专利名称：一种基于经验似然方法的多径非高斯噪声信道的估计方法
技术领域：
本发明针对非高斯噪声信道的信道估计问题，提出一种基于经验似然方法的信道估计方法。传统的多径信道估计方法，比如Linear Square (LS)方法,在加性高斯白噪声的情况下可以实现信道估计。但在实际信道中往往存在非高斯噪声，比如脉冲噪声。传统的估计方法对这些非高斯噪声特别敏感，因而估计的性能会极度恶化。而基于经验似然的估计方法可以很好地克服这个问题，改善信道估计性能。属于通信领域。
背景技术：
在移动通信系统中，为了较好地检测发送信号，接收端通常采用相干检测。而相干检测的实现，需要对信道进行估计，使得接收端在知道信道状态信息的条件下对信号进行检测。所以，无线信道估计是接收端进行相干检测、解调、均衡的基础，是无线通信领域的一个重要研究方向。能否获得准确的信道信息，从而在接收端准确地解调出发射信号，是衡量一个无线通信系统性能的重要指标。因此，对于信道参数估计算法的研究同样是一项具有重要意义的工作。信道估计算法从输入数据的类型来分，可以划分为时域和频域两大类方法。频域方法主要针对多载波系统；时域方法适用于所有单载波和多载波系统，主要借助于参考信号或发送数据的统计特性，估计衰落信道中各多径分量的衰落系数。从算法先验信息的角度，信道估计方法可分为以下三类:(I)基于参 考信号的估计。该类算法按某种准则逐步跟踪和调整估计值。其特点是需要借助参考信号，即导频或训练序列。基于训练序列的信道估计算法适用于突发传输方式的系统。通过发送已知的训练序列，在接收端进行初始的信道估计，当发送有用的信息数据时，利用初始的信道估计结果进行一个判决更新，完成实时的信道估计。基于导频符号的信道估计适用于连续传输的系统。通过在发送的有用数据中插入已知的导频符号，可以得到导频位置的信道估计结果；接着利用导频位置的信道估计结果，通过内插得到有用数据位置的信道估计结果，完成信道估计。(2)盲估计。利用调制信号本身固有的、与具体承载信息比特无关的一些特征，或是采用判决反馈的方法来进行信道估计的方法。(3)半盲估计。结合盲估计与基于训练序列估计优点的信道估计方法。一般来讲，通过设计训练序列或在数据中周期性地插入导频符号的估计方法比较常用。而盲估计和半盲估计算法无需或者仅需较短的训练序列，频谱效率高，因此获得了广泛的研究。本发明提出的经验似然估计方法是基于训练序列的估计，属于上面第一种情况。传统的基于训练序列的信道估计都是在加性高斯白噪声环境的估计，比如最小二乘估计(LS)和线性最小均方误差估计(LMMSE)。而无线信道中可能出现非高斯噪声，比如人为的电磁脉冲干扰、大气噪声等。传统方法对非高斯噪声特别敏感，因而估计性能会大幅下降。本发明以加性高斯白噪声和脉冲噪声混合噪声为例，提出一种基于经验似然方法的多径非高斯信道估计方法。
发明内容
本发明提出一种针对非高斯噪声信道的多径衰落信道的估计方法。此方法基于训练序列，基本条件是噪声的期望为O。发送端发送BPSK信号的训练序列，经过非高斯噪声信道的干扰后，在接收端采样得到观测值。因为噪声期望为0，根据经验似然理论，可以联合训练序列和观测值，构造一个辅助变量，并得到关于信道估计值的非参数经验似然比函数。问题转化为为求经验似然比函数关于信道估计值的极值问题。理论证明，此经验似然比函数关于信道的估计值是一个凸的、封闭的集合。也即存在唯一的最优信道估计值，使经验似然比函数达到极值点。本发明采用以下技术方案:首先，发送端发送BPSK的训练序列信号，经过多径信道并被非高斯噪声干扰后，在接收端采样得到观测值。在此基础上，联合发送序列和观测值，构造辅助变量，得到经验似然比函数。从而把信道估计问题转化为一个关于信道估计值的有约束极值问题。其次，通过拉格朗日法求解这个有约束的极值问题，其中辅助变量对应的概率向量通过牛顿迭代法计算，由此得到关于信道估计值的经验似然比函数，不同信道估计值对应的经验似然比函数值通过牛顿迭代法求解，得到一个凸的，封闭的解集，也即有唯一的最优信道估计值使经验似然比达到极值。最后，通过最优化算法找到近似信道真值，完成信道估计。本发明的优点是:I)本发明技术方案适用于非高斯噪声下的多径衰落信道估计，适应性好，可以解决诸如脉冲噪声、拉普拉斯噪声等一系列的信道估计问题；
2)通过统计学中的经验似然理论把传统信道估计的参数问题转化为非参数问题，得到了信道估计的一般性方法；3)本方案不考虑信道真值的分布，无论信道多径抽头系数服从什么样的分布，本方案都适用。
图1为本发明的应用场景示意图和技术路线2为不同训练序列长度和不同信噪比下信道估计的均方误差(MSE)3为不同训练序列长度和不同信噪比下基于信道估计值的误码率(BER)图
具体实施例方式本发明以常见的多径衰落信道为基本模型，在非高斯噪声干扰下，采用经验似然方法对信道进行有导频的估计。简单起见，非高斯噪声以加性高斯白噪声和脉冲噪声的混合噪声为例。1、信道的基本模型信道模型采用时域的基带模型，一般建模为自回归模型(AR):
X-1.V’ (/ ) = Χ.ν (/ -/)/ ("/) + " (/) + e(/)
/ 二O
式中y(t)为接收端检测信号，s(t)为发送端发射的训练序列信号或者信息，h(t, I)为t采样时刻的第I径的系数，共有L径，n(t)为加性高斯白噪声的样值，e(t)为脉冲噪声的样值，分别满足E [n (t) ] =0, E [e (t) ] =0。上式转化为向量形式:y = Sh+n+e其中h=[h0 Ii1...hL_JT,y = [y0 Y1...Yn-Jt, n= [n0 Ii1...nN_JT, e = [e0 e”..eN_J
T，发送的已知训练矩阵如下:
权利要求
1.一种信道估计实现方法装置，能够实现非高斯噪声的多径信道估计；其特征在于:充分考虑真实环境中信道的噪声特性，提出基于经验似然理论的估计方法，实现了对非高斯噪声信道的非参数估计。
2.根据权利要求1所述的非高斯噪声情况下的多径信道估计的实现方法，其特征在于:一种深入反映真实无线信道特性的系统模型，不仅将信道建模为多径信道，而且将其噪声建模为非高斯噪声，例如混合加性高斯白噪声和脉冲噪声，更好地反映了工程中噪声的脉冲特性。
3.根据权利要求1所述的非高斯噪声的多径信道估计的实现方法，其特征在于:利用辅助数据和观测数据对信道进行基于经验似然的非参数估计:通过辅助数据和观测数据生成辅助变量，构造非参数的经验似然变量，采用最大经验似然准则对信道进行估计。
4.根据权利要求3所述的基于经验似然的非参数信道估计实现方法，其特征在于:经验似然变量是一种带一定限制条件的非参数估计量，辅助变量体现在限制条件中，采用拉格朗日法对经验似然变量进行求解，获得带有未知数的闭式解和未知数所满足的条件。
5.根据权利要求3所述的基于经验似然的非参数信道估计实现方法，其特征在于:对经验似然变量闭式解中未知数所满足的条件进行初值为零向量的牛顿迭代法，当满足一定精度后停止迭代。
6.根据权利要求3所述的基于经验似然的非参数信道估计实现方法，其特征在于:将牛顿迭代法求得的未知数带入经验似然量，得到不同信道估计值对应的经验似然值，选择最大经验似然值所对应的信道估计值作为信道估计结果。
本发明公开了一种多径非高斯噪声信道的估计方法装置，将信道噪声建模为更加反映真实环境噪声脉冲特性 的非高斯噪声，设计了一种基于经验似然的非参数信道估计装置。该系统中包括辅助变量的生成、非参数经验似然量的构造和最大经验似然估计模块；通过本发明所设计提出的信道估计方法，实现了对非高斯噪声信道的估计，更加真实地反映了信道特性，提高了非高斯噪声的信道估计性能，在无线通信信道估计领域中具有极其广泛的应用；同时，该发明不限于信道系数的估计，若将非高斯信道的相位延时或者频率漂移作为未知数经行经验似然估计同样可行，因而在其他无线通信领域也具有极其重要的理论研究与实际应用价值。
全文摘要
本发明提出了一种多径非高斯噪声信道的信道估计算法，设计了一种联合训练序列数据和观测数据的经验似然估计方法。首先，在信号接收端得到通过非高斯多径信道的观测数据，结合训练序列数据生成辅助变量；其次，依据Owen提出的经验似然理论，把估计问题转为非参数问题，即利用辅助变量生成一定限制条件下的非参数经验似然变量，采用拉格朗日法求解似然变量；最后，通过牛顿迭代算法获得不同信道估计值对应的经验似然值，取最大经验似然值对应的信道估计值即可。以混合加性高斯白噪声和脉冲噪声为例的多径信道估计的MSE和BER效果均很好。
文档编号H04L25/02GK103227761SQ20131019637
公开日2013年7月31日 申请日期2013年5月24日 优先权日2013年5月24日
发明者赵成林, 王鹏彪, 马强, 李斌, 赵龙 申请人:北京邮电大学