CN1561013A - 基于导频矩阵的时域自适应信道估计方法 - Google Patents

Abstract

一种基于导频矩阵的时域自适应信道估计方法，以抑制噪声功率为指导思想，将具有分块循环特性的导频矩阵与最小均方误差LMS自适应算法相结合，实现MIMO系统的时域自适应信道估计。首先分别根据信道实际模型与所需的信道估计长度生成基本导频矩阵块及扩展矩阵，然后求两者的叉积得到导频矩阵，并将其作为导频发射信号通过发射天线发送，接收天线接收通过信道后的导频矩阵作为导频接收信号，再采用LMS自适应算法，通过提取导频发射信号与导频接收信号之间的内在联系，进行实际信道的自适应时域信道估计。本发明能够补偿信号同步误差造成的影响，估计频度不受导频数据帧长度的限制，估计效果受多普勒频移影响小，适合应用于高速移动环境。

Description

基于导频矩阵的时域自适应信道估计方法

技术领域

本发明涉及一种基于导频矩阵的时域自适应信道估计方法，能够对多输入多输出(MIMO)的无线通信系统进行信道估计，属于信息的无线传输领域，特别是移动通信、数字电视等应用中的信息传输技术。

背景技术

MIMO(多输入多输出)系统可以有效提高信道的频谱利用率。现有的研究已经指出，在所需信噪比和频谱效率一定的情况下，当接收天线个数大于等于发送天线个数时，系统容量将随发送天线数量线性增长。

MIMO系统的信道估计，可以分为时域估计与频域估计两类。LiY在《ChannelEstimation for OFDM Systems with Transmitter Diversity in Mobile WirelessChannels》(IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS，VOL.17，NO.3，MARCH 1999)中，对MIMO系统的频域信道估计进行了研究。频域信道估计算法相对时域估计而言比较简单，但是一般只适用于多载波传输(例如OFDM)且假设在一个突发数据块(例如OFDM符号)内信道参数不变；而时域估计仅假设在一组导频序列传送过程中信道参数不变。以OFDM系统为例，在子载波数比较多的情况下，导频序列长度远小于OFDM符号长度，因此时域估计的估计效率比频域估计更高，对于变化较快的信道，其估计效果也更好。但是由于时域信道估计不可避免的需要考虑多径效应(多径效应在频域估计中可以通过采用OFDM等调制方式而避免考虑)，当多径估计长度较大时，其复杂度十分高，所以目前大多数MIMO系统采用的是频域信道估计，在高数据速率、快速移动的情况下，信道估计的效果比较差，暴露了频域信道估计效率低、受多普勒频移(与移动速度密切相关)影响大的缺点。

发明内容

本发明的目的在于针对频域估计的缺陷，提供一种复杂度相对较低的基于导频矩阵的时域自适应信道估计方法，能快速、准确地进行MIMO系统的信道估计。具有能够抑制信道噪声，估计频度不受导频数据帧长度的限制，收敛速度快，能够补偿信号同步误差造成的影响，适合应用于高速移动环境等优点。

为了实现上述目的，本发明以抑制噪声功率为指导思想，将具有分块循环特性的导频矩阵与LMS(最小均方误差)自适应算法相结合，实现MIMO系统的时域自适应信道估计。本发明的方法首先分别根据信道实际模型与所需的信道估计长度生成基本导频矩阵块及扩展矩阵，然后求两者的Kronecker积(克罗内克积，又名叉积)，从而得到导频矩阵。之后通过发射天线发送导频矩阵(导频发射信号)，接收天线接收通过信道后的导频矩阵(导频接收信号)，再采用LMS自适应算法，通过提取导频发射信号与导频接收信号之间的内在联系，进行实际信道的自适应时域信道估计。

本发明的方法具体包括以下步骤：

1)根据实际信道模型中的天线数目(M发N收)选取大小为M*M的基本导频矩阵A，使其满足：(1)A的行、列均两两正交(2)每个矩阵元素的模均为1。

2)根据所需的多径估计长度L，构造旋转因子 ${\mathrm{\ω}}_0=e^{j2\mathrm{\π}/\left(L^{f\left(L\right)}\right)},$ 其中f(L)为一个关于L的初等函数，通常可以选择f(L)＝L-1。使用选定的旋转因子，求它的l^f(l)(l＝0，1，...，L-1)次幂，构建向量 $B_0=\[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^{2^{f\left(2\right)}}\·\·\·,{\mathrm{\ω}}_0^{{(L-1)}^{f(L-1)}}\].$

3)将B₀循环左移一位，作为B₁，再将B₁循环左移一位，作为B₂，依此类推，直到完成构造B_L-1。将B₀，B₁，……B_L-1分别作为扩展矩阵B的行依次填入，完成扩展矩阵的构造。

4)根据扩展矩阵B与基本导频矩阵A的Kronecker积BA，得到导频矩阵，并将其作为导频发射信号通过发射天线发送，使用接收天线接收通过信道后的导频矩阵作为导频接收信号。

5)进行LMS自适应算法的初始化设定，其中包括对权矩阵矢量、信道参数矩阵矢量及算法的步长等参数的初始化设定。信道参数矩阵矢量根据导频接收信号和导频发射信号，采用LS(最小平方)算法求得的信道参数期望矩阵而设定。

6)使用权矩阵矢量以及信道参数矩阵矢量通过横向滤波器来估计当前的信道参数，并将结果作为当前的信道参数矩阵。

7)以当前信道参数期望矩阵和当前的估计信道参数矩阵的差作为误差矩阵，修正权矩阵矢量，修正的幅度由算法步长决定。

8)更新信道参数矩阵矢量：将信道参数矩阵矢量的第一个参数矩阵删除，其后的参数矩阵依次递补前一个矩阵留下的空位，并将当前的信道参数矩阵填入信道参数矩阵矢量的队尾，构成新的信道参数矩阵矢量。

9)将当前时刻的信道参数矩阵作为信道估计的结果输出，之后使用修正后的权矩阵矢量以及新的信道参数矢量，重复步骤6)7)8)9)，进行下一时刻的信道参数估计。

本发明具有以下优点：

●使用本发明的方法求得的基本导频矩阵A具有自相关性强、互相关性弱、能够抑制信道噪声的特点。

●由于使用了时域的多径信道估计模型，能够补偿信号同步误差造成的影响，并且可以省去频域估计中所必须的保护时隙。

●由于在时域进行信道估计，估计频度不受导频数据帧长度的限制，当采用LMS自适应估计方法时，其收敛速度明显快于频域的自适应信道估计。

●由于在时域进行信道估计，仅假设在一组导频序列传送过程中信道参数不变，所以估计效果受多普勒频移影响小，适合应用于高速移动环境。

附图说明

图1为MIMO系统的信道模型。

图2为本发明所述LMS算法的流程图。

具体实施方式

以下结合附图和实施例对本发明的技术方案作进一步描述。

在图1所示的MIMO信道模型中，发射天线有M根，接收天线有N根，这样构成一个大小为N*M的信道矩阵H。多径情况下信道估计的矩阵关系式为：

                                       ψ＝H∑+v

式中，ψ＝[ψ₀，ψ₁，...，ψ_L-1]，其中ψk(k＝0，1，…，L-1)表示t_kM到t_(k+1)M-1时刻的接收信号矩阵。H＝[H₀(t)，H₁(t)，...，H_L-1(t)](H_i(t)表示第i条多径信道的时域信道响应)。此外，∑＝(∑_m，n)_M×M，其中

                      ∑_m，n ＝∑_(m+n)  m＝0，1，...L-1  n＝0，1，...L-1

∑_k(k＝0，1，…，2L-2)表示t_(k-L+1)M到t_(k-L+2)M-1时刻的发送信号矩阵。

以M＝N＝4，一个4发4收信道模型为例，本发明进行信道估计的步骤如下：

1)首先根据发射天线的数目M＝4，选定一个大小为4*4的基本导频矩阵A，

$A=\left[\begin{array}{cccc}1& 1& 1& 1\\ -1& 1& -1& 1\\ -1& 1& 1& -1\\ -1& -1& 1& 1\end{array}\right]$

基本导频矩阵A满足：(1)A的行、列均两两正交(2)每个矩阵元素的模均为1。

2)根据所需的多径估计长度L，构造旋转因子 ${\mathrm{\ω}}_0=e^{j2\mathrm{\π}/\left(L^{f\left(L\right)}\right)},$ 其中f(L)为一个关于L的初等函数，通常可以选择f(L)＝L-1。使用选定的旋转因子，求它的l^f(l+1)(l＝0，1，...，L-1)次幂，构建向量 $B_0=\[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^{2^{f\left(2\right)}}\·\·\·,{\mathrm{\ω}}_0^{{(L-1)}^{f\left(L\right)}}\].$ 本例中，旋转因子取为 ${\mathrm{\ω}}_0=e^{j2\mathrm{\π}/\left(L^{L-1}\right)},$ 相应的， $B_0=\[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^2\·\·\·,{\mathrm{\ω}}_0^{{(L-1)}^{L-1}}\].$

3)将B₀循环左移一位，作为B₁。再将B₁循环左移一位，作为B₂，依此类推，直到完成构造B_L-1。将B₀，B₁，……B_L-1分别作为扩展矩阵B的行依次填入，完成扩展矩阵的构造。

4)计算B与A的Kronecker积BA求得导频矩阵∑，将∑通过发射天线发送，即发送导频发射信号，使用接收天线接收通过信道后的导频矩阵，即导频接收信号。

5)进行LMS自适应算法的有关信道参数的初始化设定。其中包括对权矩阵矢量

信道参数矩阵矢量 ${\hat{H}}_{n-K},{\hat{H}}_{n-K+1},\·\·\·,{\hat{H}}_{n-1}$ 及算法的步长μ等参数的初始化设定。本例中，μ取为0.005，

全部置1。用获得的导频接收信号与导频发射信号，通过LS(最小平方)算法求得当前的信道参数期望矩阵

${\hat{H}}_d={\mathrm{\ψ\Σ}}^{-1}$

其中ψ为当前的导频接收信号，∑为当前的导频发射信号。 ${\hat{H}}_{n-K},{\hat{H}}_{n-K+1},\·\·\·,{\hat{H}}_{n-1}$ 用前K个收到的用LS方法解出的信道参数期望矩阵

填入。

参数的设定影响算法的性能，在小信噪比时，较小的步长μ可以使得收敛过程平稳；大信噪比时，较大的μ可以更快地完成收敛。因此，根据不同的信噪比来动态选取μ，能够进一步提高LMS算法的性能。

6)使用权矩阵矢量

以及信道参数矩阵矢量 ${\hat{H}}_{n-K},{\hat{H}}_{n-K+1},\·\·\·,{\hat{H}}_{n-1},$ 通过横向滤波器来估计当前的信道参数，并将结果 作为当前的信道参数矩阵，如图2所示。

当前的信道参数矩阵 ${\hat{H}}_n=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\hat{w}}_n\left(i\right){\hat{H}}_{n-K+i-1}$

7)以当前的信道参数期望矩阵 和当前的估计信道参数

的差作为误差矩阵，修正权矩阵矢量 即自适应权矢量调整，如图2所示。修正的幅度由算法步长决定：

${\hat{w}}_{n+1}\left(i\right)={\hat{w}}_n\left(i\right)+\mathrm{\μ}{\hat{H}}_{n-K+i-1}o{({\hat{H}}_d-{\hat{H}}_n)}^{*}i=\mathrm{1,2},...,K$

式中“o”表示点乘运算。

8)更新信道参数矩阵矢量：将信道参数矩阵矢量的第一个参数矩阵

删除，其后的参数矩阵依次递补前一个矩阵留下的空位，并将当前的信道参数矩阵

填入信道参数矩阵矢量的队尾，构成新的信道参数矩阵矢量

${\hat{H}}_{n-K+1},{\hat{H}}_{n-K+2},\·\·\·,{\hat{H}}_n.$

9)将当前时刻的信道参数矩阵

作为信道估计的结果输出，之后使用修正后的权矩阵矢量以及新的信道参数矢量，重复步骤6)7)8)9)，估计下一时刻的信道参数。

Claims (1)

1、一种基于导频矩阵的时域自适应信道估计方法，其特征在于按以下步骤进行：

1)根据实际信道模型中的发射天线数目M，选取大小为M*M的基本导频矩阵A，使其满足：(1)A的行、列均两两正交(2)每个矩阵元素的模均为1；

2)根据所需的多径估计长度L，构造旋转因子 ${\mathrm{\ω}}_0=e^{j2\mathrm{\π}/\left(L^{f\left(L\right)}\right)},$ 其中f(L)为一个关于L的初等函数，通常可以选择f(L)＝L-1，使用选定的旋转因子，求它的l^f(l)(l＝0，1，...，L-1)次幂，构建向量 $B_0=[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^{2^{f\left(2\right)}}...,{\mathrm{\ω}}_0^{{(L-1)}^{f(L-1)}}];$

3)将B₀循环左移一位，作为B₁，再将B₁循环左移一位，作为B₂，依此类推，直到完成构造B_L-1。将B₀，B₁，……B_L-1分别作为扩展矩阵B的行依次填入，完成扩展矩阵的构造；

4)根据扩展矩阵B与基本导频矩阵A的叉积BA，得到导频矩阵，并将其作为导频发射信号通过发射天线发送，使用接收天线接收通过信道后的导频矩阵作为导频接收信号；

5)进行最小均方误差LMS自适应算法的初始化设定，包括权矩阵矢量、信道参数矩阵矢量及算法的步长的初始化设定，信道参数矩阵矢量根据导频接收信号和导频发射信号，采用最小平方算法求得的信道参数期望矩阵而设定；

6)使用权矩阵矢量以及信道参数矩阵矢量通过横向滤波器来估计当前的信道参数，并将结果作为当前的信道参数矩阵；

7)以当前信道参数期望矩阵和当前的估计信道参数矩阵的差作为误差矩阵，修正权矩阵矢量，修正的幅度由算法步长决定；

8)更新信道参数矩阵矢量：将信道参数矩阵矢量的第一个参数矩阵删除，其后的参数矩阵依次递补前一个矩阵留下的空位，并将当前的信道参数矩阵填入信道参数矩阵矢量的队尾，构成新的信道参数矩阵矢量；

9)将当前时刻的信道参数矩阵作为信道估计的结果输出，之后使用修正后的权矩阵矢量以及新的信道参数矢量，重复步骤6)7)8)9)，进行下一时刻的信道参数估计。

Images