CN112887232A - Nr中基于trs的pdp估计方法及系统 - Google Patents
Nr中基于trs的pdp估计方法及系统 Download PDFInfo
- Publication number
- CN112887232A CN112887232A CN202110077117.XA CN202110077117A CN112887232A CN 112887232 A CN112887232 A CN 112887232A CN 202110077117 A CN202110077117 A CN 202110077117A CN 112887232 A CN112887232 A CN 112887232A
- Authority
- CN
- China
- Prior art keywords
- estimation
- matrix
- module
- pdp
- multipath
- 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.)
- Granted
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Control Of Indicators Other Than Cathode Ray Tubes (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种NR中基于TRS的PDP估计方法及系统,涉及功率时延谱估计技术领域,该方法包括:步骤1:根据系统指示,获取频域信道估计值;步骤2:得到频域信道估计值后,再获取观测矩阵Π;步骤3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计;步骤4:通过步骤2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复步骤2和步骤3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终步骤4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。本发明能够提高PDP估计的精确性,且具有更强的鲁棒性,降低了复杂度。
Description
技术领域
本发明涉及功率时延谱估计技术领域,具体地,涉及一种NR中基于TRS的PDP估计方法及系统。
背景技术
在基于正交频分复用(OFDM)的NR下行通信中,信道状态信息的估计至关重要。
基于信道的稀疏特性,利用NR系统中全带宽分布的TRS信号,可以利用压缩感知算法估计出准确的信道功率时延谱,从而通过傅里叶变换获得频域相关性信息,用于频域滤波和频域信道估计,以优良的性能。
下面简述PDP与频域相关性之间关系。
PDP与频域相关性:
根据3GPP TS 38.101-4协议所示,NR信道在时域是抽头延迟线(TDL)模型,多径功率落在对应的采样点上。对于不同的采样率可以根据TR 38.901
中所示方式进行功率调整,使得多径功率落在采样点上。为不失一般性,我们令信道PDP表示为:
其中,N为总采样点数,Θ为多径位置集合,大小为L,表示仅有L个非0值,根据3GPPTS 38.101-4协议,在200M采样率时,有12个非0值。
那么频域相关性表示为:
在实际应用时,由于PDP无法直接通过观测获得,往往通过预设功率谱的方式来进行频域滤波和估计。当预设谱为矩形谱时,估计步骤如下:
将频域信道粗估计值通过IFFT转换得到时域值;
对时域值取绝对值,然后通过预设门限和snr等,进行搜索得到矩形窗的长度;
在将得到的矩形窗进行FFT变换得到频域相关性。
通过上述步骤可以看到其缺点主要在于:1、有预设门限等经验值,鲁棒性不强;2、窗长搜索复杂度很高;3、受非理想因素影响较大,在此情况下性能不太好。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种NR中基于TRS的PDP估计方法及系统,能够提高PDP估计的精确性,且具有更强的鲁棒性,降低了复杂度。
根据本发明提供的一种NR中基于TRS的PDP估计方法及系统,所述方案如下:
第一方面,提供了一种NR中基于TRS的PDP估计方法,所述方法包括:
步骤1:根据系统指示,获取频域信道估计值;
步骤2:得到频域信道估计值后,再获取观测矩阵Π;
步骤3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计;
步骤4:通过步骤2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复步骤2和步骤3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终步骤4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。
优选的,所述步骤1包括:
根据系统指示,产生本地导频序列,与接收到的导频序列作相关,得到频域信道估计Hls;
由于初始导频位置可能在子载波{0,1,2,3},需要对信道估计进行补偿,如下:
Hls=Hlsexp{j2πi/N},其中i是子载波偏移数。
优选的,所述步骤2包括:
NR系统中每个子载波间隔为30kHz,总子载波数为3276,每12个子载波称为1个rb,每个rb有三个trs导频,那么总导频数为819;压缩感知算法需要的观测数M一版为稀疏度K的4至6倍,信道多径数较小,选取M为50,其位置随机,且预先产生。
优选的,所述步骤3包括:
产生稀疏矩阵为1024点DFT矩阵,传感矩阵为对应位置不为0的M行所产生的矩阵;
选用合适的压缩感知算法,为了节省计算复杂度,使用gOMP算法,且令每次选择原子数为S;
估计得到的位置信息就是多径位置,对估计的幅度值取绝对值得到多径功率值。
优选的,所述步骤4包括:
如果选择观测矩阵次数为1,则跳过此步骤,否则在排除步骤2所选M个位置后,再剩下的位置中再次选取M个位置,进行步骤2和步骤3,得到另外一组估计值θ1,对得到的所有估计值平均,进一步提高估计的精确度。
第二方面,提供了一种NR中基于TRS的PDP估计系统,所述系统包括:
模块M1:根据系统指示,获取频域信道估计值;
模块M2:得到频域信道估计值后,再获取观测矩阵Π;
模块M3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计;
模块M4:通过模块M2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复模块M2和模块M3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终模块M4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。
优选的,所述模块M1包括:
根据系统指示,产生本地导频序列,与接收到的导频序列作相关,得到频域信道估计Hls;
由于初始导频位置可能在子载波{0,1,2,3},需要对信道估计进行补偿,如下:
Hls=Hlsexp{j2πi/N},其中i是子载波偏移数。
优选的,所述模块M2包括:
NR系统中每个子载波间隔为30kHz,总子载波数为3276,每12个子载波称为1个rb,每个rb有三个trs导频,那么总导频数为819;压缩感知算法需要的观测数M一版为稀疏度K的4至6倍,信道多径数较小,选取M为50,其位置随机,且预先产生。
优选的,所述模块M3包括:
产生稀疏矩阵为1024点DFT矩阵,传感矩阵为对应位置不为0的M行所产生的矩阵;
选用合适的压缩感知算法,为了节省计算复杂度,使用gOMP算法,且令每次选择原子数为S;
估计得到的位置信息就是多径位置,对估计的幅度值取绝对值得到多径功率值。
优选的,所述模块M4包括:
如果选择观测矩阵次数为1,则跳过此模块,否则在排除模块M2所选M个位置后,再剩下的位置中再次选取M个位置,进行模块M2和模块M3,得到另外一组估计值θ1,对得到的所有估计值平均,进一步提高估计的精确度。
与现有技术相比,本发明具有如下的有益效果:
1、本发明能够提高PDP估计的精确性;
2、增强PDP估计的鲁棒性;
3、降低窗长搜索复杂度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的方法流程图;
图2为本发明的具体实施图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种NR中基于TRS的PDP估计方法,利用压缩感知算法的PDP估计可以克服前述存在的缺点,压缩感知:
压缩感知的原理是存在信号Nx1维信号x,和Mx1维度的观测向量y,M<<N,满足:
y=Πx
其中,观测矩阵Π维度是M×N。x是非稀疏的,但是在变换域Φ是稀疏的,结合上式,可以表示为:
y=ΠΦθ=Aθ
其中,测量矩阵Φ维度是N×K,θ维度是k×1,那么传感矩阵A维度是M×K。
对于y=Πx来说通过y解出x是不定方程,未知数个数大于方程个数,无法得到唯一解,通过寻找合适的稀疏矩阵,得到y=Aθ,就可以得到准确的解。
参照图1和图2所示,首先,步骤1:根据系统指示,获取频域信道估计值,具体如下:
在NR下行TRS估计PDP过程中,根据系统指示,产生本地导频序列,与接收到的导频序列作相关,得到频域信道估计Hls,由于初始导频位置可能在子载波{0,1,2,3},需要对信道估计进行补偿,具体的:
Hls=Hlsexp{j2πi/N},其中i是子载波偏移数。
其次,步骤2:得到频域信道估计值后,再获取观测矩阵Π:NR系统中每个子载波间隔为30kHz,总子载波数为3276,每12个子载波称为1个rb,每个rb有三个trs导频,那么总导频数为819;压缩感知算法需要的观测数M一版为稀疏度K的4至6倍,信道多径数较小,选取M为50,其位置随机,可以根据re位置预先产生,产生一例如下{7,59,62,76,80,89,103,107,109,115,121,126,132,135,136,147,158,169,175,202,203,227,248,255,256,272,297,312,314,315,346,409,432,442,444,484,492,513,530,535,536,561,562,588,589,675,715,726,768,779}。
再次,步骤3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计。
产生稀疏矩阵为1024点DFT矩阵,传感矩阵为对应位置不为0的M行所产生的矩阵,选用合适的压缩感知算法,为了节省计算复杂度,使用gOMP算法,且令每次选择原子数S为3,gOMP实现方式简述如下:
2、计算传感矩阵每列和观测矩阵的内积,ε=<Ai,y>,1≤i≤N,选择最大的S个值;
3、将对应位置和向量加入到集合Γ和Ψ;
6、如果满足预设条件,则到7,否则返回2;
最后,估计得到的位置信息就是多径位置,对估计的幅度值取绝对值得到多径功率值。
最后,步骤4:通过步骤2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复步骤2和步骤3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终步骤4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。
如果选择观测矩阵次数为1,则跳过此步骤,否则在排除步骤2所选M个位置后,再剩下的位置中再次选取M个位置,进行步骤2和步骤3,得到另外一组估计值θ1,对得到的所有估计值平均,进一步提高估计的精确度。
本发明实施例提供了一种NR中基于TRS的PDP估计方法,该方法能够提高PDP估计的精确性,同时还能够增强PDP估计的鲁棒性,以及降低窗长搜索复杂度。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种NR中基于TRS的PDP估计方法,其特征在于,所述方法包括:
步骤1:根据系统指示,获取频域信道估计值;
步骤2:得到频域信道估计值后,再获取观测矩阵Π;
步骤3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计;
步骤4:通过步骤2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复步骤2和步骤3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终步骤4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。
2.根据权利要求1所述的方法,其特征在于,所述步骤1包括:
步骤1-1:根据系统指示,产生本地导频序列,与接收到的导频序列作相关,得到频域信道估计Hls;
步骤1-2:由于初始导频位置可能在子载波{0,1,2,3},需要对信道估计进行补偿,如下:
Hls=Hlsexp{j2πi/N},其中i是子载波偏移数。
3.根据权利要求1所述的方法,其特征在于,所述步骤2包括:
NR系统中每个子载波间隔为30kHz,总子载波数为3276,每12个子载波称为1个rb,每个rb有三个trs导频,那么总导频数为819;压缩感知算法需要的观测数M一版为稀疏度K的4至6倍,信道多径数较小,选取M为50,其位置随机,且预先产生。
4.根据权利要求1所述的方法,其特征在于,所述步骤3包括:
步骤3-1:产生稀疏矩阵为1024点DFT矩阵,传感矩阵为对应位置不为0的M行所产生的矩阵;
步骤3-2:选用合适的压缩感知算法,为了节省计算复杂度,使用gOMP算法,且令每次选择原子数为S;
步骤3-3:估计得到的位置信息就是多径位置,对估计的幅度值取绝对值得到多径功率值。
5.根据权利要求1所述的方法,其特征在于,所述步骤4包括:
如果选择观测矩阵次数为1,则跳过此步骤,否则在排除步骤2所选M个位置后,再剩下的位置中再次选取M个位置,进行步骤2和步骤3,得到另外一组估计值θ1,对得到的所有估计值平均,进一步提高估计的精确度。
6.一种NR中基于TRS的PDP估计系统,其特征在于,所述系统包括:
模块M1:根据系统指示,获取频域信道估计值;
模块M2:得到频域信道估计值后,再获取观测矩阵Π;
模块M3:用N维DFT矩阵作为稀疏矩阵,通过压缩感知算法得到具体的多径位置和多径功率,从而得到准确的PDP估计;
模块M4:通过模块M2所选取观测矩阵Π之后,其余的导频可以再次通过随机生成的方法得到观测矩阵Π,再一次重复模块M2和模块M3,得到PDP估计,并对两次估计结果平均,得到更好的估计结果;最终模块M4选取观测矩阵Π,来实现PDP估计次数视性能要求而定。
7.根据权利要求6所述的系统,其特征在于,所述模块M1包括:
根据系统指示,产生本地导频序列,与接收到的导频序列作相关,得到频域信道估计Hls;
由于初始导频位置可能在子载波{0,1,2,3},需要对信道估计进行补偿,如下:
Hls=Hlsexp{j2πi/N},其中i是子载波偏移数。
8.根据权利要求6所述的系统,其特征在于,所述模块M2包括:
NR系统中每个子载波间隔为30kHz,总子载波数为3276,每12个子载波称为1个rb,每个rb有三个trs导频,那么总导频数为819;压缩感知算法需要的观测数M一版为稀疏度K的4至6倍,信道多径数较小,选取M为50,其位置随机,且预先产生。
9.根据权利要求6所述的系统,其特征在于,所述模块M3包括:
产生稀疏矩阵为1024点DFT矩阵,传感矩阵为对应位置不为0的M行所产生的矩阵;
选用合适的压缩感知算法,为了节省计算复杂度,使用gOMP算法,且令每次选择原子数为S;
估计得到的位置信息就是多径位置,对估计的幅度值取绝对值得到多径功率值。
10.根据权利要求6所述的系统,其特征在于,所述模块M4包括:
如果选择观测矩阵次数为1,则跳过此模块,否则在排除模块M2所选M个位置后,再剩下的位置中再次选取M个位置,进行模块M2和模块M3,得到另外一组估计值θ1,对得到的所有估计值平均,进一步提高估计的精确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110077117.XA CN112887232B (zh) | 2021-01-20 | 2021-01-20 | Nr中基于trs的pdp估计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110077117.XA CN112887232B (zh) | 2021-01-20 | 2021-01-20 | Nr中基于trs的pdp估计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112887232A true CN112887232A (zh) | 2021-06-01 |
CN112887232B CN112887232B (zh) | 2022-09-13 |
Family
ID=76051130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110077117.XA Active CN112887232B (zh) | 2021-01-20 | 2021-01-20 | Nr中基于trs的pdp估计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887232B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101682588A (zh) * | 2007-03-27 | 2010-03-24 | 摩托罗拉公司 | 用于ofdm系统的信道估计器 |
CN107615834A (zh) * | 2015-06-05 | 2018-01-19 | 华为技术有限公司 | 自适应导频分配的系统和方法 |
CN111245752A (zh) * | 2020-01-13 | 2020-06-05 | 重庆邮电大学 | 一种基于压缩感知的低复杂度5g nr信道估计方法 |
-
2021
- 2021-01-20 CN CN202110077117.XA patent/CN112887232B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101682588A (zh) * | 2007-03-27 | 2010-03-24 | 摩托罗拉公司 | 用于ofdm系统的信道估计器 |
CN107615834A (zh) * | 2015-06-05 | 2018-01-19 | 华为技术有限公司 | 自适应导频分配的系统和方法 |
CN111245752A (zh) * | 2020-01-13 | 2020-06-05 | 重庆邮电大学 | 一种基于压缩感知的低复杂度5g nr信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112887232B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103780521B (zh) | 一种稀疏度自适应的ofdm系统信道估计方法 | |
CN102387115B (zh) | 一种ofdm导频方案设计及信道估计方法 | |
CN102204197B (zh) | Ofdm信道估计方法和设备 | |
CN101155157B (zh) | 基于变换域的信道估计结果处理方法与装置和接收机 | |
CN108512795B (zh) | 一种基于低精度adc的ofdm接收机基带处理方法和系统 | |
CN102055704B (zh) | 一种正交频分复用系统中进行噪声估计的方法及装置 | |
WO2010139234A1 (zh) | 最大多普勒频偏的估计方法和装置 | |
WO2017041495A1 (zh) | 一种频偏估计的方法及装置 | |
CN105024951A (zh) | 一种功率时延谱pdp估计方法及装置 | |
CN103873406A (zh) | 水声正交频分复用通信系统帧间干扰消除方法 | |
CN101299735B (zh) | 一种载波频率偏移估计的方法和系统 | |
CN103944852A (zh) | 一种基于压缩感知的冲激噪声估计与消除方法及装置 | |
CN103152294B (zh) | 基于信号消除进行噪声估计的方法及系统 | |
CN112887232B (zh) | Nr中基于trs的pdp估计方法及系统 | |
CN101043503B (zh) | 正交频分复用符号精同步的方法及其装置 | |
CN101505294A (zh) | 用于正交频分复用系统的同步方法及其同步装置 | |
WO2016150094A1 (zh) | 一种信道估计方法及装置、存储介质 | |
WO2017181352A1 (en) | Timing offset estimation in an ofdm-based system by sinr measurement | |
Uwaechia et al. | New pilot allocation design schemes for sparse channel estimation in OFDM system | |
CN106534028B (zh) | 基于压缩感知的ofdm信道跟踪方法 | |
CN103248591A (zh) | 基于频谱重心的粗频偏估计方法 | |
KR20100092597A (ko) | 파일롯 심볼들을 사용하는 직교 주파수 다중화 방식 시스템에서 주파수 오프셋을 추정하는 방법 | |
WO2017097077A1 (zh) | 一种数据处理的方法及装置 | |
WO2016119457A1 (zh) | 一种频偏估计方法及装置、计算机存储介质 | |
Liu et al. | Robust Preamble‐Based Timing Synchronization for OFDM Systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |