CN114024802A - 一种低复杂度的信道估计方法 - Google Patents

Abstract

本发明公开了一种低复杂度的信道估计方法，涉及无线通信技术领域，通过估计定时提前量TA，根据TA量进行滤波器系数修正，修正过程的计算量较小，不会造成信道估计过程中的计算负担，修正后的滤波器系数对导频的初始信道估计结果进行频域滤波，得到了信道估计的噪声功率值；本发明提供的一种低复杂度的信道估计方法，能够在不降低信道估计精度的同时，降低信道估计的计算量。

Description

一种低复杂度的信道估计方法

技术领域

本发明涉及无线通信技术领域，特别涉及一种低复杂度的信道估计方法。

背景技术

OFDM信号在无线衰落信道中传输，其幅度会发生衰减，相位也会发生偏移。为了在接收端解调时能够准确恢复出原始数据信息，需要在接收端进行信道估计。

根据处理域的不同，信道估计有时域和频域之分，在接收端FFT变换之后，提取目标用户的导频符号和本地导频共轭点乘后得到初始信道估计结果，时域信道估计方法需要将初始信道估计结果先进行IFFT变换到时域加窗进行降噪，然后将降噪后的结果做FFT转回频域，在频域完成均衡。而频域信道估计结果，对初始信道估计结果直接在频域进行滤波降噪。

对于OFDM系统，信道估计的一种简便高效的方法是频域信道估计方法，少一次IFFT和FFT，计算复杂度低，便于工程实现。对于频域信道估计方法，如果存在TA(TimingAdvance，定时提前量)时，尤其是TA较大时，现有技术一是将初始信道估计结果直接进行固定系数的频域滤波，用固定系数的频域滤波方法可能导致信号被滤除一部分，导致降低了信道估计结果的精度，导致信号功率偏低，噪声功率偏高，影响均衡结果，进而影响通信距离。现有技术二是首先将初始信道估计结果先进行TA补偿，然后再送入频域滤波器进行降噪，最后将降噪的结果把TA再添加上，增加了一次对初始信道估计结果的TA补偿和一次对降噪结果添加TA的过程。

基于此现有的问题，本申请提供了一种低复杂度的信道估计方法，通过估计定时提前量TA，根据TA量进行滤波器系数修正，修正后的滤波器系数对导频的初始信道估计结果进行频域滤波，得到了信道估计的噪声功率值，此方法能够在不降低信道估计精度的同时，降低信道估计的计算量。

发明内容

本发明的目的在于提供一种低复杂度的信道估计方法，通过估计定时提前量TA，根据TA量进行滤波器系数修正，修正后的滤波器系数对导频的初始信道估计结果进行频域滤波，得到了信道估计的噪声功率值，此方法能够在不降低信道估计精度的同时，降低信道估计的计算量。

本发明提供了一种低复杂度的信道估计方法，包括以下步骤：

采用快速傅里叶变换，将基站接收到的时域数据变换到频域，获得频域OFDM信号；

提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计；

根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA；

根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正；

根据修正后的滤波器系数，对导频的初始信道估计结果进行频域滤波，获得滤波后导频的信道估计结果；

获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值。

进一步地，所述采用快速傅里叶变换，将基站接收到的时域数据变换到频域，获得频域OFDM信号的步骤，包括：

基站接收时域数据；

对基站接收的时域数据执行去CP操作；

采用快速傅里叶变换，对去CP的时域数据进行FFT变换到频域，其中FFT点数记作N_FFT，取2的幂次方。

进一步地，还包括：

对初始信道估计结果H_LS(k)中前K_f/2个数据和后K_f/2个数据进行功率守恒操作，得到导频的初始信道估计结果

其中，K_f为滤波器阶数。

进一步地，所述提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计的步骤，包括：

选定目标用户；

设置目标用户的参数，所述目标参数包括：起始资源块RB和RB的数目；

根据目标用户的参数，提取目标用户对应的频域OFDM信号；

计算导频符号的初始信道估计结果H_LS(k)，初始信道估计结果表示为：

H_LS(k)＝RxPilot(k).*conj(LocalPilot(k)),k＝0,1,2,...,K-1

其中，RxPilot(k)表示接收到的导频频域OFDM信号，LocalPilot(k)表示本地导频频域OFDM信号，conj(x)表示对数据x取共轭。

进一步地，所述根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA的步骤，包括：

获取导频的初始信道估计结果；

将初始信道估计结果中的信道分成若干正交子信道；

将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输，获取同一OFDM符号上不同子载波之间的相位差

相位差

表示为：

其中，M表示估计相位差时的子载波间隔数目；conj(x)表示对x执行共轭操作，angle(x)表示对数据x执行求角度的操作，单位为弧度；

根据相位差φ求取定时提前量TA，其中TA表示为：

进一步地，所述根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正的步骤，包括：

根据定时提前量TA计算修正系数：

其中，K_f表示滤波器阶数，取偶数；k_f表示修正系数索引，取值k_f＝0,1,...,K_f，N_FFT表示FFT点数；

根据修正系数对滤波器的原始系数进行修正，得出新的滤波器系数：

Coeff_New(k_f)＝Coeff_init(k_f)·Coeff_Modified(k_f),k_f＝0,1,...,K_f

其中，Coeff_init(k_f)为原始滤波器系数，Coeff_New(k_f)为修正后的滤波器系数。

进一步地，所述获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值的步骤，包括：

根据滤波后导频的信道估计结果和导频的初始信道估计结果的差值，得到噪声序列，并计算噪声序列的噪声功率值；

根据修正后的滤波器系数，计算滤波器系数的时域结果；

根据滤波器系数的时域结果，获得噪声功率值的修正量；

根据噪声功率值的修正量修正噪声功率值，得到噪声功率的估计值。

与现有技术相比，本发明具有如下显著优点：

本发明提供了一种低复杂度的信道估计方法，通过估计定时提前量TA，根据TA量进行滤波器系数修正，修正过程的计算量较小，不会造成信道估计过程中的计算负担，修正后的滤波器系数对导频的初始信道估计结果进行频域滤波，得到了信道估计的噪声功率值；本发明提供的一种低复杂度的信道估计方法，能够在不降低信道估计精度的同时，降低信道估计的计算量。

附图说明

图1为本发明实施例提供的一种低复杂度的信道估计方法的估计流程图；

图2为本发明实施例提供的频域滤波器系数转到时域的功率图；

图3为本发明实施例提供的LS信道估计结果直接经过固定系数滤波器后转到时域的功率图；

图4为本发明实施例提供的LS信道估计结果直接经过系数修正滤波器后转到时域的功率图。

具体实施方式

下面结合本发明中的附图，对本发明实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

参照图1-图4，本发明提供了一种低复杂度的信道估计方法，包括以下步骤：

S1：采用快速傅里叶变换，将基站接收到的时域数据变换到频域，获得频域OFDM信号。

获得频域OFDM信号的步骤，包括：

基站接收时域数据；

对基站接收的时域数据执行去CP操作(Cyclic Prefix：循环移位)；

采用快速傅里叶变换，对去CP的时域数据进行FFT变换(fast Fouriertransform：快速傅里叶变换)到频域，其中FFT点数记作N_FFT，取2的幂次方。

S2：提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计。

选定目标用户；

设置目标用户的参数，所述目标参数包括：起始资源块RB(Resource Block)和RB的数目；

根据目标用户的参数，提取目标用户对应的频域OFDM信号；

计算初始信道估计结果H_LS(k)，H_LS(k)为行向量，初始信道估计结果表示为：

H_LS(k)＝RxPilot(k).*conj(LocalPilot(k)),k＝0,1,2,...,K-1

其中，RxPilot(k)表示接收到的导频频域OFDM信号，LocalPilot(k)表示本地导频频域OFDM信号，conj(x)表示对数据x取共轭。

S3：根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA(Timing Advance：定时提前量)。得到定时提前量TA的步骤包括：

获取导频的初始信道估计结果；

将初始信道估计结果中的信道分成若干正交子信道；

将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输，获取同一OFDM符号上不同子载波之间的相位差

相位差

表示为：

其中，M表示估计相位差时的子载波间隔数目；conj(x)表示对x执行共轭操作，angle(x)表示对数据x执行求角度的操作，单位为弧度；

根据相位差φ求取定时提前量TA，其中TA表示为：

S4：根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正，修正步骤包括：

根据定时提前量TA计算修正系数：

其中，K_f表示滤波器阶数，取偶数；k_f表示修正系数索引，取值k_f＝0,1,...,K_f，N_FFT表示FFT点数；

根据修正系数对滤波器的原始系数进行修正，得出新的滤波器系数：

Coeff_New(k_f)＝Coeff_init(k_f)·Coeff_Modified(k_f),k_f＝0,1,...,K_f

其中，Coeff_init(k_f)为原始滤波器系数，Coeff_New(k_f)为修正后的滤波器系数。

S5：根据修正后的滤波器系数，对导频的初始信道估计结果进行频域滤波，获得滤波后导频的信道估计结果，具体滤波过程见如下公式：

S6：获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值，得到噪声功率的估计值的步骤包括：

根据滤波后导频的信道估计结果和导频的初始信道估计结果的差值，得到噪声序列，并计算噪声序列的噪声功率值，其中，噪声序列为：

NoiseSeq(k)＝H_LS(k)-H_filter(k),k＝0,1,...,K-1

噪声功率值为：

根据修正后的滤波器系数，计算滤波器系数的时域结果：

Coeff_t(n)＝IFFT(Coeff,N_FFT),n＝0,1,...,N_FFT-1

其中IFFT(x,N_FFT)表示将x执行N_FFT点的IFFT操作；

根据滤波器系数的时域结果，获得噪声功率值的修正量：

根据噪声功率值的修正量修正噪声功率值，得到噪声功率的估计值P_n＝P_n,init+ΔP_n。

实施例1

S1：采用快速傅里叶变换，将基站接收到的时域数据变换到频域，获得频域OFDM信号。

S2：提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计，因为H_LS(k)开头和结束的K_f/2个数据滤波时会出现功率不守恒，为了保证功率守恒，对初始信道估计结果H_LS(k)中前K_f/2个数据和后K_f/2个数据进行功率守恒操作，得到导频的初始信道估计结果

其中，K_f为滤波器阶数；

S3：根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA。

S4：根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正。

S5：根据修正后的滤波器系数，对导频的初始信道估计结果进行频域滤波，获得滤波后导频的信道估计结果。

S6：获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值。

实施例2

以N_FFT＝512，目标用户的起始RB为10，RB数目为10为例，此时，K＝120。

步骤一：将接收到的时域数据，去CP(Cyclic Prefix：循环移位)，进行FFT变换(fast Fourier transform：快速傅里叶变换)到频域，根据起始RB(Resource Block：资源块)和RB数目提取目标用户的频域OFDM信号，计算导频符号的初始信道估计结果H_LS(k)，H_LS(k)为行向量；图1为该滤波器系数转到时域的功率图；

H_LS(k)＝RxPilot(k).*conj(LocalPilot(k)),k＝0,1,2,...,K-1

其中，RxPilot(k)表示接收到的导频频域OFDM信号，LocalPilot(k)表示本地导频频域OFDM信号，conj(x)表示对数据x执行取共轭的操作。

步骤二：利用导频的初始信道估计结果估计TA；

PhaseDiff＝H_LS(k'+M).*conj(H_LS(k')),k'＝0,1,2,...,N-M-1

其中，M表示估计相位差时的子载波间隔数目，建议取值为6；angle(x)表示对数据x执行求角度的操作，单位为弧度；

步骤三：利用TA值对滤波器系数进行更新；

其中，Coeff_init(k_f)为原始滤波器系数，取值为[0.0025 0.0148 0.0414 0.08020.1223 0.1550 0.1674 0.1550 0.1223 0.0802 0.0414 0.0148 0.0025]；

其中，K_f表示滤波器阶数，为偶数，取值为12；Coeff_New(k_f)为更新后的滤波器系数。

步骤四：用更新后的滤波器系数对初始信道估计结果进行频域滤波，得到滤波后的信道估计结果H_filter(k)：

步骤五：用滤波前和滤波后的信道估计结果估计噪声功率：

首先，计算噪声序列：

NoiseSeq(k)＝H_LS(k)-H_filter(k),k＝0,1,...,K-1

其次，计算初始噪声功率：

然后，计算频域滤波器系数的时域结果：

Coeff_t(n)＝ifft(Coeff,N_FFT),n＝0,1,...,N_FFT-1

接着，噪声功率修正量：

最后，得到修正后的噪声功率：

P_n＝P_n,init+ΔP_n。

其中，参照图2，TA＝30Ts对应的衰减是-3.0088dB，

参照图3，当TA＝30Ts时，LS(最小二乘法)信道估计结果直接经过固定系数的滤波器后转到时域的功率图，其中TA＝30Ts时，滤波前和滤波后的功率相差2.9880dB和图2中的-3.0088dB基本一致。蓝色线表示LS信道估计结果在滤波前的时域功率图；红色线表示LS信道估计结果在滤波后的时域功率图。

参照图4，当TA＝30Ts时，LS信道估计结果直接经过系数修正的滤波器后转到时域的功率图。蓝色线表示LS信道估计结果在滤波前的时域功率图；红色线表示LS信道估计结果在滤波后的时域功率图。

以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (7)

1.一种低复杂度的信道估计方法，其特征在于，包括以下步骤：

获得频域OFDM信号；

提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计；

根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA；

根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正；

根据修正后的滤波器系数，对导频的初始信道估计结果进行频域滤波，获得滤波后导频的信道估计结果；

获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值。

2.如权利要求1所述的一种低复杂度的信道估计方法，其特征在于，所述获得频域OFDM信号的步骤，包括：

基站接收时域数据；

对基站接收的时域数据执行去CP操作；

采用快速傅里叶变换，对去CP的时域数据进行FFT变换到频域，其中FFT点数记作N_FFT，取2的幂次方。

3.如权利要求1所述的一种低复杂度的信道估计方法，其特征在于，还包括：

对初始信道估计结果H_LS(k)中前K_f/2个数据和后K_f/2个数据进行功率守恒操作，得到导频的初始信道估计结果

其中，K_f为滤波器阶数。

4.如权利要求3所述的一种低复杂度的信道估计方法，其特征在于，所述提取目标用户的频域OFDM信号，对目标用户的频域OFDM信号进行导频的初始信道估计的步骤，包括：

选定目标用户；

设置目标用户的参数，所述目标参数包括：起始资源块RB和RB的数目；

根据目标用户的参数，提取目标用户对应的频域OFDM信号；

计算导频符号的初始信道估计结果H_LS(k)，初始信道估计结果表示为：

H_LS(k)＝RxPilot(k).*conj(LocalPilot(k)),k＝0,1,2,...,K-1

其中，RxPilot(k)表示接收到的导频频域OFDM信号，LocalPilot(k)表示本地导频频域OFDM信号，conj(x)表示对数据x取共轭。

5.如权利要求1所述的一种低复杂度的信道估计方法，其特征在于，所述根据导频的初始信道估计结果，获得同一OFDM符号上不同子载波之间的相位差，根据相位差计算得到定时提前量TA的步骤，包括：

获取导频的初始信道估计结果；

将初始信道估计结果中的信道分成若干正交子信道；

将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输，获取同一OFDM符号上不同子载波之间的相位差

相位差

表示为：

其中，M表示估计相位差时的子载波间隔数目；conj(x)表示对x执行共轭操作，angle(x)表示对数据x执行求角度的操作，单位为弧度；

根据相位差φ求取定时提前量TA，其中TA表示为：

6.如权利要求1所述的一种低复杂度的信道估计方法，其特征在于，所述根据定时提前量TA计算得到修正系数，按照修正系数对滤波器系数进行修正的步骤，包括：

根据定时提前量TA计算修正系数：

其中，K_f表示滤波器阶数，取偶数；k_f表示修正系数索引，取值k_f＝0,1,...,K_f，N_FFT表示FFT点数；

根据修正系数对滤波器的原始系数进行修正，得出新的滤波器系数：

Coeff_New(k_f)＝Coeff_init(k_f)·Coeff_Modified(k_f),k_f＝0,1,...,K_f

其中，Coeff_init(k_f)为原始滤波器系数，Coeff_New(k_f)为修正后的滤波器系数。

7.如权利要求1所述的一种低复杂度的信道估计方法，其特征在于，所述获取滤波的噪声功率值，根据修正后的滤波器系数，进行噪声功率值的修正，得到噪声功率的估计值的步骤，包括：

根据滤波后导频的信道估计结果和导频的初始信道估计结果的差值，得到噪声序列，并计算噪声序列的噪声功率值；

根据修正后的滤波器系数，计算滤波器系数的时域结果；

根据滤波器系数的时域结果，获得噪声功率值的修正量；

根据噪声功率值的修正量修正噪声功率值，得到噪声功率的估计值。

Images