CN1921340A - 多输入多输出系统中基于最优训练序列的信道估计方法 - Google Patents

Abstract

本发明提出的一种多输入多输出系统中的最优训练序列设计及信道估计方法，属于无线通信技术领域。首先构造一种互补序列对，将互补序列对作为第一发射天线的两个码元，第一发射天线以外其他发射天线的码元由第一发射天线的两个码元等间隔循环移位得到，由所有发射天线的两个码元构成最优时域训练序列，删除其中第二个码元的循环前缀，得到优化后的最优时域训练序列；根据优化后的最优时域训练序列，得到时域最小二乘信道估计值。本发明提出的最优时域训练序列是二值常模序列，长度短，满足时域最优训练序列设计准则，可以得到最优的时域信道估计，而且对应的信道估计方法复杂度很低。

Description

多输入多输出系统中基于最优训练序列的信道估计方法

技术领域

本发明涉及一种多输入多输出系统中基于最优训练序列的信道估计方法，属于无线通信技术领域。

背景技术

采用多输入多输出-正交频分复用(以下简称MIMO-OFDM)技术可以在不增加信道带宽和发射功率的前提下显著提高系统容量。无论是在接收端进行数据流分离、空时解码、数据相干检测还是在发射端进行预编码，精确的信道估计都是必须的。这是因为一方面由于信道估计误差在解调过程中会导致多天线间的干扰，使得MIMO系统的性能比单输入单输出(以下简称SISO)系统更依赖于信道的估计精度；另一方面，MIMO系统中的待估参数与发射和接收天线数目的积呈线性增长，估计自由度的增加要求更多的观测数据，然而从而所导致的过长的训练序列会降低系统的传输效率。

MIMO信道估计算法大体可以分为时域参数估计和频域参数估计算法两大类。在子载波数为K，发射和接收天线数分别为N_Tx和N_Rx，信道最大多径时延扩展为L的MIMO-OFDM系统中，若采用频域参数估计，待估计参数个数为N_TxN_RxK；若采用时域参数估计，待估计参数个数为N_TxN_RxL。实际系统中，通常信道的最大多径时延扩展L远小于码元周期K，时域参数估计具有更小的自由度，这样在相同的观测数据条件下，时域参数估计的性能将优于频域参数估计的性能。因此有必要在时域设计训练序列。

在设计MIMO时域训练序列的时候，若能找到一组具有理想自相关和互相关特性序列，并将它们指定到不同的发射天线上，则在接收端通过相关运算就可以估计各个发射天线到各个接收天线之间的SISO信道，不会造成码间干扰和天线间干扰。但是理论上这种序列并不存在。研究表明，若各天线发送的序列具有宽度大于信道最大多径时延扩展的零自相关区和零互相关区，则基于该训练序列的时域LS信道估计具有最小的估计误差方差，将满足该条件的训练序列定义为最优时域训练序列。

目前主要可以通过以下两种途径设计最优时域训练序列，一种是通过搜索来获得，但是由于搜索空间的问题，目前只找到周期小于或等于16的二值序列，且由于零相关区的宽度较小，该序列抑制多径干扰的能力有限。另一种是利用理想自相关序列的移位来构造，如何设计具有理想自相关特性的常模序列是该方法的核心。在复数域，不难构造具有理想周期自相关特性的常模序列，但是复数训练序列在进行信道估计时计算量大。因此，如何设计使信道估计计算量小、实现简单、且具有理想周期自相关特性的最优时域训练序列，是MIMO系统中的一个研究热点问题之一。训练序列不同，采用的信道估计方法也不同，只有采用合适的信道估计方法才能得到最优的信道估计结果。因此给出最优训练序列后，有必要给出相应的信道估计方法。

发明目的

本发明的目的是提出一种多输入多输出系统中基于最优训练序列的信道估计方法，以克服已有技术中基于时域训练序列的信道估计实现复杂度高、训练序列长的缺点，将互补序列的周期自相关特性用于训练序列的设计，以获得最优时域信道估计性能。

本发明提出的一种多输入多输出系统中基于最优训练序列的信道估计方法，包括以下步骤：

(1)构造一个互补序列对{a_m，b_m}，(m≥0)：

$\left\{\begin{array}{cc}m=0& \left\{\begin{array}{c}{a}_0=\left[1\right]\\ b_0=\left[1\right]\end{array}\right.\\ m>0& \left\{\begin{array}{c}{a}_m={[+a_{m-1}^T|+b_{m-1}^T]}^T={[a_m\left(0\right)\·\·\·a_m(2^m-1)]}^T\\ b_m={[+a_{m-1}^T|-b_{m-1}^T]}^T={[b_m\left(0\right)\·\·\·a_m(2^m-1)]}^T\end{array}\right.\end{array}\right.,$

其中a_m和b_m的长度均为N＝2^m，(·)^T表示转置；

(2)将上述互补序列对{a_m，b_m}作为多输入多输出系统中第一发射天线的两个码元，第一发射天线以外的其他发射天线的码元由第一发射天线码元的等间隔循环移位得到，由所有发射天线的两个码元构成最优时域训练序列，相邻天线间的循环移位点数为M，M＝N/N_Tx，其中N为a_m和b_m的长度，N_Tx为发射天线个数；

(3)在上述最优时域训练序列中删除第二个码元的循环前缀，得到优化后的最优时域训练序列；

(4)根据上述优化后的最优时域训练序列，得到时域最小二乘信道估计值：

${\hat{H}}_p=\frac{1}{2N}(S_1^H{r}_{p,1}+S_2^H{r}_{p,2}),$

其中r_p，1，r_p，2分别表示第p个接收天线上接收到的第一个和第二个训练序列码元，S₁，S₂表示发射的第一个和第二个训练序列码元，

S₁＝[s₁(0)^T…s₁(L-1)^T|s₁(M-1)^T…s₁((N_Tx-1)M+L-1)^T]

S₂＝[s₂(0)^T…s₂(L-1)^T|s₂(M-1)^T…s₂((N_Tx-1)M+L-1)^T]’

其中s₁(i)，s₂(i)是互补序列对{a_m，b_m}循环移位i位后得到的序列，L为信道最大多径时延扩展。

本发明提出的一种多输入多输出系统中的最优训练序列设计及信道估计方法，利用设计好的最优时域训练序列进行时域信道估计，可得到最优的时域信道估计性能。该最优时域训练序列由两个互补码元构成，每个码元的长度可以为2的任意整数次幂，而且它满足时域最优训练序列准则，可获得最优时域信道估计性能。其优点如下：

(1)本发明提出的最优时域训练序列满足时域最优训练序列设计准则，可以得到最优的时域信道估计；

(2)本发明给出的基于该训练序列的信道估计方法复杂度很低；

(3)本发明提出的最优时域训练序列无论有几个发射天线，长度均小于两个OFDM符号周期，减小了训练序列对系统传输效率的降低；

(4)本发明提出的最优时域训练序列是二值常模序列，可以有效降低OFDM系统的峰均功率比。

附图说明

图1是本发明提出的最优时域训练序列结构图。

具体实施方式

本发明提出的一种多输入多输出系统中基于最优训练序列的信道估计方法，包括以下步骤：

(1)构造一个互补序列对{a_m，b_m}，(m≥0)：

$\left\{\begin{array}{cc}m=0& \left\{\begin{array}{c}{a}_0=\left[1\right]\\ b_0=\left[1\right]\end{array}\right.\\ m>0& \left\{\begin{array}{c}{a}_m={[+a_{m-1}^T|+b_{m-1}^T]}^T={[a_m\left(0\right)\·\·\·a_m(2^m-1)]}^T\\ b_m={[+a_{m-1}^T|-b_{m-1}^T]}^T={[b_m\left(0\right)\·\·\·a_m(2^m-1)]}^T\end{array}\right.\end{array}\right.,$

其中a_m和b_m的长度均为N＝2^m，(·)^T表示转置；

(2)将上述互补序列对{a_m，b_m}作为多输入多输出系统中第一发射天线的两个码元，第一发射天线以外的其他发射天线的码元由第一发射天线码元的等间隔循环移位得到，由所有发射天线的两个码元构成最优时域训练序列，相邻天线间的循环移位点数为M，M＝N/N_Tx，其中N为a_m和b_m的长度，N_Tx为发射天线个数；

(3)在上述最优时域训练序列中删除第二个码元的循环前缀，得到优化后的最优时域训练序列；

(4)根据上述优化后的最优时域训练序列，得到时域最小二乘信道估计值：

${\hat{H}}_p=\frac{1}{2N}(S_1^H{r}_{p,1}+S_2^H{r}_{p,2}),$

其中r_p，1，r_p，2分别表示第p个接收天线上接收到的第一个和第二个训练序列码元，S₁，S₂表示发射的第一个和第二个训练序列码元，

S₁＝[s₁(0)^T…s₁(L-1)^T|s₁(M-1)^T…s₁((N_Tx-1)M+L-1)^T]

S₂＝[s₂(0)^T…s₂(L-1)^T|s₂(M-1)^T…s₂((N_Tx-1)M+L-1)^T]’

其中s₁(i)，s₂(i)是互补序列对{a_m，b_m}循环移位i位后得到的序列，L为信道最大多径时延扩展。

由二值互补序列的构造过程可知，序列a_m和b_m具有以下性质：两个序列中所有元素的绝对值都是1，对应位置的元素只是符号上的差异。因此每个天线上第二个码元的循环前缀和第一个码元对应的后部由完全相同的序列构成，唯一的区别只是序列符号的差异，而这种符号的差异可由序列的构造过程得到。当某个天线上二者符号不同时，可利用已知的符号差异将第二码元反相，经过这样变换之后，每个天线上第二个码元的循环前缀和第一个码元对应的后部是完全相同的。这样可以将第二个码元原有的循环前缀删除，第一个码元的后部即可充当第二个码元的循环前缀。

任意的互补序列对{a_m，b_m}在区间[0，N)内具有理想的周期自相关特性：

$R_p\left(\mathrm{\&tau;}\right)=R_a^p\left(\mathrm{\&tau;}\right)+R_b^p\left(\mathrm{\&tau;}\right)=2\mathrm{N\&delta;}\left(\mathrm{\&tau;}\right),0\&le;\mathrm{\&tau;}<N,$

其中R_a ^p(τ)，R_b ^p(τ)分别表示序列a_m和b_m的周期自相关函数。由此可得：

$S_1^H{S}_1+S_2^H{S}_2=2N{I}_{L{N}_{\mathrm{Tx}}}.$

因此，本发明构造的训练序列满足时域最优训练序列的设计准则，可以得到最优的时域信道估计。

本发明提出的一种多输入多输出系统中基于最优训练序列的信道估计方法，首先构造一种互补序列对，利用上述具有理想自相关特性的互补序列对及其循环移位，设计最优的二值时域训练序列，然后对其进行优化减小训练序列的长度，最后利用优化后的最优时域训练序列进行时域最小二乘信道估计。下面以4个发射天线，循环前缀长度为一个OFDM周期的1/4的MIMO-OFDM系统为例详细说明。

首先构造一个互补序列对{a_m，b_m}，(m≥0)：

$\left\{\begin{array}{cc}m=0& \left\{\begin{array}{c}{a}_0=\left[1\right]\\ b_0=\left[1\right]\end{array}\right.\\ m>0& \left\{\begin{array}{c}{a}_m={[+a_{m-1}^T|+b_{m-1}^T]}^T={[a_m\left(0\right)\&CenterDot;\&CenterDot;\&CenterDot;a_m(2^m-1)]}^T\\ b_m={[+a_{m-1}^T|-b_{m-1}^T]}^T={[b_m\left(0\right)\&CenterDot;\&CenterDot;\&CenterDot;a_m(2^m-1)]}^T\end{array}\right.\end{array}\right.,$

其中a_m和b_m的长度均为N＝2^m，(·)^T表示转置。

将上述构造的互补序列对{a_m，b_m)表示为：

$\begin{array}{c}{a}_m=[+a_{m-2}^T|+b_{m-2}^T|+a_{m-2}^T|-b_{m-2}^T]\\ b_m=[+a_{m-2}^T|+b_{m-2}^T|-a_{m-2}^T|+b_{m-2}^T]\end{array},$ 记 $c=a_{m-2}^T,d=b_{m-2}^T.$

当发射天线为4个时，最优时域训练序列的结构如下：

$\left\{\begin{array}{cccccccccc}-d& +c& +d& +c& -d& |+d|& +c& +d& -c& +d\\ +c& -d& +c& +d& +c& |-c|& +d& +c& +d& -c\\ +d& +c& -d& +c& +d& |+d|& -c& +d& +c& +d\\ +c& +d& +c& -d& +c& |+c|& +d& -c& +d& +c\end{array}\right.$

其中符号|·|中的信号即为第二个码元的循环前缀部分。

删除上述最优时域训练序列中第二个码元的循环前缀，得到优化后的最优时域训练序列：

$\left\{\begin{array}{cccccccccc}-d& +c& +d& +c& -d& & +c& +d& -c& +d\\ +c& -d& +c& +d& +c& & +d& +c& +d& -c\\ +d& +c& -d& +c& +d& & -c& +d& +c& +d\\ +c& +d& +c& -d& +c& & +d& -c& +d& +c\end{array}\right..$

根据上述优化后的最优时域训练序列，得到时域最小二乘信道估计值：

${\hat{H}}_p=\frac{1}{2N}(S_1^H{r}_{p,1}+S_2^H{r}_{p,2}),$

其中r_p，1，r_p，2分别表示第p个接收天线上接收到的第一个和第二个训练序列码元，S₁，S₂表示发射的第一个和第二个训练序列码元，

S₁＝[s₁(0)^T…s₁(L-1)^T|s₁(M-1)^T…s₁((N_Tx-1)M+L-1)^T]

S₂＝[s₂(0)^T…s₂(L-1)^T|s₂(M-1)^T…s₂((N_Tx-1)M+L-1)^T]’

其中s₁(i)，s₂(i)是互补序列对{a_m，b_m}循环移位i位后得到的序列，L为信道最大多径时延扩展。

以上是本发明的一个实施例，本发明的优化的结构也可以推广到天线数为2、8、16或者更多的情况。循环前缀长度可以取小于正交频分复用码元周期的任意值。

Claims (1)

1、一种多输入多输出系统中基于最优训练序列的信道估计方法，其特征在于该方法包括以下步骤：

(1)构造一个互补序列对{a_m，b_m}，(m≥0)：

$\left\{\begin{array}{cc}m=0& \left\{\begin{array}{c}{a}_0=\left[1\right]\\ b_0=\left[1\right]\end{array}\right.\\ m>0& \begin{array}{c}\left\{\begin{array}{c}{a}_m={[+a_{m-1}^T|+b_{m-1}^T]}^T={[a_m\left(0\right)\&CenterDot;\&CenterDot;\&CenterDot;a_m(2^m-1)]}^T\\ b_m={[+a_{m-1}^T|-b_{m-1}^T]}^T={[b_m\left(0\right)\&CenterDot;\&CenterDot;\&CenterDot;b_m(2^m-1)]}^T\end{array}\right.\end{array}\end{array}\right.,$

其中a_m和b_m的长度均为N＝2^m，(·)^T表示转置；

(2)将上述互补序列对{a_m，b_m}作为多输入多输出系统中第一发射天线的两个码元，第一发射天线以外其他发射天线的码元由第一发射天线的两个码元等间隔循环移位得到，由所有发射天线的两个码元构成最优时域训练序列，相邻天线间的循环移位点数为M，M＝N/N_Tx，其中N为a_m和b_m的长度，N_Tx为发射天线个数；

(3)在上述最优时域训练序列中删除第二个码元的循环前缀，得到优化后的最优时域训练序列；

(4)根据上述优化后的最优时域训练序列，得到时域最小二乘信道估计值：

${\hat{H}}_p=\frac{1}{2N}(S_1^H{r}_{p,1}+S_2^H{r}_{p,2}),$

其中r_p，1，r_p，2分别表示第p个接收天线上接收到的第一个和第二个训练序列码元，S₁，S₂表示发射的第一个和第二个训练序列码元，

S₁＝[s₁(0)^T…s₁(L-1)^T|s₁(M-1)^T…s₁((N_Tx-1)M+L-1)^T]

S₂＝[s₂(0)^T…s₂(L-1)^T|s₂(M-1)^T…s₂((N_Tx-1)M+L-1)^T]

其中s₁(i)，s₂(i)是互补序列对{a_m，b_m}循环移位i位后得到的序列，L为信道最大多径时延扩展。