基于复指数基模型信道的递归最小二乘定向跟踪方法.pdf

《基于复指数基模型信道的递归最小二乘定向跟踪方法.pdf》由会员分享，可在线阅读，更多相关《基于复指数基模型信道的递归最小二乘定向跟踪方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910705900.9 (22)申请日 2019.08.01 (71)申请人 南京邮电大学 地址 210012 江苏省南京市雨花台区软件 大道186号 (72)发明人 唐加山杨慧霞卓干兵 (74)专利代理机构 南京苏科专利代理有限责任 公司 32102 代理人 姚姣阳 (51)Int.Cl. H04L 25/02(2006.01) (54)发明名称 一种基于复指数基模型信道的递归最小二 乘定向跟踪方法 (57)摘要 一种基于复指数基模型信道的递归最小二 乘定向跟踪方法， 该。

2、方法将基扩展模型BEM信道 建模用于OFDM模型中， 从而将对信道的估计转化 为对基扩展模型基系数g的估计， 并将接收端接 收信号中含有导频信息的部分yp提取出来； 构建 系统输入输出模型； 由于基系数g是未知参数， 根 据信道的时变性， 采用自适应滤波效果较好的递 归最小二乘RLS算法来对BEM基系数g进行定向跟 踪， 以便观察基系数g的变化。 本发明方法相较LS 算法具有更好的估计精度。 权利要求书2页 说明书5页 附图1页 CN 110708264 A 2020.01.17 CN 110708264 A 1.一种基于复指数基模型信道的递归最小二乘定向跟踪方法， 其特征在于， 包括如下 步。

3、骤； 步骤S1、 构建一个具有N个子载波且一个子帧包含I个OFDM符号的OFDM系统， OFDM系统 发送的第i个OFDM符号上的第n个子载波的时域序列为xi(n)， 根据OFDM系统的传输模型， 输 出信号； 步骤S2、 对OFDM系统的输出信号采用BEM建模， 由BEM建模公式可将对信道冲激响应h的 估计转换为对基系数g的估计， 复杂度有NL降到QL(QN)， 以此构建基于BEM的OFDM传输模 型， 再从模型输出信号中提取出只含有导频的输出信号； 步骤S3、 采用FIR自适应滤波器对BEM基系数g进行并行递推， 并采用RLS算法对基系数g 跟踪更新， 获取BEM基系数的估计值； 步骤S4。

4、、 通过BEM基系数的估计值计算时域信道冲激响应矩阵， 从而获取信道估计矩 阵。 2.根据权利要求1所述的一种基于复指数基模型信道的递归最小二乘定向跟踪方法， 其特征在于， 所述步骤S1中， OFDM系统发送的第i个OFDM符号上的第n个子载波的时域序列 xi(n)， 则第i个符号上的时域序列为xixi(0),xi(1)， ， xi(N-1)T， 则xiFHXi， 其中， 根据OFDM信号传输模型， 输出信号为yiHiXi+W； 其中， 第i个 OFDM符号上接收到的频域向量为yiyi(0),yi(1),yi(N-1),W为加性高斯白噪声， 协 方差矩阵为Q 2IN， HiCNN为第i个OFD。

5、M符号上信道的频域响应矩阵， 则可知， yiFhiFHXi +W， 其中， hi为第i个符号时间信道的冲激响应矩阵； 通过HiFhiFH可知 3.根据权利要求1所述的一种基于复指数基模型信道的递归最小二乘定向跟踪方法， 其特征在于， 所述步骤S2中， BEM信道冲激响应为其中， hi(n,l)为第i 个符号时间上第l个抽头的第n个采样点， q0,1,Q-1， Q为基扩展模型阶数， Q2| fmaxNTS|， fmax为最大多普勒频移， bqbq(0),bq(1),bq(N-1)T为基向量， gi,qgi,q(0), gi,q(1),gi,q(L-1)T为基扩展模型的基系数向量； 将OFDM符号。

6、上的所有信道冲激响应整合到一个矢量h中， hihi(0,0) ,hi(0,L- 1),hi(N-1,0),hi(N-1,L-1)， 则其中， 基函数bb0,b1,bQ-1T， 第 i个OFDM符号上的基系数可以为gigi(0,0),gi(0,L-1),gi(Q-1,0),gi(Q-1,L- 权利要求书 1/2 页 2 CN 110708264 A 2 1)，为Kronecker积； 构建的基于BEM信道模型的基带OFDM传输模型为： yiAigi+wi； 其中， xi(l)diagx(N-l),x(N-l+1),x(N-1),x(0),x(N-l-1)； 由于在模型中插入导频信号对BEM基系数。

7、进行估计， 则其中， Ai为观测 矩阵， 4.根据权利要求1所述的一种基于复指数基模型信道的递归最小二乘定向跟踪方法， 其特征在于， 所述步骤S3中， 采用FIR自适应滤波器的直接形式结构， 从起始时刻到当前时 刻所有误差的平方进行平均为其中，引入一个指数加权因子 进行修正， 则定义自相关矩阵和互相关矩阵为 从而推出RLS算法基本关系 其中，为卡尔曼增益， P(n)R-1(n)， 5.根据权利要求1所述的一种基于复指数基模型信道的递归最小二乘定向跟踪方法， 其特征在于， 所述步骤S4中， 根据步骤S3得出新的BEM基系数的估计值与时域信道冲激响应 矩阵， 获取信道估计矩阵。 权利要求书 2/2。

8、 页 3 CN 110708264 A 3 一种基于复指数基模型信道的递归最小二乘定向跟踪方法 技术领域 0001 本发明属于无线通信技术领域， 具体涉及一种基于复指数基模型信道的递归最小 二乘定向跟踪方法。 背景技术 0002 OFDM(正交频分复用)凭借其高速数据传输能力、 高频谱利用率、 抗多径干扰、 灵活 调制方式等优点， 已成为高速无线通信系统的主要传输技术。 在实践中， 由于高移动性和多 径效应带来的多普勒效应， OFDM系统信道将成为双选择性信道， 这大大增加了信道估计的 复杂度， 信道估计的准确性决定了移动通信系统的性能。 0003 目前OFDM系统的主要信道估计算法是盲估计和。

9、基于导频的信道估计， 因为盲估计 信道有较高的复杂性和需知道先验知识， 经常采用基于导频的信道估计。 梳状导频和块型 导频是OFDM系统中常用的导频插入方式。 在信道状态随时间变化缓慢的环境里， LS(最小二 乘)、 MMSE(最小均方误差)等估计算法与插值算法相结合， 可以用来估计信道响应。 0004 当信道状态随时间的变化不可忽略时， 各子载波会受多普勒频移效应影响， 导致 子载波间的正交性被破坏， 产生显著的载波间干扰(ICI)。 在不抑制ICI的情况下， 随着时频 双选信道中多普勒频移的增加， OFDM的性能损失也会增加。 因此， 先进的估计技术对于信道 补偿和数据检测至关重要。 00。

10、05 BEM是一种常用且有效的信道建模方法。 目前， 根据基函数的不同， BEM可分为CE- BEM、 GCE-BEM、 P-BEM、 DCT-BEM等。 现有的基于BEM的信道估计算法一般采用梳状导频， 但在 实际应用中， 信道路径数较大， 梳状导频模式下相邻导频子载波之间的距离要求较小， 从而 大大降低了频谱效率。 信道路径数相对较大时， 块型导频可以用来弥补梳状导频的缺陷。 本 文采用块型导频插入方式， 在基于BEM和块导频的信道估计中， 一般采用先利用估计导频符 号的BEM基系数， 然后利用插值算法求出数据符号的BEM基系数。 0006 估计导频符号的BEM基系数的方法有很多， 基于O。

11、FDM的BEM系统中利用卡尔曼滤波 和多项式或CE-BEM的信道估计方法运用较为广泛。 它们主要是逐个考虑更新或一个BEM基 系数的先验随机模型， 而本文提出的一种基于RLS自适应滤波算法， 是根据信道传输情况， 对BEM基系数进行跟踪， 此方法能更频繁地更新BEM基系数以适应信道的变化。 发明内容 0007 本发明所要解决的技术问题是克服现有技术的不足， 提供一种基于复指数基模型 信道的递归最小二乘定向跟踪方法， 通过加入递归最小二乘(RLS)算法来对BEM基系数g进 行定向跟踪， 从而观察基系数g的变化， 进而对信道h进行估计。 0008 本发明提供一种基于复指数基模型信道的递归最小二乘定。

12、向跟踪方法， 包括如下 步骤； 0009 步骤S1、 构建一个具有N个子载波且一个子帧包含I个OFDM符号的OFDM系统， OFDM 系统发送的第i个OFDM符号上的第n个子载波的时域序列为xi(n)， 根据OFDM系统的传输模 说明书 1/5 页 4 CN 110708264 A 4 型， 输出信号。 0010 步骤S2、 对OFDM系统的输出信号采用BEM建模， 由BEM建模公式可将对信道冲激响 应h的估计转换为对基系数g的估计， 复杂度有NL降到QL(QN)， 以此构建基于BEM的OFDM传 输模型， 再从模型输出信号中提取出只含有导频的输出信号； 0011 步骤S3、 采用FIR自适应。

13、滤波器对BEM基系数g进行并行递推， 并采用RLS算法对基 系数g跟踪更新， 获取BEM基系数的估计值； 步骤S4、 通过BEM基系数的估计值计算时域信道 冲激响应矩阵， 从而获取信道估计矩阵。 0012 作为本发明的进一步技术方案， 步骤S1中， OFDM系统发送的第i个OFDM符号上的第 n个子载波的时域序列xi(n)， 则第i个符号上的时域序列为xixi(0),xi(1)， ， xi(N-1)T， 则xiFHXi， 其中，根据OFDM信号传输模型， 输出信号为yiHiXi+ W； 其中， 第i个OFDM符号上接收到的频域向量为yiyi(0),yi(1),yi(N-1),W为加性高 斯白噪。

14、声， 协方差矩阵为Q 2IN， HiCNN为第i个OFDM符号上信道的频域响应矩阵， 则可 知， yiFhiFHXi+W， 其中， hi为第i个符号时间信道的冲激响应矩阵； 通过HiFhiFH可知 0013 0014进一步的， 步骤S2中， BEM信道冲激响应为 0015 其中， hi(n,l)为第i个符号时间上第l个抽头的第n个采样点， q0,1,Q-1， Q为 基扩展模型阶数， Q2|fmaxNTS|， fmax为最大多普勒频移， bqbq(0),bq(1),bq(N-1)T为 基向量， gi,qgi,q(0),gi,q(1),gi,q(L-1)T为基扩展模型的基系数向量； 0016 将O。

15、FDM符号上的所有信道冲激响应整合到一个矢量h中， hihi(0,0),hi(0, L-1),hi(N-1,0),hi(N-1,L-1)， 则其中， 基函数bb0,b1,bQ-1T， 第i个OFDM符号上的基系数可以为gigi(0， 0)， ， gi(0， L-1)， ， gi(Q-1， 0)， ， gi(Q-1， L-1)，为Kronecker积； 0017 构建的基于BEM信道模型的基带OFDM传输模型为： 0018 yiAigi+wi； 0019其中，xi(l)diagx(N-l),x(N-l+1),x(N- 1),x(0),x(N-l-1)； 0020由于在模型中插入导频信号对BEM基。

16、系数进行估计， 则其中， Ai为 说明书 2/5 页 5 CN 110708264 A 5 观测矩阵， 0021 进一步的， 步骤S3中， 采用FIR自适应滤波器的直接形式结构， 从起始时刻到当前 时刻所有误差的平方进行平均为其中，引入一个指数加权因 子进行修正， 则定义自相关矩阵和互相关矩阵为 从而推出RLS算法基本关系 其中，为卡尔曼增益， P(n)R-1(n)， 0022 进一步的， 步骤S4中， 根据步骤S3得出新的BEM基系数的估计值与时域信道冲激响 应矩阵， 获取信道估计矩阵。 0023 本发明通过加入自适应滤波效果较好的递归最小二乘(RLS)算法来对BEM基系数g 进行定向跟踪。。

17、 从而观察基系数g的变化。 此算法在时变环境下具有很好的性能。 仿真分析 表明， 所提方法相较LS算法有很好的估计精度。 附图说明 0024 图1为本发明的方法原理图 0025 图2为在50km/h环境下本发明方法与LS算法的仿真对比图； 0026 图3为在300km/h环境下本发明方法与LS算法的仿真对比图； 具体实施方式 0027 请参阅图1， 本实施例提供一种基于复指数基模型信道的递归最小二乘定向跟踪 方法， 包括如下步骤； 0028 步骤S1、 构建一个具有N个子载波且一个子帧包含I个OFDM符号的OFDM系统， OFDM 系统发送的第i个OFDM符号上的第n个子载波的时域序列为xi(。

18、n)， 根据OFDM系统的传输模 型， 输出信号。 0029 步骤S2、 对OFDM系统的输出信号采用BEM建模， 由BEM建模公式可将对信道冲激响 应h的估计转换为对基系数g的估计， 复杂度有NL降到QL(QN)， 以此构建基于BEM的OFDM传 输模型， 再从模型输出信号中提取出只含有导频的输出信号； 0030 步骤S3、 采用FIR自适应滤波器对BEM基系数g进行并行递推， 并采用RLS算法对基 系数g跟踪更新， 获取BEM基系数的估计值； 步骤S4、 通过BEM基系数的估计值计算时域信道 冲激响应矩阵， 从而获取信道估计矩阵。 0031 步骤S4、 通过BEM基系数的估计值计算时域信道。

19、冲激响应矩阵， 从而获取信道估计 矩阵。 说明书 3/5 页 6 CN 110708264 A 6 0032 步骤S1中， OFDM系统发送的第i个OFDM符号上的第n个子载波的时域序列xi(n)， 则 第i个符号上的时域序列为xixi(0) ,xi(1) ， ， xi(N-1)T， 则xiFHXi， 其中， 根据OFDM信号传输模型， 输出信号为yiHiXi+W； 其中， 第i个 OFDM符号上接收到的频域向量为yiyi(0),yi(1),yi(N-1),W为加性高斯白噪声， 协 方差矩阵为Q 2IN， HiCNN为第i个OFDM符号上信道的频域响应矩阵， 则可知， yiFhiFHXi +W。

20、， 其中， hi为第i个符号时间信道的冲激响应矩阵； 通过HiFhiFH可知 0033 0034步骤S2中， BEM信道冲激响应为 0035 其中， hi(n,l)为第i个符号时间上第l个抽头的第n个采样点， q0,1,Q-1， Q为 基扩展模型阶数， Q2|fmaxNTS|， fmax为最大多普勒频移， bqbq(0),bq(1),bq(N-1)T为 基向量， gi,qgi,q(0),gi,q(1),gi,q(L-1)T为基扩展模型的基系数向量； 0036 将OFDM符号上的所有信道冲激响应整合到一个矢量h中， hihi(0,0),hi(0, L-1),hi(N-1,0),hi(N-1,L-。

21、1)， 则其中， 基函数bb0,b1,bQ-1T， 第i个OFDM符号上的基系数可以为gigi(0， 0)， ， gi(0， L-1)， ， gi(Q-1， 0)， ， gi(Q-1， L-1)，为Kronecker积； 0037 构建的基于BEM信道模型的基带OFDM传输模型为： 0038 yiAigi+wi； 0039其中， 0040 xi(l)diagx(N-l),x(N-l+1),x(N-1),x(0),x(N-l-1)； 0041由于在模型中插入导频信号对BEM基系数进行估计， 则其中， Ai为 观测矩阵， 0042 步骤S3中， 采用FIR自适应滤波器的直接形式结构， 从起始时刻到。

22、当前时刻所有误 差的平方进行平均为其中，引入一个指数加权因子进行修 说明书 4/5 页 7 CN 110708264 A 7 正， 则定义自相关矩阵和互相关矩阵为 从而推出RLS算法基本关系 其中，为卡尔曼增益， P(n)R-1(n)， 0043 步骤S4中， 根据步骤S3得出新的BEM基系数的估计值与时域信道冲激响应矩阵， 获 取信道估计矩阵。 0044 最后， 对本发明的方法与经典LS估计配合线性插值算法进行对比， 图2和图3展示 了在50km/h、 300km/h环境下基于BEM信道模型的LS估计配合线性插值方法与本文提出的基 于RLS自适应滤波信道估计方法在不同的信噪比(Signal 。

23、Noise Ratio， SNR)环境下的均方 误差(Mean Squared Error,MSE)性能。 仿真分析得在50km/h、 30km/h移动速度下的RLS自适 应滤波信道估计方法的MMSE性能相较于LS配合线性插值的方法平均SNR增益达到了1个数 量级。 LS方法配合线性插值的方法在非平稳信道环境下估计精度受限主要原因在于， 快时 变信道环境其时域相关系数是一个时变的参数， 其时域变化的规律不满足线性假设 0045 以上显示和描述了本发明的基本原理、 主要特征和优点。 本领域的技术人员应该 了解， 本发明不受上述具体实施例的限制， 上述具体实施例和说明书中的描述只是为了进 一步说明本发明的原理， 在不脱离本发明精神范围的前提下， 本发明还会有各种变化和改 进， 这些变化和改进都落入要求保护的本发明范围内。 本发明要求保护的范围由权利要求 书及其等效物界定。 说明书 5/5 页 8 CN 110708264 A 8 图1 图2 图3 说明书附图 1/1 页 9 CN 110708264 A 9 。