CN115022135B - 基于AmBC的双选信道LMMSE估计及ML检测方法 - Google Patents

基于AmBC的双选信道LMMSE估计及ML检测方法 Download PDF

Info

Publication number
CN115022135B
CN115022135B CN202210836781.2A CN202210836781A CN115022135B CN 115022135 B CN115022135 B CN 115022135B CN 202210836781 A CN202210836781 A CN 202210836781A CN 115022135 B CN115022135 B CN 115022135B
Authority
CN
China
Prior art keywords
link
channel
signal
direct link
matrix
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.)
Active
Application number
CN202210836781.2A
Other languages
English (en)
Other versions
CN115022135A (zh
Inventor
陈劭元
卢继华
殷宇航
闫磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210836781.2A priority Critical patent/CN115022135B/zh
Publication of CN115022135A publication Critical patent/CN115022135A/zh
Application granted granted Critical
Publication of CN115022135B publication Critical patent/CN115022135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L25/0202—Channel estimation
    • H04L25/0212—Channel estimation of impulse response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
    • 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
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0003—Two-dimensional division
    • H04L5/0005—Time-frequency
    • H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本发明涉及基于AmBC的双选信道LMMSE估计及ML检测方法，属于无线通信中的信道估计与检测技术领域。所述方法依托的系统包括环境射频源、标签和接收端；所述方法针对环境信号和标签信号设计块状导频簇；采用BEM模型拟合信道状态，将估计信道单位冲激响应CIR转换为估计BEM基的系数向量；用线性最小均方误差估计分别对直接链路和反射链路信道进行估计；在信道估计后采用最小均方误差检测算法检测环境信号，并采用最大似然检测算法检测标签信号。所述方法的准确度显著提升，显著降低了信道估计方法的复杂度，实现了对信道时变特性的有效跟踪，信道估计及检测性能显著提升。

Description

基于AmBC的双选信道LMMSE估计及ML检测方法
技术领域
本发明涉及基于AmBC的双选信道LMMSE估计及ML检测方法，属于无线通信中的信道估计与检测技术领域。
背景技术
环境反向散射通信(Ambient Backscatter Communication，AmBC)是一种利用无源标签吸收环境中的射频源能量，并以环境中的信号为载波调制自身信息发射到接收端的技术。由于AmBC不占用原通信系统以外的频谱资源，硬件设备结构简单，不需要额外的能量供应，灵活度较高，因而被广泛应用于射频识别、物联网通信等场景。
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代通信系统中,被广泛使用的一种技术。其原理是将输入信号由串行转为N组并行信号并对其中第k组信号采用频率为的子载波进行调制，其中对于任意m≠n,都有/>和/>之积在一个周期内积分恒为0，故任意两个不同频率的子载波互相正交。为避免符号间串扰，通常将每个OFDM信号的末端复制到其前端构成循环前缀，避免了子载波之间的相互干扰。最后将混频器输出的各路子信号相加即可得到OFDM信号。在接收端将OFDM信号由串转并后分别与各路子载波相乘，利用子载波之间的互相正交的关系即可积分得到符号映射后的估计值，从而恢复出发送信号。实际上，OFDM信号使用子载波调制和解调的过程分别相当于一组离散傅立叶逆变换(Inverse Discrete FourierTransform，IDFT)和离散傅立叶变换(Discrete Fourier Transform，DFT)。因而，OFDM技术能被广泛应用，得益于快速傅里叶逆变换(Inverse Fast Fourier Transform，IFFT)和快速傅里叶变换(Fast Fourier Transform，FFT)算法的提出带来的巨大简化，凸显出其可以对抗频率选择性衰落或窄带干扰和信道利用率高的优点。
目前，环境反向散射通信下的信道估计通常是假设平坦衰落信道。为了更好的模拟实际情况，本发明是基于较复杂的时间-频率双选信道模型。在AmBC技术下，读写器收到的信号是直接由发射机经信道到达到读写器(称为直接链路)和从发射机先传输到反射设备，再从反射设备到达读写器(称为反射链路)的叠加，并且考虑到时间-频率双选信道模型对通信性能的负面影响，进行信号检测和信道估计就面临着更大的难度和挑战。
对于双选信道而言，信道的未知参数个数远大于大于导频符号个数，导致其无法被完全估计。为了兼顾运算复杂度和对ICI的消除效果，本发明采用被广泛运用于OFDM系统时变信道建模的基扩展模型(Basis Expansion Model,BEM)，将信道冲激响应变换到一个由基向量张成的低维空间中从而进行信道估计。根据信号模型设计检测方法，再恢复出射频源符号和反射设备符号。
发明内容
本发明目的在于针对高速移动场景下的信道复杂，导致多普勒频移和多径干扰，进而使得环境反向散射系统接收信号误码率高的技术缺陷，提出了基于AmBC的双选信道LMMSE估计及ML检测方法。
本发明的核心思想为：1)将环境射频源到标签的信道以及环境射频源到接收端的信道建模为时间-频率双选信道，标签到接收端的信道建模为平坦衰落信道；2)针对环境信号和标签信号设计了块状导频簇；3)采用BEM模型拟合信道状态，将估计信道单位冲激响应(Channel Impulse Response，CIR)转换为估计BEM基的系数向量；4)用线性最小均方误差(Linear Mean Square Error，LMMSE)估计分别对直接链路和反射链路信道进行估计；5)在信道估计后采用最小均方误差(Minimum Mean Square Error，MMSE)检测算法检测环境信号；6)采用最大似然检测算法检测标签信号。
为了达到上述目的，本发明采取如下技术方案：
所述双选信道LMMSE估计及ML检测方法，依托的系统包括环境射频源、标签和接收端；从环境射频源到接收端的直接链路信道和从环境射频源到标签的反射链路信道为双选信道；
其中，环境射频源简称射频源，射频源发射的OFDM信号简称为环境信号；标签发射ASK信号，该ASK信号简称为标签信号；双选信道具有多径效应和快时变特性；将接收端与标签间的信道建模为平坦衰落信道；原因在于接收端与标签间的距离比较短、距离恒定致使增益恒定。
所述双选LMMSE信道估计及检测方法，包括如下步骤：
S1、基于块状导频簇结构分别构建环境信号和标签信号；
S2、环境信号经直接链路信道到达接收端得到直接链路信号；环境信号经过反射链路信道到达标签，标签吸收环境信号的能量，根据自身携带的比特信息选择对射频源信号进行调制，得到调制后符号，再将调制后符号经过平坦衰落信道到达接收端得到反射链路信号；接收端同时收到直接链路信号、反射链路信号和高斯白噪声得到总的接收信号；
S3、采用BEM模型对直接链路信道和反射链路信道进行建模，然后分别构建直接链路观测方程和反射链路观测方程；
S3中，BEM模型为时域信道矩阵，该矩阵为BEM基矩阵与BEM基的系数向量相乘的形式；
S4、分别对S3直接链路观测方程和反射链路观测方程中的直接链路BEM基的系数向量及反射链路BEM基的系数向量进行估计，然后再把BEM基的系数向量恢复为直接链路时域信道矩阵和反射链路时域信道矩阵，具体包括如下子步骤：
S41、根据S3计算得到的直接链路观测方程进行直接链路信道估计，得到直接链路时域信道矩阵；
S42、根据S3计算得到的反射链路观测方程进行反射链路信道估计，得到反射链路时域信道矩阵；
S5、得到S4的直接链路时域信道矩阵后，对射频源信号进行MMSE检测，得到OFDM符号估计值；
S6、采用最大似然检测法对标签信号进行检测，得到标签符号的检测结果，具体如下：
S61、分别对S4的直接链路时域信道矩阵和反射链路时域信道矩阵左乘一个傅里叶矩阵后，再右乘一个“傅里叶矩阵的共轭转置”，得到直接链路频域信道矩阵和反射链路频域信道矩阵；
S62、将反射链路频域信道矩阵与反射系数相乘后再与直接链路频域信道矩阵相加得到复合链路频域信道矩阵；
S63、分别计算第i个数据符号时刻的直接链路频域信道矩阵和复合链路频域信道矩阵与S5得到的OFDM符号估计值相乘得到Y0和Y1；
S64、对总的接收信号做傅里叶变换得到频域接收信号，其中第i个数据符号时刻的频域接收信号为Yi；
S65、分别计算Yi与Y0和Y1的欧几里得距离d0和d1，若d0小于等于d1，则输出当前标签符号的检测结果为“0”；若d0大于d1，则输出当前标签符号的检测结果为“1”。
所述S1中块状导频簇的一组为两个符号，前一个符号持续时间内标签信号为导频“0”，后一个符号持续时间内标签信号为导频“1”；构建环境信号和标签信号，具体为：每间隔数个数据符号后插入一组块状导频簇；
S3具体包括如下子步骤：
S31、将BEM基向量分别与维度为直接链路信道多径数与反射链路信道多径数的单位阵进行克罗内克求积，得到直接链路的BEM基矩阵与反射链路的BEM基矩阵；
S32、将第i个符号周期第l条路径上的环境信号用对角化表示为Sl i；直接链路信道多径数为Ld，l的取值范围为0到Ld-1，反射链路信道多径数为Lr，l的取值范围为0到Lr-1；
S33、将S32中直接链路所有路径上的环境信号用对角化表示Sl i合并为一个矩阵Sd i；
S34、对S33中的Sd i做离散傅里叶变换后与S31直接链路的BEM基矩阵相乘得到直接链路观测矩阵Ad i，观测方程为Yd i＝Ad i×cd i；
其中，Yd i为直接链路的频域接收信号，cd i为直接链路的BEM基的系数向量；
S35、将S32中反射链路所有路径上的环境信号用对角化表示Sl i合并为一个矩阵Sr i；
S36、对S35中的Sr i做离散傅里叶变换后与S31中的反射链路的BEM基矩阵相乘得到反射链路观测矩阵Ar i，观测方程为Yr i＝Ar i×cr i；
其中，Yr i为反射链路的频域接收信号，cr i为反射链路的BEM基的系数向量。
S41、具体为：
S411、在标签发送导频符号“0”的时刻用LMMSE估计出直接链路的BEM基的系数向量；
S412、将S3计算得到的BEM基矩阵与S411计算得到的直接链路的BEM基的系数向量相乘得到“0”时刻的直接链路时域信道矩阵；
S413、在标签发送导频符号“1”以及数据符号的时刻用信道插值计算出“1”时刻及数据符号时刻的直接链路时域信道矩阵。
S42、具体为：
S421、在标签发送导频符号“1”的时刻用估计出的直接链路时域信道矩阵与OFDM导频符号相乘恢复出“1”时刻的直接链路接收信号；
S422、在标签发送导频符号“1”的时刻用总的接收信号减去S421恢复出的直接链路接收信号从而获得剩余信号；
S423、在标签发送导频符号“1”的时刻将S422计算得到的剩余信号做离散傅里叶变换得到反射链路频域接收信号Yr i；
S424、在标签发送导频符号“1”的时刻用LMMSE估计出反射链路的BEM基的系数向量；
S425、将S3计算得到的BEM基矩阵B与S424计算得到的反射链路的BEM基的系数向量相乘得到1时刻的反射链路时域信道矩阵；在标签发送导频符号“0”以及数据符号的时刻用信道插值估计出“0”时刻及数据符号时刻的反射链路时域信道矩阵。
有益效果
所述基于AmBC的双选信道LMMSE估计及ML检测方法，与现有技术相比，具有如下有益效果：
1、所述方法通过设计基于块状导频簇的通信协议，如S1所述从而实现对信道的时变特性进行跟踪，使信道估计及信号检测算法的准确度显著提升；
2、所述方法采用BEM模型对信道单位冲激响应进行建模，如S3所述在模型不丢失双选信道性质的情况下减少了信道待估计参数的数量，显著降低了信道估计方法的复杂度；
3、所述方法通过设计针对环境反向通信系统的双选信道估计，如S4所示实现了对信道时变特性的有效跟踪，使得反射链路和直射链路的信道估计性能显著提升；
4、所述方法通过MMSE检测算法对时变信道下的射频源OFDM符号进行检测，对带状信道频域矩阵反卷积并利用了噪声的统计特性，如S5所示，使得环境信号的检测性能显著提升；
5、所述方法通过最大似然检测，如S6所示，直接使用总的接收信号作为判决门限，降低复杂度的同时，使得标签符号的检测性能及显著提升。
附图说明
图1是本发明基于AmBC的双选信道LMMSE估计及ML检测方法依托的双选信道下AmBC系统模型图；
图2是本发明基于AmBC的双选信道LMMSE估计及ML检测方法的流程图；
图3是本发明基于AmBC的双选信道LMMSE估计及ML检测方法与现有的LMMSE信道估计方法进行信道估计后的NMSE(Normalized Mean Squared Error,归一化均方误差)对比图；
图4是本发明基于AmBC的双选信道LMMSE估计及ML检测方法与现有的LMMSE信道估计及最大似然检测方法进行环境信号检测后的误码率对比图；
图5是本发明基于AmBC的双选信道LMMSE估计及ML检测方法与现有的LMMSE信道估计及能量检测方法进行标签检测后的误码率对比图；
图6是本发明基于AmBC的双选信道LMMSE估计及ML检测方法与现有方法进行标签符号检测的误码率对比图；
图7是本发明基于AmBC的双选信道LMMSE估计及ML检测平台的示意图。
具体实施方式
下面结合附图和实施例对本发明基于AmBC的双选信道LMMSE估计及ML检测方法做进一步说明和详细描述。
实施例1
本方法可用于将无人机或者高速移动台等高速移动的信号源作为标签的能量来源的环境反射散射系统。首先针对环境信号和标签信号设计了块状导频簇，然后用BEM模型对直接链路信道和反射链路信道建模并计算观测方程；根据导频结构及观测方程，首先用LMMSE估计直接链路信道，然后将直链信号消除后估计反射链路信道；在信道估计的基础上，采用MMSE检测算法检测环境信号；最后采用最大似然算法检测标签信号。所述方法的准确度显著提升，显著降低了信道估计方法的复杂度，实现了对信道时变特性的有效跟踪，信道估计及检测性能显著提升。
设定环境射频源OFDM的子载波数N为512，子载波调制方式为QPSK(QuadraturePhase Shift Keying，正交相移键控)；从环境射频源到接收端的信道为5径双选信道，多径功率服从指数分布，多普勒频移为120Hz；从环境射频源到标签的信道为4径双选信道，多径功率服从指数分布，多普勒频移为120Hz；从标签到接收端的信道为平坦衰落信道，信道增益为1；BEM模型采用CE-BEM(Complex Exponential BEM，复指数BEM信道模型)；标签反射系数α为0.1；具体实施步骤如下：
S1、基于块状导频簇结构分别构建环境信号和标签信号，具体为：构建以2个符号为一组的块状导频簇，并基于块状导频簇结构分别构建环境信号和标签信号，每间隔4个数据符号后插入一组块状导频簇；对于一组块状导频簇，前一个符号持续时间内标签信号为导频“0”，后一个符号持续时间内标签信号为导频“1”；即通过设计基于块状导频簇的通信协议：每间隔4个数据符号后插入一组块状导频簇，实现了对信道的时变特性进行跟踪，这使得信道估计及信号检测算法的准确度显著提升；
S2、环境信号经直接链路信道到达接收端得到直接链路信号；环境信号经过反射链路信道到达标签，标签吸收环境信号的能量，并根据自身携带的比特信息选择对射频源信号反射或者不反射，从而发送2ASK符号经过平坦衰落信道到达接收端得到反射链路信号；接收端同时收到直接链路信号、反射链路信号和高斯白噪声得到总的接收信号；
即标签根据自身携带的比特信息选择对射频源信号进行调制，得到调制后符号，再将调制后符号经过平坦衰落信道到达接收端得到反射链路信号；接收端同时收到直接链路信号、反射链路信号和高斯白噪声得到总的接收信号；
其中，当标签准备发送符号“0”时，标签吸收射频源信号的能量后不对射频源信号进行反射；当标签准备发送符号“1”时，标签吸收射频源信号的能量后对射频源信号进行反射。
其中，总的接收信号包括环境信号经过直接链路信道到达接收端得到直接链路信号和经过反射链路信道到达标签后在通过平坦衰落信道到达接收端得到的反射链路信号/>以及高斯白噪声wi；
其中，是直接链路时域信道矩阵，/>代表第i个OFDM符号持续时间内第l条路径上第n个采样点的直接链路信道增益，n＝0,1,L,N-1；l＝0,1,L,Ld-1，Ld为直接链路信道的多径数；是反射链路时域信道矩阵，代表第i个OFDM符号持续时间内第l条路径上第n个采样点的反射链路信道增益，n＝0,1,L,N-1；l＝0,1,L,Lr-1，Lr为直接链路信道的多径数；α为反射链路能量衰减因子；f为平坦衰落信道的信道增益；ci为第i个标签符号；
S3、采用BEM模型对直接链路信道和反射链路信道进行建模，然后分别构建直接链路观测方程和反射链路观测方程；
S3中，BEM模型为时域信道矩阵，该矩阵为BEM基矩阵与BEM基的系数向量相乘的形式；
S3包括如下子步骤：
S31、采用BEM模型对直接链路信道的单位冲激响应进行建模，具体为：
S311、将直接链路信道第i个符号持续时间内第l条路径上的第n个采样点用BEM模型表示为
其中，bk＝[bk,0,K,bk,Q-1]T为BEM基向量，Q为基向量的维度，为第i个符号持续时间内直接链路信道第l条路径的BEM基的系数向量；
S312、将S311中的扩展到N个采样点和Ld条路径后有/>其中表示第i个符号上第l条路径上的直接链路CIR向量；/> 为维度为Ld×Ld的单位矩阵，/>为克罗克内积；/>为第i个符号持续时间内直接链路信道的BEM基的系数矩阵。
S32、在BEM模型的基础上构建直接链路信道的观测方程，具体如下：
S321、将第i个符号周期第l条路径上的环境射频源OFDM时域信号向量用对角化表示
S322、将S321中直接链路信道所对应的合并为/>
S323、对S322中的做离散傅里叶变换后与S312中的B相乘得到直接链路的观测矩阵/>观测方程表示为/>其中/>为直接链路的频域接收信号。
S33、采用BEM模型对反射链路信道的单位冲激响应进行建模，具体为：
S331、将反射链路信道第i个符号持续时间内第l条路径上的第n个采样点用BEM模型表示为其中，bk＝[bk,0,K,bk,Q-1]T为BEM基向量，Q为基向量的维度，为第i个符号持续时间内直接链路信道第l条路径的BEM基的系数向量；
S332、将S331中的扩展到N个采样点和Lr条路径后有/>其中表示第i个符号上第l条路径上的反射链路CIR向量；/> 为维度为Lr×Lr的单位矩阵，/>为克罗克内积；/>为第i个符号持续时间内反射链路信道的BEM基的系数矩阵。
S34、在BEM模型的基础上构建反射链路信道的观测方程，具体如下：
S341、将第i个符号周期第l条路径上的环境射频源OFDM时域信号向量用对角化表示
S342、将S341中从第1条径到第Lr条径所对应的并入一个矩阵/>
S343、对S342中的做离散傅里叶变换后与S332中的B相乘得到反射链路的观测矩阵/>观测方程表示为/>其中/>为反射链路的频域接收信号。
因此，S3采用BEM模型对信道单位冲激响应进行建模，在模型不丢失双选信道性质的情况下减少了信道待估计参数的数量，显著降低了信道估计方法的复杂度；
S4、在S3计算得到的直接链路观测方程和反射链路观测方程的基础上进行信道估计，得到直接链路时域信道矩阵和反射链路时域信道矩阵，具体为：分别对S3直接链路观测方程和反射链路观测方程中的直接链路BEM基的系数向量及反射链路BEM基的系数向量进行估计，然后再把BEM基的系数向量恢复为直接链路时域信道矩阵和反射链路时域信道矩阵，包括如下子步骤：
S41、根据S3计算得到的直接链路观测方程进行直接链路信道估计，得到直接链路时域信道矩阵，具体为：
S411、在标签发送导频符号“0”的时刻用LMMSE估计直接链路时域信道矩阵，具体如下：
S4111、首先根据S3的直接链路观测矩阵和直接链路频域接收信号/>估计出BEM基的最小二乘系数向量估计值/>
S4112、基于S312中的B与信道时域相关矩阵Rhh计算出BEM基的系数向量相关矩阵Rcc＝[(BH×B)-1×BH]×Rhh×[B×(BH×B)-1]；
S4113、计算出映射到BEM基空间后的噪声协方差矩阵其中/>为噪声功率，INL为维度为N乘L的单位阵；
S4114、计算出BEM基的LMMSE系数向量估计值
S4115、将S332中的B与S414估计出的BEM基的LMMSE系数向量相乘得到直接链路时域信道矩阵；
S412、对标签发送导频符号“1”以及数据符号的时刻用信道插值计算出直接链路时域信道矩阵；
S42、根据S3计算得到的反射链路观测方程进行反射链路信道估计，得到反射链路时域信道矩阵，具体为：
S421、在标签发送导频符号“1”的时刻用估计出的直接链路时域信道矩阵与OFDM导频符号相乘恢复出直接链路接收信号；
S422、在标签发送导频符号“1”的时刻用总的接收信号减去S43恢复出的直接链路接收信号从而获得剩余信号；
S423、在标签发送导频符号“1”的时刻将S44计算得到的剩余信号做离散傅里叶变换得到反射链路频域接收信号
S424、在标签发送导频符号“1”的时刻用LMMSE估计反射链路时域信道矩阵，具体如下：
S4241、首先根据S343的反射链路观测矩阵和S423中的反射链路频域接收信号估计出BEM基的最小二乘系数向量估计值：
S4242、基于S312中的B与信道时域相关矩阵Rhh计算出BEM基的系数向量相关矩阵Rcc＝[(BH×B)-1×BH]×Rhh×[B×(BH×B)-1]；
S4243、计算出映射到BEM基空间后的噪声协方差矩阵其中/>为噪声功率，INL为维度为N×L的单位阵；
S4244、计算出BEM基的LMMSE系数向量估计值
S4245、将S332中的B与S4244估计出的BEM基的LMMSE系数向量相乘得到发射链路时域信道矩阵；
S425、对标签发送导频符号“0”以及数据符号的时刻用信道插值估计出反射链路时域信道矩阵；
S4对环境反向通信系统的双选信道进行估计，实现了对信道时变特性的有效跟踪，使得反射链路和直射链路的信道估计性能显著提升，
具体包括如下子步骤：
S41、根据S3计算得到的直接链路观测方程进行直接链路信道估计，得到直接链路时域信道矩阵；
S42、根据S3计算得到的反射链路观测方程进行反射链路信道估计，得到反射链路时域信道矩阵；
S41、具体为：
S411、在标签发送导频符号“0”的时刻用LMMSE估计出直接链路的BEM基的系数向量；
S412、将S3计算得到的BEM基矩阵与S411计算得到的直接链路的BEM基的系数向量相乘得到“0”时刻的直接链路时域信道矩阵；
S413、在标签发送导频符号“1”以及数据符号的时刻用信道插值计算出“1”时刻及数据符号时刻的直接链路时域信道矩阵。
S42、具体为：
S421、在标签发送导频符号“1”的时刻用估计出的直接链路时域信道矩阵与OFDM导频符号相乘恢复出“1”时刻的直接链路接收信号；
S422、在标签发送导频符号“1”的时刻用总的接收信号减去S421恢复出的直接链路接收信号从而获得剩余信号；
S423、在标签发送导频符号“1”的时刻将S422计算得到的剩余信号做离散傅里叶变换得到反射链路频域接收信号Yr i；
S424、在标签发送导频符号“1”的时刻用LMMSE估计出反射链路的BEM基的系数向量；
S425、将S3计算得到的BEM基矩阵B与S424计算得到的反射链路的BEM基的系数向量相乘得到1时刻的反射链路时域信道矩阵；在标签发送导频符号“0”以及数据符号的时刻用信道插值估计出“0”时刻及数据符号时刻的反射链路时域信道矩阵。
S5、得到S4的直接链路时域信道矩阵后，对射频源信号进行MMSE检测，得到OFDM符号估计值，具体为：
S51、对总的时域接收信号做离散傅里叶变换后得到频域接收信号Yi；
S52、将反射链路信号视为干扰，对环境信号OFDM符号进行MMSE均衡得到其中/>为直接链路频域响应矩阵；
S 53、对S52计算得到的均衡结果进行星座图映射从而解调得到OFDM符号检测结果；
S5通过MMSE检测算法对时变信道下的射频源OFDM符号进行检测，对带状信道频域矩阵反卷积并利用了噪声的统计特性，使得环境信号的检测性能显著提升。
S6、采用最大似然检测法对标签信号进行检测，得到标签符号的检测结果，具体如下：
S61、分别对S4的直接链路时域信道矩阵和反射链路时域信道矩阵左乘一个傅里叶矩阵后，再右乘一个“傅里叶矩阵的共轭转置”，得到直接链路频域信道矩阵和反射链路频域信道矩阵；
S62、将反射链路频域信道矩阵与反射系数相乘后再与直接链路频域信道矩阵相加得到复合链路频域信道矩阵；
S63、分别计算第i个数据符号时刻的直接链路频域信道矩阵和复合链路频域信道矩阵与S5得到的OFDM符号估计值相乘得到Y0和Y1；
S64、对总的接收信号做傅里叶变换得到频域接收信号，其中第i个数据符号时刻的频域接收信号为Yi；
S65、分别计算Yi与Y0和Y1的欧几里得距离d0和d1，若d0小于等于d1，则输出当前标签符号的检测结果为“0”；若d0大于d1，则输出当前标签符号的检测结果为“1”。
S6直接使用总的接收信号作为判决门限，降低复杂度的同时，使得标签符号的检测性能及显著提升。至此，双选信道下AmBC的信道估计及信号检测完成，然后对信道估计得到的两条链路的时域信道矩阵与实际的时域信道矩阵进行NMSE的计算，具体为:“估计得到矩阵与真实矩阵的各个位置元素之差的平方和”除以“真实矩阵各个位置元素的平方和”。
图3是采用本发明所述信道估计方法进行直接链路信道估计得到的时域信道矩阵与实际时域直接链路信道矩阵的NMSE和采用现有方法进行直接链路信道估计得到的时域信道矩阵与实际时域直接链路信道矩阵的NMSE的结果对比图；其中，现有方法在双选信道条件下NMSE维持在0.05左右；采用本发明所述方法在双选信道条件下NMSE随着直接链路信噪比的提升也逐渐降低，在直接链路信噪比为35dB时，NMSE达到了4×10-5。
图4是采用本发明所述信道估计方法进行反射链路信道估计得到的时域信道矩阵与实际时域反射链路信道矩阵的NMSE和采用现有方法进行反射链路信道估计得到的时域信道矩阵与实际时域反射链路信道矩阵的NMSE的结果对比图；其中，现有方法在双选信道条件下NMSE随着直接链路信噪比的提升稍微降低，在直接链路信噪比为35dB时，NMSE为10-1；采用本发明所述方法在双选信道条件下NMSE随着直接链路信噪比的提升也逐渐降低，在直接链路信噪比为35dB时，NMSE达到了2×10-3。
图5是采用所述方法与现有方法进行射频源OFDM信号检测的误码率对比图；采用所述方法的误码率性能相较于现有方法提升了1dB左右，在直接链路信噪比为35dB时，所述方法的OFDM符号误码率达到了2×10-2。
图6是采用所述方法与现有方法进行标签符号检测的误码率对比图；其中采用所述方法的误码率性能相较于现有方法提升了10dB左右。在直接链路信噪比为35dB时，现有方法标签符号误码率仅为9×10-1，所述方法的OFDM符号误码率达到了9×10-2。
实施例2
如图7所示，本发明第2实施方式涉及基于AmBC的双选信道LMMSE估计及ML检测平台，包括至少一个处理器，以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述基于AmBC的双选信道LMMSE估计及ML检测方法。
其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以通过接口将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的。接口在总线和收发机之间提供接口，例如通信接口、用户接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
实施例3
本发明第3实施例涉及一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例。
本领域技术人员通过上述说明可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括但不限于U盘、移动硬盘、磁性存储器、光学存储器等各种可以存储程序代码的介质。
通过上述说明可知，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (7)

1.基于AmBC的双选信道LMMSE估计及ML检测方法，依托的系统包括环境射频源、标签和接收端；从环境射频源到接收端的直接链路信道和从环境射频源到标签的反射链路信道为双选信道；所述环境射频源简称射频源，射频源发射的OFDM信号简称为环境信号；标签发射ASK信号，该ASK信号简称为标签信号；双选信道具有多径效应和快时变特性；将接收端与标签间的信道建模为平坦衰落信道；原因在于接收端与标签间的距离比较短、距离恒定致使增益恒定，其特征在于，包括如下步骤：
S1、基于块状导频簇结构分别构建环境信号和标签信号；
S2、环境信号经直接链路信道到达接收端得到直接链路信号；环境信号经过反射链路信道到达标签，标签吸收环境信号的能量，根据自身携带的比特信息选择对射频源信号进行调制，得到调制后符号，再将调制后符号经过平坦衰落信道到达接收端得到反射链路信号；接收端同时收到直接链路信号、反射链路信号和高斯白噪声得到总的接收信号；
S3、采用BEM模型对直接链路信道和反射链路信道进行建模，然后分别构建直接链路观测方程和反射链路观测方程；
S3中，BEM模型为时域信道矩阵，该矩阵为BEM基矩阵与BEM基的系数向量相乘的形式；
S4、分别对S3直接链路观测方程和反射链路观测方程中的直接链路BEM基的系数向量及反射链路BEM基的系数向量进行估计，然后再把BEM基的系数向量恢复为直接链路时域信道矩阵和反射链路时域信道矩阵，具体包括如下子步骤：
S41、根据S3计算得到的直接链路观测方程进行直接链路信道估计，得到直接链路时域信道矩阵；
S42、根据S3计算得到的反射链路观测方程进行反射链路信道估计，得到反射链路时域信道矩阵；
S5、得到S4的直接链路时域信道矩阵后，对射频源信号进行MMSE检测，得到OFDM符号估计值；
S6、采用最大似然检测法对标签信号进行检测，得到标签符号的检测结果，具体如下：
S61、分别对S4的直接链路时域信道矩阵和反射链路时域信道矩阵左乘一个傅里叶矩阵后，再右乘一个“傅里叶矩阵的共轭转置”，得到直接链路频域信道矩阵和反射链路频域信道矩阵；
S62、将反射链路频域信道矩阵与反射系数相乘后再与直接链路频域信道矩阵相加得到复合链路频域信道矩阵；
S63、分别计算第i个数据符号时刻的直接链路频域信道矩阵和复合链路频域信道矩阵与S5得到的OFDM符号估计值相乘得到Y0和Y1；
S64、对总的接收信号做傅里叶变换得到频域接收信号，其中第i个数据符号时刻的频域接收信号为Yi；
S65、分别计算Yi与Y0和Y1的欧几里得距离d0和d1，若d0小于等于d1，则输出当前标签符号的检测结果为“0”；若d0大于d1，则输出当前标签符号的检测结果为“1”。
2.根据权利要求1所述的双选信道LMMSE估计及ML检测方法，其特征在于：所述S1中块状导频簇的一组为两个符号，前一个符号持续时间内标签信号为导频“0”，后一个符号持续时间内标签信号为导频“1”；构建环境信号和标签信号，具体为：每间隔数个数据符号后插入一组块状导频簇。
3.根据权利要求1所述的双选信道LMMSE估计及ML检测方法，其特征在于，S3具体包括如下子步骤：
S31、将BEM基向量分别与维度为直接链路信道多径数与反射链路信道多径数的单位阵进行克罗内克求积，得到直接链路的BEM基矩阵与反射链路的BEM基矩阵；
S32、将第i个符号周期第l条路径上的环境信号用对角化表示为Sl i；
直接链路信道多径数为Ld，l的取值范围为0到Ld-1，反射链路信道多径数为Lr，l的取值范围为0到Lr-1；
S33、将S32中直接链路所有路径上的环境信号用对角化表示Sl i合并为一个矩阵Sd i；
S34、对S33中的Sd i做离散傅里叶变换后与S31直接链路的BEM基矩阵相乘得到直接链路观测矩阵Ad i，观测方程为Yd i＝Ad i×cd i；
其中，Yd i为直接链路的频域接收信号，cd i为直接链路的BEM基的系数向量；
S35、将S32中反射链路所有路径上的环境信号用对角化表示Sl i合并为一个矩阵Sr i；
S36、对S35中的Sr i做离散傅里叶变换后与S31中的反射链路的BEM基矩阵相乘得到反射链路观测矩阵Ar i，观测方程为Yr i＝Ar i×cr i；
其中，Yr i为反射链路的频域接收信号，cr i为反射链路的BEM基的系数向量。
4.根据权利要求1所述的双选信道LMMSE估计及ML检测方法，其特征在于，S41、具体为：
S411、在标签发送导频符号“0”的时刻用LMMSE估计出直接链路的BEM基的系数向量；
S412、将S3计算得到的BEM基矩阵与S411计算得到的直接链路的BEM基的系数向量相乘得到“0”时刻的直接链路时域信道矩阵；
S413、在标签发送导频符号“1”以及数据符号的时刻用信道插值计算出“1”时刻及数据符号时刻的直接链路时域信道矩阵。
5.根据权利要求1所述的双选信道LMMSE估计及ML检测方法，其特征在于，S42、具体为：
S421、在标签发送导频符号“1”的时刻用估计出的直接链路时域信道矩阵与OFDM导频符号相乘恢复出“1”时刻的直接链路接收信号；
S422、在标签发送导频符号“1”的时刻用总的接收信号减去S421恢复出的直接链路接收信号从而获得剩余信号；
S423、在标签发送导频符号“1”的时刻将S422计算得到的剩余信号做离散傅里叶变换得到反射链路频域接收信号Yr i；
S424、在标签发送导频符号“1”的时刻用LMMSE估计出反射链路的BEM基的系数向量；
S425、将S3计算得到的BEM基矩阵B与S424计算得到的反射链路的BEM基的系数向量相乘得到1时刻的反射链路时域信道矩阵；在标签发送导频符号“0”以及数据符号的时刻用信道插值估计出“0”时刻及数据符号时刻的反射链路时域信道矩阵。
6.一种基于AmBC的双选信道LMMSE估计及ML检测平台，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任一项所述的基于AmBC的双选信道LMMSE估计及ML检测方法。
7.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的基于AmBC的双选信道LMMSE估计及ML检测方法。
CN202210836781.2A 2022-07-15 2022-07-15 基于AmBC的双选信道LMMSE估计及ML检测方法 Active CN115022135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210836781.2A CN115022135B (zh) 2022-07-15 2022-07-15 基于AmBC的双选信道LMMSE估计及ML检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210836781.2A CN115022135B (zh) 2022-07-15 2022-07-15 基于AmBC的双选信道LMMSE估计及ML检测方法

Publications (2)

Publication Number Publication Date
CN115022135A CN115022135A (zh) 2022-09-06
CN115022135B true CN115022135B (zh) 2023-10-20

Family

ID=83082826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210836781.2A Active CN115022135B (zh) 2022-07-15 2022-07-15 基于AmBC的双选信道LMMSE估计及ML检测方法

Country Status (1)

Country Link
CN (1) CN115022135B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010022675A1 (zh) * 2008-09-01 2010-03-04 华为技术有限公司 在多天线数字无线通信系统中检测信号的方法及装置
CN103441967A (zh) * 2013-08-31 2013-12-11 电子科技大学 基于基扩展模型的ofdm系统信道估计与信号检测方法
CN108092926A (zh) * 2017-11-21 2018-05-29 北京交通大学 无源反向散射通信信道的参数估计算法
CN110224965A (zh) * 2019-06-17 2019-09-10 电子科技大学 一种基于ofdm反向散射通信系统半盲接收机设计方法
CN113497770A (zh) * 2020-04-01 2021-10-12 清华大学 Ofdm系统快时变信道参数估计方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010022675A1 (zh) * 2008-09-01 2010-03-04 华为技术有限公司 在多天线数字无线通信系统中检测信号的方法及装置
CN103441967A (zh) * 2013-08-31 2013-12-11 电子科技大学 基于基扩展模型的ofdm系统信道估计与信号检测方法
CN108092926A (zh) * 2017-11-21 2018-05-29 北京交通大学 无源反向散射通信信道的参数估计算法
CN110224965A (zh) * 2019-06-17 2019-09-10 电子科技大学 一种基于ofdm反向散射通信系统半盲接收机设计方法
CN113497770A (zh) * 2020-04-01 2021-10-12 清华大学 Ofdm系统快时变信道参数估计方法及装置

Also Published As

Publication number Publication date
CN115022135A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
Panayirci et al. Sparse channel estimation for OFDM-based underwater acoustic systems in Rician fading with a new OMP-MAP algorithm
CN101981879B (zh) 使用降阶的fft和硬件内插器的宽带导频信道估计
Jeremic et al. OFDM channel estimation in the presence of interference
CN102710561A (zh) 自适应插值的信道估算
CN101808053A (zh) 基于ofdm的信道估计方法及装置
CN110868369A (zh) 基于5g nr系统的上行信道估计方法及装置
WO2010091216A2 (en) Methods and systems for least squares block channel estimation
CN115086114A (zh) 基于分散式放置正交时频空otfs导频的信道估计方法
Nissel et al. Doubly-selective channel estimation in FBMC-OQAM and OFDM systems
US20240250858A1 (en) Transmitter and receiver for and method of transmitting and receiving symbols over an orthogonal time frequency space communication channel subject to doppler spread and multipath
CN109639603A (zh) 基于导频的低复杂度压缩感知信道估计方法
CN105812299A (zh) 基于联合块稀疏重构的无线传感网信道估计算法及系统
CN115022135B (zh) 基于AmBC的双选信道LMMSE估计及ML检测方法
CN111291511B (zh) 一种基于历史信息的软卡尔曼滤波迭代时变信道估计方法
CN109617851B (zh) 一种基于dft平滑滤波的信道估计方法及装置
CN115022863B (zh) 一种基于AmBC的应急通信信道估计与检测方法
CN107809406B (zh) 基于ocml序列的多普勒频移估计方法、设备及存储设备
CN116047503A (zh) 基于时延-多普勒联合调制的分布式雷达通信一体化方法
Wang et al. On Performance Evaluation of OTFS and OFDM Modulations for Sensing
CN115225433B (zh) 基于AmBC与OTFS调制的LMMSE信道估计方法
CN115225432B (zh) 一种AmBC的正交时频空间调制LS信道估计方法
Wang et al. Variational bayesian inference based channel estimation for OTFS system with LSM prior
CN116708112B (zh) 降低fmt系统papr的传输与检测方法、介质及装置
CN118174993B (zh) 信道最大时延扩展值的确定方法与系统及芯片
KR20180046350A (ko) 안테나 단마다 독립적인 발진기를 갖는 다중입출력 시스템 및 그 위상잡음 제거 방법

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