CN1564479A - 时域多发多收系统信道估计中的导频信号构建方法 - Google Patents

Abstract

一种时域多发多收系统信道估计中的导频信号构建方法，首先分别根据信道实际模型与所需的信道估计长度确定导频矩阵的大小，然后根据导频矩阵的大小确定旋转因子，并生成指数向量，接着由旋转因子和指数向量可以求得导频矩阵的第一行，最后通过将第一行循环移位复制，得到整个导频矩阵，从而确定了整个导频发射信号模板，完成了导频信号的构建。本发明可以构造出任意大小的导频矩阵，而不受信道估计长度的约束，可以用于时域及频域MIMO系统信道估计，具有行列自相关性好、互相关性弱，矩阵能量分布平均，能够抑制信道噪声等优点。

Description

时域多发多收系统信道估计中的导频信号构建方法

技术领域

本发明涉及一种时域多发多收系统信道估计中的导频信号构建方法，能够用于多输入多输出(MIMO)无线通信系统的信道估计，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。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系统，例如OFDM(正交频分复用)系统，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。但是时域导频矩阵必须为基于向量的循环矩阵，在结构上受到很大限制，其构造自由度(矩阵中自由变量的数目)很低，同时，为了使信道估计尽可能准确，又要求导频矩阵满足较好的行、列正交特性，同时满足上述两种要求的导频矩阵构造十分困难，因此如何构造导频矩阵就成了时域信道估计的关键与难点。

发明内容

本发明的目的在于提供一种时域多发多收系统信道估计中的导频信号构建方法，简单实用，既能够符合时域导频矩阵结构限制，又能够较好满足行、列正交要求。导频信号所对应的导频矩阵，可以用于时域或频域MIMO系统信道估计，能够有效抑制信道噪声。

为了实现上述目的，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确定导频矩阵的大小，然后根据导频矩阵的大小确定旋转因子，并生成指数向量，接着由旋转因子和指数向量可以求得导频矩阵的第一行，最后通过将第一行循环移位复制，得到整个导频矩阵，从而确定了整个导频发射信号模板，之后可以依照导频发射信号模板通过发射天线发送导频信号(训练序列)，接收天线接收通过信道后的导频信号，再进行实际信道的时域信道估计。

本发明的方法具体包括以下步骤：

1)根据实际信道模型(M发N收)中的发射天线数目M以及所需的信道估计长度L，确定导频矩阵的大小为ML*ML。

2)根据所确定的导频矩阵大小ML*ML，构造旋转因子ω₀＝e^j2π/(ML-1)。

3)构建指数向量B₀＝[0，1，3，...，ML(ML-1)/2]＝(i(i-1)/2)_{i＝0，1，...，ML-1}。

4)求取 ${\mathrm{\ω}}_0^{B_0}=[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^3...,{\mathrm{\ω}}_0^{\mathrm{ML}(\mathrm{ML}-1)/2}]={\left({\mathrm{\ω}}_0^{i(i-1)/2}\right)}_{i=\mathrm{1,2}...\mathrm{ML}}$ 作为循环矩阵S的第一行∑₁。

5)将循环矩阵S的第一行∑₁循环左移一位，作为循环矩阵S的第二行∑₂，再将∑₂循环左移一位，作为∑₃，依此类推，直到完成构造∑_ML，∑₁，∑₂，...，∑_ML构成循环矩阵S，之后将循环矩阵S的行分为M组：第1～L行为第一组，第L+1～2L行为第二组，……，第ML-L+1～ML行为第M组，将这M组行矢量各组的第一个行矢量按照分组序号作为导频矩阵∑的第1～M行依次填入，之后将各组的第二个行矢量按照分组序号作为导频矩阵∑的第M+1～2M行依次填入，……将各组的第L个行矢量按照分组序号作为导频矩阵∑的第ML-M+1～ML行依次填入，至此完成导频矩阵的构造。导频矩阵∑的第1～M行确定了整个导频发射信号模板，即完成了导频信号的构建。

本发明的方法可以根据实际信道模型构建出任意大小的导频信号，而不受信道估计长度的约束。与导频信号相对应的导频矩阵不仅可以用于时域MIMO系统信道估计的导频，也可用于频域MIMO系统信道估计的导频，其行列自相关性好、互相关性弱，矩阵能量分布平均，能够抑制信道噪声。将本发明用于时域信道估计时，具有估计频度不受导频数据帧长度的限制，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。

具体实施方式

以下结合实施例对本发明的技术方案作进一步描述。

在一个M发N收的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_ML-1]，其中Ψ_k(k＝0，1，...，ML-1)表示t_k时刻的接收信号矢量。H＝[h_L-1(t)，h_L-2(t)，...，h₀(t)]。此外，∑＝(∑₀，∑₁，...，∑_ML-1)，其中

            ∑_i＝[S^T(i-L+1)，S^T(i-L+2)，...，S^T(i)]^Ti＝0，1，...，ML-1

表示t_i-L+1到t_i时刻的发送信号组成的向量。

以M＝N＝4，一个4发4收信道模型为例，假设所要求的信道估计长度为L＝20，本发明进行信道估计的步骤如下：

1)根据实际信道模型中的天线数目(M发N收)以及所需的信道估计长度L，确定导频矩阵的大小为ML*ML。本例中，M＝4，L＝20，所以导频矩阵的大小为80*80。

2)根据所确定的导频矩阵大小ML*ML，构造旋转因子ω₀＝e^j2π/(ML-1)。本例中，旋转因子取为ω₀＝e^j2π/(80-1)＝e^j2π/79。

3)构建指数向量B₀＝[0，1，3，...，ML(ML-1)/2]＝(i(i-1)/2)_{i＝0，1，...，ML-1}。本例中，B₀＝(i(i-1)/2)_{i＝0，1，...，79}。

4)求取 ${\mathrm{\ω}}_0^{B_0}=[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^3...,{\mathrm{\ω}}_0^{\mathrm{ML}(\mathrm{ML}-1)/2}]={\left({\mathrm{\ω}}_0^{i(i-1)/2}\right)}_{i=\mathrm{1,2}...\mathrm{ML}}$ 作为循环矩阵S的第一行∑₁。本例中， ${\mathrm{\Σ}}_1={\left({\mathrm{\ω}}_0^{i(i-1)/2}\right)}_{i=\mathrm{1,2}...,80}.$

5)将循环矩阵S的第一行∑₁循环左移一位，作为循环矩阵S的第二行∑₂，再将∑₂循环左移一位，作为∑₃，依此类推，直到完成构造∑_ML，∑₁，∑₂，...，∑_ML构成循环矩阵S，之后将S的行分为M组：第1～L行为第一组，第L+1～2L行为第二组，……，第ML-L+1～ML行为第M组，将这M组行矢量各组的第一个行矢量按照分组序号作为导频矩阵∑的第1～M行依次填入，之后将各组的第二个行矢量按照分组序号作为导频矩阵∑的第M+1～2M行依次填入，……将各组的第L个行矢量按照分组序号作为导频矩阵∑的第ML-M+1～ML行依次填入，至此完成导频矩阵的构造。本例中， $S={[{\mathrm{\Σ}}_1^T,{\mathrm{\Σ}}_2^T,...,{\mathrm{\Σ}}_{80}^T]}^T,$ $\mathrm{\Σ}={\left(\right[{\mathrm{\Σ}}_i^T,{\mathrm{\Σ}}_{20+i}^T,{\mathrm{\Σ}}_{40+i}^T,{\mathrm{\Σ}}_{60+i}^T\left]\right)}_{i=\mathrm{1,2},...,20}^T.$ 导频矩阵∑的第1～M行确定了整个导频发射信号模板(M×ML)，即完成了导频信号的构建。

本发明通过M个发射天线依次、循环地发送导频发射信号模板的列，同时在接收端接收N个接收天线上的信号，并把每个时刻的接收信号依次记录下来。本实施例中，发射天线每次发射一列(4个)导频信号数据，每次接受一列(4个)导频接收信号数据。之后可以使用LS算法(或LMS算法等其他方法)，进行信道参数估计。本实施例中，使用LS算法，在t时刻，将t-L+1到t时刻的L个接收信号矢量取出，作为Ψ，然后将导频矩阵∑循环左移t列，并且对其求逆，得到t时刻对应的∑^-1，计算Ψ∑^-1，结果即为t时刻信道参数的估计结果。

Claims (1)

1、一种时域多发多收系统信道估计中的导频信号构建方法，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以及所需的信道估计长度L，确定导频矩阵的大小为ML*ML；

2)根据所确定的导频矩阵大小ML*ML，构造旋转因子ω₀＝e^j2π/(ML-1)；

3)构建指数向量B₀＝[0，1，3，...，ML(ML-1)/2](i(i-1)/2)_{i＝0，1，...，ML-1}；

4)求取 ${\mathrm{\ω}}_0^{B_0}=\[{\mathrm{\ω}}_0^0,{\mathrm{\ω}}_0^1,{\mathrm{\ω}}_0^3...,{\mathrm{\ω}}_0^{\mathrm{ML}(\mathrm{ML}-1)/2}\]={\left({\mathrm{\ω}}_0^{i(i-1)/2}\right)}_{i=\mathrm{1,2}...\mathrm{ML}}$ 作为循环矩阵S的第一行∑₁；

5)将循环矩阵S的第一行∑₁循环左移一位，作为循环矩阵S的第二行∑₂，再将∑₂循环左移一位，作为∑₃，依此类推，直到完成构造∑_ML，∑₁，∑₂，...，∑_ML构成循环矩阵S，之后将循环矩阵S的行分为M组：第1～L行为第一组，第L+1～2L行为第二组，……，第ML-L+1～ML行为第M组，将这M·组行矢量各组的第一个行矢量按照分组序号作为导频矩阵∑的第1～M行依次填入，之后将各组的第二个行矢量按照分组序号作为导频矩阵∑的第M+1～2M行依次填入，……将各组的第L个行矢量按照分组序号作为导频矩阵∑的第ML-M+1～ML行依次填入，至此完成导频矩阵的构造。导频矩阵∑的第1～M行确定了整个导频发射信号模板，即完成了导频信号的构建。