到时域，可得到信道的时域冲激响应(CIR)为：

其中k_p为子载波索引，m_p为OFDM符号索引，即(k_p,m_p)表示第k_p个子载波和第m_p个OFDM符号处的CFR位置；N_pilot为一个OFDM符号导频的个数，n_p表示OFDM符号处第n_p个导频。

理论上CIR长度和导频处CFR长度相同，可记为向量的形式

但是实际中，CIR的长度小于循环前缀的长度，为了降低噪声的干扰，去除最大时延(或最大循环前缀)长度之后的值，即

其中

为去除最大值时延或最大循环前缀长度之后的值。把去除噪声之后的CIR值补零，使其长度为导频的长度，即

然后再将

变换到频域，可以得到去噪之后的导频处的信道估计值为：

去噪之后的导频处信道估计值可记为矩阵的形式

LTE系统加入去噪算法，使得导频处的信道估计值估计精度提高。

为了进一步提升现有的外插信道估计(线性外插)的估计精度，在上述针对LTE系统能接收一个子帧的应用场景的步骤302中，当得到当前子载波k的前面12个OFDM符号的信道估计值

后，对子载波的最后两个OFDM符号采用自适应外插或二阶指数平滑外插法，以提高CFR精度。

(1)自适应响应系数平滑算法：

首先计算自适应系数平滑算法所需参数λ_T，其计算公式为：

λ_T＝|E_T/M_T|

E_T＝βe_T+(1-β)E_T-1

M_T＝β|e_T|+(1-β)M_T-1

其中，E_T表示信道误差的累积值、M_T表示信道绝对误差的累积值，其中T表示当前子载波k已知的信道估计值的个数，即T＝12；β(0＜β＜1)表示平滑参数，

为第k个子载波的第T个OFDM符号处的信道估计值和预测值的差值。

在递归求解系数λ_T时，令

第2～第T个OFDM符号处的信道预测值

均是基于前t(t＝1,2,…,T)个OFDM符号的所有信道估计值通过自适应响应速率平滑获得，即：

其中l₀表示自适应响应系数平滑算法的初值，选择准则为使得均方根误差的平方和最小。优选的，设置初值l₀为当前子载波的第1个OFDM符号处的信道估计值

系数λ_t＝|E_t/M_t|，E_t＝βe_t+(1-β)E_t-1，M_t＝β|e_t|+(1-β)M_t-1，

且E₀＝0，M₀＝0，λ_t的初始值首设置为1(即λ₁＝1)，然后通过λ_t＝|E_t/M_t|计算，得到最优的自适应系数平滑算法所需参数λ_T。

基于求解到的系数λ_T，根据

得到最后两个符号处的信道估计值，其中i′＝1,2。

(2)二次指数平滑算法：

二次指数平滑法是在一次指数平滑的基础上再进行一次指数平滑。并根据一次和二次的最后一项的指数平滑系数，建立直线趋势预测模型。二次指数平滑算法的计算公式为：

其中a_T表示线性函数的截距，b_T表示线性函数的斜率，

和

分别为一次指数平滑系数和二次指数平滑系数，计算公式为：

其中

表示第k个子载波第T个OFDM符号处的信道估计值；ε表示二次指数平滑系数，且0＜ε＜1，一次指数平滑系数和二次指数平滑系数的初始值为预设值，优选，当时间序列数据量小于数量阈值(例如20)时，则基于一定数量(例如前1/3～1/6)的均值作为其初始值；否则，随机初始化，例如设置

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)通过去噪算法，可以降低导频处CFR的干扰，提高导频处信道估计值精度；

2)在时间方向的信道估计算法，把非均匀的导频结构转化为均匀的导频结构，并把外插结构转化为内插结构，相较于线性内插算法，提高了CFR估计性能，进而可提高系统的BER和MSE性能；

3)应用自适应响应平滑算法和二阶指数平滑算法，可提高外插算法CFR的精度，优于传统的线性外插算法。

附图说明

图1为本发明的系统框图

图2为LTE系统12个子载波15个OFDM符号导频结构图。

图3为本发明信道估计原理流程图。

图4为第k个子载波时间方向上内插处理过程。

图5为第k个子载波时间方向上外插处理过程。

图6为最大多普勒300Hz，频域方向为Kaiser内插时间方向为线性内插和三阶样条内插在去噪和未去噪算法下的BER曲线。

图7为最大多普勒设置为300Hz，频域方向为Kaiser内插时间方向为线性内插和三阶样条内插在去噪和未去噪算法下的MSE曲线。

图8为最大多普勒为300Hz，频域方向为Kaiser内插时间方向为三阶样条内插和不同外插算法下的BER曲线。

图9为最大多普勒为300Hz，频域方向为Kaiser内插时间方向为三阶样条内插和不同外插算法下的MSE曲线。

图10为最大多普勒为1000Hz，频域方向为Kaiser内插时间方向为三阶样条内插在去噪和未去噪算法下的BER曲线。

图11为最大多普勒为1000Hz，频域方向为Kaiser内插时间方向为三阶样条内插在去噪和未去噪算法下的MSE曲线。

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。

参见图1，LTE系统主要包括发射数据比特流生成单元、导频数据生成单元、信道编解码单元、资源元素映射/反映射单元、OFDM调制/OFDM解调单元、信道估计单元和信道均衡单元。其中资源元素映射单元如图2(a)所示，通过图2(a)可得，一个子帧有14个OFDM符号，而对于可接收下一子帧的应用场景，每个子载波包括15个OFDM符号，即当前帧的全部OFDM符号和下一帧的第1个OFDM符号。黑色圆点表示导频信号的位置，白色圆点表示信号的位置。频域方向导频的间隔为6；时间方向导频间隔是不均匀分布的，导频的间隔为3或者4。

图1所示的LTE系统的信号处理流程为：

发射端：首先对待发送的二进制输入比特数据b进行信道编码得到信号c，然后把编码之后的信号c调制映射得到复数信号d。同时输入已知的导频信号值c₁，对其进行调制映射得到导频处的复数信号d₁。根据LTE系统的资源分配情况，将调制映射之后的输入数据和导频数据映射到相应的位置，记为：X_d和X_p，其中导频信号X_p的长度为N_pilot；接着，根据LTE系统资源元素映射之后的数据进行OFDM调制(包括信号填零扩充，重排位置，逆傅里叶变换、添加循环前缀(CP:Cyclic Prefix))得到时域信号x，其中逆傅里叶变换的采样点数为N，发射信号x经过无线信道得到信号y。

接收端：对接收信号y进行OFDM解调，包括去循环前缀，傅里叶变换得到频域信号Y，其中傅里叶变换的采样点数为N。根据LTE系统的资源分配情况进行资源元素反映射，以获得导频处和数据处接收信道，分别记为：Y_d和Y_P；接着，根据发射端导频信号X_p和接收端导频处的信号值Y_P进行信道估计，包括频域方向和时间方向。再利用估计之后的信道估计值对信号进行信道均衡，以获得估计的接收信号数据

对信号

进行解映射得到信号

最后通过信道解码得到估计的二进制比特流数据

在接收端进行信道估计时，参见图3，首先在频域方向，利用LS算法获得导频处的信道估计值，然后通过增强算法(去噪)提高导频处CFR的精度，最后通过Kaiser内插算法获得频域方向数据处(非导频处)的信道估计值。频域方向信道估计完成后，第1、5、8、12，15OFDM处的所有子载波处的CFR值都是已知的，如图2(b)所示，黑色圆点表示导频处CFR值，灰色表示频域内插之后得到的CFR值，白色表示需要估计的时域方向的CFR值。由于时域方向的导频间隔不同，且第13、14个OFDM符号处的CFR值需要进行外插，使得CFR精度大大降低。为了提高时间方向的信道估计精度，这里接收了下一个子帧的第1个OFDM符号，利用15个OFDM符号进行时域方向的内插估计。

由于时域方向CSR导频信号的分布是不等间隔的(如图2(b)所示)，频域方向信道估计之后，要想利用线性内插算法，必须先把非均匀导频间隔分布，转化为均匀的导频间隔，然后利用三阶样条内插估计数据处的CFR，如图4(a)所示。

具体实现步骤为：在第k个子载波处(若10MHz带宽，则子载波的个数为600)，首先利用线性内插算法估计第2个OFDM处的CFR值(第1个和第5个OFDM处的CFR进行线性内插)，即：

然后利用线性内插估计第9个OFDM处的CFR值(第8个和第12个OFDM处的CFR进行线性内插)即：

最后把时域方向的OFDM符号分为两组，第一组为第2-8个OFDM符号，如图4(b)所示；第二组为9-15个OFDM符号，如图4(c)所示。这两组符号分别利用三阶样条内插算法，估计数据处的CFR值。

在一些低时延应用场景，LTE系统只能接收一个子帧的符号，所以在时间方向进行信道估计时，需要对第13和第14个OFDM符号进行外插，本发明利用自适应响应系数平滑算法和二阶指数平滑算法，其性能优于线性外插的方法，其详细过程如下。

在对第k个子载波第13和14个OFDM符号进行信道估计时，一种方法为：利用第8个和第12个OFDM符号处的信道估计值线性外插，可得第k个子载波第13个OFDM符号处的CFR为：

第k个子载波第14个OFDM符号处的CFR为：

当多普勒频移较大时，基于导频的线性外插算法性能较差。本发明利用自适应响应系数外插算法和二阶指数平滑外插算法，以提高CFR精度。

频域方向信道估计之后，已知CFR的位置为：1、5、8、12OFDM符号。估计2-4，6-7，9-11OFDM符号的信道时，利用线性内插或者多项式内插(把非均匀导频间隔分布，转化为均匀的导频间隔)。第13个和第14个OFDM符号利用外插算法进行信道估计。

此外插算法的主要思想为利用1-12OFDM符号处的信道信息预测后面两个OFDM符号处的信道估计值。如图5所示，其中第k个子载波第1,5,8,12个符号为导频处的CFR值，第k个子载波第2，9个符号表示用线性内插(非均匀导频间隔转化为均匀导频间隔)得到的信道估计值。估计前12个OFDM符号处CFR的过程为：已知第k个子载波第2,5,8个符号处的CFR值，利用样条内插得到其它符号处的CFR值；根据第k个子载波第9,12个符号处的CFR值，利用线性内插估计其它符号的CFR。此时，前12个OFDM符号已知。

假设1-12OFDM符号处信道估计值组成一个时间序列，则13-14OFDM符号信道估计值就可以利用自适应响应平滑算法或二阶指数平滑算法估计，两种外插处理的处理分别如下：

(1)基于初始值β＝0.2；E_t(1)＝0；M_t(1)＝0，λ_T＝1，

以及1-12OFDM符号处的信道估计值，递归求解得到优化后的λ_T。从而得到第13-14OFDM符号信道估计值为：

(2)基于前三个点的平均值初始化一次指数平滑系数

和二次指数平滑系数

即

从而得到第13-14OFDM符号处的信道估计值：

实施例

采用表1的移动信道仿真参数的设置，对本发明的信道估计方法进行仿真测试，验证本发明的估计性能：

表1

图6、7是测试在单输入单输出模式下，多普勒频移为300Hz下，调制方式为16QAM(1/3码率)，10MHz带宽条件，分别仿真理想信道估计和不同内插算法的BER和MSE曲线。频域方向内插算法为：Kaiser窗内插算法，时域方向的内插算法为：线性内插和三阶样条内插。导频处信道估计分别采用去噪和未去噪算法。通过图6和图7可看出：时域方向上转化为均匀导频间隔内插时，采用三阶样条内插BER和MSE性能优于线性内插，同时使用去噪算法和三阶样条内插算法得到的BER曲线最接近理想信道估计的BER曲线。

图8、9是测试在单输入单输出模式下，多普勒频移为300Hz下，调制方式为16QAM(1/3码率)，10MHz带宽条件，分别仿真理想信道估计和内插算法和不同外插算法的BER和MSE曲线。频域方向内插算法为：Kaiser窗内插算法，时域方向的内插算法为：三阶样条内插，时域方向外插算法为：线性外插、自适应响应系数外插和二阶指数平滑外插。由图可看出：时域方向上均匀导频间隔三阶样条内插的BER和MSE性能优于外插算法，最接近理想信道估计的BER曲线，说明在允许的范围内，采用均匀导频间隔内插算法最好。而外插算法中，自适应外插和二阶指数外插BER和MSE性能都优于传统的线性外插算法。

图10、11在单输入单输出模式下，多普勒频移为1000Hz下，调制方式为16QAM(1/3码率)，10MHz带宽条件，分别仿真理想信道估计和信道估计算法的BER和MSE曲线。频域方向内插算法为：Kaiser窗内插算法和FFT变换算法，时域方向的内插算法为：三阶样条内插。导频处信道估计采用去噪和未去噪算法。由图可看出：当多普勒频移增大到1000Hz时，时间方向上三阶样条并采用去噪算法BER和MSE性能最优。

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 (5)

1.用于LTE系统的信道估计方法，其特征在于，包括下列步骤：

步骤1：基于发射端导频信号和接收端导频信号进行导频处的信道频域响应估计，得到导频处的信道估计值；

步骤2：基于导频处的信道估计值，进行频域方向数据处的信道估计；

步骤3：基于已获取的信道估计值，进行时域方向数据处的信道估计：

301：采用线性内插估计，获取当前子载波的第2个和第9个OFDM符号处的信道估计值；

302：针对可接收LTE系统的下一子帧的应用场景，即一个子载波包括15个OFDM符号：当前子帧的14个和下一帧的第1个OFDM符号，则执行步骤302-A；针对LTE系统只能接收一个子帧的应用场景，即一个子载波包括当前帧的14个OFDM符号，则执行步骤302-B；

302-A：

将当前子载波的第2到最后一个OFDM符号均分为前后两组，基于各组已知的信道估计值，分别对两组进行三阶样条内插信道估计，得到各组中待估计OFDM符号处的信道估计值；

302-B：

对当前子载波的第2～8个OFDM符号，基于已知的信道估计值进行三阶样条内插信道估计，获取未知信道估计值的数据处的信道估计值；

对当前子载波的第9～12个OFDM符号，基于已知的信道估计值进行线性内插信道估计，获取未知信道估计值的数据处的信道估计值；

对当前子载波的第13～14个OFDM符号，采用外插信道估计获取信道估计值；

所述外插信道估计具体为：

初始化自适应响应系数、信道误差的累积值、信道绝对误差的累积值、平滑参数β、自适应响应系数算法外插初始值l₀，其中0＜β＜1；

基于当前子载波k已获得的信道估计值

对自适应响应系数进行递归求解，得到最优自适应响应系数λ_T，其中T表示已获得的信道估计值数：

λ_T＝|E_T/M_T|

E_T＝βe_T+(1-β)E_T-1

M_T＝β|e_T|+(1-β)M_T-1

其中，E_T表示信道误差的累积值、M_T表示信道绝对误差的累积值，当前子载波k对应OFDM符号处的信道估计值和预测值的差值

当前子载波k的第1个OFDM符号的预测值则直接为对应的信道估计值

第2～第T个OFDM符号处的信道预测值

其中t＝1,2,…,T-1，λ_t表示自适应响应系数；

基于求解到的系数λ_T，根据

得到最后两个符号处的预测值

其中i′＝1,2；

所述外插信道估计具体为：

初始化一次指数平滑系数和二次指数平滑系数，根据二次指数平滑算法的计算公式，对线性函数的截距、线性函数的斜率进行递归求解，得到最优截距a_T、斜率b_T：

其中

表示第k个子载波第T个OFDM符号处的信道估计值；

表示一次指数平滑系数；

表示二次指数平滑系数；ε表示二次指数平滑系数，且0＜ε＜1，i′＝1,2；

基于最优截距a_T、斜率b_T，得到当前子载波的第13～14个OFDM符号的最终信道估计值：

其中，一次指数平滑系数和二次指数平滑系数的初始化具体为：当时间序列数据量小于数量阈值，则基于一定数量的均值作为其初始值；否则，随机初始化。

2.如权利要求1所述的方法，其特征在于，自适应响应系数的初始值为1。

3.如权利要求1所述的方法，其特征在于，自适应响应系数算法外插初始值l₀为

4.如权利要求1所述的方法，其特征在于，信道误差的累积值和信道绝对误差的累积值的初始值均为零。

5.如权利要求1所述的方法，其特征在于，步骤1中，导频处的信道频域响应估计具体为：

采用最小二乘法估计导频处的信道频域响应，并变换到时域，得到信道的时域冲激响应；

由时域冲激响应的前L_max位得到去噪后的时域冲激响应，其中L_max表示最大值时延长度或最大信号前缀长度；

通过补零的方式使得去噪后的时域冲激响应的长度与导频的长度一致，并变换到频域，得到去噪后的导频处的信道估计值。

Images