CN112422470B - 基于数据辅助下fbmc系统的信道阶数和信噪比估计 - Google Patents

Abstract

本发明请求保护一种基于数据辅助下FBMC系统的信道阶数和信噪比估计,属于信号处理技术领域。本文提出一种插入辅助数据序列构建代价函数的方法，该方法首先在发送端插入FBMC符号的部分序列构建序列前缀；然后利用此序列前缀的冗余性和信道记忆性构建联合极大几何均值(maximum geometric mean,MGM)的代价函数估计出信道阶数；最后估计出的信道阶数作为先验信息，利用序列的自相关算法估计信号功率，序列方差估计噪声方差，从而有效估计出信道的信噪比。在低信噪比下，对比最小描述准则算法(minumum length description,MDL)，MGM算法的估计精度更优于MDL算法，在实际工程中更有实际意义。

Description

基于数据辅助下FBMC系统的信道阶数和信噪比估计

技术领域

本发明涉及多载波通信信号处理，具体为一种基于数据辅助序列的FBMC系统的信道 阶数和信噪比估计方法。

背景技术

多载波调制技术作为通信系统中物理层的关键技术，正交频分复用(OrthogonalFrequency Division Multiplexing,OFDM)技术已广泛应用于4G/LTE。针对5G应用场景的提出，传统的 OFDM技术需要加入循环前缀来对抗多径衰落、对同步要求高、需要子载波间保持正交性 等缺陷，同步要求高阻碍了传输效率，限制了频谱使用的灵活性。因此，提出的滤波器组多 载波(Filter-bank Multi-carrier,FBMC)技术将取代OFDM技术成为物理层设计的关键技术。 FBMC-OQAM系统来满足低延时、高可靠和异步多址的应用需求。信噪比是评价信道质量 的重要参数，可应用于自适应调制编码、认知无线电、反馈辅助无线电资源管理等领域。

针对非协作通信应用背景下，OFDM系统的信噪比估计已经相对成熟，一类是基于辅 助数据估计信噪比，一般利用插入的帧头序列或者载波训练的序列实现信噪比估计；另一类 利用OFDM符号的循环前缀的相关性和前缀序列的代价函数实现信道阶数估计，从而有效 估计出信噪比。因此，开展对FBMC信号的参数估计和调制识别研究具有重要意义。

信道阶数盲估计作为信噪比估计的先验信息，只有精确估计出信道阶数，才能对信噪比 的估计有意义。文献(王东,赵加祥,喻丽红.低信噪比下非数据辅助的OFDM系统信道阶数 和噪声方差的估计[J].电子与信息学报,2016,38(02):276-281.)提出联合极大几何均值 (maximum geometric mean,MGM)的代价函数算法，在低信噪比下利用CP的冗余性和信道 记忆性估计精度显著；对于单输入多输出有限冲激响应信道，文献(崔波,刘璐,李翔宇,等. 基于均衡代价函数的信道阶数盲估计算法[J].电子学报,2015,43(12):2394-2401)提出一种归 一化最小二乘均衡的代价函数的拐点算法估计信道阶数，但是该算法复杂度较高。信道阶数 是估计信噪比的核心问题，在不需要噪声功率和阈值设定的背景下文献(Wang K,Zhang X D. Blind noise variance and SNR estimation for OFDM systemsbased on information theoretic criteria[J].Signal Process,2010,90(9):2766-2772 2010.)利用最小长度描述算法(minumum length description,MDL)，通过假设未知参数构建最小目标函数估计信道阶数，该方法在高 信噪比下是有效的，在低信噪比下，该方法性能不佳。

鉴于此，本发明利用MGM算法精确估计出信道阶数，然后利用辅助序列的相关性估计 信号功率和噪声方差，实现对FBMC信号的信噪比估计。

发明内容

本发明所要解决的技术问题，在低信噪比下，对FBMC信号的信道阶数和信噪比估计 存在研究缺陷，为弥补这一缺陷，本文提出一种构建数据辅助信息序列来对信道阶数和信噪 比的估计方法。该方法不需要其它额外的先验信息，只需精确估计出信道阶数，MDL算法 仅用了信道的相关性，MGM算法联合冗余性和信道记忆性构建代价函数，进而在低信噪比 下，提高了信道阶数估计精度的难题。

本发明解决上述技术问题而提出的技术方案的实施办法为：该方法在发送端插入FBMC 符号的部分序列当FBMC符号前缀，在接收端直接对FBMC信号做预处理，即同步、参数估计，利用前缀序列的冗余性和信道记忆性构建代价函数，精确估计出信道阶数，并且对前缀序列做差得到噪声方差，作自相关求出信号功率，由此估计出信噪比。

假设发送端具有N_s个子载波信号，第i个时域的第k个FBMC-OQAM符号可表示为

式中:每路信号经过QAM调制后用C_k,n表示，对应的第k个复数符号中第n个子载波的实部 和虚部为

和

两者错开传输相互独立，g(i)表示原型滤波器。

利用插入部分符号序列的思想，本文提出在FBMC符号前插入截取的后N_c个FBMC符号序列。设发送端的FBMC系统经过多径信道建立脉冲响应模型，每一路径对应的增益系 数为h_l(l＝0,1,…L-1)，最大时延时对应的抽头个数为L，即信道阶数。若接收端的FBMC 系统已经实现同步，则接收端第k个FBMC符号的前缀序列和有用符号信息可表示为

其中：N＝N_s+N_c，s_k(n)表示一个插入前缀序列后的FBMC符号，η(n)表示高斯白噪声， 满足η(n):

其符号模型如图1所示。

循环前缀的数据符号是FBMC符号中后N_c个采样点的复制，两者之间具有较强的相关 性，每一径的增益系数相同，即满足：

s_k(n)＝s_k(n+N_s),n∈[0,N_c) (3)

当信道阶数对应的最大时延大于循环前缀时延时，存在有用数据序列的干扰，破坏了循 环前缀的相关性，本文可以通过增加CP个数来抑制有用数据序列的干扰，却降低了通信系 统的频谱利用率，增加了计算复杂度，不利于系统硬件的开销。因此，本文仅考虑最大时延 小于循环前缀时延的情况。

在多径信道下，利用此特性分析每个符号采样点的时变自相关函数为

其中：τ为自相关函数的时延，τ∈[0,N)，*表示取符号共轭，E[·]表示数学期望，δ表示克罗内克函数。

当τ＝0时，有用符号的实部与虚部相互独立，仅存在实部、虚部和噪声的自相关函数， 互相关值均为零。设整个信道增益系数之和满足

由此可通过自相关函数

估计出发送端FBMC-OQAM信号的平均功率为

其中：

表示为接收信号估计的平均功率，设接收端截获的FBMC符号个数为K，估计的 噪声平均方差用

表示，对截取的K个符号取平均能降低随机噪声的影响。在时延τ＝0时， 自相关函数包含信号功率和噪声方差，还需要单独估计出噪声方差，才能估计出信号功率。

多径延迟导致CP中含有相邻序列的干扰和有用信息，定义差值序列Δy_k,CP(n)满足

其中：Δy_k,CP表示第k个符号循环前缀序列的差值，Δs_k(n)表示相邻序列干扰信息的差值为 Δs_k(n)＝s_k(n+N_s-l)-s_k-1(n+N-l)。当n∈[0,L-1]时，Δy_k,CP包含有用序列差和噪声差； 当n∈[L,N_c)时，CP序列的信息序列差相消为零，令Δη_k(n)＝η_k(n+N_s-l)-η_k(n-l)，满 足均值为零，方差为

且每个点相互独立。当n∈[L,N_c)时，仅存在噪声差信息，由此可估计的噪声方差满足

综上所述，首先要估计出信道阶数，才能准确估计出信号功率和噪声方差，构建信噪比 估计器。联合式(5)、(7)可估计出接收端信号的信噪比为

其中：ρ_τ＝0表示τ＝0时估计的信噪比，由此可见，有效的估计出信道阶数

是估计信噪比 的前提条件。

在低信噪比情况下，常规利用序列相关性的方法估计性能不佳，MGM算法联合序列的 冗余性和信道记忆性精确了信道阶数。通过最大化代价函数估计信道阶数

其中：MGM_CP(j)表示序列冗余性，MGM_h(j)表示信道记忆性，argmax[g]表示最大化。

根据式(4)得到辅助序列的自相关系数样本集

假设L＝j,j＝0,1,…,N_c-1成立时,构建样本集辅助函数

ξ(d)＝r_d+1/(N_c-j),j≤d≤N_c-1 (10)

其中方差：

根据信道记忆性的MGM为

式中α，α∈(0,5]为常量，随着α的增加，虚警概率和检测概率均下降，所以需要选择一个 合适的参数来调整信道阶数的估计性能。同理，根据式(6)可得到差值白噪声和相邻序列的 干扰，由此构造辅助函数

表示对截取的FBMC-OQAM符号数取平均。根据式(12)、(13)计算得到辅助函数的均值和方差为

其中：均值μ_Ψ,j＝J(j)/N_c-1，方差

联合式(11)-(14)可得基于辅助 序列的冗余性代价函数为

由此就能精确有效估计出信道阶数。

附图说明

图1表示多径信道下FBMC帧结构；

图2表示估计器算法流程框图；

图3表示信道阶数的正确估计概率；

图4表示信道阶数的归一化均方误差；

图5表示不同符号数对信噪比的估计偏差；

具体实施方式

以下结合附图和具体实例，对本发明的实施作进一步的描述。

图1为多径信道下，接收端FBMC的帧结构图。

图2所示为估计器算法流程框图，具体步骤如下：

(1)发送端设定循环前缀个数N_c，接收端截获的信号求时变自相关函数估计出有用符 号长度N_s，构建自相关系数样本集，组成辅助函数式(10)，同时求出时延为τ＝0时的平均 信号功率；

(2)接收端的信号延时N_s后求序列差得式(6)，构建辅助函数(11)和展示式(15)，然后 根据代价函数(9)估计出信道阶数

(3)利用步骤2)求的

代入式(7)计算出噪声方差，根据式(5)得到

(4)最后利用以上步骤估计出信噪比ρ_τ＝0。

图3和图4表明载波数目对信道阶数的正确估计概率和估计精度的影响。仿真条件：每 路子载波均采用128OQAM调制，重叠因子为4，符号个数取24个，采样频率为40MHz，采样率为1bit/chip，蒙特卡洛仿真次数取10⁴次。信道阶数为9径的多径模型，每径增益系数满足

且最大路径的时延小于循环前缀的间隔，信 噪比SNR＝-10～60dB，间隔5dB取值。

图3表明对

的正确估计概率曲线(probability of corrent detection,POCD)，图4运用归 一化均方误差(normalized mean squared error,NMSE)表明对

估计精度的性能对比，定义

由图可知，在信噪比为25dB时，MGM算法的POCD接近于98％， 然而MDL算法在信噪比为45dB时才达这个值，在低信噪比下MGM算法的估计性能明显优于MDL算法，在高信噪比下MDL算法估计的精度更加准确。

固定插入序列N_c＝16个数保持不变，通过改变载波数目对估计性能的影响。随着载波 数目的增加，估计性能相应的增加，MGM算法提升了10^-1的估计精度，MDL算法估计性能变化较小。由于子载波数目增加，导致采样点数目增加，利用信道记忆性提升了

的估计精度。

图5在不同符号个数下对FBMC-OQAM信号的信噪比估计影响。子载波数目为256，CP个数为16，FBMC符号个数分别取24和96个，取自相关时延为零。定义绝对信噪比估 计偏差为：

运用式(9)仿真结果如图所示，随着符号个数增大，估计 精度增加；在信噪比为0dB时，MGM算法的估计精度为0.5dB左右，MDL算法估计精度 为1.9dB左右，由此可见，MGM算法在低信噪比下估计性能优于MDL算法，在SNR>25dB 时，估计精度为0.1dB。由于增加的符号个数提升了样本数据集，减小了平均估计误差。

本发明通过对多径信道下FBMC帧符号的建模，首先对接收到的信号预处理，提取出 符号的前缀序列，然后利用前缀序列的冗余性和信道记忆性构建联合极大几何均值，精确估 计出信道阶数，最后利用前缀序列的自相关函数得到信号功率，序列差得到噪声方差，由此 可有效估计出信噪比。该方法相比MDL算法，在低信噪比下，MGM算法的估计精度更为 有效，以牺牲复杂度来提高估计精度，对多载波信号的信噪比估计精度提供良好的参考价值。

Claims (1)

1.一种基于数据辅助下FBMC系统的信道阶数和信噪比估计方法，其特征在于，所述方法具体步骤为：首先在发送端对FBMC符号插入导频序列来构建不同符号之间的相关性，导频序列的数据符号是FBMC符号中后N_c个采样点的复制；然后利用此序列前缀的冗余性和信道记忆性构建联合极大几何均值(maximum geometric mean,MGM)的代价函数估计出信道阶数，以下为具体步骤：

通过最大化代价函数估计信道阶数：

其中：MGM_CP(j)表示序列冗余性，MGM_h(j)表示信道记忆性，arg max[g]表示最大化；

根据每个符号采样点的时变自相关函数得到辅助序列的自相关系数样本集

假设L＝j，j＝0，1，…，N_c-1成立时，构建样本集辅助函数

ξ(d)＝r_d+1/(N_c-j)，j≤d≤N_c-1 (2)

其中方差为：

其中K为接收端截获的FBMC符号个数，其中：N＝N_s+N_c,N_s为发送端具有的子载波信号数量；

根据信道记忆性的MGM为

式中α，α∈(0，5]为常量，随着α的增加，虚警概率和检测概率均下降，所以需要选择一个合适的参数来调整信道阶数的估计性能；同理，根据差值序列可得到差值白噪声和相邻序列的干扰，由此构造辅助函数

Δy_k，CP表示第k个符号循环前缀序列的差值，

表示对所述差值取均值；

根据式(4)、(5)计算得到辅助函数的均值和方差为：

μ_Ψ，j＝J(j)/N_c-1，

联合式(3)-(6)可得基于辅助序列的冗余性代价函数为

由此估计出信道阶数。

Images