CN108540411A - 一种利用快速傅里叶变换的低复杂度bem信道估计方法 - Google Patents
一种利用快速傅里叶变换的低复杂度bem信道估计方法 Download PDFInfo
- Publication number
- CN108540411A CN108540411A CN201810198744.7A CN201810198744A CN108540411A CN 108540411 A CN108540411 A CN 108540411A CN 201810198744 A CN201810198744 A CN 201810198744A CN 108540411 A CN108540411 A CN 108540411A
- Authority
- CN
- China
- Prior art keywords
- vector
- fft
- fourier transform
- fast fourier
- channel estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于数字信息传输技术领域,公开了一种利用快速傅里叶变换的低复杂度BEM信道估计方法,包括:根据复指数基扩展模型,生成基向量以及其对应的和向量;根据基扩展模型信号表达式,由已知导频符号生成用于求解基系数的求解矩阵A;由接收的导频符号和求解矩阵A,得到基系数向量;对基系数向量做快速傅里叶变换,与和向量,求得频域信道响应值。本发明具有估计精度高和计算复杂度低的优点,适用于固定块状导频的SC‑FDMA或OFDM系统。本发明在基扩展模型的基础上,利用信道响应的时频域变换特性,将复杂的矩阵运算化简为快速傅里叶变换,简化了BEM信道估计算法中的时频域转换公式,大幅降低BEM算法的计算复杂度。
Description
技术领域
本发明属于数字信息传输技术领域,尤其涉及一种利用快速傅里叶变换的低复杂度BEM信道估计方法。
背景技术
目前,业内常用的现有技术是这样的:随着技术的不断发展,交通工具的速度在不断提升。新一代最快的海上无人艇“天行一号”最高时速可达92.6km/h,无人机可以达到280km/h,我国运营的高速铁路最高时速可达350km/h,上海磁悬浮列车最高时速可达432km/h。通信系统接收端的高速移动,会严重影响通信系统的传输性能,对通信系统的高质量传输提出了巨大挑战。在高速移动环境下,无线信道成为快时变的频率选择性信道,产生多普勒效应,会破坏系统子载波间的正交性,同时产生载波间干扰,最终造成系统性能的迅速恶化。因此,动态多径信道环境下的精确信道估计,一直是通信领域的研究热点之一。基扩展模型信道估计算法(BEM算法),利用有限的基函数拟合动态多径信道的信道响应,提高了对动态多径信道的估计性能,能够很好的应用于动态多径信道的系统中。M.K.Tsatsanis最早提出采用复指数基扩展模型(CE-BEM)拟合时变信道,该模型在多普勒频移较低时存在频谱泄露,产生吉布斯效应;为了消除CE-BEM的吉布斯效应,提出了过采样基扩展模型(GCE-BEM),通过提高采样频率来提高频率分辨率,从而有效的提高建模精度;之后Zemen T等人提出离散卡洛基扩展模型(DKL-BEM)来拟合时变信道,该模型采用信道自相关函数的特征向量作为基函数向量,拟合性能较好。但这些传统的BEM算法涉及到频域与时域数据处理,包含大量的矩阵运算,具有很高的计算复杂度,实际硬件实现中难以采用,必须考虑其简化算法。“基于简化基扩展模型的快时变信道估计方法”中,利用信道特性及时域-频域的变换关系,简化信道响应时域到频域的变换公式,以较低的复杂度估计出接收信号的频域信道响应,大幅降低BEM算法的计算复杂度,但该算法在简化时域-频域变换公式过程中,将时域信道矩阵近似为托普列兹循环矩阵,性能略有损失,且变换公式中采用高维度矩阵运算,计算复杂度仍然较高。
综上所述,现有技术存在的问题是:尽管BEM算法在动态多径信道下表现出良好的性能,但其计算复杂度过高,大量高维度矩阵运算会带来巨大的资源占用率与长时延,难以应用于实际系统中。因此,如何在不降低BEM算法性能的前提下降低其计算复杂度,是当今的一个研究热点。
解决上述技术问题的难度和意义:信道估计算法旨在精确估计出信道状态,进而
消除信道对信号的干扰,提高接收机性能,保证信号的正确传输。随着交通工具的发展,接
收端的信道环境愈发恶劣,高速移动产生多普勒效应,使得信道变化剧烈,传统信道估计算
法不再适用于此时的动态多径信道。BEM算法的出现给人们提供了新的思路,将信道映射到
基向量子空间中,利用少量基系数拟合信道增益,将求解快速变化的信道响应估计问题转
化为求解变化缓慢的基函数系数问题,因此,BEM算法成为精确估计快时变信道的主要算法
之一。为了解决上述技术问题,人们在不断寻求更简化的BEM算法,欲将其应用于实际系统
中,提升通信系统的信息传输性能,尽管已有的相关成果中,提出了简化的BEM算法,但其复
杂度仍然较高。
发明内容
针对现有技术存在的问题,本发明提供了一种利用快速傅里叶变换的低复杂度BEM信道估计方法。
本发明是这样实现的,一种利用快速傅里叶变换的低复杂度BEM信道估计方法,所述利用快速傅里叶变换的低复杂度BEM信道估计方法根据复指数基扩展模型,生成基向量以及其对应的和向量;根据基扩展模型信号表达式,由已知导频符号生成用于求解基系数的求解矩阵A;由接收的导频符号和求解矩阵A,得到基系数向量;对基系数向量做快速傅里叶变换,与和向量,求得频域信道响应值。
进一步,所述利用快速傅里叶变换的低复杂度BEM信道估计方法包括以下步骤:
(1)根据复指数基扩展模型,生成基向量bm,将接收信号中,数据符号基向量对应的和向量存储在接收机本地;
(2)生成求解基系数的系数矩阵A,并存储在接收机本地;
(3)接收机得到的频域数据Y,其中接收的导频符号为Yp,根据Yp与A,求得基系数向量
(4)对基系数向量做快速傅里叶变换,与求得数据符号的频域信道估计值
进一步,所述(1)中的和向量生成方法包括:
其中数据符号对应的基向量:
d为导频符号的序号数。
进一步,所述(2)的系数矩阵A生成方法包括:
1)将已知的导频符号Sp,进行变换,得到变换域符号Qp;
其中,Sp是已知的本地块状导频符号向量,diag{·}是向量转为对角矩阵的运算,IM是M维的单位矩阵,为克罗内列积符号,FL是傅里叶变换矩阵F的前L列,L为信道的分离径数;
2)对进行变换,得到其对应的频域矩阵:
其中
3)根据Qp和Bp,得到求解基系数的求解矩阵A;导频符号对应的频域系数矩阵:
Ap=Bp·Qp;
则用于求解基系数的求解矩阵A为:
符号是对矩阵求伪逆,pk表示第k个导频符号的序号。
进一步,所述(3)中的基系数向量为:
其中Ypk是接收信号Y中位置为pk的导频符号。
进一步,所述(3)中的频域信道估计值为:
其中是对求N点快速傅里叶变换。
本发明的另一目的在于提供一种利用所述利用快速傅里叶变换的低复杂度BEM信道估计方法的无线通信系统。
综上所述,本发明的优点及积极效果为:通过等式变换,利用快速傅里叶变换替代复杂的矩阵运算,在不影响性能的前提下,以较低的复杂度完成BEM信道估计算法。首先,本发明算法在传统BEM算法的基础上,进行等式变换,性能保持不变;其次,快速傅里叶变换被广泛应用于工程中,结合高速硬件可以实现对信号的实时处理,显著特点便是计算量小,复杂度低。采用快速傅里叶变换代替高维度矩阵运算,能够大大降低BEM的计算复杂度,并能够很好的应用于实际,降低硬件资源占用率,保证通信系统的良好性能。
附图说明
图1是本发明实施例提供的利用快速傅里叶变换的低复杂度BEM信道估计方法流程图。
图2是本发明实施例提供的利用快速傅里叶变换的低复杂度BEM信道估计方法实现流程图。
图3是本发明实施例提供的采用的SC-FDMA系统框图。
图4是本发明实施例提供的采用的双导频结构示意图。
图5是本发明实施例提供的与现有信道估计算法在330km/h和450km/h速度动态多径信道环境下的性能曲线比较示意图。
图6是本发明实施例提供的与现有信道估计算法,复杂度中复数乘法数目比较示意图。
图7是本发明实施例提供的与现有信道估计算法,复杂度中复数加法数目比较示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明降低BEM算法的计算复杂度,是一种基于简化基扩展模型的动态多径信道估计方法,在不影响系统性能的前提下,降低BEM信道估计算法的计算复杂度。
如图1所示,本发明实施例提供的利用快速傅里叶变换的低复杂度BEM信道估计方法包括以下步骤:
S101:根据复指数基扩展模型,生成基向量以及其对应的和向量;
S102:根据基扩展模型信号表达式,由已知导频符号生成用于求解基系数的求解矩阵A;
S103:由接收的导频符号和求解矩阵A,得到基系数向量;
S104:对基系数向量做快速傅里叶变换,与和向量,求得频域信道响应值。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示,本发明实施例提供的利用快速傅里叶变换的低复杂度BEM信道估计方法包括以下步骤:
步骤1:根据复指数基扩展模型(CE-BEM),生成基向量bm。并将接收信号中,数据符号基向量的和向量存储在接收机本地。
(1.1)根据基扩展模型,得到基向量通式。
根据复指数基扩展模型(CE-BEM),基向量公式为:
bm(n)=exp(j2πn(m-M/2)/N*Ns);
其中,Ns是一个传输块中频分复用的符号数,N是一个符号中的子载波数,n=(0,1,…,N-1),M是基向量的个数,m=(0,1,…,M-1)。
(1.2)求和向量bsum,并存储在接收机本地。
导频符号对应的基向量为:
p为导频符号的序号数。
数据符号对应的基向量为:
d为导频符号的序号数。
则数据符号对应的和向量为:
步骤2:求解基系数的系数矩阵A,并存储在接收机本地;
(2.1)将已知的导频符号Sp,进行变换,得到变换域符号Qp:
其中,Sp是已知的本地块状导频符号向量,diag{·}是向量转为对角矩阵的运算,IM是M维的单位矩阵,为克罗内列积符号,FL是傅里叶变换矩阵F的前L列,L为信道的分离径数:
(2.2)对进行变换,得到其对应的频域矩阵:
其中
(2.3)根据Qp和Bp,得到求解基系数的求解矩阵A;
导频符号对应的频域系数矩阵:
Ap=Bp·Qp;
则用于求解基系数的求解矩阵A为:
符号是对矩阵求伪逆,pk表示第k个导频符号的序号。
步骤3:接收机得到的频域数据Y,其中接收的导频符号为Yp。根据Yp与A,求得基系数向量
(3.1)基扩展模型中的时域信道表达式:
其中Cm是第m个基向量对应的基系数矩阵,由于基系数在符号间变化缓慢,导频符号的基系数与数据符号的基系数相同。该矩阵是维度为N×N的托普利兹循环矩阵:
(3.2)利用基扩展模型表示接收的频域符号数据:
由于Cm是托普利兹循环矩阵,因此FCmFH=N·diag{FLcm},diag{·}表示将向量转为对角矩阵,则上式可以化简:
其中是LM×1维矩阵。
(3.3)利用最小二乘法,求得基系数向量估计值
其中
步骤4:对基系数向量做傅里叶变换,与求得数据符号的频域信道估计值
对静态信道而言,时域信道矩阵h是托普利兹循环矩阵,则其对应的频域信道矩阵H是对角矩阵。对动态多径信道来说,H是非对角矩阵,其非对角元素不为零,表示符号内的载波间干扰。由于载波间干扰的值很小可以忽略,因此,只需要估计矩阵H的对角项。
数据符号对应的信道估计值为:
其中
进一步化简可得:
其中是对求N点快速傅里叶变换。
下面结合仿真对本发明的应用效果作详细的描述。
1.仿真条件
性能仿真采用的系统为3GPP标准规定的单载波频分复用SC-FDMA传输系统,系统框图如图3。采用3MHz系统带宽,载频为3.6GHz,子载波数为N=256,子载波间隔15KHz,调制方式为QPSK。系统采用双导频符号结构,导频分布如图4。在一个传输块中有14个单载波频分复用符号,其中有两个块状导频符号位于第4和第11个符号上。
仿真信道为3GPP标准中的扩展车辆信道模型EVA,其中,多径信道的时延为[0,30,50,310,370,710,1090,1730,2510]ns,每条径对应的功率衰减为[0,-1.5,-1.4,-3.6,-0.6,-9.1,-7.0,-12.0,-16.9]dB。
2.仿真内容与结果
性能仿真主要比较两种算法的性能:
1)专利“基于简化基扩展模型的快时变信道估计方法”的算法
2)本发明方法(FFT-based BEM);
速度为330km/h和450km/h时的系统误块率BLER性能仿真如图5。信道可分径设为L=9,330km/h时基向量维度M=2,450km/h时基向量维度M=3。
图中性能曲线可以看出,随着速度的提升,系统性能下降,在450km/h速度下,已经出现性能平层。本发明的FFT-basedBEM算法与专利[CN107018101A]算法相比,性能略有提升。
3.复杂度分析
计算复杂度由复数乘法与复数加法的个数衡量,两算法的计算复杂度如下表1。
表1两算法计算复杂度量化表
式中N的值由系统决定,表示FFT点数,通常远大于L和M,因此复杂度的大小主要取决于变量N。为了直观比较两算法的复杂度,设L=9,M=2,以N为变量作曲线图,图6为复数乘法数目比较,图7为复数加法使用数目比较。
由图6和图7可以看出,与专利[CN107018101A]信道估计算法相比,本发明提出的BEM-FFT算法很大程度上降低了计算复杂度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述利用快速傅里叶变换的低复杂度BEM信道估计方法根据复指数基扩展模型,生成基向量以及其对应的和向量;根据基扩展模型信号表达式,由已知导频符号生成用于求解基系数的求解矩阵A;由接收的导频符号和求解矩阵A,得到基系数向量;对基系数向量做快速傅里叶变换,与和向量,求得频域信道响应值。
2.如权利要求1所述的利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述利用快速傅里叶变换的低复杂度BEM信道估计方法包括以下步骤:
(1)根据复指数基扩展模型,生成基向量bm,将接收信号中,数据符号基向量对应的和向量存储在接收机本地;
(2)生成求解基系数的系数矩阵A,并存储在接收机本地;
(3)接收机得到的频域数据Y,其中接收的导频符号为Yp,根据Yp与A,求得基系数向量
(4)对基系数向量做快速傅里叶变换,与求得数据符号的频域信道估计值
3.如权利要求2所述的利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述(1)中的和向量生成方法包括:
其中数据符号对应的基向量:
d为导频符号的序号数。
4.如权利要求2所述的利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述(2)的系数矩阵A生成方法包括:
1)将已知的导频符号Sp,进行变换,得到变换域符号Qp;
其中,Sp是已知的本地块状导频符号向量,diag{·}是向量转为对角矩阵的运算,IM是M维的单位矩阵,为克罗内列积符号,FL是傅里叶变换矩阵F的前L列,L为信道的分离径数;
2)对进行变换,得到其对应的频域矩阵:
其中
3)根据Qp和Bp,得到求解基系数的求解矩阵A;导频符号对应的频域系数矩阵:
Ap=Bp·Qp;
则用于求解基系数的求解矩阵A为:
符号是对矩阵求伪逆,pk表示第k个导频符号的序号。
5.如权利要求1所述的利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述(3)中的基系数向量为:
其中Ypk是接收信号Y中位置为pk的导频符号。
6.如权利要求1所述的利用快速傅里叶变换的低复杂度BEM信道估计方法,其特征在于,所述(3)中的频域信道估计值为:
其中是对求N点快速傅里叶变换。
7.一种利用权利要求1~6任意一项所述利用快速傅里叶变换的低复杂度BEM信道估计方法的无线通信系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810198744.7A CN108540411B (zh) | 2018-03-12 | 2018-03-12 | 一种利用快速傅里叶变换的低复杂度bem信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810198744.7A CN108540411B (zh) | 2018-03-12 | 2018-03-12 | 一种利用快速傅里叶变换的低复杂度bem信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108540411A true CN108540411A (zh) | 2018-09-14 |
CN108540411B CN108540411B (zh) | 2020-11-24 |
Family
ID=63483480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810198744.7A Active CN108540411B (zh) | 2018-03-12 | 2018-03-12 | 一种利用快速傅里叶变换的低复杂度bem信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108540411B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111786921A (zh) * | 2020-06-01 | 2020-10-16 | 中国电子科技集团公司第七研究所 | 一种基于先验时延信息的航空通信系统基扩展信道估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435989A (zh) * | 2011-09-19 | 2012-05-02 | 电子科技大学 | 基于fpga的通用波束形成装置 |
KR20120106315A (ko) * | 2011-03-18 | 2012-09-26 | 연세대학교 산학협력단 | 예조건이 적용된 gmres 알고리즘을 이용한 수치해석방법 및 수치해석시스템 |
CN105610746A (zh) * | 2015-12-18 | 2016-05-25 | 浙江大学 | 基于v‐ofdm的双选择信道估计方法 |
CN107113039A (zh) * | 2014-12-23 | 2017-08-29 | 三星电子株式会社 | 用于全维度多输入多输出的信道状态信息反馈方案 |
CN107222438A (zh) * | 2017-05-23 | 2017-09-29 | 西安电子科技大学 | 高速移动sc‑fdma系统的简化bem信道估计方法 |
US20170302353A1 (en) * | 2016-04-19 | 2017-10-19 | Samsung Electronics Co., Ltd | Method and apparatus for explicit csi reporting in advanced wireless communication systems |
-
2018
- 2018-03-12 CN CN201810198744.7A patent/CN108540411B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120106315A (ko) * | 2011-03-18 | 2012-09-26 | 연세대학교 산학협력단 | 예조건이 적용된 gmres 알고리즘을 이용한 수치해석방법 및 수치해석시스템 |
CN102435989A (zh) * | 2011-09-19 | 2012-05-02 | 电子科技大学 | 基于fpga的通用波束形成装置 |
CN107113039A (zh) * | 2014-12-23 | 2017-08-29 | 三星电子株式会社 | 用于全维度多输入多输出的信道状态信息反馈方案 |
CN105610746A (zh) * | 2015-12-18 | 2016-05-25 | 浙江大学 | 基于v‐ofdm的双选择信道估计方法 |
US20170302353A1 (en) * | 2016-04-19 | 2017-10-19 | Samsung Electronics Co., Ltd | Method and apparatus for explicit csi reporting in advanced wireless communication systems |
CN107222438A (zh) * | 2017-05-23 | 2017-09-29 | 西安电子科技大学 | 高速移动sc‑fdma系统的简化bem信道估计方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111786921A (zh) * | 2020-06-01 | 2020-10-16 | 中国电子科技集团公司第七研究所 | 一种基于先验时延信息的航空通信系统基扩展信道估计方法 |
CN111786921B (zh) * | 2020-06-01 | 2023-04-07 | 中国电子科技集团公司第七研究所 | 一种基于先验时延信息的航空通信系统基扩展信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108540411B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102404268B (zh) | 高速移动环境下莱斯信道中多普勒频偏估计与补偿方法 | |
CN102387115B (zh) | 一种ofdm导频方案设计及信道估计方法 | |
CN107018101A (zh) | 基于简化基扩展模型的快时变信道估计方法 | |
CN102263713A (zh) | 一种基于变换域滤波的二维ofdm信道估计方法 | |
CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
CN107222438A (zh) | 高速移动sc‑fdma系统的简化bem信道估计方法 | |
CN100477655C (zh) | 一种估计ofdm整数倍频偏的方法 | |
CN103220242B (zh) | 单载波频域均衡系统中基于导频块的信道估计方法 | |
Chen et al. | Channel estimation method based on transformer in high dynamic environment | |
CN103795676A (zh) | 一种基于循环累积的多普勒频偏估计方法 | |
CN114070702B (zh) | 一种基于叠加与快速频域相关联合的pss检测方法 | |
CN101447969B (zh) | 一种多带正交频分复用超宽带系统的信道估计方法 | |
CN112822130B (zh) | 一种5g高速移动系统中基于深度学习的多普勒频偏估计方法 | |
CN102065035B (zh) | 多带正交频分复用超宽带系统的信道估计方法 | |
CN108540411A (zh) | 一种利用快速傅里叶变换的低复杂度bem信道估计方法 | |
CN102891823B (zh) | 正交频分多址移动通信系统中的信道估计方法 | |
CN113225292B (zh) | 利用导频分块降低ofdm峰均比的方法 | |
CN102801662B (zh) | 一种多带超宽带系统隐藏导频的信道估计方法及装置 | |
CN105119861A (zh) | 一种交织载波索引调制n阶连续ofdm系统ber改善方法 | |
CN101022441A (zh) | 一种ofdm通信系统载波的盲频偏估计方法 | |
CN110691055A (zh) | Oqam/ofdm中的时频偏联合估计方法 | |
Liu et al. | Carrier frequency offset estimation for OFDM systems using repetitive patterns | |
He et al. | A novel OFDM interpolation algorithm based on comb-type pilot | |
Eslahi et al. | Carrier frequency offset estimation in OFDM systems as a quadratic eigenvalue problem | |
CN104301263B (zh) | 一种多带uwb系统低复杂度信道估计方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |