CN1124709C - 提高无线移动通信系统中信道估计精度的方法 - Google Patents

Abstract

本发明公开了一种提高无线移动通信系统信道估计精度的方法，该方法采用了对信道估计结果进行加门限判断的方法，通过选用固定门限或自适应门限，可以去掉信道估计窗内的纯噪声和被噪声淹没的幅值较小的信道估计采样值，提高通信系统信道估计的精度。同时由于采用的是加门限的方法，实现简单。

Description

提高无线移动通信系统信道估计精度的方法

本发明涉及无线移动通信系统的信道估计方法。

目前，在无线移动通信系统中，数据信号经过无线信道后，由于多径衰落和时延扩展的影响，接收到的信号波形发生歧变，即使信噪比很高，也不能正确恢复发射的信号，因此对接收信号要进行分集均衡等处理，这需要对信道进行估计判断。在现有的对无线移动通信系统信道估计的方法中，例如在TD-SCDMA(时分-同步码分多址)系统的信道估计方法中，见文献“应用联合检测技术的同步码分多址移动无线系统的上行链路的信道估计”，第四届个人、室内和移动无线通信系统国际会议，日本横滨，1993年9月8日-9月11日，第123-127页(Bernd Steiner and Peter Jung″Uplink Channel Estimation in Sychronous CDMA Mobile Radio Systems WithJoint Detection″，The fourth International Symposium on Personal，Indoor andMobile Radio Communications(PIMRC’93.)，Yokohama，Japan，September8-11，1993，PP.123-127)，采用了基于训练序列的信道估计方法，公开了最大似然的无偏信道估计方法和训练序列的生成方法。在现有文献中，对于信道估计窗长度的选取都是事先确定了的，由于要包容最严重的信道延迟扩展的情况，选取该估计窗长度时，都是尽量选得长一些。这样在信道估计过程中，会经常出现信道估计窗的长度大于实际信道冲击响应长度的情况，因此估计窗内的一些信道估计的采样值是纯噪声，另外一些信道估计的采样值则受到噪声的很大干扰，这时的信道估计可能具有较大的误差，用这样的信道估计值进行后面的数据检测，不可避免地影响检测性能，以致降低整个通信系统的性能。

针对上述现有技术存在的问题，本发明的目是提供一种实现简单的提高无线移动通信系统信道估计精度的方法。

为达到上述目的，本发明采用的技术方案是一种提高无线移动通信系统信道估计精度的方法，该方法是在信道估计中，对信道估计结果进行加门限判断，估计窗内至少保留一个信道估计采样。

上面所述门限为固定门限或自适应门限。

由于本发明采用了对信道估计结果进行加门限判断的方法，通过选用固定门限或自适应门限，可以去掉信道估计窗内的纯噪声和被噪声淹没的幅值较小的信道估计采样值，因此能够提高通信系统信道估计的精度。同时由于仅采用加门限的方法，实现简单。

下面结合附图和实施例对本发明作进一步详细的描述。

图1是TD-SCDMA系统包含信道估计的发送和接收链路示意图；

图2是TD-SCDMA系统发送的突发结构示意图；

图3是TD-SCDMA系统接收的突发结构示意图；

图4是信道估计采样的功率-延迟图；

图5是TD-SCDMA系统在步行环境下，采用加自适应门限方法对信道估计值进行处理的仿真结果图；

图6是TD-SCDMA系统在车载环境下，采用加自适应门限方法对信道估计值进行处理的仿真结果图；

首先结合TD-SCDMA系统对本发明的原理进行详细描述。

参考图1，图1给出了TD-SCDMA系统的一条包含三个用户的发送和接收链路示意图，图中描述的是系统的基带等效低通处理过程，实际中还要包括射频和中频部分，发端用户i(i＝1，2，3)发送的数据di经过衰落信道h(i)和高斯白噪声信道n后到达接收端，在接收端收到的信号是三个用户的信号的和，根据这个和信号首先对各信道进行联合估计得出h(1)，h(2)，h(3)，利用这些估计值和接收数据，可以检测出发端的信号d1，d2，d3。

接收信号是包含各用户信息的，对于每个用户的信息而言，受到各种干扰的影响，在移动通信环境下，多用户干扰和多址干扰是影响性能的两种主要干扰。为了去掉多用户干扰和多址干扰，需要对各用户的信道进行估计，之后利用信道估计值对接收数据进行处理，从而解出各用户数据信息，通常情况下，利用训练序列进行的信道估计可以通过求解由已知的训练序列和接收的信号向量组成的方程组来完成。

图2给出了TD-SCDMA系统的一种发送的突发结构，每个突发结构中包含二个数据块，长度为N个码片，和一个预先定义的训练序列midamble(中间导频码)，训练序列用于信道估计，如果训练序列在突发结构的中间，则称作midamble码，如果在前面则称作Preamble(前导频码)码。发射的突发信号经过基带，中频和射频处理后，经过无线信道传输后到达接收机。取传播信道脉冲响应的固定长度为W，由于码间串扰的影响，接收到的对应于midamble码的码片部分的头W-1个码片不能用于信道估计。接收突发结构如图3所示，接收端根据接收到的训练序列信号估计信道状况。

下面以TD-SCDMA系统的信道估计为例，说明用加门限的方法提高信道估计精度的原理。

假定系统中有K个无线用户，则所讨论的系统模型中即包括K个无线信道，假定其复值的脉冲响应为： $h^{\left(k\right)}={(h_1^{\left(k\right)},h_2^{\left(k\right)}...h_W^{\left(k\right)})}^T,k=1...k$ 其长度为W。将K个用户的信道响应写为向量形式：

       h＝(h^(1)T，h^(2)T...h^(K)T)^T未知信道系数的总共数目为：

          U＝KW第k用户的训练序列为： $m^{\left(k\right)}={(m_1^{\left(k\right)},m_2^{\left(k\right)}...m_{L+W-1}^{\left(k\right)})}^T,k=1...K$

由于假定信道冲激响应的长度为W，因此信道码间干扰起源于数据块中的数据符号的最后的W-1个元素，接收信号中的最初的W-1个抽样受训练序列的延时信号的影响，即存在码间干扰(ISI)，不做为信道估计的一部分。因此，每个训练序列的最初的W-1个元素的能量并不完全用于信道估计。由训练序列本身唯一确定的接收信号仅仅有L个元素。设实际的接收信号为：

             e＝(e₁，e₂...e_L)^T根据式 $m^{\left(k\right)}={(m_1^{\left(k\right)},m_2^{\left(k\right)}...m_{L+W-1}^{\left(k\right)})}^T,k=1...K$ 中的训练序列m^(k)，有L×W矩阵为： $G^{\left(k\right)}=\left(G_{\mathrm{ij}}^{\left(k\right)}\right),k=1...K$ $G_{\mathrm{ij}}^{\left(k\right)}=m_{W+i-j}^{\left(k\right)},i=1...L;j=1...W$ 而L×U阵G为：

    G＝(G⁽¹⁾，G⁽²⁾...G^(K))其零均值的可加平稳噪声为：

    n＝(n₁，n₂...n_L)^T从而接收信号表示为：

       e＝Gh+n

因而信道估计的问题实际上就相当与已知式e＝Gh+n中的G，e求出h的过程，其中的矩阵G是由各个用户的训练序列组成的矩阵，向量e是对应于训练序列部分的接收信号。

从前面的叙述我们可以得到以下事实，这同时也是目前一些信道估计算法的共同特征：

(1)利用训练序列进行信道估计是一个解矩阵方程的过程；

(2)欲求解的未知量的个数U＝KW要事先假定，即信道估计长度W值需要确定；

(3)长度为W的信道估计值用于后面的数据检测；

由于在接收端对信道的延迟扩展量是未知的，所以实际中为了尽可能适应大的信道延迟扩展的情况，通常W值尽量选取得大一些。但是另一方面的实际信道延迟扩展不是很大的情况下，信道估计长度无疑是选得长了，这时信道估计的后面几个采样值将是不包含信道信息的，只是噪声的采样。这种情形在实际中是经常出现的。另外，经过信道传播到达接收端后，一些本来包信息的采样也将被噪声淹没。

在信道估计值参与数据检测过程中，信道估计采样值中不包含信息的噪声采样值或被噪声淹没的采样值同样也要参与数据检测，这必然引起数据检测性能一定程度的下降。如果在信道估计中对估计结果进行判断，剔除噪声采样值，保留包含信息的信道估计值进行接下来的数据检测，将会避免这种情况出现，从而提高信道估计精度，进而提高通信系统的性能。

图4给出了实际仿真中的信道估计的一段采样值的功率-延迟图，横轴是时间延迟，纵轴是估计采样的功率值，每8个采样为估计窗中的一组估计值，对应于图2和图3中的一个数据突发，信道估计窗长度W取为8。其中幅值很小的采样就可能是噪声或者被噪声淹没的采样。

判断估计值是否有效的方法是加门限对估计值进行判断，因为噪声信道估计采样和有效信道估计采样的最大差别是前者的幅值要远小于后者的幅值。具体方法包括以下步骤：a、对信道估计窗内的信道估计值进行采样，得到采样直；b、根据噪声基底幅度或者根据噪声基底幅度和信道信噪比设置门限；c、根据步骤b设置的门限对步骤a得到的信道估计采样值进行判断，去掉信道估计窗内的纯噪声和被噪声淹没的幅值较小的信道估计采样值；其中上述方法估计窗内至少保留一个信道估计采样。

门限可以设成固定的，也可以是自适应的，当然自适应门限具有更强的鲁棒性(Robust)。如果是固定的门限，则要正确知道噪声基底的幅度，这需要对噪声进行测量，例如测量不包含信号的信道的输出幅度。利用该噪声基底的幅度，根据实际需要的信道估计精度设置门限。

自适应门限的设定需要根据噪声基底的变化，以及信噪比的变化，实时地选取不同的门限，具体方法为：首先测量或判断噪声基底的幅度以及信道的信噪比，利用测量或判断得到的该噪声基底的幅度和信道信噪比，实时地设置门限，去掉噪声采样或被噪声淹没的估计采样。这可以通过实时测量噪声基底来进行门限选择的判决，也可以利用信道估计采样值本身进行门限选择的判决。

下面结合TD-SCDMA系统，根据信道估计值设定自适应门限的方法，对本发明做进一步的说明。

参考图2，图2中给出了发射的TD-SCDMA的突发结构，其中包含有两个数据块和一个训练序列块，第一和第二部分数据块由中间的训练序列块隔开。假定选取固定信道的延时扩展为W个码片宽度。设置自适应门限的步骤如下：

1、根据得到的长度为W的信道估计值h^(k)＝(h₁，h₂...h_w)^T，根据各径幅度|hi|(其中i＝1，2，…W)的大小选出最小的采样值hmin，并计算估计窗估计采样值hi幅度的平均值 $\mathrm{mean}=\frac{1}{W}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\left|h_i\right|.$

2、计算以分贝表示的估计采样值平均值和最小采样值的差值Δ＝10·log(mean/|h_min|)，之后做出判断，

a.如果Δ＜η₁，则取mean/10^k1/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0。其中K1为常数，并且小于η₁。

b.如果η₁≤Δ＜η₂，则取mean/10^k2/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0。其中K2为常数，并且小于η₂。

c.如果η₂≤Δ，则取mean/10^k3/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0。其中K3为常数。

上面门限值小于均值，是为了确保估计采样的最大值被保留，而后面的分级设门限是为了适应系统实际工作中不同信噪比的情况，其中参数值η₁、η₂、k1、k2、k3的选取需要从仿真中得到。每次作出信道估计，都要进行上面的处理。

通过对上述方法进行仿真实验，实验的信道是瑞利衰落+加性高斯白噪声信道，测试环境是速度为3km/s的步行条件和速度为120km/s的车载条件，信道估计长度选为W＝8，仿真结果分别参考图5和图6，在图5和图6中，横坐标是信噪比，纵坐标是接收端的误码率，图中只给出工作点附近的仿真值(4-8dB)，其他点的情况也是一致的，图中实线表示是采用上面的加自适应门限后的结果，虚线则是估计采样值未进行处理的结果。可见，在不同输入信噪比条件下，误码率性能都有一定程度的提高。

本方法适用于通信环境较恶劣的移动通信系统中，如应用在市区车载移动台环境下。因此在移动通信系统中，如果需要对信道作出估计，那么采用对信道估计值做进一步处理，去掉噪声采样或被噪声淹没的采样的方法，可以降低信道估计偏差，提高系统接收信号的性能，从而改善通信质量。

Claims (6)

1、一种提高无线移动通信系统信道估计精度的方法，其特征在于：所述方法包括以下步骤：

a、对信道估计窗内的信道估计值进行采样，得到采样值；

b、根据噪声基底幅度或者根据噪声基底幅度和信道信噪比设置门限；

c、根据步骤b设置的门限对步骤a得到的信道估计采样值进行判断，去掉信道估计窗内的纯噪声和被噪声淹没的幅值较小的信道估计采样值；其中上述方法估计窗内至少保留一个信道估计采样。

2、根据权利要求1所述的提高无线移动通信系统信道估计精度的方法，其特征在于：所述门限为固定门限。

3、根据权利要求1所述的提高无线移动通信系统信道估计精度的方法，其特征在于：所述门限为自适应门限。

4、根据权利要求2所述的提高无线移动通信系统信道估计精度的方法，其特征在于，所述固定门限的设置方法为：首先测量噪声基底的幅度，利用该噪声基底的幅度，根据实际需要的信道估计精度设置门限。

5、根据权利要求3所述的提高无线移动通信系统信道估计精度的方法，其特征在于，所述自适应门限的设置方法为：首先测量或判断噪声基底的幅度以及信道的信噪比，利用测量或判断得到的该噪声基底的幅度和信道信噪比，实时地设置门限，去掉噪声采样或被噪声淹没的估计采样。

6、根据权利要求5所述的提高无线移动通信系统信道估计精度的方法，其特征在于，根据所述自适应门限的设置方法，自适应门限的设置步骤为：

(1)根据得到的长度为W的信道估计值h^(k)＝(h₁，h₂…h_w)^T，根据各径幅度|h_i|(其中i＝1，2，…W)的大小选出最小的采样值h_min，并计算估计窗估计采样值幅度的平均值 $\mathrm{mean}=\frac{1}{W}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\left|h_i\right|;$

(2)计算以分贝表示的估计采样值平均值和最小采样值的差值Δ＝10·log(mean/|h_min|)，之后做出判断，

a.如果Δ＜η₁，则取mean/10^k1/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0，其中K1为常数，并且小于η₁；

b.如果η₁≤Δ＜η₂，则取mean/10^k2/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0，其中K2为常数，并且小于η₂；

c.如果η₂≤Δ，则取mean/10^k3/10作为门限，选择幅度高于门限的采样值，低于门限的采样值取为0，其中K3为常数；

上面门限值小于均值，参数k1、k2、k3表示以分贝为单位的门限系数，η₁、η₂是用来设置分级门限的两个界，五个参数的选取需要从仿真中得到。

Images