一种高速移动环境下的多符号联合信道估计方法

摘要

一种高速移动环境下的多符号联合信道估计方法，基于OFDM无线通信系统，采用基于导频的信道估计方法，包括步骤1)利用复指数基扩展模型对时间频率双选信道进行建模；2)计算联合估计OFDM符号的个数J，满足连续J个OFDM符号对应信道具有联合稀疏特性；3)对于连续J个OFDM符号，设计稀疏导频模式，推导信道估计模型；4)利用离散随机最优化算法求得最优导频位置分布；5)利用块同步正交匹配追踪(BSOMP)算法重建稀疏系数；6)根据BSOMP算法重建的系数恢复信道抽头系数；7)对估计得到的信道抽头系数进行分段线性光滑处理。本发明能够有效对抗时间频率双重选择性衰落，提高信道估计的准确度和频谱利用率。

主权项

一种高速移动环境下的多符号联合信道估计方法，用于正交频分复用系统，利用多符号的联合稀疏特性，基于压缩感知理论对信道进行估计，其特征在于，该方法包括如下步骤：①利用复指数基扩展模型对时间频率双选信道进行建模，模型如下：$h_l^{\left(j\right)}=\left(b_0,...,b_{Q-1}\right)\left(\begin{array}{c}{c}^{\left(j\right)}\left[0,l\right]\\ \begin{array}{c}.\\ .\\ .\end{array}\\ c^{\left(j\right)}\left[Q-1,l\right]\end{array}\right)+{\xi }_l^{\left(j\right)},0\le l\le L-1---\left(1\right)$其中，j代表OFDM符号的序号，Q代表CE‑BEM阶数，L代表路径数，表示第l径对应的信道抽头系数，b_q(0≤q≤Q‑1)代表CE‑BEM基函数，c^(j)[q,l]代表CE‑BEM系数，代表CE‑BEM建模误差；CE‑BEM基函数表示为：$b_q={\left(1,...,e^{j\frac{2\pi }{N}n(q-\frac{Q-1}{2})},...,e^{j\frac{2\pi }{N}(N-1)(q-\frac{Q-1}{2})}\right)}^T,0\le q\le Q-1---\left(2\right)$其中，N表示一个OFDM符号子载波的个数；②计算联合估计OFDM符号的个数J，满足连续J个OFDM符号对应信道具有联合稀疏特性，公式如下：J＜0.01c/(N+L_CP)v         (3)其中c是光速，v是移动终端和基站的相对速度，L_CP代表循环前缀CP的长度；③对于连续J个OFDM符号，设计稀疏导频模式，推导信道估计模型：导频序列包括G个有效导频和(2Q‑2)G个保护导频，其中K＜G＜＜JL，K表示无线信道延时域的稀疏度；有效导频幅度和保护导频幅度分别取1和0，有效导频序列记为P_eff，保护导频序列记为P_guard，保护导频位于有效导频两侧；将导频分为Q个子序列：$\begin{array}{c}{P}_0=P_{eff}-\frac{Q-1}{2}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ P_{\frac{Q-1}{2}}=P_{eff}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ P_{Q-1}=P_{eff}+\frac{Q-1}{2}\end{array}---\left(4\right)$其中表示所有有效导频构成的子序列；得到信道估计模型如下：$\left\{\begin{array}{c}{\left[Y\right]}_{P_0}={\mathrm{\Phi s}}_0+W_0\\ \begin{array}{c}.\\ .\\ .\end{array}\\ {\left[Y\right]}_{P_{\frac{Q-1}{2}}}={\mathrm{\Phi s}}_{\frac{Q-1}{2}}+W_{\frac{Q-1}{2}}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ {\left[Y\right]}_{P_{Q-1}}={\mathrm{\Phi s}}_{Q-1}+W_{Q-1}\end{array}\right.---\left(5\right)$其中，Y代表接收机OFDM解调之后的数据，W_q包括噪声和建模误差，是需要重建的系数向量，测量矩阵Φ＝[Φ₀,...Φ_L‑1]，④利用离散随机最优化算法求得最优导频位置分布，即最优导频位置确认原则是使测量矩阵Φ的互相关值μ最小，μ计算如下：$\mu \left(\Phi \right)=\underset{1\le i\ne j\le L}{max}\frac{|<{\phi }_i,{\phi }_j>|}{\left|\right|{\phi }_i\left|{|}_2\right|\left|{\phi }_j\right|{|}_2}---\left(6\right)$其中φ_i，φ_j是矩阵Φ的任意两列；⑤利用块同步正交匹配追踪算法重建得到稀疏系数⑥由稀疏系数恢复出信道抽头系数恢复CE‑BEM系数公式如下：$c_q^{\left(j\right)}={{\Lambda }_q}^{-1}{\left[s_q\right]}_{j:J:JL}---\left(7\right)$其中对角矩阵${\Lambda }_q=diag\left(1,e^{-i\frac{2\pi }{N}(q-\frac{Q-1}{2})},...,e^{-i\frac{2\pi }{N}(q-\frac{Q-1}{2})(L-1)}\right);$根据式(1)得到信道抽头系数⑦对信道抽头系数进行分段线性光滑处理：对第j个符号，第l条径对应的信道抽头系数取平均，公式如下$h_l^{\left(j\right)ave}=\frac{1}{N}{\Sigma }_{n=j(N+L_{CP})+L_{CP}}^{(j+1)(N+L_{CP})-1}{h}_{n,l},0\le l\le L-1---\left(8\right)$分别利用前后两个相邻OFDM符号的信道抽头系数，对第j个OFDM符号对应的信道抽头系数进行光滑处理，$\left\{\begin{array}{c}{h}_l^{\left(j\right)r1}=\frac{1}{N+L_{CP}}\left(h_l^{\left(j\right)ave}-h_l^{\left(j-1\right)ave}\right)\left(n+L_{CP}+1+\frac{N}{2}\right)+h_l^{\left(j-1\right)ave}\\ h_l^{\left(j\right)r2}=\frac{1}{N+L_{CP}}\left(h_l^{\left(j+1\right)ave}-h_l^{\left(j\right)ave}\right)\left(n+1-\frac{N}{2}\right)+h_l^{\left(j\right)ave}\end{array}\right.---\left(9\right)$对上述结果取平均得到第j个符号，第l条径对应的信道抽头系数如下：$h_l^{\left(j\right)}=\frac{1}{2}(h_l^{\left(j\right)r1}+h_l^{\left(j\right)r2})---\left(10\right)$