CN1279711C - 正交频分复用系统基于Walsh变换的抗信道噪声均衡方法 - Google Patents

Abstract

正交频分复用(OFDM)系统基于Walsh变换的抗信道噪声均衡方法属于正交频分复用通信技术领域。该方法在接收有效负载与导频序列后，首先用最小平方估计算法对导频的信道传输函数进行估计，然后进行导频信道传输函数的Walsh变换，在Walsh变换域滤波后，进行Walsh反变换，之后传输函数插值得到全信道传输函数，最后利用全信道频域传输函数进行均衡，得到传输符号序列。本发明降低了系统的误比特率，提高了系统性能。

Description

正交频分复用系统基于Walsh变换的抗信道噪声均衡方法

技术领域

正交频分复用(OFDM)系统基于Walsh变换的抗信道噪声均衡方法属于正交频分复用通信技术领域。

背景技术

正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)技术利用并行数据传输和子信道相互交叠，在充分利用可用带宽的同时，避免使用高速均衡，并对抗突发噪声。其目前在通信领域倍受关注，在高比特率数字用户线(HDSL)，数字音频广播(DAB)、数字视频广播(DVB)和无线局域网(WLAN)等方面获得了广泛应用。

OFDM采用时/频域变换和循环扩展保护间隔，使得系统在多径信道环境下，可以用简单的频域均衡代替复杂的传统时域均衡。在1998年第7期《IEEE Transaction on Communications》第931-939页上由Ove Edfors发表的“OFDM Channel Estimation by Singular ValueDecomposition”(利用奇异值分解的OFDM信道估计)一文中讨论了基于导频的最小平方估计(LSE)频域均衡算法。

该方法设OFDM系统共有N个子载波，其中M个作为导频，发送的导频序列为P_p，经过无线信道后接收到的导频序列为X_p，则导频子载波信道的最小平方估计频域传输函数为

${\tilde{H}}_p=X_p/P_p,$ p＝0，1，...M-1

该方法通过检测在特定子载波内传送的已知符号(导频)估计出导频子载波信道的频域传输函数

，并据此插值估计全信道的频域传输函数，从而进行频域均衡。但是信道噪声对均衡效果有较大影响，导致整体系统性能的恶化。

发明内容

本发明的目的在于提供了一种无线传输中常见的多径衰落条件下用于正交频分复用(OFDM)系统中基于Walsh变换的提高系统抗噪声性能的信道均衡方法。

其特征在于：它依次含有以下步骤：

(1)用已知的最小平方估计(LSE)算法对M个导频点的信道传输函数进行估计：根据最小平方准则得到的导频信道传输函数值为：

${\tilde{H}}_p=X_p/P_p,$ p＝0，1，......M-1

其中，X_p：接收到的导频序列；

P_p：已知的发送导频序列；

(2)对导频信道传输函数值进行离散域变换得到离散域信道特征；

(3)变换域的导频信道传输函数进行降噪滤波；

(4)对滤波结果进行反离散域变换，得到降噪后的导频信道传输函数 ；

(5)对降噪后的导频信道传输函数进行插值，得到全信道频域传输函数；

(6)利用全信道频域传输函数进行均衡，得到传输符号序列

$Y_n={\tilde{Y}}_n/H_n,$

其中，

：接收到的有效负载。

在工作站的COSSAP通信仿真平台上的运行证明：本发明降低了系统的误比特率，提高了系统性能，达到了预期目的。

附图说明

图1本发明的方法流程框图

图2本发明实施例1的流程框图

图3实施例1中的Walsh域导频信道传输函数功率分布图

图4本发明实施例2的流程框图

图5实施例2中的Walsh域导频信道传输函数功率分布图

图6本发明的两个实施例与现有技术的性能比较图(有效负载采用QPSK调制方式)

图7本发明的两个实施例与现有技术的性能比较图(有效负载采用QAM16调制方式)。

具体实施方式

实施例1：请见图2

第一步：对导频信道传输函数进行估计，得到M个最小平方估计导频信道传输函数值

${\tilde{H}}_p=X_p/P_p$ (p＝0，1，......M-1)，

按照惯例，OFDM系统取N＝1024个子载波，其中导频数为M＝128。

此时得到的导频信道传输函数中混杂有加性高斯白噪声，会影响均衡质量，需要在后续处理中滤除。

第二步：对导频信道传输函数最小平方估计值 进行一维离散Walsh变换，得到Walsh域的导频信道传输函数

${\tilde{W}}_q=\mathrm{DWT}\_D1\left({\tilde{H}}_p\right),$

设M＝2^m，则当M＝128时，m＝7。

则上述一维离散Walsh变换可以表示为

${\tilde{W}}_q\left(u\right)=\frac{1}{\sqrt{128}}{\mathrm{\Σ}}_{u=0}^{127}{\tilde{H}}_p\left(x\right)\·{(-1)}^{\underset{i=0}{\overset{6}{\mathrm{\Σ}}}{b}_i\left(x\right)b_{6-i}\left(u\right)}$ (u＝0，1，......，127)

其中

表示

的第x个采样点，

b_i(z)为z的二进制数的第i+1位的值(即0或者1)。

由于信道的频域相关性， 中信道的信息集中于Walsh域低频部分，而信道高斯白噪声则由于相互间完全不相关，在Walsh域中呈均匀分布，如图3所示。

第三步：对Walsh域的导频信道传输函数 进行滤波，得到降噪后的Walsh域传输函数

${\hat{W}}_q=\left\{\begin{array}{cc}{\tilde{W}}_q\·\frac{E{\left|\right[{\tilde{W}}_q\left]\right|}^2-N_0}{E{\left|\right[{\tilde{W}}_q\left]\right|}^2},& {\left|{\tilde{W}}_q\right|}^2\≥N_0\\ 0,& \mathrm{otherwise}\end{array}\right.,$

其中，N_o：信道高斯白噪声功率；

：第q点导频信道传输函数的功率均值；

第四步：对 进行一维反Walsh变换，得到降噪后的导频信道传输函数

${\hat{H}}_p=\mathrm{IDWT}\_D1\left({\hat{W}}_q\right),$

当M＝128时，上述一维离散反Walsh变换可以表示为

${\hat{H}}_p\left(x\right)=\frac{1}{\sqrt{128}}{\mathrm{\Σ}}_{u=0}^{127}{\hat{W}}_q\left(u\right)\·{(-1)}^{\underset{i=0}{\overset{6}{\mathrm{\Σ}}}{b}_i\left(x\right)b_{6-i}\left(u\right)}$ (x＝0，1，......，127)

其中

表示

的第u个采样点，b_i(z)为z的二进制数的第i+1位的值(即0或者1)

第五步：对降噪后的导频信道传输函数进行插值，得到全信道频域传输函数

$H_n=\mathrm{INTERP}\left({\hat{H}}_p\right),$

其中INTERP()为三次样条插值函数

第六步：利用全信道频域传输函数进行均衡，得到传输符号序列

$Y_n={\tilde{Y}}_n/H_n$

实施例2：请见图4

步骤与实例1基本相同，区别在于：

第(2)步选用二维Walsh变换

${\tilde{W}}_q=\mathrm{DWT}\_D2\left({\tilde{H}}_p\right),$

设M＝2^m，则当M＝128时，m＝7。

设二维离散Walsh变换的行宽(即变换包含的相邻OFDM符号数)为N＝16，N＝2ⁿ，则n＝4。

上述二维离散Walsh变换可以表示为

${\tilde{W}}_q(u,v)=\frac{1}{\sqrt{128\·16}}\underset{x=0}{\overset{127}{\mathrm{\Σ}}}\underset{y=0}{\overset{15}{\mathrm{\Σ}}}{\tilde{H}}_p(x,y)\·{(-1)}^{\underset{i=0}{\overset{6}{\mathrm{\Σ}}}\left[b_i\left(x\right)b_{6-i}\left(u\right)\right]+\underset{J=0}{\overset{3}{\mathrm{\Σ}}}\left[b_j\left(y\right)b_{3-j}\left(v\right)\right]}$ (u＝0，1，......127；v＝0，1，2，3)

其中

表示 的第y个OFDM符号的第x个采样点，

b_i(z)为z的二进制数的第i+1位的值(即0或者1)。

由于信道的时域相关性，相邻OFDM符号间的频域传输函数差别较小，在进行二维Walsh变换后信道能量进一步集中，而加性高斯白噪声能量仍保持均匀分布，如图5所示。

第(4)步选用二维反Walsh变换

${\hat{H}}_p=\mathrm{IDWT}\_D2\left({\hat{W}}_q\right).$

当M＝128，N＝16时，上述二维离散反Walsh变换可以表示为

${\hat{H}}_p(x,y)=\frac{1}{\sqrt{128\·16}}\underset{u=0}{\overset{127}{\mathrm{\Σ}}}\underset{v=0}{\overset{15}{\mathrm{\Σ}}}{\hat{W}}_q(u,v)\·{(-1)}^{\underset{i=0}{\overset{6}{\mathrm{\Σ}}}\left[b_i\left(x\right)b_{6-i}\left(u\right)\right]+\underset{J=0}{\overset{3}{\mathrm{\Σ}}}\left[b_j\left(y\right)b_{3-j}\left(v\right)\right]}$ (x＝0，1，.....127；y＝0，1，2，3)

其中 表示 第v个OFDM符号的第u个采样点，

b_i(z)为z的二进制数的第i+1位的值(即0或者1)。

图6为本发明的两个实施例的均衡性能与现有技术性能比较图。按照惯例，OFDM系统取1024个子载波，其中均匀分布M＝128个导频信号，信号总带宽5MHz，有效负载采用QPSK(Quarter Phase Shift Keying，四相位移相键控)调制方式，载波频率1.8GHz，在10m/s的运动速度下产生的最大多普勒频移为60Hz，采用ETSI于1997年发布的技术报告“Overallrequirements on the radio interface of the UMTS”中给出的Vehicle A信道环境。通过以上合理的参数设定，本发明的实施例明显降低了系统的误比特率。

图6中曲线1为传统LSE均衡性能，曲线2为使用一维Walsh变换的均衡性能，曲线3为使用二维Walsh变换的均衡性能，曲线4为信道传输函数完全已知的均衡性能。由图6可见，采用一维Walsh变换的均衡算法性能优于传统LSE均衡算法性能，而采用二维Walsh变换的均衡算法性能更好，接近信道状况完全已知条件下的性能。而且由于Walsh变换与反Walsh变换仅需进行加、减法，无需乘、除运算，仅需要增加极少的运算量。

图7中有效负载采用QAM16(Quadrature Amplitude Modulation 16，16点正交幅度调制)调制方式，其它条件与图6完全相同。

图7中曲线1为传统LSE均衡性能，曲线2为使用一维Walsh变换的均衡性能，曲线3为使用二维Walsh变换的均衡性能，曲线4为信道传输函数完全已知的均衡性能。

Claims (2)

1、一种正交频分复用系统基于Walsh变换的抗信道噪声均衡方法，含有用最小平方估计算法对M个导频点的信道传输函数进行估计，并对此信道传输函数插值得到全信道的频域传输函数等步骤，其特征在于：它依次含有以下步骤：

(1)用已知的最小平方估计(LSE)算法对M个导频点的信道传输函数进行估计：根据最小平方准则得到的导频信道传输函数值为：

${\tilde{H}}_p=X_p/P_p,$

其中，X_p：接收到的导频序列；

P_p：已知的发送导频序列；

(2)对导频信道传输函数值进行离散域变换得到变换域的导频信道传输函数；

(3)变换域的导频信道传输函数进行降噪滤波；

(4)对滤波结果进行反离散域变换，得到降噪后的导频信道传输函数

(5)对降噪后的导频信道传输函数进行插值，得到全信道频域传输函数；

(6)利用全信道频域传输函数进行均衡，得到传输符号序列

$Y_n={\tilde{Y}}_n/H_n,$

其中， 接收到的有效负载。

2、根据权利要求1所述的抗信道噪声均衡方法，其特征在于：

上述第(2)步对导频信道传输函数值 进行离散Walsh变换，得到Walsh域的导频信道传输函数，实现了信道与噪声的特征分离

${\tilde{W}}_q=\mathrm{DWT}\left({\tilde{H}}_p\right),$

其中，DWT()：一维或者二维的Walsh变换；

上述第(3)步对Walsh域的导频信道传输函数进行滤波，得到

${\hat{W}}_q=\left\{\begin{array}{cc}{\tilde{W}}_q\·\frac{E{\left|\right[{\tilde{W}}_q\left]\right|}^2-N_0}{E{\left|\right[{\tilde{W}}_q\left]\right|}^2},& {\left|{\tilde{W}}_q\right|}^2\≥N_0\\ 0,& \mathrm{otherwise}\end{array}\right.,$

其中，N₀：信道高斯白噪声功率；

第q点导频信道传输函数的功率均值；

上述第(4)步对

进行离散反Walsh变换，得到降噪后的导频信道传输函数

${\hat{H}}_p=\mathrm{IDWT}\left({\hat{W}}_q\right),$

其中，IDWT()：一维或者二维的反Walsh变换。

Images