CN116319192A - 一种基于ici消除的二次bem信道估计方法、系统、设备及介质 - Google Patents
一种基于ici消除的二次bem信道估计方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116319192A CN116319192A CN202310281211.6A CN202310281211A CN116319192A CN 116319192 A CN116319192 A CN 116319192A CN 202310281211 A CN202310281211 A CN 202310281211A CN 116319192 A CN116319192 A CN 116319192A
- Authority
- CN
- China
- Prior art keywords
- ici
- bem
- matrix
- cancellation
- channel estimation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 31
- 230000008030 elimination Effects 0.000 abstract description 22
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000005562 fading Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- 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
-
- 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
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2695—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation with channel estimation, e.g. determination of delay spread, derivative or peak tracking
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Noise Elimination (AREA)
Abstract
一种基于ICI消除的二次BEM信道估计方法、系统、设备及介质，方法包括：对接收信号进行加窗预处理，基于最小二乘法(LS)计算基系数并得到第一次信道抽头系数估计值，使用基线倾斜技术降低BEM建模误差并得到ICI干扰矩阵，使用ICI自消除技术对接收信号进行ICI自消除，对ICI消除后的信号再次进行基系数求解及使用基线倾斜技术构建信道频域响应矩阵；系统、设备及介质，用于实现一种基于ICI消除的二次BEM信道估计的方法；本发明降低了ICI干扰及建模误差对信道估计的影响，同时提高了估计精度及系统的误码率性能。
Description
技术领域
本发明属于数字信息传输技术领域，特别涉及一种基于ICI消除的二次BEM信道估计方法、系统、设备及介质。
背景技术
目前，我国正处于由传统汽车行业向新能源、自动驾驶和智能交互等新型汽车领域转型的关键时期，在这类应用场景中，车联网(Vehicle to Everything,V2X)通信是一项关键技术，而高速移动场景则是车联网通信的一大重要应用场景。正交频分复用(OFDM)技术具有频带利用率高，数据传输速率高，能有效抵抗多径衰落的优点，在车联网通信最新标准LTE-V2X中，OFDM技术属于主要研究方向，OFDM技术依旧是高速移动环境下通信系统的物理层关键技术之一。
在高速移动环境下，多径引起信道频率选择性衰落的同时，收发端的相对移动又会造成子载波的频率偏移，使得OFDM的各个子载波之间不再相互正交，信道在短时间内发生剧烈而非线性的变化，从而带来严重的时间选择性衰落，信道的时频双选衰落特性给通信系统带来了不小的挑战，而作为通信系统物理层的重要组成部分，信道估计技术性能的好坏直接影响了整个无线通信系统的质量。传统的OFDM信道估计技术通常以接收机静止或处于低速运行状态作为背景，对信道抽头在一个甚至多个OFDM符号持续时间内保持近似不变的情况进行研究，而在双选信道场景下，传统信道估计技术的性能大大降低，导致无法提供可靠稳定的通信服务。
基扩展模型信道估计算法利用有限的基函数的线性组合来近似双选信道的变化，是当前双选信道下信道估计技术的热门研究方向。为应对不同应用场景，许多学者提出了诸如CE-BEM，多项式基扩展模型(Polynomial BEM，P-BEM)等实现复杂度较低的基函数模型，但该类基函数模型通常具有建模误差大、估计精度低等缺点，而诸如离散椭球序列基扩展模型(Discrete Prolate Spheroidal BEM,DPS-BEM)、卡-洛维基扩展模型(DiscreteKarhunen-Loeve BEM,DKL-BEM)等估计精度高的基函数模型，通常具有实现复杂度较高、需要信道先验条件等缺点。将BEM与卡尔曼滤波结合的信道估计算法(Jellali Z,AtallahLN.Fast fading channel estimation by Kalman filtering and CIR supporttracking[J].IEEE Transactions on Broadcasting,2017,63(4):635-643.)是近年来的研究热门，该类算法在低多普勒频移下具有不错的估计精度，但随着多普勒频移增加，估计精度将出现下滑，且由于是在时域对信道进行跟踪估计，在OFDM系统中的应用受到影响。此外，在双选信道条件下，OFDM系统各个子载波受到载波间干扰较大，严重影响了信道估计的精度，文献(Liu T L,Chung W H,Yuan S Y,et al.ICI self-cancellation with cosinewindowing in OFDM transmitters over fast time-varying channels[J].IEEETransactions on Wireless Communications,2015,14(7):3559-3570.)通过收端加窗进行了ICI抑制，但是当归一化多普勒频移较大时，对ICI的抑制效果受到限制，因此如何抑制ICI干扰对信道估计的影响，以及降低基函数建模的建模误差，最终提高估计精度，是本发明研究的主要问题。
通过上述分析，现有技术存在的问题为：双选信道下，ICI干扰对于导频子载波产生影响从而影响信道估计精度，以及选用基函数建模时存在建模误差的问题，使得最终的信道估计精度达不到研究预期。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提出了一种基于ICI消除的二次BEM信道估计方法、系统、设备及介质，通过在基扩展模型的基础上，联合收端加窗、ICI自消除等多方面进行ICI消除，并结合基线倾斜技术，降低了ICI干扰及建模误差对信道估计的影响，同时提高了估计精度及系统的误码率性能。
为了实现上述目的，本发明所采用的技术方案是：
一种基于ICI消除的二次BEM信道估计方法，包括以下步骤：
步骤1，对接受信号进行加窗预处理；
步骤2，对收端信噪比估计结果使用最小二乘法(LS)，求解对应于基扩展模型的基系数，并拟合信道抽头系数；
步骤3，根据步骤2计算得到的信道抽头系数，利用基线倾斜技术抑制由于Gibbs效应引起的BEM建模误差，并得到ICI干扰矩阵，以及结合基于LDL分解的均衡算法，得到发送信号估计值；
步骤4，根据步骤3计算得到的ICI干扰矩阵和发送信号估计值，对接收信号进行ICI自消除；
步骤5，对步骤4得到的ICI自消除后的接收信号，重复步骤2和步骤3，得到二次信道估计的信道频域响应矩阵。
所述步骤1中的对接受信号进行加窗预处理，具体采用以下公式：
其中，s(t)为二次多项式，即s(t)＝a0+a1t+a2t2，基于窗函数在时域连续及信号与干扰加噪声比最优准则，a0的取值为0.5，a1的取值为-0.3，a3的取值为-0.2。
所述步骤2中对收端信噪比估计结果使用最小二乘法(LS)，求解对应于基扩展模型的基系数，并拟合信道抽头系数，具体过程为：
步骤2.1：计算基函数的频域矩阵Δq＝Fdiag(bq(n))FH；其中，F为傅里叶变换矩阵，FH为傅里叶逆变换矩阵；
基函数bq(n)表示形式如下：
其中，q为过采样因子，N为M个OFDM符号的总子载波数目，Q为基扩展模型阶数。
步骤2.2：根据第m个OFDM符号的对应发送导频簇构造矩阵Bm (P)，令
其中，(FL)m是傅里叶变换矩阵的前L列和导频簇对应位置对应行元素所构成的矩阵，Xm为第m个OFDM符号的对应发送导频簇；
步骤2.3：使用最小二乘法(LS)求解基系数，令A＝ΔB，则最终基系数计算公式为：
其中，
为A的伪逆，YP为接收导频的频域观测值。
所述步骤3中，基线倾斜技术具体为：
步骤3.1：通过基线构造将信道抽头分为线性部分与非线性部分，线性部分由M个OFDM符号首尾相连构成，构造线性部分矩阵
子对角线元素由/>
构成；
步骤3.2：根据线性部分信号与接收信号计算接收信号非线性部分：
根据步骤2中基系数求解方式计算得到非线性部分对应的基系数
步骤3.3：对于步骤2中基函数的频域矩阵Δq，只保留其主对角线、B条次对角线与B条超对角线构成的带状矩阵(Δq)B；
步骤3.4：计算线性部分与非线性部分的信道频域响应矩阵：
步骤3.5：结合线性部分及非线性部分计算得到信道频域响应矩阵H：
所述步骤3利用基线倾斜技术抑制由于Gibbs效应引起的BEM建模误差，是将频域信道响应矩阵H的主对角线置零，构成ICI干扰矩阵。
所述步骤3中基于LDL分解的均衡算法，得到发送信号估计值，具体步骤为：
步骤3.6：求解最小均方误差MMSE系数分母矩阵：C＝HB HHB+σ2IN；
步骤3.7：求解中间变量矩阵L、D：
步骤3.8：依次求解x1、x2、x3，最终得到发送信号估计值：
所述步骤4的对接收信号进行ICI自消除，具体采用以下公式：
Y′＝Y-HICIX
Y′表示ICI自消除后的接收信号，Y表示原接收信号，X表示发送信号估计值，HICI表示ICI干扰矩阵。
一种基于ICI消除的二次BEM信道估计方法的系统，包括：
加窗模块，用于对接收信号进行加窗预处理；
基系数计算模块，对收端信噪比估计结果使用最小二乘法(LS)求解基系数并拟合信道抽头系数；
基线倾斜模块，用于通过基线倾斜技术抑制Gibbs效应造成的BEM建模误差，得到ICI干扰矩阵和发送信号估计值；
ICI自消除模块，用于对接收信号进行ICI自消除；
循环模块，用于重复获取基扩展模型的基系数和拟合信道抽头系数、ICI干扰矩阵和发送信号估计值，得到二次信道估计的信道频域响应矩阵。
一种用于实现基于ICI消除的二次BEM信道估计方法的设备，包括：
存储器：用于存储实现一种基于ICI消除的二次BEM信道估计方法的计算机程序；
处理器：用于执行所述计算机程序时实现一种基于ICI消除的二次BEM信道估计方法。
一种计算机可读存储介质，包括：
所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时能够实现一种基于ICI消除的二次BEM信道估计方法。
相对于现有技术，本发明的有益效果在于：
(1)本发明在基扩展模型的基础上，联合收端加窗、ICI自消除多方面进行ICI消除，并结合基线倾斜技术，降低了ICI干扰及建模误差对信道估计的影响，同时提高了估计精度及系统的误码率性能。
(2)本发明通过收端加窗进行第一次ICI消除，使得BEM观测数据进一步贴近信道变化，再通过ICI自消除算法进行第二次ICI消除，进一步抑制了观测数据的ICI，有效解决了双选信道下导频子载波受到载波间干扰导致估计精度不足的问题。
(3)本发明通过使用更大的BEM信道拟合多个OFDM符号的时变特性，解决了使用单OFDM符号进行BEM建模的局限性问题，适用于插入格状导频的多符号OFDM系统。
(4)本发明通过基线倾斜技术降低了Gibbs效应对GCE-BEM建模的影响，降低了BEM建模的建模误差，具有估计精度高的优点，适用于使用GCE-BEM进行建模的OFDM系统。
附图说明
图1是本发明实施例的方法流程图。
图2是本发明实施例的基线倾斜技术的基线构造示意图。
图3是本发明实施例的系统结构框图。
图4是本发明实施例的OFDM系统框图。
图5是本发明实施例的数据帧结构示意图。
图6是本发明实施例的导频簇结构示意图。
图7是本发明实施例的格状导频插入方式示意图。
图8是本发明提供的算法和现有BEM信道估计算法在修正后EVA信道下的性能曲线比较示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述。
如图1所示，一种基于ICI消除的二次BEM信道估计方法，包括以下步骤：
步骤1，对接收信号进行加窗预处理；
对接收信号进行收端加窗预处理，所选接收端窗函数时域表达式为：
其中，s(t)为二次多项式，即s(t)＝a0+a1t+a2t2，本文基于窗函数在时域连续及信号与干扰加噪声比最优准则，a0的取值为0.5，a1的取值为-0.3，a3的取值为-0.2。
步骤2，根据收端信噪比估计结果，使用最小二乘法(LS)，求解对应于基扩展模型的基系数，并拟合信道抽头系数；
步骤2.1：由长为NCP的CP序列构成的向量表示为XCP，在对应的OFDM符号尾部取同样长度的一段序列，由其构成的向量表示为XD，计算信号功率PD和噪声功率PN如下：
信噪比估计结果为PD/PN。
步骤2.2：计算基函数的频域矩阵Δq＝Fdiag(bq(n))FH；其中，F为傅里叶变换矩阵，FH为傅里叶逆变换矩阵；
基函数bq(n)表示形式如下：
其中，P为过采样因子，N为M个OFDM符号的总子载波数目，Q为基扩展模型阶数；
步骤2.3，根据第m个OFDM符号的对应发送导频簇构造矩阵Bm (P)，令
其中，(FL)m是傅里叶变换矩阵的前L列和导频簇对应位置对应行元素所构成的矩阵，Xm为第m个OFDM符号的对应发送导频簇；
步骤2.4，使用最小二乘法(LS)求解基系数，令A＝ΔB，则最终基系数计算公式为：
其中，
为A的伪逆，YP为接收导频的频域观测值；
步骤3，使用基线倾斜技术降低BEM建模误差，并将频域信道响应矩阵的主对角线置零，构成ICI干扰矩阵，并利用基于LDL分解的低复杂度均衡算法求解得到发送信号估计值；
步骤3.1，通过基线构造以抑制Gibbs效应造成的BEM建模误差：
通过如图2中所示基线构造将信道抽头分为线性部分与非线性部分，线性部分由M个OFDM符号首尾相连构成，构造线性部分矩阵
子对角线元素由/>
构成；
步骤3.2：根据线性部分信号与接收信号计算接收信号非线性部分：
根据步骤2中基系数求解方式计算得到非线性部分对应的基系数
步骤3.3：对于步骤2中基函数的频域矩阵Δq，只保留其主对角线、B条次对角线与B条超对角线构成的带状矩阵(Δq)B；
步骤3.4：计算线性部分与非线性部分的频域信道响应矩阵：
步骤3.5：结合线性部分及非线性部分计算得到频域信道响应H：
步骤3.6：求解MMSE系数分母矩阵：C＝HB HHB+σ2IN
求解中间变量矩阵L、D：
依次求解x1、x2、x3，最终得到发送信号估计值：
步骤4，根据步骤3得到的ICI干扰矩阵和发送信号估计值对接收信号进行ICI自消除：
Y′＝Y-HICIX
Y′表示ICI自消除后的接收信号，Y表示原接收信号，X表示发送信号估计值，HICI表示ICI干扰矩阵。
步骤5，对ICI消除后的信号再次进行基系数求解及使用基线倾斜技术重构信道频域响应矩阵。
如图3所示，一种基于ICI消除的二次BEM信道估计系统，包括：
加窗模块，用于对接收信号进行ICI初步抑制预处理，实现一种基于ICI消除的二次BEM信道估计方法中的步骤1；
基系数计算模块，对收端信噪比估计结果使用最小二乘法(LS)计算基系数，实现一种基于ICI消除的二次BEM信道估计方法中的步骤2；
基线倾斜模块，用于通过基线构造以抑制Gibbs效应造成的BEM建模误差，实现一种基于ICI消除的二次BEM信道估计方法中的步骤3；
ICI自消除模块，用于根据得到的ICI自消除矩阵和发送信号估计值对接收信号进行ICI自消除，实现一种基于ICI消除的二次BEM信道估计方法中的步骤4；
循环模块，重复获取基扩展模型的基系数和拟合信道抽头系数、ICI干扰矩阵和发送信号估计值，得到二次信道估计的信道频域响应矩阵，实现一种基于ICI消除的二次BEM信道估计方法中的步骤5。
本发明可用于高速移动下的车联网通信系统，在汽车行驶过程中通过车载感应设备、终端等与外界进行数据交互，获取车辆周围的环境信息等，利用先进通信技术为车辆提供服务，比如车辆与网络间通信、车辆与车辆间通信、车辆与基础设施间通信等。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
具体实施中由于步骤1、步骤2中的A矩阵构成的所有元素均已知，因此可以使用Matlab等软件离线计算完成后存储在硬件的ROM等资源中，以避免实际工程中进行复杂的矩阵运算，以满足硬件处理的实时性要求；剩余步骤理论上均可通过可编程逻辑进行实现。
本发明的仿真采用系统为3GPP标准规定的CP-OFDM系统，系统框图如图4所示，单个OFDM符号子载波数为2048，OFDM块数为5，子载波间隔为15kHz，归一化最大多普勒频移为0.2，调制方式为QPSK，编码方式为Turbo编码，基扩展模型阶数为3。系统帧结构如图5所示，导频插入方式为图6和图7所示的FDKD离散导频簇形式。
仿真信道基于3GPP协议的扩展车辆信道(EVA)模型，由于使用BEM进行信道估计时，需要每条路径的时延为采样周期的整数倍，为适应BEM模型，使用舍入法对EVA信道模型的抽头时延进行调整并进行归一化，最终得到调整后的PDP参数为：归一化时延[0，4，12，16，28，40]ns，平均功率为[-3.8515，-3.0972，-15.2762，-13.1762，-18.1762，-23.0762]dB。
性能仿真主要比较三种算法的性能：
(1)现有的多符号BEM信道估计方法。
(2)本发明方法去除ICI消除后的信道估计方法。
(3)本发明方法即基于ICI消除的二次BEM信道估计方法。
系统误码率系统仿真结果如图8示，横坐标为信噪比(SNR),纵坐标为比特出错概率(BER),本发明的基于ICI消除的二次BEM信道估计方法与现有的多符号BEM信道估计方法以及未进行ICI消除的BEM估计方法相比，性能有较大提升，现有的多符号BEM信道估计方法和未进行ICI消除的BEM估计方法在归一化多普勒频移较大时BER在10-4以上均出现了误码平层现象，在信噪比为16dB时，本发明所提出的方法相比于未进行ICI消除的BEM估计方法误码率性能提高了两个数量级。
一种用于实现基于ICI消除的二次BEM信道估计方法的设备，包括：
存储器：用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述的一种基于ICI消除的二次BEM信道估计方法。
所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器也可以是任何常规的处理器等，所述处理器是所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备的控制中心，利用各种接口和线路连接整个一种用于实现基于ICI消除的二次BEM信道估计方法的设备的各个部分。
所述处理器执行所述计算机程序时实现上述一种基于ICI消除的二次BEM信道估计方法的步骤，例如：在收端进行加窗预处理；通过信噪比估计结果选择合适的准则求解基系数并得到第一次信道抽头系数估计值；利用基线倾斜技术抑制CE-BEM的Gibbs效应以降低建模误差并得到ICI干扰矩阵；结合ICI干扰矩阵及基于LDL分解的均衡算法对接收信号进行ICI自消除；对ICI消除后的信号再次进行基系数求解及使用基线倾斜技术得到最终的信道频域响应矩阵，实现了一种基于ICI消除的二次BEM信道估计方法。
或者，所述处理器执行所述计算机程序时实现上述系统中各模块的功能，例如：加窗模块，用于对接收信号进行ICI初步抑制预处理；基系数计算模块，对收端信噪比估计结果使用最小二乘法(LS)计算基系数；基线倾斜模块，用于通过基线构造以抑制Gibbs效应造成的BEM建模误差；ICI自消除模块，根据得到的ICI自消除矩阵和发送信号估计值对接收信号进行ICI自消除，循环模块，用于重复获取基扩展模型的基系数和拟合信道抽头系数、ICI干扰矩阵和发送信号估计值，得到二次信道估计的信道频域响应矩阵，输出得到所述一种基于ICI消除的二次BEM信道估计的结果。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成预设功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序在所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备中的执行过程。例如，所述计算机程序可以被分割成加窗模块，用于对接收信号进行ICI初步抑制预处理；基系数计算模块，对收端信噪比估计结果使用最小二乘法(LS)计算基系数；基线倾斜模块，用于通过基线构造以抑制Gibbs效应造成的BEM建模误差；ICI自消除模块，根据得到的ICI自消除矩阵和发送信号估计值对接收信号进行ICI自消除，循环模块，用于重复获取基扩展模型的基系数和拟合信道抽头系数、ICI干扰矩阵和发送信号估计值，得到二次信道估计的信道频域响应矩阵，输出得到所述一种基于ICI消除的二次BEM信道估计的结果。
所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备，可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，上述是一种用于实现基于ICI消除的二次BEM信道估计方法的设备的示例，并不构成对一种用于实现基于ICI消除的二次BEM信道估计方法的设备的限定，可以包括比上述更多的部件，或者组合某些部件，或者不同的部件，例如所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备还可以包括输入输出设备、网络接入设备、总线等。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种用于实现基于ICI消除的二次BEM信道估计方法的设备的各种功能。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于ICI消除的二次BEM信道估计方法的步骤。
所述一种基于ICI消除的二次BEM信道估计方法的系统的信号检测系统集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
本发明实现上述一种基于ICI消除的二次BEM信道估计方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述一种基于ICI消除的二次BEM信道估计方法的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或预设中间形式等。
所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。
本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
Claims (10)
1.一种基于ICI消除的二次BEM信道估计方法，其特征在于，包括以下步骤：
步骤1，对接受信号进行加窗预处理；
步骤2，对收端信噪比估计结果使用最小二乘法(LS)，求解对应于基扩展模型的基系数，并拟合信道抽头系数；
步骤3，根据步骤2计算得到的信道抽头系数，利用基线倾斜技术抑制由于Gibbs效应引起的BEM建模误差，并得到ICI干扰矩阵，以及结合基于LDL分解的均衡算法，得到发送信号估计值；
步骤4，根据步骤3计算得到的ICI干扰矩阵和发送信号估计值，对接收信号进行ICI自消除；
步骤5，对步骤4得到的ICI自消除后的接收信号，重复步骤2和步骤3，得到二次信道估计的信道频域响应矩阵。
2.根据权利要求1所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤1中的对接受信号进行加窗预处理，具体采用以下公式：
其中，s(t)为二次多项式，即s(t)＝a0+a1t+a2t2，基于窗函数在时域连续及信号与干扰加噪声比最优准则，a0的取值为0.5，a1的取值为-0.3，a3的取值为-0.2。
3.根据权利要求1所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤2中对收端信噪比估计结果使用最小二乘法(LS)，求解对应于基扩展模型的基系数，并拟合信道抽头系数，具体过程为：
步骤2.1：计算基函数的频域矩阵Δq＝Fdiag(bq(n))FH；其中，F为傅里叶变换矩阵，FH为傅里叶逆变换矩阵；
基函数bq(n)表示形式如下：
其中，q为过采样因子，N为M个OFDM符号的总子载波数目，Q为基扩展模型阶数；
步骤2.2：根据第m个OFDM符号的对应发送导频簇构造矩阵Bm (P)，令
其中，(FL)m是傅里叶变换矩阵的前L列和导频簇对应位置对应行元素所构成的矩阵，Xm为第m个OFDM符号的对应发送导频簇；
步骤2.3：使用最小二乘法(LS)求解基系数，令A＝ΔB，则最终基系数计算公式为：
其中，
为A的伪逆，YP为接收导频的频域观测值。
4.根据权利要求1所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤3的基线倾斜技术具体为：
步骤3.1：通过基线构造将信道抽头分为线性部分与非线性部分，线性部分由M个OFDM符号首尾相连构成，构造线性部分矩阵
子对角线元素由/>
构成；
步骤3.2：根据线性部分信号与接收信号计算接收信号非线性部分：
根据步骤2中基系数求解方式计算得到非线性部分对应的基系数
步骤3.3：对于步骤2中基函数的频域矩阵Δq，只保留其主对角线、B条次对角线与B条超对角线构成的带状矩阵(Δq)B；
步骤3.4：计算线性部分与非线性部分的信道频域响应矩阵：
步骤3.5：结合线性部分及非线性部分计算得到信道频域响应矩阵H：
5.根据权利要求1或4所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤3利用基线倾斜技术抑制由于Gibbs效应引起的BEM建模误差，是将频域信道响应矩阵H的主对角线置零，构成ICI干扰矩阵。
6.根据权利要求1所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤3中基于LDL分解的均衡算法，得到发送信号估计值，具体步骤为：
步骤3.6：求解最小均方误差MMSE系数分母矩阵：C＝HB HHB+σ2IN；
步骤3.7：求解中间变量矩阵L、D：
步骤3.8：依次求解x1、x2、x3，最终得到发送信号估计值：
7.根据权利要求1所述的一种基于ICI消除的二次BEM信道估计方法，其特征在于，所述步骤4中对接收信号进行ICI自消除，具体采用以下公式：
Y′＝Y-HICIX
其中，Y′表示ICI自消除后的接收信号，Y表示原接收信号，X表示发送信号估计值，HICI表示ICI干扰矩阵。
8.一种基于ICI消除的二次BEM信道估计方法的系统，其特征在于，包括：
加窗模块，用于对接收信号进行加窗预处理；
基系数计算模块，用于对收端信噪比估计结果使用最小二乘法(LS)求解基系数并拟合信道抽头系数；
基线倾斜模块，用于通过基线倾斜技术抑制Gibbs效应造成的BEM建模误差，得到ICI干扰矩阵和发送信号估计值；
ICI自消除模块，用于对接收信号进行ICI自消除；
循环模块，用于重复获取基扩展模型的基系数和拟合信道抽头系数、ICI干扰矩阵和发送信号估计值，得到二次信道估计的信道频域响应矩阵。
9.一种用于实现基于ICI消除的二次BEM信道估计方法的设备，其特征在于，包括：
存储器：用于存储实现所述权利要求1-7的一种基于ICI消除的二次BEM信道估计方法的计算机程序；
处理器：用于执行所述计算机程序时实现所述权利要求1-7的一种基于ICI消除的二次BEM信道估计方法。
10.一种计算机可读存储介质，其特征在于，包括：
所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时能够实现所述权利要求1-7的一种基于ICI消除的二次BEM信道估计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310281211.6A CN116319192A (zh) | 2023-03-22 | 2023-03-22 | 一种基于ici消除的二次bem信道估计方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310281211.6A CN116319192A (zh) | 2023-03-22 | 2023-03-22 | 一种基于ici消除的二次bem信道估计方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116319192A true CN116319192A (zh) | 2023-06-23 |
Family
ID=86781244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310281211.6A Pending CN116319192A (zh) | 2023-03-22 | 2023-03-22 | 一种基于ici消除的二次bem信道估计方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116319192A (zh) |
-
2023
- 2023-03-22 CN CN202310281211.6A patent/CN116319192A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2010091263A1 (en) | Methods and systems for fourier-quadratic basis channel estimation in ofdma systems | |
| CN107359906B (zh) | 低压电力线通信系统中脉冲噪声的抑制方法 | |
| CN101945066A (zh) | 一种ofdm/oqam系统的信道估计方法 | |
| CN109194594B (zh) | 一种基于连续载波聚合的相位噪声抑制方法 | |
| CN113660061B (zh) | 基于接收符号分块的otfs系统符号检测方法 | |
| CN113452641B (zh) | 一种fbmc信道估计方法、系统、计算机设备、终端 | |
| US8284875B2 (en) | Methods and systems for frequency domain gain control in OFDM MIMO systems | |
| CN102271102B (zh) | 一种基于滑动窗的信道估计方法和设备 | |
| CN114826832A (zh) | 信道估计方法、神经网络的训练方法及装置、设备 | |
| CN100477651C (zh) | 一种基于组合导频的高性能ofdm信道估计方法 | |
| CN102185803A (zh) | 一种高速移动环境下的信道估计方法 | |
| CN102780656A (zh) | 一种多符号子载波干扰消除联合信道估计方法和装置 | |
| CN114615113B (zh) | 一种利用前导序列对基系数降噪的多符号bem信道估计方法 | |
| CN109639602B (zh) | 面向5g高速移动场景的低复杂度gfdm信道估计方法 | |
| US8731109B2 (en) | Methods and systems for effective channel estimation in OFDM systems | |
| CN116319193A (zh) | 一种基于子块传输的gce-bem迭代信道估计方法、系统、设备及介质 | |
| CN116319192A (zh) | 一种基于ici消除的二次bem信道估计方法、系统、设备及介质 | |
| CN107231323B (zh) | 可见光通信系统中基于可靠判决反馈的信道估计方法 | |
| CN111817990B (zh) | Ofdm系统中基于最小均方误差的一种信道估计改进算法 | |
| CN108540411B (zh) | 一种利用快速傅里叶变换的低复杂度bem信道估计方法 | |
| CN108924069B (zh) | 一种基于降维dft的ofdm信道估计方法 | |
| CN106375253B (zh) | 基于循环前缀的小数倍频偏估计方法 | |
| CN114826838B (zh) | 基于前导序列的fbmc雷达通信一体化系统信道估计算法 | |
| KR20140092608A (ko) | Ofdm 시스템을 기반으로 하는 주파수 오차 추정 방법 및 그 장치 | |
| CN114143145B (zh) | 一种基于深度学习的信道估计方法 |
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 |