CN1115888C - 自适应格型加权信道估计方法 - Google Patents

Abstract

本发明涉及一种自适应格型加权信道估计方法，对陆地无线传输信道增益进行估计。包括：对当前时隙作前向均衡，获得正向的自适应信道估计值；对同一当前时隙作反向均衡，获得反向的自适应信道估计值；对正向的自适应信道估计值和反向的自适应信道估计值进行格型加权处理，获得最终的信道增益估计值。本方法利用判决反馈法估计出导频信道，再对数据业务信道利用相干检测和自适应算法跟踪，是一种合并判决反馈、自适应线性预测、格型加权法的方案。

Description

自适应格型加权信道估计方法

技术领域

本发明涉及一种无线通信接收技术，更确切地说是涉及一种公共陆地移动通信系统接收机中的信道估计技术。

背景技术

在第三代数字无线通信系统的接收机中，导频信道的导频信息及数据信道的数据信息是信道估计的两个可用信息，从而形成基于间断导频信道的三种信道估计方式：纯粹利用导频信息来估计信道；纯粹利用数据信息来估计信道；联合利用导频信息和数据信息来估计信道。

对于第一种纯粹利用导频信息来估计信道的方式，目前已经提出的方法包括：MMSE(最小均方误差)算法、LMS(最小均方)算法、RLS(递归最小二乘)算法、Wiener滤波法、Kalman滤波法、一阶线性滤波法、一阶非线性滤波法、高斯插值法、Sigmoid插值法(一种非线性滤波法)及加权多时隙滤波法(WMSA)，这些方法都是只利用导频信息进行信道估计，有计算速度快的优点，但对有严重衰减的信道很难作出正确的估计。

对于第二种纯粹利用数据信息来估计信道的方式，由于不利用导频信息，属于盲估计，从目前的研究情况看还有许多缺陷，包括运算量大，延迟大，性能得不到保证等，至少目前阶段还不能完全得到应用。

对于第三种利用导频信息和数据信息联合估计信道的方式，也是目前研究的主要方向，又可分为两大类方法：一类是直接估计出数据信道；另一类是在估计信道的同时还恢复出码源(符号)序列，即在信道估计的同时实现均衡。

其中，第一类直接估计出数据信道的方法包括有：半盲信道估计方法、MUSIC.ESPRIT子空间跟踪信道方法、PASTd算法、Kalman滤波法及简单的神经网络法等，这些方法在运算速度及性能上还有待作进一步的验证，还未达到实用化程度。

第二类在信道估计的同时实现均衡的方法，包括采用判决反馈与信道跟踪的自适应信道跟踪法，该方法的突出缺点是：由于采用最近邻准则作判决，一旦判决结果不正确，接下来的信道估计就会出现误差，这样在判决下一个符号时，容易导致误差累加。

综上所述，在信道估计技术领域中，纯粹的使用导频信息(符号)对信道(业务信道)的参数进行估计缺乏即时性，而信道随时空变化，尤其在移动台高速运动时就无法精确估计信道；纯粹的盲估计是无法应用的。总的来说，传统的线性插值法、低阶高斯插值法、Wiener滤波法(见参考文献[1]J.K.Cavers.“An analysis of pilot symbol assisted modulation for Rayleigh fadingchannels.″IEEE Trans.Veh.Technol.，vol.VT-42，pp.689-693，Nov.1991.；[2]F.Ling，“Coherent detection with reference-symbol basedestimation for direct sequence CDMA uplink communications，″Proc.VTC′93pp.400-403，New Jersey，USA，May 1993.)以及加权多时隙均衡(wMSA)插值法(见参考文献[3]H.Andoh，M.Sawahashi，and F.Adachi，“Channelestimaion filter using time-multiplexed pilot channel for coherent rakecombining in DS-CDMA mobile radio，″IEICE Trans.Commun.，vol.E81-B，NO.7July 1998.；[4]Sadayuki ABETA，Mamoru SAWAHASHI，and Fumiyuki ADACHI“Performance Comparison Between Time-Multiplesed Pilot Channel andParallel Pilot Channel for Cohernt Rake Combining in DS-CDMA MobileRadio”IEICE TRANS.COMMUN.，VOL.E81-B，NO.7，JULY 1998.)等，它们共同的基本特点是可采用简单的线性处理方法，它们共同的缺点是要求通信系统中移动台的移动速度不能太快，一般应小于100公里/小时，由于信道随时空变化，当移动台的移动速度太快，如大于200公里/小时时，信道将出现深衰减，或者出现非线性变化，就无法精确估计信道值，因此上述方法是存在较大缺陷的。

如，Wiener滤波需要知道衰落信道的统计特性，实际上很难也无法得到，而且，蜂窝无线通信系统链路中有快速功率控制，信道的统计特性无法保持，所以Wiener滤波无法实际应用。而就另三种插值技术而言，当插值的个数较多时，误差较大；当信噪比较低时，移动台高速移动引起较大的多普勒频移时，就无法准确估计，误码率较高。

发明内容

本发明的目的是设计一种自适应格型加权信道估计方法，是隶属于第三种利用导频信息和数据信息联合估计信道的方法，通过采用跟踪和自适应加权技术，来跟踪并适应信道的变化，尽量减小误差，以便更准确地估计出信道参数，使接收机解调出的业务数据更准确。

本发明的目的是这样实现的：一种自适应格型加权信道估计方法，其特征在于包括：

A.对当前时隙作前向均衡，获得正向的自适应信道估计值；

B.对同一当前时隙作反向均衡，获得反向的自适应信道估计值；

C.对正向的自适应信道估计值和反向的自适应信道估计值进行格型加权处理，获得最终的信道增益估计值。

所述的对当前时隙作前向均衡是使用判决反馈和自适应最小均方LMS算法，先正向对业务信道值进行估计，得到全部L条传播路径当前时隙的正向的自适应信道估计值，L为正整数。

所述步骤A的对当前时隙作前向均衡进一步包括以下步骤：①.将当前时隙导频符号的均值取为初始业务信道增益值；②.预测初始业务信道增益值的下一个信道增益值，为初始业务信道增益值乘预测系数向量；③.用预测的信道增益值对业务数据作瑞克Rake合并，得到初步估计的业务信道的数据符号；④.用检测到的数据符号重新给出该传播路径的业务信道估计；⑤.校正预测系数向量；⑥.对信道估计值作低通滤波；⑦.连续执行步骤②至步骤⑦，直至当前时隙的业务信道值全部估计完毕。

所述的重复执行步骤②至步骤⑦共有ND次，ND为业务信道的符号个数。

所述的估计业务信道的数据符号，包括先对L条传播路径的同一数据符号进行最大比合并，得到当前接收信号的数据符号软估计值，再使用最近邻判决准则获得检测到的符号，L为正整数。

所述的用检测到的符号重新给出各传播路径的信道估计，是对判决结果采取阀值技术；当判决结果小于设定的阀值时则作修正，修正为当前径接收信号与瑞克Rake合并预测后的信号值之比；当判决结果大于或等于设定的阀值时则不作修正。

所述的校正预测系数向量是采用自适应最小均方LMS算法进行的。

所述的对信道估计值作低通滤波是使用低通滤波器对信道增益的估计值进行平滑处理。

所述的使用低通滤波器对信道增益的估计值进行平滑处理，是将估计值左右的若干连续值求平均后作为当前信道增益的估计值。

所述的对同一当前时隙作反向均衡，是将当前时隙的业务数据接收符号按时间顺序颠倒排列，并将当前时隙的下一时隙的导频数据符号放置在当前时隙的业务数据符号前面作为当前信道增益的初始估计值，并按所述的对当前时隙作前向均衡的方法获得反向的自适应信道估计值。

本发明的自适应格型加权信道估计方法，是一种针对频率选择性衰减信道而作出的新颖的信道估计方法(可简称ALWA算法)。该方法的基本思想是：对间断导频序列，利用判决反馈方法估计出导频信道；对数据业务信道，利用相干检测和自适应最小均方(LMS)算法来跟踪导频信道。所以，本发明的方法是一种合并了判决反馈法、自适应线性预测法和格型加权方法的方法。

本发明的自适应格型加权信道估计方法，是一种针对频率选择性信道的自适应格型加权估计方法，与传统的加权多时隙估计方法(WMSA)的本质区别是还涉及了频率选择性信道上的自适应信道估计，且采用的是双向自适应估计，并对结果作加权处理。试验表明，在移动通信环境很恶劣的情况下，采用本发明的方法仍然能保证较低的误码率，通过仿真，与传统的加权多时隙估计方法(WMSA)比较，有明显的技术效果。

附图说明

图1是无线通信系统中接收信号的时分导频信道结构示意图；

图2是无线通信系统中包括信道估计模块的Rake接收机结构示意图；

图3是本发明信道增益估计方法的执行示意图；

图4是移动台在各种移动速度下，本发明方法与传统加权多时隙方法的比特误码(误码率BER)性能比较示意图；

图5是在各种信噪比环境下，本发明方法与传统加权多时隙方法的比特误码(误码率BER)性能比较示意图。

具体实施方式

下面结合实施例及附图进一步说明本发明的方法。

参见图1，图中示意出陆地移动通信系统Rake接收机中的一项关键技术，是接收信号的时分导频信道结构。

帧(Frame)结构是由通信协议定义的，包括每帧的时间长和每帧的时隙(Slot)数，每个时隙包含有导频符号(pilot Symbols)信息和数据符号(DataSymbols)，可分别用Np个导频符号和Nd个数据符号来表示，若将每个符号的持续时间用T表示，则时隙长T_slot可表示为：

                 T_slot＝(Np+Nd)T……公式(1)

参见图2，Rake接收机接收的是来自L条传播路径的多径信号(经多径衰落信道)，经接收滤波器后，通过多径时延模块1对准当前传播路径的接收信号，该接收信号r(t)可表示为： $r\left(t\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\ζ}}_l\left(t\right)s(t-{\mathrm{\τ}}_l)+Q\left(t\right)$ ……公式(2)

式中L是传播路径数，Q(t)是包括多径干扰(MAI)在内的背景噪声，噪声的单边功率谱为N₀，ζ₁(t)和τ₁分别为第1径的复值信道增益和时延，s(t)是传送的基带信号。

由于不同传播路径对应有不同的延时，应由L个延时器分别对L径信号进行延时。该传播路径对准后的接收信号通过解扩器2进行相关解扩，在第1径、第n时隙、第m个符号位置上的接收信号r(l，m，n)可表示为： $r_l(l,m,n)=\frac{1}{T}{\∫}_{\mathrm{mT}+\mathrm{nTsslot}+\mathrm{\τl}}^{(m+1)T+\mathrm{nTslot}+\mathrm{\τl}}{r}_l\left(t\right)g(t-{\mathrm{\τ}}_l)\mathrm{dt}$ $=\sqrt{2s}\mathrm{\ζ}(l,m,n)\exp \left[j{\mathrm{\φ}}_p(m,n)\right]+w(l,m,n)$ ……公式(3)

式中的w(l，m，n)为噪声。

由于时分导频信道包括了导频符号和业务数据符号，需由信号分离模块3对信号进行分离，分离出的导频信号进入信道估计模块4，分离出的业务信号进入相干解调模块5进行相位补偿。

在信道估计模块4中，对输入的导频信号和经解调反馈的导频信号，采用本发明的双向格型加权自适应方法得到信道估计值，并提供给相干解调模块5进行相位补偿。

结合参见图3，通过三大步骤详细说明本发明的方法，即信道估计模块4的信道增益估计过程。

第一大步骤：首先使用判决反馈和自适应最小均方(LMS)算法，前(正)向对业务信道值进行估计，如图3中的“前向均衡”所示，包括：

第一步，将初始业务信道增益取为当前时隙(i)导频符号“训练(i)”的平均值；

第二步，预测下一个信道增益值，为初始业务信道增益值乘上预测系数向量，用公式表示为： $\hat{C}k=\stackrel{\→}{b}{\left(k\right)}^H\stackrel{\→}{C}\left(k\right)$ ……公式(5)

式中，

为预测系数向量， 为初始业务信道增益值(当前时隙导频符号的均值)；

第三步，估计业务信道的数据符号，先对L传播路径的同一数据符号进行最大比合并(MRC)，得到当前接收的数据符号软估计值，表示为： ${\hat{x}}_k={\mathrm{\Σ}}_l^L{y}_k{\hat{c}}_k^H$

式中y_k是当前路径的第k个接收信号，然后再使用最近邻判决准则，检测出第k个接收信号的符号，表示为： ${\stackrel{\‾}{x}}_k=\arg \min |\underset{\mathrm{xk}\∈D}{{\hat{x}}_k}-x_k|$ ……公式(6)

式中，D是调制复值低通信号发射时的取值集合；

第四步，用检测到的符号 x_k，重新给出各传播路径的业务信道估计y_k/ x_k，对判决的结果采取阀值技术：

若 $|{\hat{c}}_k-y_k/{\stackrel{\&OverBar;}{x}}_k|<\mathrm{\&beta;},$ ，则 ${\tilde{c}}_k=y_k/{\stackrel{\&OverBar;}{x}}_k$

若 $|{\hat{c}}_k-y_k/{\stackrel{\&OverBar;}{x}}_k|\&GreaterEqual;\mathrm{\&beta;},$ 则 ${\tilde{c}}_k={\hat{c}}_k;$

第五步，采用常规的自适应LMS算法校正预测系数向量 ，表示为： $\stackrel{\&RightArrow;}{b}(k+1)=\stackrel{\&RightArrow;}{b}\left(k\right)+u({\tilde{c}}_k-{\hat{c}}_k)*\stackrel{\&RightArrow;}{c}\left(k\right)$ ……公式(7)

第六步，对信道增益的估计值进行低通滤波，由于信道前后的相关性，以及抑制噪声的必要性，还用阶为2K+1(K为整数，2K+1为平滑的符号个数)的低通滤波器进行信号平滑，即对信道增益估计值左右的若干连续值求平均，作为当前的信道增益估计值，平滑后的信道增益的估计可表示为： ${\stackrel{\&OverBar;}{c}}_k={\mathrm{\&Sigma;}}_{i=-K}^K{h}_i{\tilde{c}}_{k-i}$

式中，h_i是低通滤波器的2K+1个抽头系数；

第七步，返回第二步执行，直至该当前时隙业务信道的信道值(全部符号)估计完毕，得到该径该时隙的正向的自适应信道估计值，记为： ${\hat{c}}_f(l,m,n)$ 。

第二大步骤：然后将该当前时隙(i)的业务信道接收符号按时间顺序颠倒排列，并将该当前时隙的下一时隙(i+1)的导频信道符号“训练(i+1)”放置在经颠倒排列后的业务数据符号前面作为当前时隙(i)的导频(即当前初始信道增益估计值)，重复第一大步骤中的各步，如图3中的“反向均衡”所示，得到该当前时隙(i)反向均衡获得的信道增益值，记为： ${\hat{c}}_b(l,m,n)$ 。

第三大步骤：最后，对正向自适应获得的信道估计增益值与反向自适应获得的信道估计增益值按常规格型加权方法进行处理，得到最终的信道增益估计值，表示为： $\mathrm{\&zeta;}(l,m,n)=a_f{\hat{c}}_f(l,m,n)+a_b{\hat{c}}_b(l,m,n)$ ……公式(8)

继续参见图2，信道估计模块4输出的信号在相干解调模块5中对数据信号作相位补偿，再提供给RAKE多径合并模块6与其它径信号作多径合并(即RAKE接收机中有L组分别针对L径的模块1至5)，合并后的信号表示为： $\stackrel{\&OverBar;}{d}(l,m,n)={\mathrm{\&Sigma;}}_{l=0}^{L-1}r(l,m,n)\mathrm{\&zeta;}*(l,m,n)$ ……公式(4)

判决模块7对能量合并后的多径(L径)信号进行判决，判决结果提供给反交织与信道译码模块8(按前述公式6，由去交织器、软判决Viterbi解码器完成)，进行反交织和信道译码，恢复出原始发射信号。

本发明涉及的是频率选择性信道上的自适应格型加权方法，与传统方法的本质区别是实现了频率选择性信道上的自适应信道估计，且采用的是双向自适应估计，并将对应的结果作加权处理，实验表明，本发明方法的效果是明显的。

采用本发明方法的突出特点是：在移动通信环境很恶劣的情况下仍然能保持较低的误码率(BER)。

参见图4，横轴表示移动台的移动速度(公里/小时)，纵轴表示误码率(BER)。在相同信噪比(扩频后SNR＝6dB，若扩频因子为256，相当于扩频到-18dB)的条件下，当移动台高速移动时(100公里/小时以上)采用传统的加权多时隙均衡方法WMSA测得的误码率曲线(图中用虚线表示)，与采用本发明方法ALWA测得的误码率曲线(图中用实线表示)相比较，前者的误码率随速度提高急剧上升，而后者的误码率则变化较缓慢。

参见图5，横轴表示信噪比(SNR)，纵轴表示误码率(BER)。移动台在相同的移动速度(300公里/小时)下，满足各种信噪比(移动环境中SNR一般为1-8dB)时，采用传统的加权多时隙均衡方法WMSA测得的误码率曲线(图中用虚线表示)，与采用本发明方法ALWA测得的误码率曲线(图中用实线表示)相比较，前者的误码率大大高于后者的误码率。

因此，本发明的方法更适用于通信环境比较恶劣的移动通信系统中，如车载移动台环境下。若在第三代移动通信系统中使用，可有利于提高系统接收信号的性能，从而改善通信质量。

Claims (10)

1.一种自适应格型加权信道估计方法，其特征在于包括：

A.对当前时隙作前向均衡，获得正向的自适应信道估计值；

B.对同一当前时隙作反向均衡，获得反向的自适应信道估计值；

C.对正向的自适应信道估计值和反向的自适应信道估计值进行格型加权处理。

2.根据权利要求1所述的一种自适应格型加权信道估计方法，其特征在于：所述的对当前时隙作前向均衡是使用判决反馈和自适应最小均方LMS算法，先正向对业务信道值进行估计，得到全部L条传播路径当前时隙的正向的自适应信道估计值，L为正整数。

3.根据权利要求1或2所述的一种自适应格型加权信道估计方法，其特征在于：所述步骤A的对当前时隙作前向均衡进一步包括以下步骤：①.将当前时隙导频符号的均值取为初始业务信道增益值；②.预测初始业务信道增益值的下一个信道增益值，为初始业务信道增益值乘预测系数向量；③.用预测的信道增益值对业务数据作瑞克Rake合并，得到初步估计的业务信道的数据符号；④.用检测到的数据符号重新给出该传播路径的业务信道估计；⑤.校正预测系数向量；⑥.对信道估计值作低通滤波；⑦.连续执行步骤②至步骤⑦，直至当前时隙的业务信道值全部估计完毕。

4.根据权利要求3所述的一种自适应格型加权信道估计方法，其特征在于：所述的重复执行步骤②至步骤⑦共有ND次，ND为业务信道的符号个数。

5.根据权利要求3所述的一种自适应格型加权信道估计方法，其特征在于；所述的估计业务信道的数据符号，包括先对L条传播路径的同一数据符号进行最大比合并，得到当前接收信号的数据符号软估计值，再使用最近邻判决准则获得检测到的符号，L为正整数。

6.根据权利要求3所述的一种自适应格型加权信道估计方法，其特征在于：所述的用检测到的符号重新给出各传播路径的信道估计，是对判决结果采取阀值技术；当判决结果小于设定的阀值时则作修正，修正为当前路径接收信号与瑞克Rake合并预测后的信号值之比；当判决结果大于或等于设定的阀值时则不作修正。

7.根据权利要求3所述的一种自适应格型加权信道估计方法，其特征在于：所述的校正预测系数向量是采用自适应最小均方LMS算法进行的。

8.根据权利要求3所述的一种自适应格型加权信道估计方法，其特征在于：所述的对信道估计值作低通滤波是使用低通滤波器对信道增益的估计值进行平滑处理。

9.根据权利要求8所述的一种自适应格型加权信道估计方法，其特征在于：所述的使用低通滤波器对信道增益的估计值进行平滑处理，是将估计值左右的若干连续值求平均后作为当前信道增益的估计值。

10.根据权利要求1所述的一种自适应格型加权信道估计方法，其特征在于：所述的对同一当前时隙作反向均衡，是将当前时隙的业务数据接收符号按时间顺序颠倒排列，并将当前时隙的下一时隙的导频数据符号放置在当前时隙的业务数据符号前面作为当前信道增益的初始估计值，并按所述的对当前时隙作前向均衡的方法获得反向的自适应信道估计值。

Images