CN111371709B - 基于时域阈值滤波的ofdm系统信道估计方法 - Google Patents

Abstract

本发明提出了基于时域阈值滤波的OFDM系统信道估计方法，用于解决现有技术中存在的在低信噪比的情况下所估计的信道频域响应的精度较低的技术问题，实现步骤为：1)构建正交频分复用OFDM系统发送端的数据包F；2)对信道进行频域估计；3)获取信道的初始时域冲激响应h；4)构获取信道阈值滤波响应为h_f(r)；5)计算阈值滤波参数ave和P_l；6)获取OFDM系统的信道估计结果H(K)。本发明优化了时域阈值滤波时的阈值滤波判决门限，且在阈值滤波时选取循环前缀长度内的数据幅值减去噪声均值的差值作为待判决数据，在信噪比较低的情况下，有效提高了所估计的信道频域响应的精度。

Description

基于时域阈值滤波的OFDM系统信道估计方法

技术领域

本发明属于无线通信技术领域，具体涉及一种基于时域阈值滤波的OFDM系统信道估计方法，可用于估计OFDM系统中的信道频域响应。

背景技术

正交频分复用OFDM(Orthogonal Frequency Division Multiplexing)是一种多载波调制的技术，OFDM系统使用OFDM技术来实现信息数据流从发射端到接收端的传输。信道估计就是估计数据从发送端到接收端所经过的无线信道的频域响应，来保证接收端正确的解调出发射端发射的信息数据流。现实生活中，信道的时延扩展和环境中的高斯白噪声都会对信道估计的结果的精度造成影响。最终影响接收端解调出来的信息数据流的误码率。精度越高，解调出来的信息数据流的误码率越低。

信道估计的方法分为盲或半盲信道估计、基于导频辅助信道估计、基于训练序列的信道估计算法，基于DFT的信道估计方法。盲信道估计方法根据信道以及接收信号的结构特征来进行信道估计，但是这种方法因其计算量大、收敛速度慢等固有缺点限制了它在实际中的应用。基于导频辅助信道估计利用插入到数据符号中的导频信号来进行信道估计，但是插入的导频序列频谱利用率。基于训练序列的信道估计算法利用发送端数据包中的已知训练序列来进行信道估计，但是这种方法的信道估计结果往往不是最优的，需要用基于DFT的信道估计方法来提高基于训练序列的信道估计的精度。

传统的基于DFT的信道估计方法，通过消除循环前缀以外的噪声来提高基于训练序列的信道估计的精度，该方法首先需要将基于训练序列的信道估计方法估计出来的信道频域响应进行逆傅里叶变换IFFT，将信道频域响应转换成时域冲激响应。然后在时域对信道冲激响应进行处理，将循环前缀长度以外的信号判决为噪声进行滤除，最终将滤除噪声之后的时域冲激响应进行傅里叶变换FFT，得到最终的信道频域响应。但是这种传统方法并没有对循环前缀以内的噪声进行处理，使得估计出来的信道频域响应精度较差。例如申请公布号为CN 105763490 A，名称为“一种改进的带内降噪的DFT信道估计算法”的发明专利申请，公开了一种时域阈值滤波的OFDM/OQAM系统信道估计方法。该方法中滤去了循环前缀之外的高斯白噪声之后，将循环前缀长度以外的高斯白噪声的均值的一半作为判决门限，对循环前缀长度以内的信号进行滤波处理。但是这种方法在系统信噪比低的时候，由于噪声的幅值比较大，容易将信道中时域信号判决为噪声进行滤除，导致所估计的信道频域响应的精度较低。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提供了一种基于时域阈值滤波的OFDM系统信道估计方法，用于解决现有技术中存在的在低信噪比的情况下所估计的信道频域响应的精度较低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)构建正交频分复用OFDM系统发送端的数据包：

(1a)根据802.11ac协议中前导序列的构建标准，构建包括短训练序列L_stf以及与其级联的长训练序列L_ltf的前导序列L_sig，L_sig＝{L_stf,L_ltf}，其中，L_stf＝{L_stf1,L_stf2,…,L_stfn,…L_stf10}，L_stfn表示第n个短训练序列，L_ltf＝{L_ltf1,L_ltf2}；

(1b)构建发送端的OFDM符号数据集Y＝{y₁,y₂,…,y_m,…,y_a}，并提取y_m末端的CP个符号元素，组成OFDM符号循环前缀数据集D＝{d₁,d₂,…,d_m,…,d_a}，其中，y_m表示第m个OFDM符号，y_m＝{x₁,x₂,…,x_l,…,x_N}，a表示OFDM符号的个数，d_m表示y_m的循环前缀，x_l表示第l个符号元素，N表示y_m的长度，CP表示循环前缀的长度，N＞CP；

(1c)将d_m与y_m的前端进行拼接，得到插入循环前缀后的OFDM符号数据集E＝{e₁,e₂,…,e_m,…,e_a}，并将L_sig拼接在E的前端，得到正交频分复用OFDM系统发送端的数据包F＝{L_sig,E}；

(2)对信道进行频域估计：

(2a)发送端通过无线信道将数据包F＝{L_sig,e₁,…,e_m,…,e_a}发送至接收端，接收端接收到的数据包为I，I＝F*h_s+V，其中V表示高斯白噪声，h_s表示实际的信道时域冲激响应，*表示卷积；

(2b)通过长训练序列L_ltf和数据包I对信道进行频域估计，得到信道的初始频域响应H_start＝{H₁,H₂,…H_l,…H_N}，其中H_l表示第l个频域数据；

(3)获取信道的初始时域冲激响应h：

对信道的初始频域响应H_start进行IFFT，得到初始信道时域冲激响应h＝{h₁,h₂,…,h_l,…h_N}，其中h_l表示第l个时域数据；

(4)计算阈值滤波参数：

提取初始信道时域冲激响应h中大于循环前缀长度CP的时域数据组成高斯白噪声集h_noise＝{h_CP+1,h_CP+2,…,h_k,…,h_N},并计算h_noise的平均值ave，以及h_noise中最大的高斯白噪声h_max与ave的差值P_l：

P_l＝h_max-ave

h_max＝max(h_noise)

其中，max表示取集合中的最大值，h_k表示第k个高斯白噪声，CP+1≤k≤N；

(5)获取信道阈值滤波响应为h_f(r)：

滤除初始信道时域冲激响应h中的高斯白噪声h_noise，得到待阈值滤波数据h_xt＝{h₁,h₂,…,h_r,…,h_CP}，并利用ave和P_l对h_xt进行阈值滤波，得到信道阈值滤波响应为h_f(r)：

其中h_r表示第r个待阈值滤波数据，1≤r≤CP；

(6)获取OFDM系统的信道估计结果：

对信道阈值滤波响应h_f(r)进行FFT，得到信道频域响应H(K)。

本发明与现有技术相比，具有如下优点：

由于本发明在对信道时域冲激响应中循环前缀长度以内数据进行阈值滤波时，选取的阈值滤波门限为高斯白噪声最大值与高斯白噪声均值的差值，在对循环前缀长度以内数据进行滤波时，对循环前缀长度以内数据与高斯白噪声均值之间的差值进行阈值判决，解决了现有技术中，在低信噪比较低时，由于噪声幅值较大，阈值滤波门限的幅值与循环前缀长度以内数据的幅值近似而导致阈值判决时将有效数据判决为噪声的问题，提高了阈值滤波后有效数据的比例，最终提升了信道频域响应的精度。

附图说明

图1为本发明的实现流程图；

图2为本发明实施例中OFDM系统发送端数据包组成的结构模型图；

图3为本发明与现有技术解调误码率的仿真结果对比图。

具体实施方式

以下结合附图和具体实施例，对本发明作进一步详细说明：

参照图1，本发明包括如下步骤：

步骤1)构建正交频分复用OFDM系统发送端的数据包：

步骤1a)IEEE802.11ac是802.11家族的一项无线网上协议标准，由IEEE标准协会制定，根据IEEE802.11ac协议中前导序列的构建标准，构建包括短训练序列集L_stf以及与其级联的长训练序列集L_ltf的前导序列L_sig，L_sig＝{L_stf,L_ltf}，其中，L_stf＝{L_stf1,L_stf2,…,L_stfn,…L_stf10}，L_stfn表示第n个短训练序列，L_ltf＝{L_ltf1,L_ltf2}；

步骤1b)构建发送端的OFDM符号数据集Y＝{y₁,y₂,…,y_m,…,y_a}，并提取y_m末端的CP个符号元素，组成OFDM符号循环前缀数据集D＝{d₁,d₂,…,d_m,…,d_a}，其中，y_m表示第m个OFDM符号，y_m＝{x₁,x₂,…,x_l,…,x_N}，a表示OFDM符号的个数，d_m表示y_m的循环前缀，x_l表示第l个符号元素，N表示y_m的长度，CP表示循环前缀的长度，N＞CP。本实施例中的y_m的长度的N为64，原因是后续步骤中需要对发送端数据进行FFT变换，而FFT变换的长度一般一般取值都是2的n次幂，所以此处选取长度为64。OFDM符号的个数a为320，循环前缀数据集D＝{d₁,d₂,…,d_m,…,d₃₂₀}，OFDM符号数据集Y＝{y₁,y₂,…,y_m,…,y₃₂₀}，循环前缀的长度CP选为16，原因是按照IEEE802.11ac协议中的规定，可以选取循环前缀的长度为OFDM符号长度的1/4，此处为64的1/4为16；

步骤1c)将d_m与y_m的前端进行拼接，得到插入循环前缀后的OFDM符号数据集E＝{e₁,e₂,…,e_m,…,e₃₂₀}，并将L_sig拼接在E的前端，得到正交频分复用OFDM系统发送端的数据包F＝{L_sig,E}，最终得到的OFDM系统发送端的数据包组成的结构模型图如图2所示，在OFDM符号数据集中插入循环前缀的原因在于在实际信道中存在多径效应，会为OFDM系统中接收端的数据带来符号间干扰，加入循环前缀之后，可以减小接收端数据的符号间干扰；

步骤2)对信道进行频域估计：

步骤2a)发送端通过无线信道将数据包F＝{L_sig,E}发送至接收端，接收端接收到的数据包为I，I＝F*h_s+V，其中V表示高斯白噪声，h_s表示实际的信道时域冲激响应，*表示卷积。本实施例中采用的信道模型为指数模型，其功率延迟分布PDP服从指数分布，每一抽头建模成独立的复高斯随机变量，服从瑞利分布，其信道模型可以表示成：

其中，L表示抽头数，h_i表示第i个抽头的复高斯随机变量的幅值，δ(n-τ_i)表示单位冲激响应，τ_i表示第i条多径的时延，0≤i≤L-1，本实施例中选取的L为5，0≤i≤4；

步骤2b)通过长训练序列L_ltf和数据包I对信道进行频域估计，得到信道的初始频域响应H_start＝{H₁,H₂,…H_l,…H₆₄}，其中H_l表示第l个频域数据，频域估计的方法，可采用盲估计方法、LS最小二乘估计方法、或MMSE最小均方误差估计方法。本实施例采用的是最小均方误差估计方法MMSE来进行频域估计，原因是MMSE最小均方误差估计方法是频域估计方法中精度较高的，会使得OFDM系统的信道估计结果H(K)的精度更高。在进行MMSE频域估计时，提取接收端接收到的数据包为I中的两个长训练序列，对其进行FFT，得到Y₁＝{t₁,t₂,…,t_l,…,t₆₄}，Y₂＝{f₁,f₂,…,f_l,…,f₆₄}。利用LS最小二乘估计方法对信道频域响应进行估计，在LS估计方法中，其代价函数的值为

要想使得代价函数取得最小值，其得到的信道频域响应可以表示成

由于

所以

在本实例中利用Y₁，L_ltf1得到第一长训练序列的LS频域响应

利用Y₂，L_ltf2得到第二长训练序列的LS频域响应

再对H_1LS和H_2LS取平均，得到LS频域估计方法得出信道频域估计值

最终，利用MMSE估计方法估计出的信道的初始频域响应H_start,可表示为：

H_start＝R_MM(R_MM+I*(1/SNR))^-1M

其中R_MM为M的互相关矩阵，SNR为信噪比，I表示单位向量；

步骤3)获取信道的初始时域冲激响应h：

对信道的初始频域响应H_start进行IFFT，得到初始信道时域冲激响应h＝{h₁,h₂,…,h_l,…h₆₄}，其中h_l表示第l个时域数据，其中IFFT的计算方法为：

其中

步骤4)计算阈值滤波参数ave和P_l：

提取初始信道时域冲激响应h中大于循环前缀长度的时域数据组成高斯白噪声集h_noise＝{h₁₆₊₁,h₁₆₊₂,…,h_k,…,h₆₄},并计算h_noise的平均值ave，以及h_noise中最大的高斯白噪声h_max与ave的差值P_l：

P_l＝h_max-ave

h_max＝max(h_noise)

其中，max表示取集合中的最大值，h_k表示第k个高斯白噪声，17≤k≤64，提取h中大于循环前缀长度外的时域数据作为高斯白噪声的原因在于，无线信道中的多径时延的长度一般都是小于循环前缀长度的，所以循环前缀长度外的数据就是高斯白噪声，而循环前缀长度内的数据为真实的无线信道时域数据与噪声的叠加，所以循环前缀长度外的时域数据可以作为高斯白噪声。选取阈值滤波门限为高斯白噪声集的最大值h_max与平均值ave的原因在于，在一个OFDM符号内，每个数据点上的高斯白噪声是有相关性的，因此在循环前缀长度内的高斯白噪声与循环前缀长度外的高斯白噪声的均值是近似的，所以如果循环前缀长度内的数据的幅值减去噪声的均值的差值大于高斯白噪声集的最大值h_max与平均值ave的差值，则可以认为此数据点为真实的信道时域数据，反之为噪声；

步骤5)获取信道阈值滤波响应为h_f(r)：

滤除初始信道时域冲激响应h中的高斯白噪声h_noise，得到待阈值滤波数据h_xt＝{h₁,h₂,…,h_r,…,h₁₆}，并利用ave和P_l对h_xt进行阈值滤波，得到信道阈值滤波响应为h_f(r)：

其中h_r表示第r个待阈值滤波数据，1≤r≤16；

步骤6)获取OFDM系统的信道估计结果H(K)：

对信道阈值滤波响应h_f(r)进行FFT，得到信道频域响应H(K)。本实施例中进行FFT的点数为64，原因是，最终得到的信道频域响应应与OFDM符号的长度一致，为64。FFT计算方法为：

其中

以下结合仿真实验，对本发明的技术效果作以说明：

1.仿真条件和内容：

仿真参数设置：所构建的OFDM系统中的信噪比取值范围是0dB到15dB，信噪比的取值间隔为1dB，在发送端构建50个数据包，循环发送至接收端，仿真过程的软件环境：Windows 7旗舰版，MATLAB仿真软件。

对本发明和现有的“一种改进的带内降噪的DFT信道估计算法”的解调误码率进行对比仿真，其结果如图3所示。

2.仿真结果分析：

参照图3，横轴为带限信噪比SNR，取值范围为0-15dB，纵轴为系统误码率BER，取值范围为0-1。其中，--代表现有技术的SNR-BER曲线图，-*代表本发明的SNR-BER曲线图。从图中可以看出，SNR在0-15dB中取任意数值时，本发明的BER比现有技术的BER低，从而验证了本发明估计出来的信道频域响应的精度比现有技术高。

Claims (2)

1.一种基于时域阈值滤波的OFDM系统信道估计方法，其特征在于，包括以下步骤：

(1)构建正交频分复用OFDM系统发送端的数据包F：

(1a)根据802.11ac协议中前导序列的构建标准，构建包括短训练序列L_stf以及与其级联的长训练序列L_ltf的前导序列L_sig，L_sig＝{L_stf,L_ltf}，其中，L_stf＝{L_stf1,L_stf2,…,L_stfn,…L_stf10}，L_stfn表示第n个短训练序列，L_ltf＝{L_ltf1,L_ltf2}；

(1b)构建发送端的OFDM符号数据集Y＝{y₁,y₂,…,y_m,…,y_a}，并提取y_m末端的CP个符号元素，组成OFDM符号循环前缀数据集D＝{d₁,d₂,…,d_m,…,d_a}，其中，y_m表示第m个OFDM符号，y_m＝{x₁,x₂,…,x_l,…,x_N}，a表示OFDM符号的个数，d_m表示y_m的循环前缀，x_l表示第l个符号元素，N表示y_m的长度，CP表示循环前缀的长度，N＞CP；

(1c)将d_m与y_m的前端进行拼接，得到插入循环前缀后的OFDM符号数据集E＝{e₁,e₂,…,e_m,…,e_a}，并将L_sig拼接在E的前端，得到正交频分复用OFDM系统发送端的数据包F＝{L_sig,E}；

(2)对信道进行频域估计：

(2a)发送端通过无线信道将数据包F＝{L_sig,e₁,…,e_m,…,e_a}发送至接收端，接收端接收到的数据包为I，I＝F*h_s+V，其中V表示高斯白噪声，h_s表示实际的信道时域冲激响应，*表示卷积；

(2b)通过长训练序列L_ltf和数据包I对信道进行频域估计，得到信道的初始频域响应H_start＝{H₁,H₂,…H_l,…H_N}，其中H_l表示第l个频域数据；

(3)获取信道的初始时域冲激响应h：

对信道的初始频域响应H_start进行IFFT，得到初始信道时域冲激响应h＝{h₁,h₂,…,h_l,…h_N}，其中h_l表示第l个时域数据；

(4)计算阈值滤波参数ave和P_l：

提取初始信道时域冲激响应h中大于循环前缀长度CP的时域数据组成高斯白噪声集h_noise＝{h_CP+1,h_CP+2,…,h_k,…,h_N},并计算h_noise的平均值ave，以及h_noise中最大的高斯白噪声h_max与ave的差值P_l：

P_l＝h_max-ave

h_max＝max(h_noise)

其中，max表示取集合中的最大值，h_k表示第k个高斯白噪声，CP+1≤k≤N；

(5)获取信道阈值滤波响应为h_f(r)：

滤除初始信道时域冲激响应h中的高斯白噪声h_noise，得到待阈值滤波数据h_xt＝{h₁,h₂,…,h_r,…,h_CP}，并利用ave和P_l对h_xt进行阈值滤波，得到信道阈值滤波响应为h_f(r)：

其中h_r表示第r个待阈值滤波数据，1≤r≤CP；

(6)获取OFDM系统的信道估计结果H(K)：

对信道阈值滤波响应h_f(r)进行FFT，得到信道频域响应H(K)。

2.根据权利要求1所述的一种基于时域阈值滤波的OFDM系统信道估计方法，其特征在于：步骤(2b)中所述的对信道进行频域估计，采用盲估计方法、LS最小二乘估计方法、或MMSE最小均方误差估计方法。

Images