CN109379308A - 一种基于稀疏感知的自适应空时均衡方法 - Google Patents

Abstract

一种基于稀疏感知的自适应空时均衡方法，在发送端将待发射的数据分块，然后在每个数据块的末尾加上独特字；发送端发送信号到达接收端并在接收端经过定时同步预处理后，截取接收到的导频；然后利用贪婪算法或者互相关矢量算法来确定时域滤波器的非零抽头位置，再计算选中位置的接收导频块的自相关矩阵与互相关矢量，从而计算自适应权值；接收端将接收到的数据进行空间合并，再进行去独特字操作，实现信道的均衡。本发明提出的方法能够有效降低多径效应和频率选择性衰落对无线通信过程的影响，通过合理的时域滤波器稀疏抽头设置，有效改善无线通信系统的性能，对抗信道的时延扩展。

Description

一种基于稀疏感知的自适应空时均衡方法

技术领域

本发明属于无线通信领域，涉及一种基于稀疏感知的自适应空时均衡方法。

背景技术

无线信号传播过程中，信号传播环境复杂，由于电磁波的传播路径不同，使得信号能量不断消耗，信号幅度、相位及时间不断变化，引起原始信号失真或者出错，造成多径效应。此外，电磁波的传播除了直射波、反射波以外，不可避免地会受到障碍物、其他无线信号等环境因素的影响，使得信号幅度迅速下降。当信号带宽大于相干带宽时，还会引起频率选择性衰落。因此，无线信道相对有线信道而言，具有很大的随机性，信道估计是实现无线通信的一项关键技术，信道估计的精度将直接影响到整个系统的性能。

离散采样信道大部分的采样值都为零，只有极少数采样点的值非零，通常称这样的信道为稀疏信道。随着研究的不断深入，大量文献表明，无线信道本身往往呈现出稀疏性。当信道具有稀疏性时，时域滤波的抽头也应相应具有稀疏性。一方面，信道稀疏时，冗余的抽头分量带来的可能都是无用的符号间干扰，对提升系统性能改善不大。另一方面，在给定非零抽头个数情况下，时域滤波可以通过合理的稀疏抽头设置对抗信道的大时延扩展。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种基于稀疏感知的自适应空时均衡方法。

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于稀疏感知的自适应空时均衡方法，包括以下步骤：

步骤一：在发送端将待发射的数据分块，然后在每个数据块的末尾加上独特字；

步骤二：发送端发送信号到达接收端并在接收端经过定时同步预处理后，截取接收到的导频；然后在空时均衡的过程中采用贪婪算法或互相关矢量算法自适应地寻找最优时域滤波器非零抽头位置，然后计算自适应权值；

步骤三：接收端将接收到的数据进行分块，再利用步骤二得到的自适应权值对每根天线上的接收数据块进行合并，并进行去独特字操作，从而实现信道的均衡。

本发明进一步的改进在于，步骤二中采用贪婪算法自适应地寻找最优时域滤波器非零抽头位置的具体过程如下：

假设接收机有M根天线，Δ为时域滤波器可能的最大阶数，Q为限定的时域非零抽头系数的个数，Q≤Δ+1；接收机多天线集中放置，多天线多径信道的时延特征相同，空时滤波时，多天线时域滤波非零抽头的位置相同；

采用N表示计算空时权值的导频长度，L表示数据信号的长度，定义以下符号：

s：N×1维理想导频信号；

r：L×1维的数据信号部分；

x_k,m：第m根天线上延迟k位的N×1维接收导频信号，m＝1,…,M；k＝0,…,Δ；

z_k,m：第m根天线上延迟k位的L×1维接收数据信号，m＝1,…,M；k＝0,…,Δ；

X_k：所有天线上延迟k位的N×M维接收导频时间扩展矩阵，X_k＝[x_k,1,x_k,2,…,x_k,M]；

Z_k：所有天线上延迟k位的L×M维接收数据时间扩展矩阵，Z_k＝[z_k,1,z_k,2,…,z_k,M]；

w_q：第q个滤波系数矢量，由所有天线的第q个滤波系数构成，M×1维；

①采用Π＝{0,1,2,…,Δ}来表示待选择的抽头位置集合，采用Ω＝{}表示已经选择的非零抽头位置，表示已经选择的非零抽头位置对应的导频块；

②从时域滤波器非零抽头系数只有一个的情况开始，这时待选择的抽头共有T＝Δ+1个，基于最小均方误差准则准则，将这T＝Δ+1个可能的抽头遍历，从中选择一个，即

其中，

q从0遍历到Δ，对应的接收导频块为X₀,X₁,……,X_Δ，其中为权值测试矢量，由下式求得：

其中，自相关矩阵互相关矩阵

③遍历之后选择第一个非零抽头，然后从Π中剔除掉选中的将其并入到Ω中，中并入第个抽头位置对应的导频块即：

④在确定了第一个抽头位置之后，再遵循最小均方误差准则，从剩余的T-1位置中选择下一个非零抽头，前两个非零位置确定后，再类似从剩余的T-2个位置中挑选出一个，依次类推，直到挑选出所有Q个非零抽头位置。

本发明进一步的改进在于，步骤二中采用互相关矢量算法自适应地寻找最优时域滤波器非零抽头位置的具体过程如下：

①接收端收到空时接收导频扩展矩阵Y＝[X₀ X₁ … X_Δ]之后，计算其互相关矢量p＝Y^Hs；其中，s为N×1维理想导频信号；

②将互相关矢量p表示为其中表示对应第q个位置的接收导频信号互相关矢量；

③计算||p_q||²，q＝0,1,…,Δ，从这Δ个值中挑选出最大的Q个值，即

将其对应的索引作为需要选择的Q个非零抽头位置。

本发明进一步的改进在于，计算自适应权值的具体过程为：根据贪婪算法或互相关矢量算法得到的非零抽头位置，确定对应的接收端导频块，再利用最小均方误差准则准则，求出维纳解，得到自适应权值

其中，R为自相关矩阵，p为互相关矢量。

本发明进一步的改进在于，采用贪婪算法选择的抽头位置集合为Ω，选中的接收导频块集合为则自相关矢量互相关矢量

本发明进一步的改进在于，步骤三的具体过程如下：

利用步骤二得到的自适应权值对各数据块进行均衡：

其中，为接收之后恢复出来的数据部分，为选中抽头位置对应的接收数据块，去掉恢复之后各数据块末尾的独特字，完成信道的均衡。

与现有技术相比，本发明具有以下有益效果：

本发明中在发送端将待发射的数据分块，然后在每个数据块的末尾加上独特字；发送端发送信号到达接收端并在接收端经过定时同步预处理后，截取接收到的导频；然后利用贪婪算法或者互相关矢量算法来确定时域滤波器的非零抽头位置，再计算选中位置的接收导频块的自相关矩阵与互相关矢量，从而计算自适应权值；接收端将接收到的数据进行空间合并，再进行去独特字操作，实现信道的均衡。本发明提出的方法能够有效降低多径效应和频率选择性衰落对无线通信过程的影响，通过合理的时域滤波器稀疏抽头设置，有效改善无线通信系统的性能，对抗信道的时延扩展。与传统空时均衡方法相比，在相同信道时延扩展情况下，本发明能够有效减少时域滤波的非零抽头个数，从而极大地降低了复杂度。在复杂度给定的条件下，本发明通过自适应优化时域滤波器非零抽头位置，能够对抗更大的信道时延扩展；在时域抽头位置确定后，本发明的空时权值依据最小均方误差(MMSE)准则获得。因此，本发明具备一定抗干扰能力，有效提升无线通信链路的顽存性。

进一步的，本发明提出的贪婪算法和互相关矢量算法，从时域滤波器的所有抽头中借助相关参数选取最为匹配的Q个抽头，避免了传统时空均衡方法直接选择前Q个抽头时剩余抽头带来的干扰。

附图说明

图1为本发明采用的系统模型框图；

图2为本发明采用的信号帧结构图；

图3为本发明采用的空时均衡处理的过程示意图；

图4为本发明同对比方案在不同非零抽头个数且无干扰情况下的BER性能示意图；

图5为本发明在有干扰情况下的BER性能示意图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

本发明的方法包括以下步骤：

步骤一：发射端数据分块加独特字(Unique word，记为：UW)：在发送端将待发射的数据分块，然后在每个数据块的末尾加上独特字；具体过程如下：

信号帧包括集中式导频和数据两部分，导频部分用于计算自适应权值；在发送端将待发射的数据进行分块并在每个数据块的末尾添加独特字，且一个完整数据块的长度与导频的长度相同。

步骤二：自适应权值计算：发送端发送信号到达接收端并在接收端经过定时同步预处理后，截取接收到的导频；然后在空时均衡的过程中自适应地寻找最优时域滤波器非零抽头位置，具体利用贪婪算法或互相关矢量算法来具体确定多天线时域滤波器的非零抽头位置，进一步计算出自适应权值；具体过程如下：

假设接收机有M根天线，Δ为时域滤波器可能的最大阶数，Q为限定的时域非零抽头系数的个数，Q≤Δ+1。考虑接收机多天线集中放置，多天线多径信道的时延特征相同，即多天线信道具有相同的非零系数位置。基于此，空时滤波时，多天线时域滤波非零抽头的位置相同。

采用N表示计算空时权值的导频长度，L表示数据信号的长度，定义以下符号：

s：N×1维理想导频信号；

r：L×1维的数据信号部分；

x_k,m：第m根天线上延迟k位的N×1维接收导频信号，m＝1,…,M；k＝0,…,Δ；

z_k,m：第m根天线上延迟k位的L×1维接收数据信号，m＝1,…,M；k＝0,…,Δ；

X_k：所有天线上延迟k位的N×M维接收导频时间扩展矩阵，X_k＝[x_k,1,x_k,2,…,x_k,M]；

Z_k：所有天线上延迟k位的L×M维接收数据时间扩展矩阵，Z_k＝[z_k,1,z_k,2,…,z_k,M]；

w_q：第q个滤波系数矢量，由所有天线的第q个滤波系数构成，M×1维。

利用最小均方误差(MMSE)准则，权值计算可表示为：

其中T＝Δ+1表示空时接收导频扩展矩阵，由于有稀疏性要求，w_q矢量中只有Q个非零，其余全为零矢量。

稀疏性时域滤波器抽头确定的核心在于寻找最优的非零权值的位置。以下方案用于在T个可能的位置中挑选出Q个非零抽头系数。

采用贪婪算法来具体确定多天线时域滤波器的非零抽头位置，具体过程如下：

①用Π＝{0,1,2,…,Δ}来表示待选择的抽头位置集合，用Ω＝{}表示已经选择的非零抽头位置，表示已经选择的非零抽头位置对应的导频块；

②从时域滤波器非零抽头系数只有一个的情况开始考虑。这时待选择的抽头共有T＝Δ+1个，基于MMSE准则，将这T＝Δ+1个可能的抽头遍历，从中选择出一个。即

q从0遍历到Δ，对应的接收导频块为X₀,X₁,……,X_Δ，其中为权值测试矢量，它由下式求得：

其中，自相关矩阵互相关矩阵

③遍历之后选择出第一个非零抽头，然后从Π中剔除掉选中的将其并入到Ω中，中并入第个抽头位置对应的导频块即：

④在确定了第一个抽头位置之后，再按照相同的步骤，遵循最小均方误差(MMSE)准则，从剩余的T-1位置中选择下一个非零抽头，前两个非零位置确定后，再类似从剩余的T-2个位置中挑选出一个。依次类推，直到挑选出所有Q个非零抽头位置。

最终，选择的抽头位置集合为Ω，选中的导频块集合为对应的自适应权矢量为

采用互相关矢量算法来具体确定多天线时域滤波器的非零抽头位置的具体过程如下：

①接收端收到空时接收导频扩展矩阵Y＝[X₀ X₁ … X_Δ]之后，计算其互相关矢量p＝Y^Hs；

②将互相关矢量p表示为其中表示对应第q个位置的接收导频信号互相关矢量。

③计算||p_q||²，q＝0,1,…,Δ，从这Δ个值中挑选出最大的Q个值，即

将其对应的索引作为需要选择的Q个非零抽头位置。

根据贪婪算法或互相关矢量算法得到的非零抽头位置，确定对应的接收端导频块，再利用MMSE准则，求出维纳解即可得到自适应权值即

若将选中的接收端导频块的集合用表示，则自相关矢量互相关矢量

步骤三：信号恢复：接收端将接收到的数据进行分块，再利用步骤二得到的自适应权值对每根天线上的接收数据块进行合并，并进行去独特字操作，从而实现信道的均衡；具体过程如下：

利用步骤二得到的自适应权值对各数据块进行均衡：

其中，为接收之后恢复出来的数据部分，为选中抽头位置对应的接收数据块，去掉恢复之后各数据块末尾的独特字，完成信道的均衡。

下面通过一个实施例对本发明进行详细描述。

本发明适用的系统模型参见图1。在本发明的无线通信系统模型中，发射端采用单天线，接收端是由M根天线组成的天线阵列。无线信道模型是服从瑞利衰落的多径延时信道。

图2为本发明采用的信号帧结构。信号帧包括集中式导频和数据两部分，导频部分用于计算自适应权值；在信号帧结构的基础上，将待发射的数据进行分块并在数据块的末尾添加Unique word，且一个完整数据块的长度应与导频长度相同。后续仿真过程中，导频部分采用BPSK调制，数据部分采用QPSK调制。

图3为本发明空时处理的过程示意图。与传统空时处理的不同之处在于，需要从时域滤波器的所有抽头中选择非零抽头以及如何确定这些非零抽头，进而计算出自适应权值，进行信号合并。其计算方式如下：

假设接收机有M根天线，Δ为时域滤波器可能的最大阶数，Q为限定的时域非零抽头系数的个数，Q≤Δ+1。考虑接收机多天线集中放置，多天线多径信道的时延特征相同，即多天线信道具有相同的非零系数位置。基于此，空时滤波时，多天线时域滤波非零抽头的位置相同。

采用N表示计算空时权值的导频长度，L表示数据信号的长度，定义以下符号：

s：N×1维理想导频信号；

r：L×1维的数据信号部分；

x_k,m：第m根天线上延迟k位的N×1维接收导频信号，m＝1,…,M；k＝0,…,Δ；

z_k,m：第m根天线上延迟k位的L×1维接收数据信号，m＝1,…,M；k＝0,…,Δ；

X_k：所有天线上延迟k位的N×M维接收导频时间扩展矩阵，X_k＝[x_k,1,x_k,2,…,x_k,M]；

Z_k：所有天线上延迟k位的L×M维接收数据时间扩展矩阵，Z_k＝[z_k,1,z_k,2,…,z_k,M]；

w_q：第q个滤波系数矢量，由所有天线的第q个滤波系数构成，M×1维。

利用最小均方误差(MMSE)准则，权值计算可表示为：

其中T＝Δ+1表示空时接收导频扩展矩阵，由于有稀疏性要求，w_q矢量中只有Q个非零，其余全为零矢量。

稀疏性时域滤波器抽头确定的核心在于寻找最优的非零权值的位置。以下方案用于在T个可能的位置中挑选出Q个非零抽头系数。

方案一：贪婪算法

①从时域滤波器非零抽头系数只有一个的情况开始考虑。这时待选择的抽头共有T＝Δ+1个，用Π＝{0,1,2,…,Δ}来表示待选择的抽头位置集合，用Ω＝{}表示已经选择的非零抽头位置，表示已经选择的非零抽头位置对应的导频块；

②基于最小均方误差(MMSE)准则，将这T＝Δ+1个可能的抽头遍历，从中选择出一个。即

q从0遍历到Δ，对应的接收导频块为X₀,X₁,……,X_Δ，其中为权值测试矢量，它由下式求得：

其中，自相关矩阵互相关矩阵

③遍历之后选择出第一个非零抽头，然后从Π中剔除掉选中的将其并入到Ω中，中并入第个抽头位置对应的导频块即：

④在确定了第一个抽头位置之后，再按照相同的步骤，遵循最小均方误差(MMSE)准则，从剩余的T-1个位置中选择下一个非零抽头，前两个非零位置确定后，再类似从剩余的T-2个位置中挑选出一个。依次类推，直到挑选出所有Q个非零抽头系数。最终，选择的抽头位置集合为Ω，对应的自适应权矢量为

方案二：互相关矢量算法

①接收端收到空时接收导频扩展矩阵Y＝[X₀ X₁ … X_Δ]之后，计算其互相关矢量p＝Y^Hs；

②将p表示为其中表示对应第q个位置的接收导频信号互相关矢量。

③计算||p_q||²，q＝0,1,…,Δ，从这Δ个值中挑选出最大的Q个值，即

将其对应的索引作为需要选择的Q个非零抽头的位置，进一步确定对应的导频块。

④利用最小均方误差(MMSE)准则，求出维纳解即可得到自适应权矢量即

若将选中的导频块的集合用表示，则自相关矢量互相关矢量

利用步骤二得到的自适应权值对各数据块进行均衡：

其中，为接收之后恢复出来的数据部分，为选中抽头位置对应的接收数据块，去掉恢复之后各数据块末尾的独特字，完成信道的均衡。

图4为本发明提出的贪婪算法、互相关矢量算法同对比方案(即非自适应算法，在时域滤波器的T个抽头中选前Q个作为非零抽头)的BER性能示意图。参数设置为：发送端发送的导频长度为512，每个数据块512个符号，其中UW长度为64；基带等效信道长度为40，信道的非零抽头位置随机确定，非零抽头个数为10，均服从等功率瑞利衰落；接收端的天线数M＝4，时域滤波器共有T＝40个抽头，其中非零抽头个数分别为Q＝10,20,30。此外还给出了Q＝T＝40的仿真结果作为参照。从仿真结果可以看出：随着Q取值增加，三种方案的BER性能都呈优化趋势。但是不论Q＝10,20,30三种取值中的哪一种，本发明提出的贪婪算法和互相关矢量算法的BER性能基本上优于传统的非自适应算法。

图5为本发明在有干扰情况下的BER性能示意图。参数设置与图4基本相同，时域滤波器的非零抽头个数Q＝20,30，信干比SIR＝0dB，类似地，给出Q＝T＝40的仿真结果作为参照。仿真表明，本发明所提出的贪婪算法和互相关矢量算法对外部干扰造成的BER性能下降也能在极大程度上优化。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (6)

1.一种基于稀疏感知的自适应空时均衡方法，其特征在于，包括以下步骤：

步骤一：在发送端将待发射的数据分块，然后在每个数据块的末尾加上独特字；

步骤二：发送端发送信号到达接收端并在接收端经过定时同步预处理后，截取接收到的导频；然后在空时均衡的过程中采用贪婪算法或互相关矢量算法自适应地寻找最优时域滤波器非零抽头位置，然后计算自适应权值；

步骤三：接收端将接收到的数据进行分块，再利用步骤二得到的自适应权值对每根天线上的接收数据块进行合并，并进行去独特字操作，从而实现信道的均衡。

2.根据权利要求1所述的一种基于稀疏感知的自适应空时均衡方法，其特征在于，步骤二中采用贪婪算法自适应地寻找最优时域滤波器非零抽头位置的具体过程如下：

假设接收机有M根天线，Δ为时域滤波器可能的最大阶数，Q为限定的时域非零抽头系数的个数，Q≤Δ+1；接收机多天线集中放置，多天线多径信道的时延特征相同，空时滤波时，多天线时域滤波非零抽头的位置相同；

采用N表示计算空时权值的导频长度，L表示数据信号的长度，定义以下符号：

s：N×1维理想导频信号；

r：L×1维的数据信号部分；

x_k,m：第m根天线上延迟k位的N×1维接收导频信号，m＝1,…,M；k＝0,…,Δ；

z_k,m：第m根天线上延迟k位的L×1维接收数据信号，m＝1,…,M；k＝0,…,Δ；

X_k：所有天线上延迟k位的N×M维接收导频时间扩展矩阵，X_k＝[x_k,1,x_k,2,…,x_k,M]；

Z_k：所有天线上延迟k位的L×M维接收数据时间扩展矩阵，Z_k＝[z_k,1,z_k,2,…,z_k,M]；

w_q：第q个滤波系数矢量，由所有天线的第q个滤波系数构成，M×1维；

①采用Π＝{0,1,2,…,Δ}来表示待选择的抽头位置集合，采用Ω＝{}表示已经选择的非零抽头位置，表示已经选择的非零抽头位置对应的导频块；

②从时域滤波器非零抽头系数只有一个的情况开始，这时待选择的抽头共有T＝Δ+1个，基于最小均方误差准则准则，将这T＝Δ+1个可能的抽头遍历，从中选择一个，即

其中，

q从0遍历到Δ，对应的接收导频块为X₀,X₁,……,X_Δ，其中为权值测试矢量，由下式求得：

其中，自相关矩阵互相关矩阵

③遍历之后选择第一个非零抽头，然后从Π中剔除掉选中的将其并入到Ω中，中并入第个抽头位置对应的导频块即：

④在确定了第一个抽头位置之后，再遵循最小均方误差准则，从剩余的T-1位置中选择下一个非零抽头，前两个非零位置确定后，再类似从剩余的T-2个位置中挑选出一个，依次类推，直到挑选出所有Q个非零抽头位置。

3.根据权利要求1所述的一种基于稀疏感知的自适应空时均衡方法，其特征在于，步骤二中采用互相关矢量算法自适应地寻找最优时域滤波器非零抽头位置的具体过程如下：

①接收端收到空时接收导频扩展矩阵Y＝[X₀ X₁ … X_Δ]之后，计算其互相关矢量p＝Y^Hs；其中，s为N×1维理想导频信号；

②将互相关矢量p表示为其中表示对应第q个位置的接收导频信号互相关矢量；

③计算||p_q||²，q＝0,1,…,Δ，从这Δ个值中挑选出最大的Q个值，即

将其对应的索引作为需要选择的Q个非零抽头位置。

4.根据权利要求1所述的一种基于稀疏感知的自适应空时均衡方法，其特征在于，计算自适应权值的具体过程为：根据贪婪算法或互相关矢量算法得到的非零抽头位置，确定对应的接收端导频块，再利用最小均方误差准则准则，求出维纳解，得到自适应权值

其中，R为自相关矩阵，p为互相关矢量。

5.根据权利要求4所述的一种基于稀疏感知的自适应空时均衡方法，其特征在于，采用贪婪算法选择的抽头位置集合为Ω，选中的接收导频块集合为则自相关矢量互相关矢量

6.根据权利要求1所述的一种基于稀疏感知的自适应空时均衡方法，其特征在于，步骤三的具体过程如下：

利用步骤二得到的自适应权值对各数据块进行均衡：

其中，为接收之后恢复出来的数据部分，1≤i≤Q为选中抽头位置对应的接收数据块，去掉恢复之后各数据块末尾的独特字，完成信道的均衡。