CN1298125C - 一种用于消除训练序列的Turbo方法 - Google Patents

Abstract

本发明提供了一种用于消除训练序列的turbo(循环处理)方法，它是通过接收端根据每次循环处理过程中的信道估计值和随信道估计精度的提高而增大的消除训练序列加权系数，将接收信号中叠加的训练序列减去，同时，利用训练序列自相关性强的特点，将处理后的数据与本地产生的相同的训练序列作相关运算。采用本发明能够按照通信系统要求有效地消除直接叠加在有用信号上的训练序列，从而突破直接叠加训练序列的方法的使用局限。

Description

一种用于消除训练序列的Turbo方法

技术领域

本发明属于无线通信或有线通信技术领域，它特别涉及用于消除叠加在数据信号上训练序列的技术。

背景技术

现代移动通信发展趋势是要求在多径环境下要有更快的传输速率、更好的传输质量、更高的频谱效率，更大的系统容量，所以OFDM成为倍受关注的技术。为了在接收端实现同步、信道估计等，需在发送端在信号数据中叠加训练序列。现在通常采用的叠加训练序列的方法有两种，包括时分叠加(帧结构如图1)和直接叠加(帧结构如图2)。时分叠加的频谱利用率较低(由图1和图2对比很容易看出)，但由于能够从接收序列中比较方便地消除训练序列，不会对数据产生影响，所以现在通常采用时分的叠加训练序列方法。现在有学者提出了采用直接叠加训练序列的方法(参见“Superimposed periodic pilots for bind channelestimation”2001 IEEE CNF)，这种方法的频谱利用率高，提高了数据传输速率。但叠加的训练序列会对传输的数据产生干扰，因此现在这种方法通常使用在对频谱利用率要求较高且对训练序列所产生的干扰不敏感的情况下。直接叠加训练序列的方法的使用有很大的局限性。

发明内容

在通信系统中，为实现同步、信道估计或其它目的，需在数据信号上叠加训练序列。直接叠加训练序列的方法的好处是不会降低数据传输效率。但叠加在数据信号上的训练序列在解调时会对数据信号产生干扰。故可以考虑在解调前将训练序列对数据序列的大部分干扰消除掉。

本发明的任务是提供一种有效的消除直接叠加在有用信号上的训练序列的方法，即采用本发明的消除直接叠加训练序列的方法，能够按照系统要求消除直接叠加训练序列所引入的干扰，这样直接叠加训练序列能够按照需要更自由地使用在通信系统中。

按照本发明的一种用于消除训练序列的Turbo(循环处理)方法，它包含下列步骤：

步骤1发送端直接叠加训练序列(如图2所示)；

步骤2发送端将叠加训练序列的数据发射出去，其数学表达式如下：

$R\left[k\right]=\sqrt{1-\mathrm{\ρ}}C\left[k\right]+\sqrt{\mathrm{\ρ}}B\left[k\right]$

其中，C[k]是数据序列，B[k]是发射的训练序列，ρ是PN序列的加权系数；其特征在于它还包含下列步骤：

步骤3接收端，在信道估计25(如图7、图8所示，其中信道估计25的输出为h)的基础上确定加权系数α，消除训练序列，其数学表达式如下：

$C^{\′}\left[k\right]=R^{\′}\left[k\right]-\mathrm{\αh}\sqrt{\mathrm{\ρ}}B\left[k\right]$

其中，α为加权系数，h为信道估计的输出，C′[k]为数据序列，R′[k]为接收信号，刚开始循环时(如第一次循环)α取较小值，循环次数增加时信道估计的精度迅速提高而增大，α随信道估计精度的提高而增大；

步骤4将处理后的数据C′[k]与本地产生的相同的训练序列(与发射的训练序列B(k)相同)作相关运算；

步骤5步骤4中的运算结果与系统设定的门限值(门限值的大小取决于系统的精度要求和系统的复杂度要求)比较，当相关值大于门限值时，重复步骤3；

步骤6当步骤4中的运算结果低于门限值时，此时已按照要求消除直接叠加训练序列，处理结束，得到数据序列。

经过上述步骤处理，能够按照系统要求消除直接叠加训练序列所引入的干扰。

本发明的核心思想是循环对消(Turbo)。具体思想是：在发送端，采用直接叠加训练序列的方法，以一定的加权因子将训练序列直接叠加到要发送的数据序列中，在叠加时如果训练序列不够长则周期延拓。在接收端，当不再需要叠加的训练序列时，通过信道估计和可调的加权系数(一般第一次循环时α取较小值，α随信道估计精度的提高(当循环次数增加时信道估计的精度迅速提高)而增大，增大的幅度根据系统要求而定)消除训练序列，再利用训练序列自相关性强的特点，将处理后的数据与本地产生的相同的训练序列作相关运算，当运算的结果大于按照系统需要所设定的门限值时，说明残余的训练序列能量还很强，它对数据产生的干扰没有达到要求，则重复上述过程直到相关运算的结果满足要求(即低于门限值)为止。

本发明的实质是在系统的接收端Tubro方法消除训练序列模块14中引入可调加权系数模块21、信道估计模块25(如图7、图8所示)，随着循环次数的增加，信道估计的精度迅速提高，加权系数逐渐增大，使得模块22(如图7、图8所示)的相关运算结果快速向门限阀值逼近，直至低于门限值。

需要说明的是，本发明所指的训练序列可以是任何训练序列，所述的训练序列并不限定为伪随机序列，当用伪随机序列时，可以是现在常用的m序列，GOLD序列等，也可以是更随机的、相关性更强的其他伪随机序列处理方法。

本发明的依据是在发送端采用直接叠加训练序列的方法和现有的信道估计技术的基础上，利用训练序列自身具有的特性(训练序列的自相关性强、训练序列和数据序列间的互相关性弱)，采用在接收端引入相关运算和循环处理(Turbo)的方法，有效地消除直接叠加在有用信号上的训练序列。

以下以本发明应用于OFDM系统为例详细的说明本发明方法，其中采用最常用的PN序列(伪随机序列)。

系统结构如图3所示，本发明的创新部分是发射端的叠加训练序列模块6和接收端的Tubro方法消除训练序列模块14部分。

在发射端23中：OFDM中IFFT 3变换后的N个点的数据序列C[k]乘以系数 将PN序列，周期为K，其周期延拓后长为N并乘以系数 即得到延拓后的PN序列(如图5所示)，C[k]与B[k]的N个点对应相加构成发射信号：

$R\left[k\right]=\sqrt{1-\mathrm{\ρ}}C\left[k\right]+\sqrt{\mathrm{\ρ}}B\left[k\right]---\left(1\right)$

上式中，C[k]是OFDM数据序列，B[k]是发射的PN序列，它们的长度都是N。ρ是PN序列的加权系数，取很小的值，以减小对传输数据的影响。

在接收端24：采用下面的步骤，

步骤一：接收信号为R′[k]减去周期延拓后长为N的训练PN序列，得到数据序列

$C^{\′}\left[k\right]=R^{\′}\left[k\right]-\mathrm{\αh}\sqrt{\mathrm{\ρ}}B\left[k\right]---\left(2\right)$

上式中，α为加权系数(如图7、图8所示)，一般初始时α取较小值，h为信道估计25(如图7、图8所示)得到的信道估计值，C′[k]为初步消除PN序列的OFDM数据序列。

步骤二：C′[k]与PN[k]作以下相关运算，如图7、图8所示的模块22，得到相关系数

$\mathrm{\γ}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}[\left(\underset{n=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{PN}}^{*}\right[k-n-\mathrm{lK}\left]r\right[k-n-\mathrm{lK}\left]\right)\·$

${\left(\underset{n=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{PN}}^{*}\right[k-n-(l+1)K\left]r\right[k-n-(l+1)K\left]\right)}^{*}]---\left(3\right)$

上式中L表示一个OFDM符号有用部分(长度为N)所包含完整PN序列PN[k](长度为K)的个数。

如果γ大于门限值Γ(根据系统而定)则将C′[k]作为R′[k]代入(2)式，此时增大加权系数α(如图7、图8中可调加权系数模块21)，增大的幅度根据系统要求而定。

重复步骤一、步骤二直到满足条件：相关运算后小于门限值Γ。

则最终得到的序列Cⁿ[k]就是大大消弱并符合系统要求的PN序列影响(训练序列)的OFDM数据序列。

需要说明的是我们通过上述例子说明了本发明在OFDM系统中的应用，但本发明的使用范围不仅仅是OFDM系统。

本发明的主要创新是引入了可变估计系数加权训练序列，并采用循环处理的方法消除训练序列引入的噪声。本发明能够按照通信系统要求有效地消除直接叠加在有用信号上的训练序列，从而突破直接叠加训练序列的方法的使用局限，使它能够更有效更广泛地用来提高数据传输速率和频谱利用率。

附图说明

图1是传统时分叠加训练序列方法的帧结构图

图中可以看出训练序列占用了频谱，影响了数据传输速率。

图2是直接叠加训练序列方法的帧结构图

图中可以看出训练序列不占用频谱，不影响数据传输速率，但对数据产生干扰。图3是使用本发明的Tubro方法对消训练序列的OFDM系统结构图

图中23是发射部分，24是接收部分，6是叠加训练序列模块，14是Tubro方法消除序列模块。

图4是叠加训练序列模块流程图

图中数据序列和PN序列相叠加构成发射序列。

图5是叠加训练序列模块结构图

图中17是乘法器，18是加法器，19是伪随机编码发生器。数据通过叠加训练序列模块6处理构成发射序列。

图6是本发明Tubro方法消除训练序列模块流程图

图中，先调节加权系数，作信道估计，然后接收数据序列减去估计加权PN序列，处理后的数据与本地PN序列作相关运算，当相关值大于门限值时重复上述过程，当相关值小于门限值时得到接收数据，此时得到的接收数据已按照系统要求消除直接叠加训练序列所引入的干扰。

图7是本发明Tubro方法消除训练序列模块在系统采用导引(pilot)作信道估计时的结构图

图中14是Tubro方法消除序列模块，19是伪随机编码发生器、21是可调加权系数模块、25是信道估计模块、22是相关运算及判决模块。通过信道估计模块25得到信道估计值，同时通过可调加权系数模块21，调节加权系数，然后接收数据序列通过加法器18减去估计加权PN序列，处理后的数据通过相关运算及判决模块22与本地PN序列作相关运算，当相关值大于门限值时重复上述过程，当相关值小于门限值时得到接收数据。其中需要说明的是，此时系统采用导引(pilot)作信道估计(导引插入在需要的接收数据序列中)，信道估计需要使用数据序列，信道估计模块的输入数据是直接采用需要的数据序列(即相加器18的输出数据)。

图8是本发明Tubro方法消除训练序列模块在系统采用训练序列作信道估计时的结构图

图中14是Tubro方法消除序列模块，19是伪随机编码发生器、21是可调加权系数模块、25是信道估计模块、22是相关运算及判决模块。通过信道估计模块25得到信道估计值，同时通过可调加权系数模块21，调节加权系数，然后接收数据序列通过加法器18减去估计加权PN序列，处理后的数据通过相关运算及判决模块22与本地PN序列作相关运算，当相关值大于门限值时重复上述过程，当相关值小于门限值时得到接收数据。其中需要说明的是，此时系统采用训练序列作信道估计，信道估计模块的输入数据不采用相加器18的输出数据，输入数据将由具体通信系统提供。

具体实施方式

本发明的主要创新是引入了可变估计系数加权训练序列，并采用循环处理的方法消除训练序列引入的噪声。

可以按上述描述的方法，通过编程来实现Turbo方法干扰消除，然后利用现有技术可以制作成相应的硬件，组成本发明的模块，实现无线通信中消除叠加在数据信号上的训练序列。

以下举例说明：

设ρ＝0.05，N＝4096，门限值Γ＝0.1，K＝128，则 $\sqrt{\mathrm{\ρ}}=0.2236,$ $\sqrt{1-\mathrm{\ρ}}=0.9747.$

其中，在发射端23：OFDM中IFFT 3变换后的4096个点的数据序列C[k]乘以系数0.9747，将PN序列19(其周期为128)周期延拓后长为4096并乘以系数0.2236，即0.2236B[k]，C[k]与B[k]的N个点对应相加为发射信号：

            R[k]＝0.9747C[k]+0.2236B[k]                   (1)

上式中，C[k]是OFDM数据序列，B[k]是发射的PN序列，它们的长度都是4096。

在接收端24：

步骤一：初始时设加权系数α＝0.4，通过信道估计25(如图7、图8所示)得到信道估计值h，则 $\mathrm{\αh}\sqrt{\mathrm{\ρ}}=0.0805,$ 接收信号为R′[k]，减去周期延拓后长为4096的训练PN序列得到数据序列：

        C′[k]＝R′[k]-0.0805B[k]                  (2)

因为信号经过信道传输后可能发生衰减，而且信道估计25(如图7、图8所示)得到的信道估计值h可能不准确，R′[k]和发射端的R[k]不相等。所以，C′[k]是初步消除PN序列的OFDM数据序列。

步骤二：C′[k]与PN[k]作以下相关运算，如图7所示的模块22，得到相关系数

$\mathrm{\γ}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}[\left(\underset{n=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{PN}}^{*}\right[k-n-\mathrm{lK}\left]r\right[k-n-\mathrm{lK}\left]\right)\·$

${\left(\underset{n=0}{\overset{K-1}{\mathrm{\Σ}}}{\mathrm{PN}}^{*}\right[k-n-(l+1)K\left]r\right[k-n-(l+1)K\left]\right)}^{*}]---\left(3\right)$

上式中L表示一个OFDM符号有用部分(长度为4096)所包含完整PN序列PN[k](长度为128)的个数32。

如果γ大于设定门限值Γ＝0.1则将C′[k]作为R′[k]代入(2)式，此时增大加权系数α(如图7中可调加权系数模块21)，增大的幅度根据系统要求而定。

重复步骤一、步骤二直到满足条件：相关运算后小于门限值Γ＝0.1。

则最终得到的序列C″[k]就是大大消弱PN序列影响(训练序列)的OFDM数据序列。

Claims (2)

1、一种用于消除训练序列的Turbo循环处理方法，它包含下列步骤：

步骤1  发送端直接叠加训练序列；

步骤2  发送端将叠加训练序列的数据发射出去，其数学表达式如下：

$R\left[k\right]=\sqrt{1-\mathrm{\ρ}}C\left[k\right]+\sqrt{\mathrm{\ρ}}B\left[k\right]$

其中R[k]是最终发射数据，C[k]是数据序列，B[k]是发射的训练序列，ρ是PN序列的加权系数，其特征在于它还包含下列步骤：

步骤3  接收端在信道估计的基础上确定加权系数α，消除训练序列，其数学表达式如下：

$C^{\′}\left[k\right]=R^{\′}\left[k\right]-\mathrm{\αh}\sqrt{\mathrm{\ρ}}B\left[k\right]$

其中C′[k]是最终接收数据，R′[k]是接收机接收数据，α是加权系数，h是信道估计的输出，B[k]是发射的训练序列，ρ是PN序列的加权系数，第一次循环时α取较小值，循环次数增加时信道估计的精度迅速提高而增大，α随信道估计精度的提高而增大；

步骤4  将处理后的数据C′[k]与本地产生的相同的训练序列B[k]作相关运算；

步骤5  步骤4中的运算结果与系统设定的门限值比较，当相关值大于门限值时，重复步骤3；

步骤6  当步骤4中的运算结果低于门限值时，此时已按照要求消除直接叠加训练序列，处理结束，得到数据序列。

2、按照权利要求1所述的一种用于消除训练序列的Turbo方法，其特征是所述的训练序列可以是任意的伪随机序列。

Images