CN116260682A - 一种面向otfs的信道估计方法 - Google Patents

Abstract

本发明公开了一种面向OTFS的信道估计方法，针对高速移动环境中的通信，其传输系统为单输入单输出系统，根据信道冲激响应的稀疏性建立适用于高速移动场景的基拓展模型BEM，采用OGCE‑BEM对OTFS进行信道拟合，信道被拟合成基函数系数与基函数的形式，在基函数已知情况下，将信道矩阵估计问题转变为基函数系数的估计问题；然后在传统的RLS滤波器算法中，基于遗忘因子与估计误差的关系，设计了基于遗忘函数的迭代更新规律，提高了系统的实时追踪能力。本发明可有效保证通信的有效性和可靠性，使信道估计精度大大提高。

Description

一种面向OTFS的信道估计方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种面向正交时频空调制技术(Orthogonal Time Frequency Space，OTFS)的信道估计方法。

背景技术

随着自动驾驶技术的出现，传感器、物联网以及沉浸式媒体的广泛使用，网络传输对于服务质量的要求进一步提高，人们在不同场景下的人际交往、信息传输等方面的需求增加。在传统调制方案，例如OFDM中，信号在时频域中被建模，在时频双选信道下性能不佳，无法满足高速移动通信的需求，6G系统需要新型调剂技术的出现。OTFS调制不同于其它传统调制方案的一个关键特征是，OTFS在时延—多普勒域的维度进行传输。若发送端信号经由OTFS调制则可以极大地简化均衡器的设计，并降低快速时变信道中的信道估计开销，因此OTFS特别适合高速移动环境中的通信。信道估计技术是在接收端获得信道状态信息的主要方法，信道估计技术的准确性关系到信号在接收端恢复的准确性，是衡量一个无线通信系统性能的重要指标，因此信道估计技术对于OTFS至关重要。

中国专利CN 1 113507426A公开了一种基于OTFS调制的联合信道估计与信号检测，提高了估计精度和资源利用率，避免了导频开销过大问题，但是此发明基于MIMO系统，估计的参数量随着天线数目增加而增加，当天线数目过大时，计算量较大。《IEEETransactions on Signal Processing》第67卷第16期《Channel Estimation forOrthogonal Time Frequency Space(OTFS)Massive MIMO》中表明大规模MIMO OTFS下行链路的通道具有3D结构稀疏性，并使用较低的导频开销实现了准确的信道估计，但是OTFS往往应用于高速移动环境中，没有考虑到高速移动环境特质。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种面向OTFS的信道估计方法，针对高速移动环境中的通信，其传输系统为单输入单输出系统，采用OGCE-BEM对信道建模，将信道矩阵估计问题转变为基函数系数的估计问题；为了得到基函数系数的估计值，设计基于可变遗忘函数的RLS滤波器，依据遗忘函数与估计误差的关系，对遗忘函数进行实时迭代更新，从而有效保证通信的有效性和可靠性，使信道估计精度大大提高。

本发明的目的通过以下技术方案予以实现。

一种面向OTFS的信道估计方法，其通信系统包含一个发送端和一个接收端，采用OTFS的方式进行数据传输；在OTFS系统中，子载波个数为M，OTFS符号个数为N，路径数为L，载频为f_c，发送端与接收端的相对速度为v，光速为c。在频域上，以时间间隔T对时间轴进行采样，以频率间隔Δf，对频率轴进行采样；在发送端，首先将二维数据序列x[k,l]映射到时延—多普勒域上，通过ISFFT变换将数据符号映射到时频域上，得到数据序列X[n,m]；之后，经过海森堡变换得到时频信号s(t)，再通过信道发送出去；在接收端，接收机进行与发送端完全相反的操作，接收到的时域信号r(t)经过魏格纳变换得到时频域信号Y[n,m]，Y[n,m]再经过SFFT变换后得到时延多普勒域的信号y[k,l]；

所述的信道估计方法包括以下步骤：

步骤一、在接收端，接收到的信号被矢量化为N·M维度的矩阵；OTFS系统的输入输出关系归纳为如下的向量化形式：

定义x＝{x[0,0],x[0,1]…,x[N-1,0],x[N-1,1],…x[N-1,M-1]}^T

y＝{y[0,0],y[0,1]…,y[N-1,0],y[N-1,1],…y[N-1,M-1]}^T作为各自的发送和接收信号；经过具有多普勒传播的双选择衰落信道后，接收到的OTFS信号在时延—多普勒域中的向量y可以表示为：

其中，F_N为N点离散傅里叶变换矩阵，w是均值为零、方差为σ²的加性高斯白噪声向量，I_M是M维单位阵，(·)^H表示转置共轭，

表示克罗内克积；

步骤二、根据BEM，信道矩阵可以用基函数与基函数进行表示，H_t则可表示成：

其中，长度为M·N的b_q表示第q个基函数，c_q＝[c_q[0],c_q[1],…,c_q[L]]^T是长度为(L+1)的第q个未知基函数系数，Q表示基函数个数；

步骤三、根据公式(2)可知，信道矩阵H_t由基函数b_q和基函数系数c_q表示；采用OGCE-BEM表示基函数b_q，其第q个基函数的第n个元素可以表示为：

其中，n＝0,…,N-1，修正系数

为最大多普勒频率，

为归一化的最大多普勒频率，Δf为子载波间距，Z为密集采样系数；

步骤四、对RLS滤波器进行更新迭代，包括：对信道矩阵H_t的基函数系数c_q进行估计、更新估计误差e(n)、更新RLS滤波器的系数k(n)、更新RLS滤波器的相关矩阵R(n)、依据遗忘函数与误差的关系，对遗忘函数进行迭代更新，实时追踪信道的变化、得到更新后的基函数表达式、求取最终的信道矩阵；

在此，使用可变遗忘函数的RLS滤波器循环迭代估计基函数系数c_q；

当q＝1，n＝0时，对RLS滤波器参数进行初始化，初始化c_q(0)＝0，R^-1(0)＝δ^-2I，λ(0)＝0.99，x(0)＝0，其中R(n)表示滤波器的相关矩阵，λ(n)表示遗忘函数，δ是一个正数。

具体的，所述的更新估计误差e(n)：

e(n)＝d(n)-c_q ^T(n-1)x(n) (4)

其中，d(n)表示期望收到的信号。

所述的更新RLS滤波器的系数k(n)：

所述的更新RLS滤波器的相关矩阵R(n)：

R(n)＝λ^-1(n-1)R^-1(n-1)[1-k(n)x^T(n)] (6)。

进一步地，所述的对遗忘函数进行迭代更新，依据遗忘函数与误差的关系，实时追踪信道的变化：

其中，

表示估计误差的方差，/>

表示θ函数的方差。

进一步地，由公式(4)和(5)，可得到更新后的基函数表达式：

c_q(n)＝c_q(n-1)+k(n)e(n) (8)。

进一步地，所述的求取最终信道矩阵的过程为：当q＝Q，n＝N-1时，则停止迭代，输出c_q；将c_q代入公式(2)得到信道矩阵。

所述的可变遗忘函数的更新过程：

Step1、由估计误差的公式e(n)＝d(n)-c_q ^T(n-1)x(n)可知，其方差表示为：

Step2、定义关于θ的函数：

θ(n)＝x^T(n)R^-1(n-1)x(n) (10)

由公式(10)，计算出θ函数的方差

Step3、由于遗忘函数与估计误差相关，所以遗忘函数表示为公式：

与现有技术相比，本发明的优点和有益效果有：

1.本发明将信道矩阵用基函数和基函数系数进行表示，减少了要估计的未知信道系数，降低了计算复杂度；另一方面降低了载波间干扰，提高了信道估计精度。

2.本发明采用OGCE-BEM对OTFS信道建模，对于多普勒更加密集的采样能够有效减少频谱泄露的问题，减少了高频基函数对模型带来的误差，有利于提高系统在高速移动环境中的性能。

3.本发明使用可变遗忘函数的RLS滤波器对基函数系数进行估计，通过迭代更新遗忘函数，实施追踪系统变化，使得系统的跟踪性更强，系统收敛时的估计误差小。

附图说明

图1是本发明的一种实施例的信道估计系统模型示意图。

图2是本发明的一种实施例的流程简略示意图。

图3是本发明的一种实施例的方法流程图。

具体实施方式

本发明的一种面向正交时频空调制系统(Orthogonal Time Frequency Space，OTFS)的信道估计方法，根据信道冲激响应的稀疏性建立适用于高速移动场景的基扩展模型(Basis Expansion Model，BEM)，采用OGCE-BEM对OTFS进行信道拟合，信道被拟合成基函数系数与基函数的形式，在基函数已知情况下，将信道矩阵估计问题转变为基函数系数的估计问题，一方面减少了要估计的未知信道系数，降低了计算复杂度；另一方面降低了载波间干扰，提高了信道估计精度。然后在传统的RLS滤波器算法中，基于遗忘函数与估计误差的关系，设计了基于遗忘函数的迭代更新规律，提高了系统的实时追踪能力。本发明较现有方法在精度和复杂度上具有一定的优越性。

下面结合附图对本发明做进一步详细说明。

如图1所示，是本发明的一种实施例的信道估计系统模型图。其发送端首先将二维数据序列x[k,l]映射到时延—多普勒域上，通过ISFFT变换将数据符号映射到时频域上，得到数据序列X[n,m]，这两个步骤称为OTFS调制。之后，经过海森堡变换得到时频信号s(t)，再通过信道发送出去。在接收端，接收机进行与发送端完全相反的操作，接收到的时域信号r(t)经过魏格纳变换得到时频域信号Y[n,m]，Y[n,m]再经过SFFT变换后得到时延多普勒域的信号y[k,l]。

本发明的一种基于BEM模型的OTFS的信道估计方法，其通信系统包含一个发送端和一个接收端，采用OTFS的方式进行数据传输。在OTFS系统中，子载波个数为M，OTFS符号个数为N，路径数为L，载频为f_c，发送端与接收端的相对速度为v，光速为c。在频域上，以时间间隔T对时间轴进行采样，以频率间隔Δf，对频率轴进行采样；所述信道估计方法包括以下步骤：

步骤一：在接收端，接收到的信号被矢量化为N·M维度的矩阵。OTFS系统的输入输出关系可归纳为如下的向量化形式。

定义x＝{x[0,0],x[0,1]…,x[N-1,0],x[N-1,1],…x[N-1,M-1]}^T

y＝{y[0,0],y[0,1]…,y[N-1,0],y[N-1,1],…y[N-1,M-1]}^T作为各自的发送和接收信号。经过具有多普勒传播的双选择衰落信道后，接收到的OTFS信号在时延—多普勒域中的向量y可以表示为：

其中，F_N为N点离散傅里叶变换矩阵，w是均值为零、方差为σ²的加性高斯白噪声向量，I_M是M维单位阵，(·)^H表示转置共轭，

表示克罗内克积。

步骤二：根据BEM，信道矩阵可以用基函数与基函数进行表示。H_t则可表示成：

其中，长度为M·N的b_q表示第q个基函数，c_q＝[c_q[0],c_q[1],…,c_q[L]]^T是长度为(L+1)的第q个未知基函数系数，Q表示基函数个数。

步骤三：根据公式(2)可知信道矩阵H_t由基函数b_q和基函数系数c_q表示。本发明采用OGCE-BEM表示基函数b_q，OGCE-BEM对于多普勒更加密集的采样能够有效减少频谱泄露的问题，减少了高频基函数对模型带来的误差。b_q的第q个基函数的第n个元素可以表示为：

其中，n＝0,…,N-1，修正系数

为最大多普勒频率，

为归一化的最大多普勒频率，Δf为子载波间距，Z为密集采样系数。/>

步骤四、对RLS滤波器进行更新迭代，包括：对信道矩阵H_t的基函数系数c_q进行估计、更新估计误差e(n)、更新RLS滤波器的系数k(n)、更新RLS滤波器的相关矩阵R(n)、依据遗忘函数与误差的关系，对遗忘函数进行迭代更新，实时追踪信道的变化、得到更新后的基函数表达式、求取最终的信道矩阵；

在此，使用可变遗忘函数的RLS滤波器循环迭代估计基函数系数c_q；

当q＝1，n＝0时，对RLS滤波器参数进行初始化，初始化c_q(0)＝0，R^-1(0)＝δ^-2I，λ(0)＝0.99，x(0)＝0，其中R(n)表示滤波器的相关矩阵，λ(n)表示遗忘函数，δ是一个正数。

所述的更新估计误差e(n)：

e(n)＝d(n)-c_q ^T(n-1)x(n) (4)

其中，d(n)表示期望收到的信号。

所述的更新RLS滤波器的系数k(n)：

所述的更新RLS滤波器的相关矩阵R(n)：

R(n)＝λ^-1(n-1)R^-1(n-1)[1-k(n)x^T(n)] (6)。

所述的对遗忘函数进行迭代更新，依据遗忘函数与误差的关系，实时追踪信道的变化：

其中，

表示估计误差的方差，/>

表示θ函数的方差。

由上述公式(4)和(5)，可得到更新后的基函数表达式：

所述的求取最终信道矩阵的过程为：当q＝Q，n＝N-1时，则停止迭代，输出c_q。将c_q代入公式(2)得到信道矩阵。

所述的可变遗忘函数的更新过程：

Step1、由估计误差的公式e(n)＝d(n)-c_q ^T(n-1)x(n)可知，其方差表示为：

Step2、定义关于θ的函数：

由公式(10)，计算出θ函数的方差

Step3、由于遗忘函数与估计误差相关，所以遗忘函数表示为公式：

/>

Claims (8)

1.一种面向OTFS的信道估计方法，其通信系统包含一个发送端和一个接收端，采用OTFS的方式进行数据传输；在OTFS系统中，子载波个数为M，OTFS符号个数为N，路径数为L，载频为f_c，发送端与接收端的相对速度为v，光速为c；在频域上，以时间间隔T对时间轴进行采样，以频率间隔Δf，对频率轴进行采样；在发送端，首先将二维数据序列x[k,l]映射到时延—多普勒域上，通过ISFFT变换将数据符号映射到时频域上，得到数据序列X[n,m]；之后，经过海森堡变换得到时频信号s(t)，再通过信道发送出去；在接收端，接收机进行与发送端完全相反的操作，接收到的时域信号r(t)经过魏格纳变换得到时频域信号Y[n,m]，Y[n,m]再经过SFFT变换后得到时延多普勒域的信号y[k,l]；

所述的信道估计方法包括以下步骤：

步骤一、在接收端，接收到的信号被矢量化为N·M维度的矩阵；OTFS系统的输入输出关系归纳为如下的向量化形式：

定义x＝{x[0,0],x[0,1]…,x[N-1,0],x[N-1,1],…x[N-1,M-1]}^T

y＝{y[0,0],y[0,1]…,y[N-1,0],y[N-1,1],…y[N-1,M-1]}^T作为各自的发送和接收信号；经过具有多普勒传播的双选择衰落信道后，接收到的OTFS信号在时延—多普勒域中的向量y可以表示为：

其中，F_N为N点离散傅里叶变换矩阵，w是均值为零、方差为σ²的加性高斯白噪声向量，I_M是M维单位阵，(·)^H表示转置共轭，

表示克罗内克积；

步骤二、根据BEM，信道矩阵可以用基函数与基函数进行表示，H_t则可表示成：

其中，长度为M·N的b_q表示第q个基函数，c_q＝[c_q[0],c_q[1],…,c_q[L]]^T是长度为(L+1)的第q个未知基函数系数，Q表示基函数个数；

步骤三、根据公式(2)可知，信道矩阵H_t由基函数b_q和基函数系数c_q表示；采用OGCE-BEM表示基函数b_q，其第q个基函数的第n个元素可以表示为：

其中，n＝0,…,N-1，修正系数

为最大多普勒频率，

为归一化的最大多普勒频率，Δf为子载波间距，Z为密集采样系数；

步骤四、对RLS滤波器进行更新迭代，包括：对信道矩阵H_t的基函数系数c_q进行估计、更新估计误差e(n)、更新RLS滤波器的系数k(n)、更新RLS滤波器的相关矩阵R(n)、依据遗忘函数与误差的关系，对遗忘函数进行迭代更新，实时追踪信道的变化、得到更新后的基函数表达式、求取最终的信道矩阵；

在此，使用可变遗忘函数的RLS滤波器循环迭代估计基函数系数c_q；

当q＝1，n＝0时，对RLS滤波器参数进行初始化，初始化c_q(0)＝0，R^-1(0)＝δ^-2I，λ(0)＝0.99，x(0)＝0，其中R(n)表示滤波器的相关矩阵，λ(n)表示遗忘函数，δ是一个正数。

2.根据权利要求1所述的一种面向OTFS的信道估计方法，其特征在于，所述的更新估计误差e(n)：

e(n)＝d(n)-c_q ^T(n-1)x(n) (4)

其中，d(n)表示期望收到的信号。

3.根据权利要求1所述的一种面向OTFS的信道估计方法，其特征在于，所述的更新RLS滤波器的系数k(n)：

4.根据权利要求1所述的一种面向OTFS的信道估计方法，其特征在于，所述的更新RLS滤波器的相关矩阵R(n)：

R(n)＝λ^-1(n-1)R^-1(n-1)[1-k(n)x^T(n)] (6)。

5.根据权利要求1所述的一种面向OTFS的信道估计方法，其特征在于，所述的对遗忘函数进行迭代更新，依据遗忘函数与误差的关系，实时追踪信道的变化：

其中，

表示估计误差的方差，/>

表示θ函数的方差。

6.根据权利要求2或3所述的一种面向OTFS的信道估计方法，其特征在于，由公式(4)和(5)，可得到更新后的基函数表达式：

c_q(n)＝c_q(n-1)+k(n)e(n) (8)。

7.根据权利要求1所述的一种面向OTFS的信道估计方法，其特征在于，所述的求取最终信道矩阵的过程为：当q＝Q，n＝N-1时，则停止迭代，输出c_q；将c_q代入公式(2)得到信道矩阵。

8.根据权利要求1或5所述的一种面向OTFS的信道估计方法，其特征在于，所述的可变遗忘函数的更新过程：

Step1、由估计误差的公式e(n)＝d(n)-c_q ^T(n-1)x(n)可知，其方差表示为：

Step2、定义关于θ的函数：

θ(n)＝x^T(n)R^-1(n-1)x(n) (10)

由公式(10)，计算出θ函数的方差

Step3、由于遗忘函数与估计误差相关，所以遗忘函数表示为公式：

/>

Images