CN111212002A - 基于子空间算法的海洋水声ofdm信道的盲辨识方法 - Google Patents
基于子空间算法的海洋水声ofdm信道的盲辨识方法 Download PDFInfo
- Publication number
- CN111212002A CN111212002A CN202010043435.XA CN202010043435A CN111212002A CN 111212002 A CN111212002 A CN 111212002A CN 202010043435 A CN202010043435 A CN 202010043435A CN 111212002 A CN111212002 A CN 111212002A
- Authority
- CN
- China
- Prior art keywords
- channel
- signal
- formula
- equation
- ofdm
- 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.)
- Pending
Links
Images
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
- H04L25/0238—Channel estimation using blind estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2668—Details of algorithms
- H04L27/2673—Details of algorithms characterised by synchronisation parameters
- H04L27/2676—Blind, i.e. without using known symbols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Noise Elimination (AREA)
Abstract
Description
技术领域
本发明属于通信技术领域,涉及基于子空间算法的海洋水声OFDM信道的盲辨识方法。
背景技术
OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)是一种对抗频率选择性衰落的有效技术,是近年来无线通信领域的研究热点。它是一种应用于宽带通信的多载波调制传输方式。它具有有效地对抗多径传播所造成的符号间干扰、系统传输容量大、具有可变动态带宽、可实现“正交频分多址”、可以有效的抗窄带干扰、很强的抗衰落能力、高频带利用率等特点,因此成为水声传输系统研究的热点。但由于海洋水声信道的多途性、时变性等特点,使得OFDM的优势大打折扣,尤其是多途信道所造成的码间干扰。因此必须采取信道均衡技术有效减少码间干扰,才能提高水声通信链路的传输效率及传输的可靠性。
发明内容
本发明的目的在于提供基于子空间算法的海洋水声OFDM信道的盲辨识方法,本发明的有益效果是能够提高水声通信链路的传输效率及传输的可靠性。
本发明技术方案按照以下步骤进行:
5)对Q进行特征值分解,其最小特征值对应的特征向量即满足式(63)的信道估计值;
附图说明
图1是OFDM基带发送等效信道;
图2是离散时间基带信道模型;
图3是OFDM发送信号;
图4是OFDM接收信号;
图5是信道估计误差与接收信号样本数的关系;
图6是信道估计误差与信噪比的关系。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
1、OFDM系统模型及其平稳特性
离散时间OFDM系统模型可描述为:系统输入信号序列{x(n)}首先被分为长度为N的信号块,其中第k个输入信号块用xk(n),(n=0,1,...,N-1)表示,即x(kN+n)=xk(n)。然后对每个信号块采用傅立叶反变换(IDFT),并将变换后的各个离散信号调制到OFDM信号不同的子载波上,得到一个长度为N的OFDM信号,第k个OFDM信号块可表示为:
为了消除由于信道多途时延所生产的OFDM信号块之间的干扰(Inter-BlockInterference IBI),OFDM信号间要加入长于信道时延的保护间隔,为了保持OFDM子载波间的正交性,在传统的OFDM系统中,保护间隔发送的是循环前缀CP(Cyclic PrefixCP),即OFDM信号中的最后若干位信号。设CP的长度为M,加了CP后,一个OFDM信号(块)的实际长度为P=M+N。
因此,第k个OFDM信号(块)为
因此,发送端发送的信号为s(kP+i)=sk(i),i=0,1,...P-1,经过并/串变换后si(i)被顺序地发送出去。OFDM基带信号的发送模型可由图1表示。
在接收端,接收到的信号r(t)为
用抽样速率为1/Ts的速率对接收信号r(t)进行抽样,并记h(n)=h(nTs-td),r(n)=r(nTs),n(n)=n(nTs),若信道的冲激响应阶数为L则式(3)可用离散时间模型等价为
上式(4)将一个时间连续的信道化为一个离散的线性时不变FIR有限冲激响应信道,图1等价为图2。因此对信道的辨识,就是辨识整个的合成信道。
在实际信道估计时,由于受到噪声的影响,接收机不可能精确地估计出信道的阶数,但由于循环前缀长于信道的时延,即L≤M,因此可将所估计信道的离散冲激响应用向量表示h=[h(0),h(1),...,h(M)]T,其中h(i)|i>L=0。将OFDM信号sk(i)通过信道h,并考虑信道噪声时,接收端接收的信号rk(i)表示为
在上式中,将接收信号分为两部分,即前第k-1OFDM块和后第k个OFDM块,δ(·)为冲激响应函数。在接收端进行信号检测时,首先去掉rk(i)中的循环前缀,以消除来自前一个OFDM信号的干扰,在无信道噪声的情况下,对OFDM解调,得到
由式(6)可见,通过OFDM系统的调制、解调,系统将一个线性时不变FIR多途信道干扰变换成为一个对每个信号的乘性干扰,只要知道信道特征,通过简单的除法运算,就可恢复出信号,实现OFDM的相干检测。
可见,Rs(kP+i,τ)只与i有关,与k无关,所以它是一个周期为P的函数,sk(i)的二阶统计为周期平稳的。由于线性时不变信道不会改变信号的统计特性,因此接收的信号也具有周期为P的平稳特性,可表示为
将(4)式表示成矢量的形式
sk=[sk(0),sk(1),...,sk(P-1)]T (9)
rk=[rk(0),rk(1),...,rk(P-1)]T (10)
nk=[nk(0),nk(1),...,nk(P-1)]T (11)
考虑到前一个OFDM信号(块)对后一个的影响,因此将两个OFDM信号一并考虑,有
rk=H0sk+H1sk-1+nk (12)
2基于子空间算法的OFDM盲信道估计算法
OFDM接收信号具有周期平稳性的特点,因此OFDM包含了足够的信道信息,可实现信道的盲估计。
盲信道估计的子空间算法要求系统的信道为一个高阶矩阵,且该矩阵要要求满秩,要满足这个条件,需要接收的信号多于发送的信号数量,也就是通过收、发信号得到高阶矩阵的系统传输方程。在OFDM系统中,可采用上节(2)中的方法,对接收信号的过采样或多接收阵列进行接收,使得接收信号的数量多于发送信号的数量,从而实现信道的盲估计。但OFDM信号中由于加入了循环前缀(CP),实际上接收信号的数量已多于发送信号的数量,因此OFDM信号具备了实现子空间信道盲估计的条件。
要实现OFDM子空间盲信道估计,关键是如何得到信道的高阶矩阵。观察式(12),由于存在前一个OFDM信号的干扰项H1sk-1,这个干扰项也是循环平稳的,因此不能将其用随机噪声项处理,所以必须对式(12)进行适当的变换,充分利用CP带来的信号,使系统的传输方程变为高阶矩阵传输方程。
将式(12)中的rk,sk,nk分解为三个子向量
于是
现用下图解释式(20)和式(21)。若连续发送两OFDM信号块sk-1,sk,由于多途效应,使得在接收端的接收信号发生了码间干扰,即发送信号sk-1,在接收端变成了而不是rk-1;同样发送信号sk,在接收端变成了而不是rk。图3为OFDM发送信号,图4为OFDM接收信号。
式中Γ(h)是一个(N+M)×N的Toeplitz高阶矩阵
在h(0)≠0的情况下,Γ(h)是列满秩的。这是因为,若有一向量α=[α1,α2,...,αN]T,使Γ(h)α=0,在h(0)≠0时,只有α=0时才能使Γ(h)α=0成立。因此Γ(h)的各列向量是线性无关的,即Γ(h)列满秩。
由上式可见,虽然信道噪声为白噪声,但由于通过式(25)变换,式(26)中的噪声项变为有色噪声,虽然(30)的相关矩阵为有色噪声相关矩阵,但为了便于信号子空间分解,我们依然对式(28)中的噪声项假设为白噪声,待信号子空间分解完成后,再对噪声项进行修正。
假设式(28)的噪声项为σ2I,则式(28)变为
Σ2=diag[λ0,λ1,...,λ(M+N-1)] (33)
设λ0,...,λN-1对应特征向量分别为a0...,aN-1,λN,...,λN+M-1对应的特征向量为gN...,gN+M-1,设:
A=[a0,...,aN-1] (35)
G=[gN,...,gN+M-1] (36)
分别称A和G为信号子空间向量矩阵和噪声向量子空间矩阵。特征向量矩阵U便分为了两个子矩阵
由于特征向量矩阵U是酉矩阵,因此有
由式(40)和(41)可得
从而有
式(44)为信道辨识特征方程。
现对式(35)到式(44)进行解释:A的各列向量是的特征向量,它们张开的线性空间为的子信号空间,维数为N;G的各列向量也是的特征向量,它们张开的线性空间为的噪声子空间,维数为M。并且信号子空间和噪声子空间是相互正交的,它们共同构成了的空间。Γ(h)是一个秩为N的满列秩的矩阵,其列向量可作为信号子空间的一组基,可张开为信号子空间,因此Γ(h)的列向量和G是正交的。
下面对式(44)进行修正,并对式(28)进行子空间分解。首先对式(28)中的噪声项进行白化处理。式(30)中的是满秩的,其特征值均大于零,因此是Hermitian正定矩阵,对其进行Cholesky分解
式中P=M+N,噪声为白噪声。由于是(N+M)×(N+M)的满秩方阵,Γ(h)是秩为N的满列秩的矩阵,因此是(N+M)×N阶的满列秩矩阵。所以,可由的N个列向量为基,张成的N维信号子空间。对进行特征值分解,其特征值为所对应的M个特征向量可用表示,他们张开了的噪声子空间。与式(40)到式(44)的推导过程相同,有
以上应用子空间分解,得到了信道辨识方程,该方程说明信道h满足式(47),但由式(47)对信道进行估计,则必须分析式(47)的解空间。以下给出信道可辨识的定理。
先考虑信道阶数能精确估计的情况,即考虑L=M时式(47)的信道可辨识的情况。对信道进行Z变换,可得到系统的传输函数设ρ1,...,ρL是H(z)的L个根,也就是设ρ1,...,ρL是h的L个零点,若H(z)无重根,可由ρ1,...,ρL组成L个Vandermonde矢量由于Γ(h)为Toeplitz矩阵结构,通过直接计算可知,Vandermonde矢量ρl(l=1,...,L)扩展成了Γ(h)的左零矢量空间。因此可对式(47)中的进行分解,即
其中,B是一个(M+N)×(M+N)的满秩方阵,P=[ρ1,...,ρL]的Vandermonde矩阵,带入式(48),有
考虑到B是方阵,上式变为
式中a为一不等于零的常数。
式(52)说明,由式(47)计算得到的信道与实际信道仅相差一个常数,因此式(47)可进行信道辨识。
下面考虑信道阶数过估计情况下的信道辨识。设实际信道阶数为L<M,H(z)有L个根ρ1,...,ρL,Vandermonde矩阵P=[ρ1,...,ρL]的秩为L。由于式(47)中噪声子空间的秩为M,因此对P=[ρ1,...,ρL]进行扩展可得到噪声子空间的一组基ρ1,...,ρL,ρL+1,...,ρM,其中ρL+1,...,ρM不具有Vandermonde矢量的形式,否则ρL+1,...,ρM也是H(z)的根。
如果ρ1,...,ρL中有重根,可根据文献[78]的原理,扩展Vandermonde矢量,可得到同样的结论,在此不再证明。定理得以证明。
通过定理3的证明,可得出:只要信道矩阵Γ(h)是Toeplitz结构,就可实现信道辨识。
3、算法的实现
式中,||·||是矩阵的Euclidean范数。为便于求解,将上式化为二次型的形式,设
式中
因此,有
其中,
为了防止式(61)的解出现全0的情况,应对式(61)加一定的约束条件,即||h||=1。对Q进行特征值分解,其最小特征值对应的单位特征向量,就是式(61)的解。加约束条件后,式(61)变为
实现算法如下:
5)对Q进行特征值分解,其最小特征值对应的特征向量即满足式(63)的信道估计值。
4、仿真模拟
用Monte Carlo仿真测试算法的特性,信道估计的精度用归一化均方误差RMSE和Bias来衡量,即
及
现对h1=[1,-0.331,-0.131,0.412,0.811],h1=[1,0,-0.961,0,-0.711],h1=[1,0.612,-0.593,0,0]3个仿真信道进行算法的性能实验,输入信号采用独立同分的QPSK信号,信号长度M=4,N=20。
(1)信道估计误差与信号样本数的关系由图5可发现,随着接收信号样本数的增加,信道估计的精度也在增加,当样本数增加到一定程度时,精度的增加变化趋慢,因此取适当的样本数就可较好地满足精度的要求,在测试中,当样本数在110附近时,估计的精度将缓慢变化。
(2)信噪比(SNR)与信道估计误差的关系
采用实验(1)的仿真信道和信号,分别取SNR=5、10、15、20、25、30测试,其测试结果如图6所示。实验结果表明:信噪比越高信道估计偏差越小。
以上所述仅是对本发明的较佳实施方式而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043435.XA CN111212002A (zh) | 2020-01-15 | 2020-01-15 | 基于子空间算法的海洋水声ofdm信道的盲辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043435.XA CN111212002A (zh) | 2020-01-15 | 2020-01-15 | 基于子空间算法的海洋水声ofdm信道的盲辨识方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111212002A true CN111212002A (zh) | 2020-05-29 |
Family
ID=70787460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043435.XA Pending CN111212002A (zh) | 2020-01-15 | 2020-01-15 | 基于子空间算法的海洋水声ofdm信道的盲辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111212002A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447157A (zh) * | 2020-03-18 | 2020-07-24 | 青岛海洋科学与技术国家实验室发展中心 | 海洋水声通信盲信道均衡方法 |
-
2020
- 2020-01-15 CN CN202010043435.XA patent/CN111212002A/zh active Pending
Non-Patent Citations (1)
Title |
---|
曾宪武: "水声综合通信网络关键技术的研究", 《中国博士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111447157A (zh) * | 2020-03-18 | 2020-07-24 | 青岛海洋科学与技术国家实验室发展中心 | 海洋水声通信盲信道均衡方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shin et al. | Blind channel estimation for MIMO-OFDM systems | |
CN107332797B (zh) | 一种电力线ofdm通信系统中的信道估计方法 | |
CN108881076B (zh) | 一种基于压缩感知的mimo-fbmc/oqam系统信道估计方法 | |
CN100385824C (zh) | 一种mimo-ofdm系统的自适应信道估计方法 | |
CN109309542B (zh) | 一种基于时域过采样的正交信分复用水声通信方法 | |
CN112202479A (zh) | 多入多出-正交时频空系统的低复杂度信号检测方法 | |
CN110048972B (zh) | 一种水声正交频分复用信道估计方法及系统 | |
Bemani et al. | Low complexity equalization for AFDM in doubly dispersive channels | |
CN110784428B (zh) | 水声通信网络中基于morl-FFT的自适应多普勒补偿方法 | |
CN111212002A (zh) | 基于子空间算法的海洋水声ofdm信道的盲辨识方法 | |
Bhoyar et al. | Leaky least mean square (LLMS) algorithm for channel estimation in BPSK-QPSK-PSK MIMO-OFDM system | |
CN114268346B (zh) | 非高斯噪声下电力线载波通信压缩感知信道估计方法 | |
Chen et al. | Semiblind channel estimation for MIMO–OFDM systems | |
Fu et al. | Semiblind channel estimation for MIMO-OFDM | |
Vimala et al. | Performance of compressive sensing technique for sparse channel estimation in orthogonal frequency division multiplexing systems | |
Chelli et al. | Complexity reduction for consumer device compressed sensing channel estimation | |
Shao et al. | Channel estimation based on compressed sensing for high-speed underwater acoustic communication | |
Thomas et al. | Null-subcarrier based channel estimation and mutual interference reduction in MIMO OFDM systems | |
Dias et al. | Study of BEM-type channel estimation techniques for 5G multicarrier systems | |
Du et al. | Adaptive blind channel identification and equalization for OFDM-MIMO wireless communication systems | |
Manzoor et al. | A novel noise power and SNR estimation in WiMAX systems | |
Xu et al. | A new algorithm for fast blind equalization of wireless communication channels | |
Suárez-Casal et al. | Channel Estimation in Spatially Correlated High Mobility MIMO-OFDM Systems | |
Asif et al. | MIMO Wavelet Transform using Optimized Successive Interference Cancellation | |
Al-Shuwaili et al. | Ball’s-Based Adaptive Channel Estimation Scheme Using RLS Family-Types Algorithms |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |
|
RJ01 | Rejection of invention patent application after publication |