带有ICI消除的迭代差错扩散判决OFDM信道估计方法

摘要

本发明公开了一种带有ICI消除的迭代差错扩散判决OFDM信道估计方法，对OFDM系统进行初始化，将导频数据按照梳状导频方式插入到发送数据中，开始发送数据；数据通过OFDM系统发送至接收端，在接收端用基扩展模型对信道进行建模：对Kalman滤波器进行初始化，计算Kalman的时间更新方程，实现无ICI干扰的导频辅助Kalman信道估计，计算出信道矩阵的估计值，用QR分解进行数据检测；实现无ICI干扰的导频辅助频域信道估计。同时，设计迭代结果的判决指标，减小未知数据对所有频点信道估计的影响，在所有迭代结果中选取最佳估计结果，抑制由ICI干扰带来的差错扩散，提高OFDM系统性能。

主权项

一种带有ICI消除的迭代差错扩散判决OFDM信道估计方法，其特征在于，包括以下步骤：步骤1，对OFDM系统进行初始化，将导频数据按照梳状导频方式插入到发送数据中，开始发送数据；步骤2，数据通过OFDM系统发送至接收端，在接收端用基扩展模型对信道进行建模：步骤2.1，利用多项式基扩展模型描述具有时频双选特性的多径传播信道；步骤2.2，将接收端接收的信号表示成以下形式：y^(r)＝H^(r)x^(r)+W^(r)，其中x^(r)＝[x₀^(r),x₁^(r)…x_N‑1^(r)]^T、y^(r)＝[y₀^(r),y₁^(r)…y_N‑1^(r)]^T分别表示频域上第r个去掉循环前缀CP后的发送信号和接收信号，W^(r)是其频域上的白噪声，H^(r)是N×N的信道矩阵，N是子载波数；步骤2.3，根据BEM将接收信号进行重新建模，表示成带有BEM系数的表达式如下：y^(r)＝A₃^(r)g^(r)+W^(r)，g^(r)＝[C₁^(r)T,C₂^(r)T…C_L^(r)T]^T，${A_3}^{\left(r\right)}=\frac{1}{N}[Z_1^{\left(r\right)},Z_2^{\left(r\right)}...Z_L^{\left(r\right)}],$$Z_l^{\left(r\right)}=\frac{1}{N}[M_{1}diag\left(x^{\left(r\right)}\right)f_l...M_{Q}diag\left(x^{\left(r\right)}\right)f_l],$f_l是矩阵$F(m,k)=e^{-j2\pi (\frac{m-1}{N}-\frac{1}{2}){\tau }_k}$的第l列，$M_d(m,k)=\underset{n=0}{\overset{N-1}{\Sigma }}{n}^{d-1}{e}^{-j2\pi (m-k)n/N},d=1...Q;$步骤3，利用AR模型对信道BEM系数进行建模，得其状态转移方程：g_(r)＝A₁g_(r‑1)+U_(r)，其中，模型系数为A₁＝diag(a₁,a₂…a_L)，$a_l=R_{C_l}^{\left(1\right)}{\left(R_{C_l}^{\left(0\right)}\right)}^{-1};$$u_l=R_{C_l}^{\left(0\right)}+a_l{R}_{C_l}^{(-1)};$步骤4，按下式对Kalman滤波器进行初始化：i＝1，r＝0，e¹＝0，${\hat{g}}_{\left(0\right|0)}=0_{LQ,1},P_{\left(0\right|0)}=diag(R_{C_1}^{\left(0\right)},R_{C_2}^{\left(0\right)}...R_{C_L}^{\left(0\right)}),$表示第r个OFDM符号的估计值，P_(r|r)表示估计值对应的误差相关矩阵，0_LQ,1是LQ×1的零矩阵，eⁱ表示第i次迭代中发生差错扩散程度的指标；步骤5，按下式计算Kalman的时间更新方程：${\hat{g}}_{\left(r\right)}=A_1{\hat{g}}_{(r-1|r-1)},$$P_{\left(r\right)}=A_1{P}_{(r-1|r-1)}{A}_1^H+V\left[U_{\left(r\right)}\right],$表示Kalman的状态估计，P_(r)表示状态估计对应的误差相关矩阵，状态噪声方差V[U_(r)]＝diag(u₁,u₂…u_L)，步骤6，进行第一次信道估计迭代运算(i＝1)，用SIN方法消除未知数据对导频处信道估计的影响，实现无ICI干扰的导频辅助Kalman信道估计；步骤6.1，仅考虑接收信号中导频对应的载波，并将它分成导频和数据两部分；步骤6.2，将数据ICI干扰项信道噪声W^(r)(P_s)的一部分即SIN—I+N作为滤波器的去噪对象，令则SIN估计的Kalman观测方程可以表示为：$y_p^{\left(r\right)}={A_3^{SIN}}_{\left(r\right)}{g}_{\left(r\right)}+W_{\left(r\right)}^{SIN};$${A_3^{SIN}}_{\left(r\right)}=\frac{1}{N}[{Z_1^{\left(r\right)}}_{SIN},{Z_2^{\left(r\right)}}_{SIN}...{Z_L^{\left(r\right)}}_{SIN}],$${Z_l^{\left(r\right)}}_{SIN}=\frac{1}{N}[M_1^{SIN}diag\left({x_p}^{\left(r\right)}\right)f_l^{SIN}...M_Q^{SIN}diag\left({x_p}^{\left(r\right)}\right)f_l^{SIN}],$$f_l^{SIN}={\left[\begin{array}{cccc}{e}^{-j2\pi (\frac{p_1-1}{N}-\frac{1}{2}){\tau }_l}& e^{-j2\pi (\frac{p_2-1}{N}-\frac{1}{2}){\tau }_l}& ...& e^{-j2\pi (\frac{p_{N_p}-1}{N}-\frac{1}{2}){\tau }_l}\end{array}\right]}^T,$其中，$P_s=[p_1,p_2...p_{N_p}],$$D_s=[d_1,d_2...d_{N_d}]$$p_i=(i-1)\frac{N}{N_p}+1,i=1,2...N_p;$所以在N个载波中导频符号为${x_p}^{\left(r\right)}=x^{\left(r\right)}\left(P_s\right)={[{x_{p_1}}^{\left(r\right)},{x_{p_2}}^{\left(r\right)}...{x_{p_{N_p}}}^{\left(r\right)}]}^T,$其余位置D_s是数据载波x_d^(r)；步骤6.3，计算的协方差矩阵步骤6.4，按下式计算观测更新方程，第i＝1次迭代中得到信道估计结果和对应的协方差矩阵P_(r|r)：K_(r)＝P_(r)A_3(r)^H(A_3(r)P_(r)A_3(r)^H+V[W_(r)])^‑1，${\hat{g}}_{\left(r\right|r)}^i={\hat{g}}_{\left(r\right)}+K_{\left(r\right)}(y_{\left(r\right)}-A_{3\left(r\right)}{\hat{g}}_{\left(r\right)}),$P_(r|r)＝P_(r)‑K_(r)A_3(r)P_(r)；步骤7，根据下式计算出信道矩阵的估计值：$H^{\left(r\right)}=\frac{1}{N}\underset{d=1}{\overset{Q}{\Sigma }}{M}_{d}diag\left({\mathrm{F\Phi }}_d^{\left(r\right)}\right),$其中${\Phi }_d^{\left(r\right)}={[c_{d,1}^{\left(r\right)},c_{d,2}^{\left(r\right)}...c_{d,L}^{\left(r\right)}]}^T;$步骤8，用QR分解进行数据检测；步骤9，把上一步中得到的较为准确的数据值带入到步骤2.3中重新计算BEM模型系数A₃^(r)；步骤10，通过计算比较第i次和第i‑1次迭代中发生差错扩散的程度的指标，决定是否更新信道估计参数和对应估计协方差矩阵P_(r)：步骤10.1，计算第i次迭代中发生差错扩散的程度的指标eⁱ如下：$e^i=\frac{1}{N}\underset{m=1}{\overset{N}{\Sigma }}\left(\right|y^{\left(r\right)}\left(m\right)-{\hat{y}}^{\left(r\right)}\left(m\right)\left|\right)$其中m表示向量中第m个元素，i表示迭代次数，步骤10.2比较本次迭代的eⁱ和前一次迭代的e^i‑1判断估计的准确度并对迭代次数变量加一，i＝i+1,若eⁱ≤e^i‑1则然后返回步骤6.4进行下一次迭代运算，否则直接返回步骤6.4。