CN108881077A - 一种基于叠加导频的维纳滤波信道估计方法 - Google Patents

Abstract

本发明提出一种基于叠加导频的维纳滤波信道估计方法。首先，建立时域信道模型，采用LS对叠加导频序列做预估计，估计得到信道冲激响应。其次，将LS的信道估计结果作为维纳滤波器的初始值，以最小均方误差为准则，构造维纳滤波器，提高信道估计的估计性能。再者，为了消除信息序列对估计性能的干扰，采用了硬判决检测的方法移除信息序列。最后，为了解决随着估计性能的提高导频功率受限的问题，采用了迭代的估计方法，当满足估计精度要求后，即可得到最优的信道估计值。本发明通过基于叠加导频的维纳滤波做信道估计，能够利用LS估计来预估计信道时域冲激响应，再通过维纳滤波优化估计值，得到最小均方误差下的信道状态信息(CSI)，通过移除信息序列判决值，可以减小信息序列对估计性能的干扰，而后进行的迭代估计，可以解决随着估计性能的提高导频功率受限的问题，总体提高了信道估计的精度。

Description

一种基于叠加导频的维纳滤波信道估计方法

技术领域：

本发明涉及无线通信领域，尤其涉及一种基于叠加导频的维纳滤波信道估计的方法。

背景技术：

无线通信系统的性能会受到其工作环境下的无线传输信道的限制，所以必须估计出系统的信道响应，获取信道状态信息(CSI)，一个准确、可靠的信道估计对后续的相干解调，检测和译码非常重要。因此，信道估计是获得可靠的无线通信系统的主要挑战。在大多数实际的系统中，常用两种方法来进行信道估计。一种是基于训练序列/导频的估计方法，即利用收发端都已知的导频符号，先估计出导频处的信道响应，然后采用例如变换、内插、滤波等方法获取数据符号位信道信息，从而得到整个信道的信道响应。其中CSI可以被准确估计，但训练序列的插入会占用时隙或子载波，系统频带也会产生多余的开销，致使信息传输速率和频谱效率下降。另一种则采用盲估计方法，它通常利用接收信号的高阶统计量，在不依靠前导或导频信号的情况下进行信道估计，该方法不消耗宝贵的时隙或带宽，但往往需要大量的接收信号来提取信道的统计特性，且计算复杂度高。

近年来，为了解决上述估计方法频谱利用率较差这一问题，研究人员已经提出了一种用于无线通信的叠加导频序列的信道估计方法，即将导频序列直接叠加到信息数据中一并发送(不需要额外占用时隙或子载波)，然后在接收端将信息与导频序列分离，利用导频信息计算出信道响应后，再利用估计出的信道响应值还原出发送的信息序列。由于导频符号序列和数据符号序列的同时传输，具有叠加导频序列的通信系统虽然具有较高的频谱效率，但导频与信息数据之间的相关性会使得信道估计精度恶化，所以为了减少未知信息数据产生的干扰，必须要选择与信息数据序列相关性低的叠加导频序列。同时，为了准确估计CSI，叠加导频的信道估计方法不同于基于导频或盲估计方法，随着估计性能的提高，会增大导频的功率分配要求，这对功率受限却想获得精确的CSI的无线通信系统是一个比较大的缺点，所以需要采用迭代的信道估计方法，解决导频功率受限的问题。

维纳滤波(wiener filtering)是一种基于最小均方误差准则、对平稳过程的最优估计器。由于受滤波器特性的限制和噪声干扰的影响，滤波器的输出是希望信号波形的估计，但这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。基于叠加导频的信道估计方法中，最常用的是最小二乘(LS)估计，LS算法复杂度低，但是其估计未考虑信道噪声，估计的准确性不高。相比于LS，维纳滤波利用了随机信号的统计特性，即相关函数或功率谱密度，所以维纳滤波相比LS算法的估计性能有了很大提高。

综上，由于叠加导频方案不占用带宽和接收机设计的简单性，提高了系统效率，但给信道估计的方法带来了挑战。为了提升基于叠加导频序列的信道估计方法的估计性能，亟需本领域技术人员解决相应的技术问题。

发明内容：

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于叠加导频的维纳滤波信道估计方法。

为了实现本发明的上述目的，本发明提供了一种基于叠加导频序列的维纳滤波信道估计的方法，其特征在于，包括：

S1，建立时域信号模型，采用LS估计对叠加导频序列做预估计，得到CSI；

S2，将LS的信道估计结果作为维纳滤波算法的初始值，进行最小均方误差估计；

S3，消除信息序列对估计性能的干扰后，再采用迭代的估计方法，得到最优的信道估计值。

所述的基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S1包括：

在一个OFDM系统中，考虑每一个子帧有N个子载波，N为自然数；发送端的信息序列经过调制后，与导频序列c(k)进行线性叠加，产生信息序列与导频序列的b(k)叠加序列：

s(k)＝b(k)+c(k)

其中，k(k＝0,...,N-1)表示子载波索引；导频序列采用时域周期为p的序列，c(k)＝c(k+ip)，N_p＝N/p表示导频个数。

假设发送的信息序列b(k)近似满足高斯分布，均值为0，功率为各信息序列之间互不相关。信息序列被调制后，为了避免符号干扰(ISI)，给调制信号加入循环前缀，所插入的循环前缀的长度要大于信道最大时延长度L，经逆傅里叶变换(IFFT)得到时域信号序列，进入时域冲激响应为h＝[h₀，h₁,...,h_L-1]^T的信道，并受到高斯白噪声干扰；在接收端，信号经过傅里叶变换(FFT)、去除循环前缀后，得到的接收信号为：

其中，l(l＝0,...,L-1)是信道时延长度索引，n(k)是均值为0的高斯白噪声，噪声功率为且与信息序列不相关；定义y(k)＝E[x(k+ip)]，可得到

为了便于描述，令y_k＝y(k)，c_k＝c(k)，h_k＝h(k)，C是p维的循环矩阵C＝cir(c(0),c(1),...,c(p-1))，h＝(h₀,h₁,...,h_p-1)^T；由此，上述等式表示成矩阵表达式为

y＝Ch

其中有且仅有满足p≥L，矩阵C才满秩，方程才能够成立，所以一般将p取值为信道时延长度L，又因为x(k)是遍历随机过程，所以满足

信道时域估计值为

其中对两边求期望，可得是无偏估计。

所述的基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S2包括：

将LS的信道估计结果作为维纳滤波器的初始值，采用最小均方误差准则构造维纳滤波估计信道CSI，估计值为其中W为加权矩阵；定义维纳滤波信道估计的误差向量则维纳滤波估计的均方误差(MSE)可以表示为

为了使估计的均方误差最小，根据线性最小均方误差估计的正交性原理，加权系数W应满足估计误差与观测信号正交，即

如果用相关函数表示，则有

得到维纳-霍夫方程为

进而得到

其中，是的自相关矩阵，满足是频域上真实信道向量和临时信道估计向量之间的互相关矩阵。

维纳滤波信道估计结果可以表示为

其中

所述的基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S3包括：

信息序列对信道估计的干扰会影响导频处的估计性能，为消除此类干扰，首先在接收端移除导频序列，得到信号u(k)，即

令b＝[b(0),b(1),...,b(p-1)]^T，当h满秩时，可得

将信息序列估计值通过硬判决检测，得

通过在接收端移除信息序列判决值，可消除信息序列对信道估计的干扰，消除干扰的效果则取决于硬判决的误符号率(SER)的大小β；

将带回到S1预估计的y(k)中进行迭代，解决随着估计性能的提高导频功率受限的问题，从而更新优化信道估计值；当SER小于或者等于β时，停止迭代，输出最优的信道估计值。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明通过基于叠加导频的维纳滤波信道估计，能够有效地建立时域信号模型，采用LS估计对叠加导频序列的信道冲激响应做预估计，并将LS的信道估计结果作为维纳滤波器的初始值，进行最小均方误差估计，提高估计性能；并采用硬判决检测的方法，消除了信息序列对估计性能的干扰，此外，为了解决随着估计性能的提高导频功率受限的问题，采用了迭代的估计方法，直到误符号率(SER)满足设定的门限，方可跳出循环，从而提升信道估计的精度。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明总体流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明通过基于叠加导频的维纳滤波信道估计方法，能够有效地建立时域信号模型，采用LS估计对叠加导频序列做一个预估计，并作为维纳滤波器的初始值，以最小均方误差为准则，获得准确的CSI，并且采用硬判决检测的方法，消除了信息序列对估计性能的干扰，另外，为了解决随着估计性能的提高，导频功率受限的问题，采用了迭代的估计方法，可以有效地提升信道估计的估计精度。

结合附图1对本发明进行详细说明，主要包括以下步骤：

步骤1：开始；

步骤2：接收到符号，开始信道的LS预估计；

在接收端，经过傅里叶变换(FFT)、去除循环前缀后，得到的接收信号为：

其中，h(l)是时域信道冲激响应，l(l＝0,...,L-1)是信道时延长度索引，s(k)是信息序列和导频序列的叠加信号，n(k)是均值为0的高斯白噪声，噪声功率为且与信息序列不相关。定义y(k)＝E[x(k+ip)]，可得到

为了便于描述，令y_k＝y(k)，c_k＝c(k)，h_k＝h(k)，C是p维的循环矩阵C＝cir(c(0),c(1),...,c(p-1))，h＝(h₀,h₁,...,h_p-1)^T，由此，上述等式表示成矩阵表达式为

y＝Ch

其中有且仅有满足p≥L，矩阵C才满秩，方程才能够成立，所以一般将p取值为信道时延长度L，又因为x(k)是遍历随机过程，所以满足

信道时域估计值为

其中对两边求期望，可得是无偏估计。

步骤3：维纳滤波；

将LS的信道估计结果作为维纳滤波器的初始值，采用最小均方误差准则构造维纳滤波估计信道CSI，估计值为其中W为加权矩阵；定义维纳滤波信道估计的误差向量则维纳滤波估计的均方误差(MSE)可以表示为

为了使估计的均方误差最小，根据线性最小均方误差估计的正交性原理，加权系数W应满足估计误差与观测信号正交，即

如果用相关函数表示，则有

得到维纳-霍夫方程为

进而得到

其中，是的自相关矩阵，满足是频域上真实信道向量和临时信道估计向量之间的互相关矩阵。

则维纳滤波信道估计结果可以表示为

其中

步骤4：移除导频序列，判决信息序列；具体实施过程如下：

在接收端移除导频序列，得到信号即

令b＝[b(0),b(1),...,b(p-1)]^T，当h满秩时，可得

将信息序列估计值通过硬判决检测，得

步骤5：移除信息序列判决值；

步骤6：将带回到步骤2的y(k)中进行迭代，解决随着估计性能的提高导频功率受限的问题，从而更新优化信道估计值；当SER小于或者等于β时，停止迭代，输出最优的信道估计值。

步骤7：结束。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种基于叠加导频的维纳滤波信道估计的方法，其特征在于，包括：

S1，建立时域信号模型，采用LS估计对叠加导频序列做预估计，得到信道状态信息(CSI)；

S2，将LS的信道估计结果作为维纳滤波算法的初始值，进行最小均方误差估计；

S3，消除信息序列对估计性能的干扰后，再采用迭代的估计方法，得到最优的信道估计值。

2.根据权利要求1所述的一种基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S1包括：

在一个OFDM系统中，考虑每一个子帧有N个子载波，N为自然数；发送端的信息序列b(k)经过调制后，与导频序列c(k)进行线性叠加，产生信息序列与导频序列的叠加序列：

s(k)＝b(k)+c(k)

其中，k(k＝0,...,N-1)表示子载波索引；导频序列采用时域周期为p的序列，c(k)＝c(k+ip)，N_p＝N/p表示导频个数；

假设发送的信息序列b(k)近似满足高斯分布，均值为0，功率为各信息序列之间互不相关；信息序列被调制后，为了避免符号干扰(ISI)，给调制信号加入循环前缀，所插入的循环前缀的长度要大于信道最大时延长度L，经逆傅里叶变换(IFFT)得到时域信号序列，进入时域冲激响应为h＝[h₀,h₁,...,h_L-1]^T的信道，并受到高斯白噪声干扰；在接收端，信号经过傅里叶变换(FFT)、去除循环前缀后，得到的接收信号为：

其中，l(l＝0,...,L-1)是信道时延长度索引，n(k)是均值为0的高斯白噪声，噪声功率为且与信息序列不相关；定义y(k)＝E[x(k+ip)]，可得到

为了便于描述，令y_k＝y(k)，c_k＝c(k)，h_k＝h(k)，C是p维的循环矩阵，C＝cir(c(0),c(1),...,c(p-1))，h＝(h₀,h₁,...,h_p-1)^T；由此，上述等式表示成矩阵表达式为

y＝Ch

其中有且仅有满足p≥L，矩阵C才满秩，方程才能够成立，所以一般将p取值为信道时延长度L，又因为x(k)是遍历随机过程，所以满足

信道时域估计值为

其中，对两边求期望，可得则是无偏估计。

3.根据权利要求1所述的一种基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S2包括：

将LS估计得到的信道结果作为维纳滤波器的初始值，采用最小均方误差准则构造维纳滤波估计信道的CSI，估计值为其中W为加权矩阵；定义维纳滤波信道估计的误差向量则维纳滤波估计的均方误差(MSE)可以表示为

为了使估计的信道冲激响应的均方误差最小，根据线性最小均方误差估计的正交性原理，加权系数W应满足估计误差与观测信号正交，即

如果用相关函数表示，则有

得到维纳-霍夫方程为

进而得到

其中，是的自相关矩阵，满足 是频域上真实信道向量和临时信道估计向量之间的互相关矩阵；

维纳滤波信道估计结果可以表示为

其中

4.根据权利要求1所述的一种基于叠加导频的维纳滤波信道估计方法，其特征在于，所述S3包括：

信息序列对信道估计的干扰会影响导频处的估计值，为消除此类干扰，首先在接收端移除导频序列，得到信号即

令b＝[b(0),b(1),...,b(p-1)]^T，当h满秩时，可得

将信息序列估计值通过硬判决检测，得

通过在接收端移除信息序列判决值，可消除信息序列对信道估计的干扰，消除干扰的效果则取决于硬判决的误符号率(SER)的大小β；

将带回到S1预估计的y(k)中进行迭代，解决随着估计性能的提高导频功率受限的问题，从而更新优化信道估计值；当SER小于或者等于β时，停止迭代，输出最优的信道估计值。