SC-FDE系统低复杂度信道估计下的相位噪声抑制方法

摘要

本发明公开了一种SC-FDE系统低复杂度信道估计下的相位噪声抑制方法，采用特殊字构成训练序列，根据其接收信号利用LS算法得到CFR的少量频点响应和CIR，再通过离散傅里叶变换插值滤波器得到受相噪CPE影响的初始CFR，并根据训练序列进行时域和频域噪声功率估计；得到估计信道后，在时域中提取CIR的有效阶数，计算特殊字接收信号的副本。采用特殊字作为传输数据块循环前缀，利用MMSE算法估计循环前缀上的CPE与初始估计信道中的CPE比值后经线性插值得到整个数据块的CPE与初始估计信道中的CPE比值；最后利用CPE比值与受相噪CPE影响的初始CIR相乘跟踪当前数据块的整体信道，经频域MMSE均衡抑制相噪干扰。本发明的信道估计算法复杂度低，降低了相位噪声抑制算法的复杂度。

主权项

一种SC‑FDE系统低复杂度信道估计下的相位噪声抑制方法，其特征在于包括以下步骤：(1)、发送端将用户数据分成长度为N_s的用户数据块，其中第i个用户数据块${\tilde{x}}_i={[{\tilde{x}}_i\left(0\right),{\tilde{x}}_i\left(1\right),...,{\tilde{x}}_i(N_s-1)]}^T,{\tilde{x}}_i\left(m_1\right),0\le m_1\le N_s-1$表示第i个用户数据块的第m₁个发送数据；构建长度为N_c的特殊字：u＝[u(0),u(1),...,u(N_c‑1)]^Τ，u(m₂),1≤m₂≤N_c‑1是特殊字中第m₂个特殊字符号，在用户数据块间插入特殊字作为等效循环前缀，构成长度为N_b的传输数据块P是不大于N_b/N_c的最大正整数，采用连续的MP+1个连续的特殊字构成训练序列，其中M为根据实际情况设置的正整数；(2)、接收端接收训练序列经信道传输的信号，估计信道频率响应的少量频点响应和信道脉冲响应，并计算频域均衡所需的受相位噪声公共相位误差影响的初始信道频率响应：训练序列经信道h＝[h(0),h(1),...,h(L‑1)]^Τ进行传输，其中L是信道的长度；训练序列的时域接收信号移除第1个特殊字y₀的时域接收信号，将剩下的MP个特殊字的时域接收信号记为y_s＝[y_s(0),y_s(1),...,y_s(N_c‑1)]^Τ，1≤s≤MP，y_s(m₂),0≤m₂≤N_c‑1表示时域接收信号y_s的第m₂时刻的采样数据；对MP个特殊字的时域接收信号求平均值MP个特殊字的时域接收信号y_s受加性高斯白噪声n_s＝[n_s(0),n_s(1),...,n_s(N_c‑1)]^Τ的加性影响，其元素n_s(m₂),0≤m₂≤N_c‑1是相互独立的均值为0、方差为的随机变量，此时即时域加性高斯白噪声的功率；同时y_s受平稳高斯色相位噪声的乘性影响，其元素的相位φ_s(m₂),0≤m₂≤N_c‑1是均值为0的平稳高斯随机变量；计算时域加性高斯白噪声平均值特殊字上的相位噪声平均值$\bar{\phi }=\left({\Sigma }_{s=1}^{\mathrm{MP}}{\phi }_s\right)/\left(\mathrm{MP}\right)={[e^{j\bar{\phi }\left(0\right)},e^{j\bar{\phi }\left(1\right)},...,e^{j\bar{\phi }(N_c-1)}]}^T,$将的N_c点FFT变换的1/N_c记为$\bar{P}\left(r_1\right)=1/N_c{\Sigma }_{m_2=0}^{N_c-1}{e}^{j\bar{\phi }\left(m_2\right)}{e}^{-j2\pi m_2{r}_1/N_c},0\le r_1\le N_c-1;$特殊字的时域接收信号平均值经过N_c点FFT后得到其频域每个频点k₁,0≤k₁≤N_c‑1的接收信号：$\bar{Y}\left(k_1\right)=\bar{P}\left(0\right)H_c\left(k_1\right)U\left(k_1\right)+\underset{l=0,l\ne k_1}{\overset{N_c-1}{\Sigma }}{H}_c\left(l\right)U\left(l\right)\bar{P}\left((k_1-l)\mathrm{mod}{N}_c\right)+\bar{N}\left(k_1\right)$H_c(k₁)、U(k₁)和分别是信道h、特殊字u和时域加性高斯白噪声平均值的N_c点FFT的第k₁个频点的值；是产生的公共相位误差；mod表示取余运算，当k₁‑l≥0，(k₁‑l)modN_c＝(k₁‑l)modN_c；当k₁‑l＜0，(k₁‑l)modN_c＝N_c‑(l‑k₁)modN_c；$I={\Sigma }_{l=0,l\ne k}^{N_c-1}{H}_c\left(l\right)U\left(l\right)\bar{P}\left((k_1-l)\mathrm{mod}{N}_c\right)$是由相位噪声产生的码间串扰，将视为一项均值为0，方差为的频域加性高斯噪声；根据最小二乘法准则，得到受相位噪声公共相位误差影响的信道频率响应：$\bar{P}\left(0\right){\hat{H}}_c\left(k_1\right)=\bar{Y}\left(k_1\right)/U\left(k_1\right);$经N_c点IFFT得到长度为N_c的受公共相位误差影响的信道脉冲响应：其中F_c是N_c×N_c的归一化的DFT矩阵，其第p,1≤p≤N_c行第q,1≤q≤N_c列的元素F_c^Η是F_c的共轭转置矩阵；${\hat{H}}_c={[{\hat{H}}_c\left(0\right),{\hat{H}}_c\left(1\right),...,{\hat{H}}_c(N_c-1)]}^T$是信道频率响应的少量频点响应估计，其中是第k₁个频点的信道频率响应估计；${\hat{h}}_c={[{\hat{h}}_c\left(0\right),{\hat{h}}_c\left(1\right),...,{\hat{h}}_c(N_c-1)]}^T$是信道脉冲响应估计，其中是估计信道的第m₂个抽头；采用对角矩阵$D_g=\mathrm{diag}\{1,e^{-j2\mathrm{\pi g}/N_b},e^{j2\mathrm{\pi g}·2/N_b},...,e^{-j2\mathrm{\pi g}·(N_c-1)/N_b}\},$1≤g≤P‑1左乘向量后再经N_c点FFT得到内插向量：$\bar{P}\left(0\right){\hat{H}}_c^g=\bar{P}\left(0\right)F_c{D}_g{\hat{h}}_c;$把内插到得到频域均衡所需的受相位噪声公共相位误差干扰的信道频率响应：其中的第t,1≤t≤N_c‑1个元素是中的第tP+g个元素；(3)、利用训练序列的时域和频域接收信号分别进行时域噪声功率估计和频域噪声功率估计，得到时域噪声功率估计值频域噪声功率估计值(4)、利用步骤(2)估计的信道脉冲响应，计算特殊字接收信号的副本：将步骤(2)中估计的从后往前检测，当检测到信道脉冲响应的路径功率时把其设为零，其中α是由用户设置的大于零的门限参数，当第一次满足时停止检测，没有被设为零的路径数目为信道的有效阶数；将信道有效阶数记为计算特殊字接收信号第$m_3,\tilde{L}\le m_3\le N_c$个元素的副本：${\hat{r}}_c\left(m_3\right)=\bar{P}\left(0\right){\Sigma }_{l=0}^{\tilde{L}-1}{\hat{h}}_c\left(l\right)u(m_3-l);$(5)、接收端接收用户数据块x_i，将步骤(3)估计的时域噪声功率和步骤(4)估计的特殊字接收信号的副本作为已知参数，利用最小均方误差算法估计相位噪声在传输数据块循环前缀上产生的公共相位误差与初始估计信道中公共相位误差的比值(6)、采用步骤(5)估计的和步骤(2)得到的受相位噪声公共相位误差影响的初始估计信道相乘，跟踪当前传输数据块的整体信道：${\hat{H}}_i\left(k_2\right)=P_i\left(0\right){\hat{H}}_b\left(k_2\right)=\Delta {\hat{\theta }}_i\bar{P}\left(0\right){\hat{H}}_b\left(k_2\right)$根据跟踪得到的整体信道与步骤(3)得到的频域噪声功率估计值为已知参数，利用频域最小均方误差均衡抑制相位噪声干扰。