技术领域:
本发明涉及在时间频率双重选择性衰落环境中,基站与移动终端进行上下行链路通信时,接收机进行信道估计的方法,具体是一种mimo系统下多维联合估计动态稀疏信道的方法,属于无线通信技术领域。
背景技术:
:
无线通信系统中,为了有效恢复出原始发送信号,接收机需要估计出信道状态信息,进而对接收到的信号进行均衡处理。因此,信道估计的准确性对无线通信系统的性能至关重要。
基于信道的稀疏性,越来越多的研究将压缩感知(cs)理论用于稀疏信道估计,cs理论突破了奈奎斯特采样定理的限制,用很少的测量值就能恢复原始信号。和cs相比,分布式压缩感知(dcs)用于恢复一组联合稀疏的信号,能更准确的找到稀疏信号的非零位置,所以能提高恢复精度,例如正交匹配追踪(omp)和联合正交匹配追踪(somp),可以用较少的取样更准确地恢复原始的发射信号。
但是对于mimo系统下的动态稀疏信道来说,一方面,发射端和接收端建有多根天线,需要估计的信道系数大大增多,意味着需要更多的导频子载波,导频开销增大,降低了频谱利用率;另一方面,动态信道的时延特性会随着时间发生动态变化,增益非零的信道抽头在某一时刻可能产生或消失,导致信道的稀疏度随之发生变化。之前提出的基于cs、dcs的信道估计方案忽视了这一动态变化,将信道稀疏度作为一个固定值,将会严重影响信道估计的准确度。
技术实现要素:
:
本发明的目的在于针对上述现有技术存在的问题,提出一种mimo系统下多维联合估计动态稀疏信道的方法,利用多天线、多ofdm符号下信道的联合稀疏特性,将基扩展模型系数重新排布成块结构,根据信道的时间相关性,估计出不同时刻的信道稀疏度,利用分布式压缩感知理论,采用somp方案,提高接收机信道估计的精度。
本发明的主要原理是:
宽带无线通信系统中,增益非零的信道抽头随着时间会发生动态变化。利用复指数基扩展模型(ce-bem)对时间频率双选信道进行建模,从而将信道系数
本发明的技术解决方案如下:
(1)利用复指数基扩展模型(ce-bem)对时间频率双选信道进行建模。模型如下:
其中,j代表ofdm符号的序号,nt代表发射天线的序号,q代表ce-bem阶数,l代表路径数,
ce-bem基函数表示为:
其中,n表示一个ofdm符号子载波的个数,j个ofdm符号对应着j个时刻,每个时刻、每根发射天线对应的ce-bem基函数相同,bem系数不同。
(2)不同天线、不同阶数的bem系数间具有联合稀疏性,
(3)在不同的时刻发送不同的ofdm符号,对于j个ofdm符号、nt根发射天线,设计稀疏导频模式,导频位置等间隔分布,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<lnt,k表示无线信道延时域的稀疏度;导频位置等间隔分布,间距为
其中
结合ce-bem特性和稀疏导频模式的设计,得到信道估计模型如下:
其中,r(j)代表接收机解调之后的对应于第j个ofdm符号的数据,满足:
对式(4)所示模型中需要重建的系数进行重新排序,公式如下:
其中,对角矩阵
得到信道估计模型:
(4)对于式(6)所示模型,利用动态块同步正交匹配(dbsomp)算法,根据动态稀疏信道的时间相关性,确定第j个ofdm符号所对应的第j个时刻的信道稀疏度k(j),设输入为接收信号
a)设置初始值:迭代次数j=1,信道稀疏度k(j)=k0,路径时延下标集
b)迭代次数增加j=j+1,接收信号残差
c)对所有
d)在
径时延下标集
e)更新稀疏向量
f)估计当前时刻消失的非零信道抽头下标:
g)更新路径时延下标集
h)重复步骤b)到g)直到j=j。
(5)由每一时刻对应的确定的稀疏度,利用bsomp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
通过以上步骤,可以得到每个ofdm符号、每条发射天线对应的动态稀疏信道的信道系数,实现在mimo系统下动态稀疏信道的信道估计。
与现有的信道估计方法相比,本发明的一种mimo系统下高速移动环境下的联合多符号信道估计方法能够有效估计稀疏信道的动态性,同时提高信道估计的准确度和频谱利用率。
附图说明:
图1是bem稀疏块结构模型
具体实施方式:
下面结合附图和具体实施例对本发明做进一步的描述。本实施旨在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
lte是一项基于ofdm传输系统的无线通信协议。采用30mhz带宽按照lte协议进行下行链路无线通信时,取ce-bem阶数q=3,信道路径数l=32,子载波数n=2048,导频数g=90,基站发射天线数nt=12,发送的ofdm符号数j=10,初始时刻信道稀疏度k(1)=5。本发明的一种mimo系统下多维联合估计动态稀疏信道的具体步骤如下:
(1)利用复指数基扩展模型(ce-bem)对时间频率双选信道进行建模。模型如下:
其中,j=1,2,…,10;nt=1,2,…,12;
bq(0≤q≤2)代表ce-bem基函数,表示为:
(2)不同天线、不同阶数的bem系数间具有联合稀疏性,
(3)在不同的时刻发送不同的ofdm符号,对于10个ofdm符号、12根发射天线,设计稀疏导频模式,导频位置等间隔分布,推导信道估计模型:
导频序列包括90个有效导频和360个保护导频;导频位置等间隔分布,间距为22,故有效导频下标为[22,44,66,…,1980];不同天线对应的导频序列不同,有效导频幅度为0至2之间的随机数,保护导频幅度取为0,有效导频序列记为peff,保护导频序列记为pguard,保护导频位于有效导频两侧;将导频分为3个子序列:
其中p1表示所有有效导频构成的子序列;
结合ce-bem特性和稀疏导频模式的设计,得到信道估计模型如下:
其中,r(j)=r(j,1)+r(j,2)+...+r(j,12),测量矩阵φ=[φ0,...,φ31],
(4)利用动态块同步正交匹配追踪算法确定第j个ofdm符号所对应的第j个时刻的信道稀疏度k(j)(j=1,2,…,10),设输入为接收信号
i)设置初始值:迭代次数j=1,信道稀疏度k(1)=5,路径时延下标集
j)迭代次数增加j=j+1,接收信号残差
k)对所有
l)在
m)更新稀疏向量
n)估计当前时刻消失的非零信道抽头下标:
o)更新路径时延下标集
p)重复步骤b)到g)直到j=10。
(5)由每一时刻对应的确定的稀疏度,根据bsomp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
其中对角矩阵
根据式(1)得到信道抽头系数
通过以上步骤,可以得到每个ofdm符号、每条发射天线对应的动态稀疏信道的信道系数,实现在mimo系统下动态稀疏信道的信道估计。