一种mimo-ofdm系统信道估计的导频优化方法
【技术领域】
[0001] 本发明涉及数字信号传输技术领域，特别涉及一种MMMFDM系统信道估计的导 频优化方法。
【背景技术】
[0002] 在高速数据传输中，正交频分复用（OrthogonalFrequencyDivision Multiplex，OFDM)技术是最好的多载波传输方案之一。OFDM技术频谱效率高，多址方 式灵活，实现复杂度低，同时可以很好地对抗多径信道干扰，在各种数字信号传输系统中 得到了应用，如国际电联的电力线通信系统标准（InternationalTelecommunications Union，ITU-TG. 9960)、无线局域网（WLAN)、欧洲数字视频地面广播（DigitalVideo Broadcasting-Terrestrial，DVB-T)、以及中国地面数字电视传输标准（Digital TelevisionMultimediaBroadcast，DTMB)等。
[0003] 多入多出（Multiple-InputMultiple-Output，MIM0)系统是一个发射端与接收端 均配置有多根天线的通信系统。它能充分利用空间资源，通过多个发射和接收天线实现多 发、多收。MMO能够提供多个相互独立的信道，在同一空间内同时传送多路数据，即空间复 用增益，从而提高信道容量。而且可以利用多天线来同时传送并行数据流，从而抑制信道衰 落，降低误码率。MIMO通信技术包括空分复用、空间分集、波束赋形、预编码等领域。
[0004]基于近年来新兴的数字信号处理理论--压缩感知（CompressiveSensing)， 可以利用远少于待测信号维度的观测序列，通过基于凸优化或贪婪算法等压缩感知算法， 精确恢复具有稀疏性的高维信号。压缩感知算法在学术界得到了越来越多的关注，在信 号处理、信道估计、图像压缩等领域有广泛的应用。最近，压缩感知理论蓬勃发展，出现了 Bayesian压缩感知、谱压缩感知、块压缩感知等理论，给科学发展带来无限可能。
[0005] MHTo-OFDM系统的信道估计性能可以通过应用压缩感知技术而大大提高。最近， 通过研究Mnro系统的空时相关性和信道的稀疏性，一些块压缩感知技术被引入到大规模 Mnro系统中，获得了很好的联合信道估计性能。然而，虽然一些学者提出了块相关的概念来 刻画观测矩阵的表现，观测矩阵对信道估计结果的影响仍没有受到大量关注。
【发明内容】
[0006] 本发明旨在至少解决上述技术问题之一。
[0007] 为此，本发明的目的在于提出一种MIM0-0FDM系统信道估计的导频优化方法。
[0008] 为了实现上述目的，本发明的实施例公开了一种M頂0-0FDM系统信道估计的导频 优化方法，包括以下步骤：Sl :设定MMO系统不同发射天线共享导频位置和共享导频幅度， 推导所述导频位置的优化方法；S2 :给定遗传算法，根据所述遗传算法和所述导频位置的 优化方法优化导频位置；S3 :根据所述遗传算法和所述优化导频位置优化导频幅度；S4 :根 据所述优化导频幅度和所述优化导频位置，采用BOMP算法对MIM0-0FDM系统的信道进行估 计。
[0009] 根据本发明实施例的一种MMO-OFDM系统信道估计的导频优化方法，能够在较 低信噪比的环境中提升MMO-OFDM系统的信道估计性能，且不会有额外频谱资源和发射功 率的要求。
[0010] 另外，根据本发明上述实施例的一种Mnro-OFDM系统信道估计的导频优化方法， 还可以具有如下附加的技术特征：
[0011] 进一步地，在所述步骤Si中，所述推导所述导频位置的优化方法是通过叠加导频 实现的。
[0012] 进一步地，在所述步骤Sl中，在推导所述导频位置的优化方法中，导频位置集合 的循环差分集中所有元素的重复次数均相同。
[0013] 进一步地，在所述步骤S2和S3中，根据所述MMO系统观测矩阵定义所述遗传算 法的个体适应度，根据最小化块选择所述遗传算法的最小适应度的后代。
[0014] 进一步地，在所述步骤S2中，所述的遗传算法进一步包括：S201 :初始化种群数 量、个体向量的长度和最大遗传代数；S202 :随机生成种群矩阵，所述种群矩阵的每一行代 表一个导频位置集合；S203 :计算种群矩阵中每个所述导频位置集合的适应度；S204 :按照 给定的选择概率、交叉概率和变异概率进行随机选择、交叉组合和变异；S205 :计算新产生 的后代的适应度，按照适应度将新产生的后代放到所述种群矩阵中；S206 :如果当前已经 达到预设的最大遗传代数，则停止算法，获得适应度最小的个体，否则遗传代数加1并返回 步骤S204。
[0015] 进一步地，在所述步骤S3中，所述的遗传算法包括以下步骤：S301 :初始化种群数 量、个体向量的长度和最大遗传代数；S302 :随机生成一个由±1组成的种群矩阵，所述种 群矩阵的每一行代表一个行向量；S303 :计算种群矩阵中每个所述行向量的适应度；S304 : 按照给定的选择概率、交叉概率和变异概率进行随机选择、交叉组合和变异；S305 :计算新 产生的后代的适应度，按照适应度将新产生的后代放到所述种群矩阵中；S306 :如果当前 已经达到预设的最大遗传代数，则停止算法，获得适应度最小的个体，否则遗传代数加1并 返回步骤S304。
[0016] 进一步地，在所述步骤S4中，所述的BOMP算法操作单位为一个子矩阵，每次更新 一个所述子矩阵到支持向量集合中。
[0017] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0018] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中：
[0019] 图1是根据本发明一个实施例的导频优化方法流程图；
[0020] 图2是根据本发明一个实施例的CP-OFDM帧结构示意图；
[0021] 图3是根据本发明一个实施例的叠加导频与正交导频比较示意图。
【具体实施方式】
[0022] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0023] 在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"上"、"下"、"前"、 "后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"等指示的方位或位置关系为基于 附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所 指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发 明的限制。此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要 性。
[0024] 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语"安装"、"相 连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可 以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是 两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本 发明中的具体含义。
[0025] 参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述 和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施 例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的 实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
[0026] 以下结合附图描述根据本发明实施例的一种MMO-OFDM系统信道估计的导频优 化方法。
[0027] 【实施例1】
[0028] 本实施例具体公开一种可应用在CP-OFDM系统（不考虑虚拟子载波）中的基于先 验信息辅助的压缩感知限幅噪声估计与恢复方法，请参考图1，该方法包括：
[0029] Sl :假设MIMO系统不同发射天线共享导频位置，推导导频幅度的优化方案，具体 为：
[0030] 本发明中的数据帧结构如图2所示。
[0031] 对于MMO系统中的第i根天线，根据无线信道中的经典信道估计理论，有：
[0032] Zi= WihiN+Vi
[0035] 其中，W1是由OFDM块d 1循环排列成的NXN的To印Iitz矩阵，h lN是由原始的长 度为L的CIR向量Ii1零填充得到的长度为N的离散时间CIR向量，V 1是AWGN。
[0036] 每个循环矩阵（包括To印Iitz矩阵）都可以被同时左乘和右乘DFT矩阵对角化。 所以DFT之后的频域OFDM块= 巧,_ ? ?, 表不为：
[0038] 其中，Fnxn是NXN的DFT矩阵，Ai表示对角阵Cliag(D1) ,V1=FnxnV1表示频域中 的AWGN0
[0039] 如图3所示，本发明采用频域的叠加导频，即不同的天线对共享同一组频域导频 位置，仅在导频幅度上有所变化。于是，第i根传输天线的导频Z1Ir可以从Z1中提取出来：
[0040] ZiIp= (AF(L))Iphi+Vir
[0041] 其中，r表示导频位置的集合，gp
[0042]
[0043] J是一个OFDM块中的导频个数。为了简化，在接下来的讨论中，可以将下标（?）Ir 省略。考虑任意一根接收天线，它接收到的频域导频是Nt根发射天线发射信号的叠加，表 示为：
[0044]
[0045] 它接收到的Nt根发射天线的发射信号会经过Nt个不同的信道{ft/,…*将 这些信道的CIR累积成一个聚合的信道向量fe二[^l17\办/,…，/?/]'那么接收到的叠 加频域导频可以用一个线性模型来刻画：
[0046] Y=Ph+V
[0047] 其中，P表示JXLNt的系统分块矩阵：
[0048]
[0049] 传统的压缩感知理论已经证明，只要聚合的信道向量h满足稀疏性且观测矩阵P 满足有限等距性质（R.I.P.)，那么h就可以被精确估计。稀疏性要求h中的非零元素个数 S远小于h的长度L，这个性质在很多信道中都被证明满足。
[0050] 在MMO系统中，由于不同信道具有相同的路径到达时间，所以不同信道的CIR具 有同样的支持向量，于是不同的CIR展现出一些内在的共同的稀疏性。即，每个信道的CIR Ii1的非零元素的位置都相同，虽然非零元素的具体值可能不同。对于i= 1，2,…，Nt，提取 不同CIRIii相同位置上的元素，把这些元素放到同一个向量中，重排成聚合信道向量b=
[13(7，1311，."，1^ 11]1，其中&二[711(0,/12(/)，" :,/、(0_厂。于是，系统模型可以写做：
[0051]
[0052]其中，JXNt的矩阵％=[P1,表示分块矩阵0的第1个 子矩阵。考虑到不同CIR具有相同的非零元素位置，所以Id1的各项或者全是零，或者全不 是零，所以聚合信道向量b展现出块稀疏性。
[0053] 因为当下的目标是优化导频位置，所以可以进一步假设所有发射天线 的导频幅度都相同，在这样的假设下，不同发射天线对应的矩阵A1是相同的，SP A1二A2二"-Aav很显然，对于任意M= 0，1，…，Nt-I和1 = 0，1，…，L，矩阵P的列 向量Pi+