CN1909525A - 多输入多输出系统的信道估计和检测方法 - Google Patents

Abstract

本发明提出了一种多输入多输出系统的信道估计和检测方法，包括步骤：在相关环境下对多输入多输出系统进行信道估计和检测时，根据接收信号来获取接收信号的互相关矩阵；对接收信号的互相关矩阵进行特征值分解来获取一个或多个特征值较大的特征向量，所述特征向量对应于信道统计独立分量；以及利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据。

Description

多输入多输出系统的信道估计和检测方法

技术领域

本发明涉及一种MIMO(多输入多输出)系统的信道估计和信号检测方法，具体地讲，涉及一种在实际环境下的相关MIMO系统中实现信道估计和检测的方法，它可应用于无线环境下的各种系统，如3GPP，3GPP2和WiMax系统等。

背景技术

为了提高频谱的复用率，人们想到在通信的一方或双方采用多个收发天线，主动地利用用户的空间方位信息或空间信道的冗余来提高系统的容量，这便是MIMO(多输入多输出)多天线系统。MIMO天线系统的实现分为多个层次，目前的研究热点和最具潜力的方法是采用自适应阵列的波束形成技术、以及基于天线分集的多天线系统。

波束形成多天线系统要求各天线间信道是相干的，即某个发射(或接收)天线到各个接收(发射)天线间的信道衰落具有相同的统计特性。同一个信号源到各天线信号的幅相差仅由信号的波程差决定，与信道衰落无关，通过调节天线的加权系数便可形成期望的方向图。波束形成多天线系统的示意图如图1所示。当传播环境较为复杂，很小的天线间距就会破坏天线间信道间的相干性，使得MIMO多天线系统具有了空间分集的能力，目前多数MIMO系统的研究都是基于分集MIMO多天线系统。

然而，实际的MIMO系统既不是完全相干的波束形成系统，也不是信道相互独立的分集系统，大多数MIMO系统信道衰落间的关系都是介于两者之间。在3GPP有关MIMO信道模型的报告中，给出了根据对实际信道模型的分析，表1为不同天线间距，来波方向和角度时延下的信道衰落相关值。

表1：天线间相关值参考

	天线间距	角度扩展(度)	来波方向(度)	相关值(幅度)	复相关
						S	0.5λ	5	20	0.9688	0.4743+0.8448i
0.5λ	2	50	0.9975	-0.7367+0.6725i
					4λ		5	20	0.3224	-0.2144+0.2408i
4λ	2	50	0.8624	0.8025+0.3158i
					10λ		5	20	0.0704	-0.0617+i0.034
10λ	2	50	0.5018	-0.2762-i0.4190
					S		λ/2	104	0	0.3042	-0.3042
λ/2	35	-67.5	0.7744	-0.6948-i0.342
						λ/2	35	22.5	0.4399	0.0861+0.431i
λ/2	35	67.5	0.7744	-0.6948+i0.342

从表中可以看出，对于MS端的天线而言，其信道衰落间的相关性总是介于相干和独立之间的。对于BS端的天线，只有在角度散布较低的情况下，天线间的信道衰落相关值是相干的，当天线间距和角度散布都较大时，信道可以看作是相互独立的。

近年来，人们逐渐开始关注相关环境下MIMO系统的研究。相互独立环境下和相干环境下的MIMO系统都是多输入多输出系统，两者的处理上，有许多相通之处。例如，对独立环境下的MIMO系统进行分集合并时采用最大比合并(MRC)，其权值和最大似然的波束形成器是相同的。从理论上讲，对于相关环境下的信号检测，不做特殊处理也能达到检测的目的。然而，考虑信道的相关特性可以更好地节约资源，提高输出信噪比，以使其更适合于实际应用。

在进行天线选择时，对于分集系统来说，未被选择的天线对应衰落较深，因此减少天线数对于总的性能影响较小，而对于相干系统，每个天线的衰落幅值相同，每减少一个天线，就会降低输出信噪比。A.F.Molisch，X.Zhang等人所写的“FFT-Based Hybrid AntennaSelection Schemes for Spatially Correlated MIMO Channel”(IEEECommunication Letters，Vol 8，No.1，Jan.2004)便针对相关环境下的MIMO系统，提出对移相后的射频信号叠加，并进一步在波束域进行选择，以提高输出信噪比，其实现框图如图2所示。现有专利在进行MIMO系统的信道估计时，没有考虑信道的相关特性。

在相关环境下，对信道的互相关矩阵做SVD分解，可以得到若干个独立的向量，这些向量也被称为是分集分支。将接收信号映射到分集分支上，对映射后的信号做分集合并，可有效地对抗信道估计误差。信道矩阵相关性越大，统计所需信息量越少，可以更好地对抗信道估计误差。参见F.A.Dietrich，Wolfgang Utschick所写的“MaximumRatio Combining of Correlated Rayleigh Fading Channels withImperfect Channel Knowledge”(IEEE Communication Letters，Vol7，No.9，Sep.2003)。

另外，利用信道的相关性，可以减少冗余信息，实施降维处理，降低信号处理的运算量。对于闭环MIMO系统，可以有效地减少所反馈的信道参数。参见J.Jelitto and G.Fettweis所写的“ReducedDimension Space-Time Processing for Multi-Antenna WirelessSystems”(IEEE Wireless Commun.，vol.9，no.6，Dec.2002，pp.18-25)。

对相关环境的信道相关矩阵求解时，传统的处理方法需要首先求解瞬时信道向量，其相关MIMO系统框图如图11所示。该方法流程图如图3所示。首先，在S301，得到无线空间信道h的瞬时估计值，在S302，求解信道的相关矩阵，通过信道衰落向量的期望得到，即R_h＝E[hh^H]，R_h具有非负的实特征值λ₁≥λ₂≥…≥λ_N≥0，以及正交的特征值向量e_l(l＝1，2，…，N)。如果定义一个对角阵Λ＝diag{λ₁，λ₂，…λ_N}，以及矩阵E＝[e₁，e₂，…e_N]，那么S303对相关矩阵R_h进行分解特征值分解，可得

$R_h={\mathrm{E\ΛE}}^H=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{e}_l{e}_l^H$

角度散布越大，R_h的各个特征值的能量分布越均衡，图4给出了5阵元均匀线阵情况下，来波方向为零度时，各特征值和角度散布的关系。当角度散布越大，各特征值的能量越接近。

若干个较大特征值所对应的特征向量便刻画了相关情况下信道矩阵的统计特性，可利用这些向量对接收信号进行解相关，S304选择L个较大的特征值所对应的向量组成矩阵E_L＝[e₁…e_L]，S305利用E_L与接收信号向量y相乘，得到接收信号在主特征值向量上的映射E_L＝[e₁…e_L]，实现解相关z＝E_Ly。解相关的输出被后续S306进行空时处理。S307所对应的S301到S305构成了解相关的过程，这一过程也被称为特征波束形成(Eigen-beam forming)。

从以上分析可以看出，在相关情况下，如果希望得到一段时间内信道矩阵的分集分支，需要首先估计出每个信道向量的瞬时值，然后，由此求得分集分支。信道估计的高频度，会使得系统的运算量增大，另外，信道估计的高频度也增加了所需训练序列的个数。

发明内容

为了克服上述缺陷，本发明的目的是提出一种多输入多输出系统的信道估计和检测方法，其中针对相关环境下的MIMO系统，不需先估计出瞬时信道参数，直接利用接收信号的互相关矩阵，得到信道的统计独立分量，完成对信号的检测，使得系统避免了频繁的信道瞬时估计，降低了运算量，节约了训练序列所占用的频带资源。

为了实现上述目的，根据本发明，提出了一种多输入多输出系统的信道估计和检测方法，包括步骤：在相关环境下对多输入多输出系统进行信道估计和检测时，根据接收信号来获取接收信号的互相关矩阵；对接收信号的互相关矩阵进行特征值分解来获取一个或多个特征值较大的特征向量，所述特征向量对应于信道统计独立分量；以及利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据。

优选地，利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据的步骤包括：利用所获取的特征值较大的一个或多个特征向量，对接收到的信号进行解相关处理，以便进行空间处理。

优选地，所述根据接收信号来获取接收信号的互相关矩阵的步骤包括：在每个符号周期对接收信号采样，获取采样信号的相关；并且使各个符号的相关相叠加，由此得到接收信号的相关矩阵。

优选地，所述根据接收信号来获取接收信号的互相关矩阵的步骤包括：利用所述互相关矩阵的最小特征值的平均获得噪声估计，所获得的噪声估计用于空时处理。

优选地，所述对接收信号的互相关矩阵进行特征值分解来获取一个或多个特征值较大的特征向量的步骤包括：在系统相关性较强的情况下，选择最大特征值向量以构造加权向量。

优选地，所述加权向量与接收信号相关阵最大特征值所对应的特征向量和信道衰落向量相关联。

优选地，所述加权向量仅与接收信号相关阵最大特征值所对应的向量相关联。

优选地，所述利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据的步骤包括：利用所述加权向量对接收数据进行空域滤波，并且对空域滤波输出去除复系数，以便在判决后，得到发送符号的估计。

优选地，所述对空域滤波输出去除复系数的步骤包括：对空域滤波后的信号求哈德码积；对所述哈德码积求平均，对所述平均值开方，得到复系数；并且用空域滤波后的信号除复系数，从而去除复系数的影响。

优选地，所述获取所述哈德码积的平均的步骤包括：输入若干连续符号的空域滤波，对这些信号求哈德码积，并且对哈德码积求平均。

附图说明

通过参考以下结合附图对所采用的优选实施例的详细描述，本发明的上述目的、优点和特征将变得显而易见，其中：

图1是示出了根据现有技术的波束形成多天线系统各用户共享信道示意图；

图2是示出了根据现有技术，在相关环境下的MIMO系统天线选择的原理示意图；

图3是示出了根据现有技术的相关MIMO系统处理流程图；

图4是示出了特征值与角度散布、信道衰落相关性间关系曲线图

图5是示出了根据本发明实施例的相关MIMO系统处理的流程图；

图6是示出了根据本发明实施例的对去相关信号进行后续空时处理的流程图；

图7是示出了根据本发明实施例，无需信道向量瞬时估计、对去相关信号进行检测的流程图；

图8是示出了根据本发明实施例的去除复系数影响的流程图；

图9是示出了根据本发明实施例的信道估计误差曲线图；

图10是示出了根据本发明的信号检测误码率曲线图；

图11是示出了根据现有技术的相关MIMO系统处理系统框图；以及

图12是示出了根据本发明实施例的相关MIMO系统处理系统框图。

具体实施方式

下面将参考附图来描述本发明的原理。

设基站有N个天线阵元接收移动台发送的信号，无线信道为平衰落瑞利信道，经过匹配滤波和采样后，得到由下面的公式(1)表示的接收信号的复向量

$y=\sqrt{E_b}\mathrm{bh}+n---\left(1\right)$

其中E_b为每个符号的发射能量，b为发射的符号，为PSK(相移键控)调制方式。假设信道向量h＝[h₁ h₂…h_N]^T为一个列向量，是P条多径的瞬时叠加，

$h=\frac{1}{\sqrt{P}}{\mathrm{\Σ}}_{p=1}^P{g}_{p}a({\mathrm{\θ}}_c+{\mathrm{\θ}}_p)$

其中g_p，θ_p和a(θ_c+θ_p)分别为第p条多径的信道复衰落、相对于来波角度θ_c的随机角度散布，以及阵列的导向矢量。n为零均值的加性高斯噪声，空域白噪声，服从N(0，N₀I_N)分布。基于以上假设，具体阐明本发明的思想。

在相关情况下，希望得到一段时间内信道矩阵的统计独立分量，通常要先估计出信道的瞬时值，本发明提出不需估计信道的瞬时值，直接得到信道的统计估计值的方法，其系统框图如图12所示，其实现流程图如图5所示。

首先，在步骤S501，从各个接收天线得到的接收信号y。在步骤S502，对接收信号y求其相关矩阵R_y＝E[yy^H]，其中数学期望E[·]的求解可通过时间平均求得，即先对每个符号周期内接收信号采样向量求相关，也就是接收信号构成的列向量与其共轭转置相乘，然后将这些相关叠加求平均。

将(1)式带入到R_y中，得

$R_y=E\left[{\mathrm{yy}}^H\right]=E_b^2{\mathrm{bb}}^{H}E\left[{\mathrm{hh}}^H\right]+E\left[{\mathrm{nn}}^H\right]$

对于PSK信号，我们有bb^H＝1，因此，上式可以用下面的公式(2)表示。

$R_y=E\left[{\mathrm{yy}}^H\right]=E_b^{2}E\left[{\mathrm{hh}}^H\right]+E\left[{\mathrm{nn}}^H\right]---\left(2\right)$

由于噪声的服从高斯分布，各个天线接收到的信号相互独立，是空间白噪声，那么(2)式可以表示为

R_y＝E[yy^H]＝E_bE[hh^H]+N₀I_N

进一步，在步骤S503对R_y进行SVD分解，则得到公式(3)。

$R_y=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l{e}_l{e}_l^H+\underset{l=1}{\overset{N}{\mathrm{\Σ}}}{N}_0{e}_l{e}_l^H---\left(3\right)$

$=\underset{l=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\λ}}_l+N_0)e_l{e}_l^H$

其中λ_l+N₀为R_y的特征值，N₀为噪声的能量，大于0。

在步骤S504，选取若干个较大特征值所对应的特征向量构成矩阵E_L＝[e₁…e_L]，这些向量便刻画了相关情况下信道矩阵的统计特性，然后，在步骤505进行解相关处理，即利用主特征值向量构成的矩阵E_L与接收信号相乘z＝E_Ly。进一步，在S506对接收信号进行空时处理，完成所需的检测。

在有些情况下，空时处理需要已知噪声的方差，从(3)式中可知，在相关情况下，R_y的若干个最小的特征值便对应了噪声的方差，在步骤S507利用若干最小特征值的平均得到噪声的估计，输入到S506中，以供空时处理的需要。从步骤S502到S505构成了整个去相关处理的过程，标记为步骤S508。直接利用接收信号估计信道独立分量，即分集分支，可以避免信道估计误差所带来的分集分支的估计误差。

S506的空时处理可以根据自己的需要选用不同的方法，也可以利用信道向量的估计值进一步对去相关后的信号进行空时处理。

下面将描述对上述过程进行简化处理的两种方法。

当时域信道具有较强的相关性，可以利用最大特征值向量，实现信号检测，其流程图如图6所示(第一种简化处理的方法)。首先，输入接收信号及其相关阵的特征值分解，在步骤S601，选择最大的特征值向量e₁，在步骤S602，求取最大特征值向量和信道向量的内积，得到标量 ${\tilde{h}}_1=e_1^{H}h.$ 在S603构造加权向量 $w={\tilde{h}}_1{e}_1,$ 在步骤S604，利用加权向量进行空域滤波，得到

其中

表示取实部运算。在步骤S605对r进行判决，得到发送符号的估计

从而，接收端完成了检测的过程。

另外，当时域信道具有较强的相关性时，可以不利用信道向量的瞬时估计值，只利用统计独立分量进行空时处理，实现信号检测，其流程图如图7所示(第二简化处理的方法)。首先，输入接收信号及其相关阵的特征值分解，在步骤S701，选择最大的特征值向量e₁，在步骤S702确定加权向量w＝e₁，在步骤S703，利用加权向量进行空域滤波，得到

在步骤S705对r_e进行判决，得到发送符号的估计

从而，接收端完成了检测的过程。

比较图6和图7可以发现，图7没有使用信道向量的瞬时估计值，两者在加权向量上，相差一系数

这个系数将影响最终判决的结果，因此要去除复系数

的影响，求流程图如图8所示。首先，在步骤S801输入空域滤波后的信号r，在步骤S802设置累加平均元素的个数Q，令计数器q＝1，以及累积器u＝0。在步骤S803对当前空域滤波信号r做Hadamard(哈德码)积：u_r＝rоr＝k²(bоb)，其中k为r和发射符号b之间相差的复系数，DBPSK信号为有限码集，其各元素只取±1，所以bоb的各元素均等于1。在步骤S804和S805分别对u进行累加，对q加1。步骤S806判断q是否小于Q，如果小于则在S807取得新的空域滤波后的信号r，返回S803求解其Hadamard积。如果q大于Q，在步骤S808和S809，对u求平均，对平均值开方，得到复系数。在步骤S810，从r中去除复系数的影响。

按如上所述的过程，所确定的复系数仍然存在180度相位模糊问题，即所得到的复系数存在一个不确定的正负号。180度相位模糊问题并不影响DBPSK系统的正确判决。

前面讨论的MIMO系统都是具有发射天线为1个时的情况，应该注意，本发明的实施例可推广到具有多个发射天线、相关环境下的MIMO系统。公式(1)式变为

$y=\sqrt{E_b}\mathrm{Hb}+n$

其中，H为M×N维信道衰落矩阵，M表示M个发射天线，b为各天线上发送的符号b＝[b₁ b₂…b_M]^T。接收信号的互相关矩阵为

$R_y=E\left[{\mathrm{yy}}^H\right]=E_b^{2}E\left[{\mathrm{Hbb}}^H{H}^H\right]+E\left[{\mathrm{nn}}^H\right]$

由于各个符号相互独立，零均值，则E[bb^H]＝I，因此，

$R_y=E_b^{2}E\left[H^{H}H\right]+E\left[n^{H}n\right]$

根据上式，可利用以上所提到的方法进行去相关以及信号检测。

本发明针对相关环境下的MIMO系统，不需先估计出瞬时信道参数，直接利用接收信号的互相关矩阵，得到信道的统计独立分量，完成对信号的检测，使得系统避免了频繁的信道瞬时估计，降低了运算量，节约了训练序列所占用的频带资源。

图9和图10给出了3000次的蒙特卡罗仿真结果，接收端具有8个阵元，发射端有一个天线，信道衰落的相关系数为0.95，噪声服从高斯分布，各接收天线上的噪声信号相互独立，发送符号采用BPSK调制方式，各个时刻的发送符号相互独立。

图9为不同信噪比下，估计出的最大特征值所对应向量和实际向量的均方误差曲线图。求解相关矩阵时，将各个符号周期内接收信号的相关进行叠加平均。图中的统计集合元素表示所叠加符号周期相关的个数。从图中可以看出，当元素个数为1000时，即使在低信噪比条件下，信道估计误差也较小。图10为采用上述本发明方法进行信号检测的误码率结果，由于统计集合元素越多，信道估计精度越高，因此，误码率性能更理想。

图12是示出了根据本发明实施例的相关MIMO系统处理系统框图，图12中所述各组件的功能对应于以上方法中所提到的相应步骤，对本领域的技术人员而言，这是显而易见的，在此不再对其进行进一步地阐述。

尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。

Claims (10)

1.一种多输入多输出系统的信道估计和检测方法，包括步骤：

在相关环境下对多输入多输出系统进行信道估计和检测时，根据接收信号来获取接收信号的互相关矩阵；

对接收信号的互相关矩阵进行特征值分解来获取一个或多个特征值较大的特征向量，所述特征向量对应于信道统计独立分量；以及

利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据。

2.根据权利要求1所述的方法，其特征在于利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据的步骤包括：利用所获取的特征值较大的一个或多个特征向量，对接收到的信号进行解相关处理，以便进行空间处理。

3.根据权利要求1所述的方法，其特征在于所述根据接收信号来获取接收信号的互相关矩阵的步骤包括：在每个符号周期对接收信号采样，获取采样信号的相关；并且使各个符号的相关相叠加，由此得到接收信号的相关矩阵。

4.根据权利要求1所述的方法，其特征在于所述根据接收信号来获取接收信号的互相关矩阵的步骤包括：利用所述互相关矩阵的最小特征值的平均获得噪声估计，所获得的噪声估计用于空时处理。

5.根据权利要求1所述的方法，其特征在于所述对接收信号的互相关矩阵进行特征值分解来获取一个或多个特征值较大的特征向量的步骤包括：在系统相关性较强的情况下，选择最大特征值向量以构造加权向量。

6.根据权利要求5所述的方法，其特征在于所述加权向量与接收信号相关阵最大特征值所对应的特征向量和信道衰落向量相关联。

7、根据权利要求5所述的方法，其特征在于所述加权向量仅与接收信号相关阵最大特征值所对应的向量相关联。

8.根据权利要求5到7中的任何一项所述的方法，其特征在于所述利用所述统计独立分量对接收信号进行空时处理以检测所接收到的数据的步骤包括：利用所述加权向量对接收数据进行空域滤波，并且对空域滤波输出去除复系数，以便在判决后，得到发送符号的估计。

9.根据权利要求8所述的方法，其特征在于所述对空域滤波输出去除复系数的步骤包括：对空域滤波后的信号求哈德码积；对所述哈德码积求平均，对所述平均值开方，得到复系数；并且用空域滤波后的信号除复系数，从而去除复系数的影响。

10.根据权利要求9所述的方法，其特征在于所述获取所述哈德码积的平均的步骤包括：输入若干连续符号的空域滤波，对这些信号求哈德码积，并且对哈德码积求平均。

Images