CN114866383B - 一种无线分布式均衡通信方法、计算机系统、介质及程序 - Google Patents

Abstract

本发明涉及一种无线分布式均衡通信方法、计算机系统、介质及程序，属于无线通信领域。该方法利用多径信道下分布式MIMO‑OFDM信号与盲源分离理论中卷积混合信号类似的特点，利用卷积混合自源分离算法分离接收信号，去除多径影响，用最小二乘法均衡后得到发送信号。OFDM与分布式系统的结合可以解决小区通信死角的问题，提供更好的小区覆盖率，有效提高信道容量，使频谱利用率成倍提升，提高系统的可靠性并克服多径信道的影响，同时大大降低在多径环境下的接收机复杂度。

Description

一种无线分布式均衡通信方法、计算机系统、介质及程序

技术领域

本发明属于无线通信领域，涉及一种无线分布式均衡通信方法，尤其涉及分布式MIMO系统。

背景技术

分布式MIMO(Multiple Input Multiple Output)系统是指收发端天线分布式地放置于不同的地理位置的MIMO系统，相对于集中式MIMO系统，天线的分开放置使得分布式MIMO各条通信支路的相互影响较小，因此能够有更高的系统容量，可以灵活地放置于不同的地理位置，覆盖更广的小区范围甚至小区的盲点。正交频分复用(Orthogonal FrequencyDivision Multiplexing,OFDM)技术由于其子载波在时域和频域上正交，允许各子信道的频谱相互重叠，所以能更大限度地利用频谱资源，与分布式系统的结合可以有效提高信道容量，提高频谱利用率。与集中式MIMO-OFDM系统不同，分布式MIMO-OFDM系统的发送端和接收端之间具有多个频偏和时延及信道系数，因此，相比于传统的单一参数估计问题，分布式系统中的多参数估计问题更有难度。

目前的分布式均衡技术的算法大多都基于最大似然理论推导出的联合似然函数，通过多维搜索来得到估计值，但当收发端天线数增加时，存在待估参数维数高，复杂度高的问题，且在实际的通信系统中，导频往往难以获得，信道的多径效应比较严重，因此，研究一种能够运用到多径信道下的分布式MIMO多频偏多信道盲估计均衡算法具有重要的实际意义。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种无线分布式均衡通信方法。

技术方案

一种无线分布式均衡通信方法，其特征在于包括发射端和接收端两部分处理；

其中发射端处理分为以下步骤：

步骤1：用逆傅里叶变换将频域信号转换成时域信号，设发射端共有N_t个发射天线，接收端共有N_r个接收天线；

是q时刻第n根天线上的OFDM频域符号，子载波数为N，内层调制为正交相移键控QPSK调制，有/>

其中n＝1,2,…,N_t,q＝0,1,…则经过逆傅里叶变换后得到的时域信号/>

其中

1≤i≤N，q＝0,1,…

步骤2：在OFDM符号尾部加入N_g个0作为循环后缀，此时的时域信号的有效长度为M＝N+N_g；

步骤3：将时域信号

送入信道；

其中接收端处理分为以下步骤：

步骤4：接收时域信号，第m根接收天线上第q个离散时域OFDM符号块可以表示为：

其中m＝1,2,…,N_r,i＝1,2,…,M,q＝0,1,…f_m,n表示第n根发射天线到第m根接收天线间的归一化载波频偏，由于发射天线相互之间相距很远，认为拥有各自独立的频率振荡器，接收天线共享一个频率振荡器，则系统中只有发射天线数(N)个频偏，f_m,n可以简化为f_n；h_m,n(l)是第n根发射天线到第m根接收天线上的信道响应，路径数为L，这里认为频偏和信道在多个OFDM符号块内是不变的：τ_m,n为第n根发射天线到第m根接收天线上的时延：

为第m根接收天线上的复高斯白噪声，均值为0，方差为/>

为了更清楚地表示频偏，定义

则/>

可以进一步表示为：/>

写成矩阵形式，有：

y_q＝Hx′_q+w_q:q＝0,1,…，

其中

是N_rM×1维的接收信号矩阵，/>

为N_tN×1维的带有频偏的发送信号，/>

为N_rM×1维的噪声向量，H为一个N_rM×N_tN维的Toeplitz矩阵：

为方便后续的表示，定义P＝[h(0) h(1) … h(N_g)]^T，其中/>

步骤5：计算接收信号y_p的N_rM×N_rM维的自相关矩阵：

由于噪声是加性高斯噪声，且与信号独立，则/>

可以进一步表示为：

其中/>

是信号向量的N_tN×N_tN维的协方差矩阵；

步骤6：将其自相关函数进行特征值分解，即特征值分为两部分：

其各自对应的范数为1的特征向量分别张成信号子空间和噪声子空间，则可以分别表示为：/>

则自相关矩阵也可表示为：/>

步骤7：找到自相关矩阵

中特征值中r＝N_rM-N_tN个最小的特征值，并求得相应的特征向量g_k(k＝1,2,…,r)，构成噪声子空间；

步骤8：将N_rM×1维的g_k向量划分成：

其中/>

是N_r×1维的向量；

步骤9：将g_k组合成一个新的矩阵G′，

其中

步骤10：对G′进行特征值分解，求得N_t个最小的特征值，得到对应的特征向量

将得到的特征向量/>

按照步骤4的P和H的对应关系重新组合得到Toeplitz矩阵/>

步骤11：利用最小二乘法对接收信号进行均衡，可以得到

一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。

一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。

一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现上述的方法。

有益效果

本发明提出的一种无线分布式均衡通信方法，该方法利用多径信道下分布式MIMO-OFDM信号与盲源分离理论中卷积混合信号类似的特点，利用卷积混合自源分离算法分离接收信号，去除多径影响，用最小二乘法均衡后得到发送信号。有益效果体现在以下三个方面：

第一是算法复杂度显著降低，本发明避免了现有的基于最大似然理论的多维搜索得到估计值的方法，对于大数据量传输的系统，收发端天线数增加，待估参数维数显著增多时，可以显著降低计算复杂度；

第二是信道估计中不需要导频，这样相对于有导频的信道均衡方法，显著提升了系统的传输效率，且克服了在实际通信系统中导频往往难以获得这一难题；

第三是本发明是一种针对分布式MIMO-OFDM系统的均衡方法，OFDM与分布式系统的结合可以解决小区通信死角的问题，提供更好的小区覆盖率，有效提高信道容量，使频谱利用率成倍提升，提高系统的可靠性并克服多径信道的影响，同时大大降低在多径环境下的接收机复杂度。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明的流程框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1：

在发送端具体包括以下步骤：

设发射端共有5个发射天线，接收端共有5个接收天线，子载波数为128，内层调制为QPSK调制，符号块数N_s为600，噪声方差

采用6径多径信道(L＝6)。

步骤1：用逆傅里叶变换将频域信号转换成时域信号，频域信号可以表示为：

其中n＝1,2,…,5_t,q＝0,1,…则经过逆傅里叶变换后得到的时域信号/>

其中/>

1≤i≤128，q＝0,1,…

步骤2：在OFDM符号尾部加入8个0作为循环后缀，此时的时域信号的有效长度为M＝N+N_g＝136。

步骤3：将时域信号

送入信道。

接收端处理分为以下步骤：

步骤4：接收时域信号。考虑到载波偏移、多径衰落和噪声等影响，第m根接收天线上第q个离散时域OFDM符号块可以表示为：

其中m＝1,2,…,5,i＝1,2,…,136,q＝0,1,…f_m,n表示第n根发射天线到第m根接收天线间的归一化载波频偏(对子载波间隔进行归一化)，由于发射天线相互之间相距很远，认为拥有各自独立的频率振荡器，接收天线共享一个频率振荡器，则系统中只有发射天线数(N)个频偏，f_m,n可以简化为f_n。h_m,n(l)是第n根发射天线到第m根接收天线上的信道响应，路径数为L，这里认为频偏和信道在多个OFDM符号块内是不变的：τ_m,n为第n根发射天线到第m根接收天线上的时延：

为第m根接收天线上的复高斯白噪声，均值为0，方差为

为了更清楚地表示频偏，定义

则/>

可以进一步表示为：/>

写成矩阵形式，有：

y_q＝Hx′_q+w_q:q＝0,1,…，

其中

是680×1维的接收信号矩阵，/>

为640×1维的带有频偏的发送信号，/>

为680×1维的噪声向量，H为一个680×640维的Toeplitz矩阵：

为方便后续的表示，定义P＝[h(0) h(1) … h(8)]^T，其中

步骤5：计算接收信号y_p的680×680维的自相关矩阵：

由于噪声是加性高斯噪声，且与信号独立，则/>

可以进一步表示为：/>

其中/>

是信号向量的640×640维的协方差矩阵。

步骤6：将其自相关函数进行特征值分解，即特征值分为两部分：

其各自对应的范数为1的特征向量分别张成信号子空间和噪声子空间，则可以分别表示为：/>

则自相关矩阵也可表示为：

步骤7：找到自相关矩阵

中特征值中r＝40个最小的特征值，并求得相应的特征向量g_k(k＝1,2,…,40)，构成噪声子空间。

步骤8：将680×1维的g_k向量划分成：

其中/>

是5×1维的向量。

步骤9：将g_k组合成一个新的矩阵G′，

其中

步骤10：对G′进行特征值分解，求得5个最小的特征值，得到对应的特征向量

将得到的特征向量/>

按照步骤4的P和H的对应关系重新组合得到Toeplitz矩阵/>

步骤11：利用最小二乘法对接收信号进行均衡，可以得到

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种无线分布式均衡通信方法，其特征在于包括发射端和接收端两部分处理；

其中发射端处理分为以下步骤：

步骤1：用逆傅里叶变换将频域信号转换成时域信号，设发射端共有N_t个发射天线，接收端共有N_r个接收天线；

是q时刻第n根天线上的OFDM频域符号，子载波数为N，内层调制为正交相移键控QPSK调制，有/>

其中n＝1,2,…,N_t,q＝0,1,…N_q；则经过逆傅里叶变换后得到的时域信号/>

其中

步骤2：在OFDM符号尾部加入N_g个0作为循环后缀，此时的时域信号的有效长度为M＝N+N_g；

步骤3：将时域信号

送入信道；

其中接收端处理分为以下步骤：

步骤4：接收时域信号，第m根接收天线上第q个离散时域OFDM符号块可以表示为：

其中m＝1,2,…,N_r,i＝1,2,…,M,q＝0,1,…N_q，f_m,n表示第n根发射天线到第m根接收天线间的归一化载波频偏，由于发射天线相互之间相距很远，认为拥有各自独立的频率振荡器，接收天线共享一个频率振荡器，则系统中只有发射天线数个频偏，f_m,n可以简化为f_n；h_m,n(l)是第n根发射天线到第m根接收天线上的信道响应，路径数为L，这里认为频偏和信道在多个OFDM符号块内是不变的：τ_m,n为第n根发射天线到第m根接收天线上的时延：

为第m根接收天线上的复高斯白噪声，均值为0，方差为/>

为了更清楚地表示频偏，定义

则/>

可以进一步表示为：/>

写成矩阵形式，有：

y_q＝Hx′_q+w_q，q＝0,1,…N_q

其中

是N_rM×1维的接收信号矩阵，/>

为N_tN×1维的带有频偏的发送信号，/>

为N_rM×1维的噪声向量，H为一个N_rM×N_tN维的Toeplitz矩阵：

为方便后续的表示，定义P＝[h(0) h(1)…h(N_g)]^T，其中/>

步骤5：计算接收信号y_p的N_rM×N_rM维的自相关矩阵：

由于噪声是加性高斯噪声，且与信号独立，则/>

可以进一步表示为：/>

其中/>

是信号向量的N_tN×N_tN维的协方差矩阵；

步骤6：将其自相关函数进行特征值分解，即特征值分为两部分：

其各自对应的范数为1的特征向量分别张成信号子空间和噪声子空间，则可以分别表示为：/>

则自相关矩阵也可表示为：/>

步骤7：找到自相关矩阵

中特征值中r＝N_rM-N_tN个最小的特征值，并求得相应的特征向量g_k(k＝1,2,…,r)，构成噪声子空间；

步骤8：将N_rM×1维的g_k向量划分成：

其中/>

是N_r×1维的向量；

步骤9：将g_k组合成一个新的矩阵G′，

其中

步骤10：对G′进行特征值分解，求得N_t个最小的特征值，得到对应的特征向量

将得到的特征向量/>

按照步骤4的P和H的对应关系重新组合得到Toeplitz矩阵/>

步骤11：利用最小二乘法对接收信号进行均衡，可以得到

2.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。

3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被处理器执行时用于实现权利要求1所述的方法。

Images