CN1832462A - 一种多输入多输出通信系统的自适应均衡方法 - Google Patents

Abstract

本发明提高时变频率选择性衰落信道下多输入多输出通信系统性能的自适应干扰对消判决反馈均衡方法，特征是采用自适应判决反馈干扰对消均衡器模块自适应地调整子流间的干扰对消系数，即：在第二及以后的每个子流上，将一个先估计信道矩阵再根据信道矩阵进行干扰对消的判决反馈均衡器等效为一个新的加长的均衡器，其新增的参数即已检测出的子流的干扰对消系数；同时将已检测出的数据子流作为相应的新增输入，其干扰对消系数应用递归最小二乘算法根据输入数据进行自适应的变化以跟踪时变信道；本发明可以自适应跟踪信道变化，消除各个数据子流之间的干扰，节省训练序列开销，同时比已有的判决反馈均衡器能提供更好的误符号率性能。

Description

一种多输入多输出通信系统的自适应均衡方法

技术领域：

本发明属于移动通信多输入多输出(MIMO)天线技术领域，特别涉及时变频率选择性衰落信道下，垂直-贝尔实验室分层空时处理(V-BLAST)系统中降低平均误符号率(SER)的自适应均衡技术。

背景技术：

V-BLAST收发系统是目前移动通信领域广泛研究的、提高无线链路传输速率和频谱利用率的有效方法。在时变频率选择性衰落信道下，如何更好有效的进行信道均衡，是提高系统性能的关键。

《国际电子与电气工程师协会通信学报》(Layered Space Time Receivers forFrequency-Selective Wireless Channels.IEEE Trans.on Comm.，2002，50(1)：65-73)介绍了一种基于最小均方误差准则(MMSE)的排序逐次干扰对消判决反馈均衡方法(OSIC-DFE)，每级解出一个子流并在下一级利用估计出的信道矩阵计算并消除其干扰。但由于这种方法是基于准静态信道，也就是认为在一个数据块内信道参数不发生变化，这样就可以在一个数据块内先插入一段训练序列，估计出信道参数，再将之用于计算均衡器系数以及进行干扰对消，所以在时变信道下，这种方法就不再适用。

《国际电子与电气工程师协会信号处理学报》(Multi-input multi-output fadingchannel tracking and equalization using Kalman estimation.IEEE Transactions onSignal Processing，2002，50(5)：1065-1076)基于自适应滤波理论，提出了MIMO系统中的自适应信道估计和均衡方法，首先通过训练序列初始化信道估计值和均衡器系数，然后用输入数据自适应地跟踪信道变化。但这种方法是在接收端同时检测出每个数据子流，没有进行干扰对消，因此性能上还有可以提高的空间。

技术内容：

本发明针对上述现有技术的不足，提出一种在时变频率选择性衰落信道中自适应干扰对消判决反馈均衡算法，可以节省训练序列的开销，并且提高系统误符号率(SER)性能。

本发明提高时变频率选择性衰落信道下多输入多输出系统性能的自适应均衡方法，包括：基于递归最小二乘法(RLS)的自适应判决反馈均衡器模块6检测出第1路子流数据；基于递归最小二乘法算法的自适应干扰对消判决反馈均衡器模块7分别检测出第二到最后一路子流数据；

其特征在于：

采用自适应判决反馈干扰对消均衡器模块7自适应地调整子流间的干扰对消系数，即：在第二及以后的每个子流上，将一个先估计信道矩阵再根据信道矩阵进行干扰对消的判决反馈均衡器等效为一个新的加长的均衡器，其新增的参数即已检测出的子流的干扰对消系数；同时将已检测出的数据子流作为相应的新增输入，其干扰对消系数应用递归最小二乘算法根据输入数据进行自适应的变化以跟踪时变信道。

本发明所针对的是M×N的V-BLAST系统，其中M为发射天线数，N为接收天线数，在频率选择性时变衰落信道4下，接收信号可表示为

$y\left(k\right)=\underset{p=0}{\overset{P}{\mathrm{\Σ}}}{H}_p\left(k\right)x(k-p)+n\left(k\right)---\left(1\right)$

其中y(k)＝[y₁(k)y₂(k)...y_N(k)]^T表示k时刻接收到的信号矢量11，x(k)＝[x₁(k)x₂(k)...x_M(k)]^T表示k时刻发送的信号矢量，H_p(k)表示第p径N×M的信道矩阵，P+1表示信道阶数，n(k)表示k时刻接收天线上的加性高斯白噪声，它满足E[n(k)n^H(k)]＝σ²I_N。

在上述系统中，本发明在消除子流间干扰时，与一般的先估计出信道传输矩阵来计算干扰对消系数的算法不同的是，将干扰对消系数等效为加长的判决反馈均衡器中的新增参数，使之能根据输入数据自适应地变化以跟踪时变信道。具体推导过程如下：

假设干扰对消判决反馈均衡器14的前馈部分长度为N_f，反馈部分长度为N_b，判决时延为Δ，则对第m个子流，由于1～m-1个子流已经解出，所以可以通过如下表达式消除已解出的前m-1个子流的干扰。

$y(k-\mathrm{\Δ})=y(k-\mathrm{\Δ})-\underset{i=1}{\overset{m-1}{\mathrm{\Σ}}}{\left(H_0\left(k\right)\right)}_i{\hat{x}}_i(k-\mathrm{\Δ})$

$y(k-\mathrm{\Δ}+1)=y(k-\mathrm{\Δ}+1)-\underset{i=1}{\overset{m-1}{\mathrm{\Σ}}}{\left(H_1\left(k\right)\right)}_i{\hat{x}}_i(k-\mathrm{\Δ})$



$y(k-\mathrm{\Δ}+P)=y(k-\mathrm{\Δ}+P)-\underset{i=1}{\overset{m-1}{\mathrm{\Σ}}}{\left(H_P\left(k\right)\right)}_i{\hat{x}}_i(k-\mathrm{\Δ})$ (2)

其中，(H_j(k))_i表示k时刻，第j径信道参数矩阵的第i列。

自适应干扰对消判决反馈均衡器均衡器模块7输出结果15为

${\tilde{x}}_m(k-\mathrm{\Δ})=q_m\left(k\right)u\left(k\right)=w_m\stackrel{\‾}{y}\left(k\right)+b_m\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)---\left(3\right)$

其中u(k)为均衡器输入， y(k)＝[y^T(k)...y^T(k-N_f+1)]^T表示均衡器输入前馈部分13， $\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)={[{\hat{x}}^T(k-\mathrm{\Δ}-1)...{\hat{x}}^T(k-\mathrm{\Δ}-N_b)]}^T$ 表示均衡器输入反馈部分23。

将(2)代入(3)，得，

${\tilde{x}}_m(k-\mathrm{\Δ})$

$=w_m\stackrel{\‾}{y}\left(k\right)+b_m\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)-(w_{m,k-\mathrm{\Δ}}\·\underset{i=1}{\overset{m-1}{\mathrm{\Σ}}}{\left(H_0\left(k\right)\right)}_i{\hat{x}}_i(k-\mathrm{\Δ})+...+w_{m,k-\mathrm{\Δ}+P}\·\underset{i=1}{\overset{m-1}{\mathrm{\Σ}}}{\left(H_P\left(k\right)\right)}_i{\hat{x}}_i(k-\mathrm{\Δ}))$

$=w_m\stackrel{\‾}{y}\left(k\right)+b_m\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)-(\underset{p=0}{\overset{P}{\mathrm{\Σ}}}{w}_{m,k-\mathrm{\Δ}+p}{\left(H_p\left(k\right)\right)}_1{\hat{x}}_1(k-\mathrm{\Δ})+...+\underset{p=0}{\overset{P}{\mathrm{\Σ}}}{w}_{m,k-\mathrm{\Δ}+p}{\left(H_p\left(k\right)\right)}_{m-1}{\hat{x}}_{m-1}(k-\mathrm{\Δ}))$

$=w_m\stackrel{\‾}{y}\left(k\right)+b_m\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)+c_1{\hat{x}}_1(k-\mathrm{\Δ})+...+c_{m-1}{\hat{x}}_{m-1}(k-\mathrm{\Δ})$

$=\left[w_m{b}_m{c}_m\right]\stackrel{\·}{\·u}\left(k\right)={\stackrel{\·}{q}}_m\left(k\right)\·{\stackrel{\·}{u}}_m\left(k\right)---\left(4\right)$

其中，w_m，k-Δ+p表示与y(k-Δ+p)相乘的均衡器系数矢量，p＝0...P

由(4)式可以看出，带干扰对消的长度为N×N_f+M×N_b均衡器可以等效为长度为N×N_f+M×N_b+m-1的新的均衡器，而干扰对消系数则作为新增的均衡器系数，相应的各个已检测出的子流作为均衡器的新增输入。所以，对第m个子流，基于RLS算法的自适应干扰对消判决反馈均衡算法可表示为：

$k_m\left(k\right)=\frac{P_m(k-1){\stackrel{\·}{u}}_m\left(k\right)}{\mathrm{\λ}+{{\stackrel{\·}{u}}_m}^H\left(k\right)P_m(k-1){\stackrel{\·}{u}}_m\left(k\right)}---\left(5\right)$

${\stackrel{\·}{q}}_m\left(k\right)={\stackrel{\·}{q}}_m(k-1)+(\hat{x}(k-\mathrm{\Δ})-{\stackrel{\·}{q}}_m(k-1){\stackrel{\·}{u}}_m\left(k\right)){k_m}^H\left(k\right)---\left(6\right)$

$P_m\left(k\right)={\mathrm{\λ}}^{-1}{P}_m(k-1)-{\mathrm{\λ}}^{-1}{k}_m\left(k\right){\stackrel{\·}{u}}_m\left(k\right)P_m(k-1),m=1...M---\left(7\right)$

其中： ${\stackrel{\·}{u}}_m\left(k\right)={[y^T\left(k\right)...y^T(k-N_f+1){\hat{x}}^T(k-\mathrm{\Δ}-1)...{\hat{x}}^T(k-\mathrm{\Δ}-N_b){\hat{x}}_1(k-\mathrm{\Δ})...{\hat{x}}_{m-1}(k-\mathrm{\Δ})]}^T$ 为N×N_f+M×N_b+m-1维的均衡器输入列矢量，后m-1项为已检测的前m-1个子流的硬判结果9-10， 为N×N_f+M×N_b+m-1维行矢量，表示第m路子流上自适应均衡器14的系数。

与一般的MIMO系统判决反馈干扰对消均衡算法相比，由于本发明基于自适应滤波的理论，可以利用输入数据自适应的跟踪信道变化，从而节省训练序列的开销。

与一般的MIMO系统自适应判决反馈均衡算法相比，本发明由于在均衡算法中采用了自适应干扰对消的方法，可以利用输入数据自适应的消除已检测的数据子流的干扰，从而提高均衡其的误符号率性能。

附图说明：

图1是自适应干扰对消判决反馈均衡方法系统示意图

图2是时变平坦衰落信道条件下自适应干扰对消判决反馈均衡方法与一般自适应判决反馈均衡方法性能比较图。

图3是时变频率选择性衰落信道条件下自适应干扰对消判决反馈均衡方法与一般自适应判决反馈均衡方法性能比较图。

具体实施方式：

以下结合附图说明本发明的实施例。

实施例1：

本实施例以一个M个发射天线，N个接收天线的V-BLAST系统为例来进行说明。如图1所示：发送数据1经过串并转换模块2，通过发射天线的射频处理模块3发送到无线信道4，信道4为时变频率选择性衰落信道，发送信号通过信道4之后被接收天线的射频处理模块5接收，接收信号可表示为

$y\left(k\right)=\underset{p=0}{\overset{P}{\mathrm{\Σ}}}{H}_p\left(k\right)x(k-p)+n\left(k\right)---\left(1\right)$

其中y(k)＝[y₁(k)y₂(k)...y_N(k)]^T表示k时刻接收到的信号矢量11，x(k)＝[x₁(k)x₂(k)...x_M(k)]^T表示k时刻发送的信号矢量，H_p(k)表示第p径N×M的信道矩阵，P+1表示信道阶数，n(k)表示k时刻接收天线上的加性高斯白噪声，它满足E[n(k)n^H(k)]＝σ²I_N。

接收信号矢量11被输入到自适应判决反馈均衡器模块6和自适应干扰对消判决反馈均衡器模块7，得到各个子流的检测数据8-10。

本发明中，采用自适应干扰对消判决反馈均衡器模块7，将k时刻的接收信号矢量y(k)11输入到前馈处理模块12中，得到均衡器输入前馈部分y(k)＝[y^T(k)...y^T(k-N_f+1)]^T13，将上一时刻检测出的发送信号矢量

输入到反馈处理模块22中，得到均衡器输入反馈部分 $\stackrel{\widehat{\‾}}{x}(k-\mathrm{\Δ}-1)={[{\hat{x}}^T(k-\mathrm{\Δ}-1)...{\hat{x}}^T(k-\mathrm{\Δ}-N_b)]}^{T}23,$ 将已检测出的子流数据 ${\hat{x}}_1(k-\mathrm{\Δ})-{\hat{x}}_{m-1}(k-\mathrm{\Δ})19-20$ 作为均衡器输入的新增部分和13、23一起输入自适应均衡器14，得到第m路子流上的均衡器输出结果 通过硬判决模块16得到检测出的第m路子流 与均衡器输出结果15相减得到误差信号17，输入自适应均衡器14，用RLS算法调整均衡器系数，如式(8)-(10)。

$k_m\left(k\right)=\frac{P_m(k-1){\stackrel{\·}{u}}_m\left(k\right)}{\mathrm{\λ}+{{\stackrel{\·}{u}}_m}^H\left(k\right)P_m(k-1){\stackrel{\·}{u}}_m\left(k\right)}---\left(8\right)$

${\stackrel{\·}{q}}_m\left(k\right)={\stackrel{\·}{q}}_m(k-1)+(\hat{x}(k-\mathrm{\Δ})-{\stackrel{\·}{q}}_m(k-1){\stackrel{\·}{u}}_m\left(k\right)){k_m}^H\left(k\right)---\left(9\right)$

$P_m\left(k\right)={\mathrm{\λ}}^{-1}{P}_m(k-1)-{\mathrm{\λ}}^{-1}{k}_m\left(k\right){\stackrel{\·}{u}}_m\left(k\right)P_m(k-1),m=1...M---\left(10\right)$

为了具体说明本发明的优点，给出计算机仿真结果如下：仿真系统采用两个发射天线，四个接收天线的V-BLAST系统。系统判决延时Δ＝P-1，前馈长度N_f＝Δ+1，反馈长度N_b＝Δ-1，各子流调制方式为QPSK，RLS算法中参数λ＝0.95，数据块大小为500个采样点。仿真中无线信道采用JAKES模型，参数满足 $E\left(\underset{p=0}{\overset{P}{\mathrm{\Σ}}}{\left|h_p(n,m)\right|}^2\right)=1,$ 信道变化参数用f_d/f_s表示，其中f_d是多普勒频率，f_s是采样频率，接受端平均接收信噪比定义为 $\mathrm{SNR}=10\log \left(\frac{P_T}{{\mathrm{\σ}}^2}\right),$ 其中P_T为发射端的总发射能量。

在时变平坦衰落信道环境下(P＝0)，本发明提出的MIMO系统自适应干扰对消判决反馈RLS均衡算法(RLS-IC-DFE)与一般的MIMO系统自适应判决反馈RLS均衡算法(RLS-DFE)以及适用于准静态信道下的干扰对消判决反馈均衡算法(MIMO-OSIC-DFE)系统性能比较如图2所示。图中横坐标为用dB表示的接收平均信噪比，纵坐标为接收信号的平均误符号率。图中，曲线A、B分别是MIMO-OSIC-DFE方法在信道变化参数f_d/f_s＝1/500和f_d/f_s＝1/1000的时变信道下的SER性能曲线；曲线C、E分别是没有进行干扰对消的一般MIMO系统自适应判决反馈RLS均衡算法(RLS-DFE)在f_d/f_s＝1/500和f_d/f_s＝1/1000信道变化参数下得性能曲线；曲线D、F分别是本发明提出的MIMO系统自适应干扰对消判决反馈RLS均衡算法(RLS-IC-DFE)在f_d/f_s＝1/500和f_d/f_s＝1/1000信道变化参数下得性能曲线。从以上曲线可以看出：在时变信道下，MIMO-OSIC-DFE算法不再适用，而本发明提出的RLS-IC-DFE可以应用于时变信道并且比一般的RLS-DFE在不同信道变化速度情况下，都能提供更好的误符号性能。

在时变频率选择性衰落信道环境下(P＝2)，本发明提出的自适应干扰对消判决反馈RLS均衡算法(RLS-IC-DFE)与一般自适应判决反馈RLS均衡算法(RLS-DFE)以及适用于准静态信道下的干扰对消判决反馈均衡算法(MIMO-OSIC-DFE)系统性能比较如图3所示。图中，曲线G、H分别是MIMO-OSIC-DFE方法在信道变化参数f_d/f_s＝1/500和f_d/f_s＝1/1000的时变信道下的SER性能曲线；曲线I、K分别是没有进行干扰对消的一般MIMO系统自适应判决反馈RLS均衡算法(RLS-DFE)在f_d/f_s＝1/500和f_d/f_s＝1/1000信道变化参数下得性能曲线；曲线J、L分别是本发明提出的MIMO系统自适应干扰对消判决反馈RLS均衡算法(RLS-IC-DFE)在f_d/f_s＝1/500和f_d/f_s＝1/1000信道变化参数下得性能曲线。从以上曲线可以看出：在频率选择性时变衰落信道下，MIMO-OSIC-DFE算法同样不再适用，而本发明提出的RLS-IC-DFE仍可以应用于时变信道并且比一般的RLS-DFE在不同信道变化速度情况下，都能提供更好的误符号性能。

Claims (1)

1、一种提高时变频率选择性衰落信道下多输入多输出系统性能的自适应均衡方法，包括：基于递归最小二乘法的自适应判决反馈均衡器模块检测出第1路子流数据；基于递归最小二乘法算法的自适应干扰对消判决反馈均衡器模块分别检测出第二到最后一路子流数据；其特征在于：采用自适应判决反馈干扰对消均衡器模块自适应地调整子流间的干扰对消系数，即：在第二及以后的每个子流上，将一个先估计信道矩阵再根据信道矩阵进行干扰对消的判决反馈均衡器等效为一个新的加长的均衡器，其新增的参数即已检测出的子流的干扰对消系数；同时将已检测出的数据子流作为相应的新增输入，其干扰对消系数应用递归最小二乘算法根据输入数据进行自适应的变化以跟踪时变信道。

Images