一种miso-ofdm系统的信道估计方法
【技术领域】
[0001] 本发明属于无线通信技术领域，涉及一种信道估计方法，具体涉及一种MIS0-0FDM 系统的信道估计方法。
【背景技术】
[0002] 信道状态信息（Channel State Information，CSI)能否精确获得对无线通信系 统性能的影响非常大，因此，信道估计技术是提高系统性能的关键技术之一，受到了广泛关 注。信道估计根据是否使用导频信号，可分为盲信道估计和基于导频符号的信道估计两大 类。盲信道估计不需要提前在发送端发送已知信息，节省了系统开销，但要求接收端开辟 较大的缓冲区来存储大量的数据，这使得它的应用受到了很大限制；基于导频的信道估计 是在发送端先发送已知的导频信号，用于信道估计，这类技术应用较广。近期研究表明，在 MIS0-0FDM系统中多径信道往往呈现明显的稀疏特性，即只有少数路径为可达路径，其余路 径增益为零。对于稀疏信道的估计问题，可用传统的估计办法进行估计，也可将其转化为稀 疏估计问题，而压缩感知理论是解决稀疏估计问题的有效方法，因而利用其稀疏特性基于 压缩感知的方法进行估计有望获得优良的性能。相比于传统信道估计，压缩信道感知能降 低系统开销，提高估计精度，是近年来的研究热点。诸多压缩感知算法已经被应用到了压缩 信道感知中，这些算法主要包括：凸松弛算法、组合算法、以及以OMP算法、SP算法等为代表 的贪婪类算法。然而，许多组合算法收敛速度快，但需大量的特殊样本，这些样本的获取往 往具有较大的复杂度；凸松弛算法虽需很少的测量数，但其计算复杂度较高；贪婪类算法 折衷了组合算法和凸松弛算法的缺陷，但其信道估计精度还有待提高。
【发明内容】
[0003] 本发明的目的在于克服上述现有技术的缺点，提供了一种MIS0-0FDM系统的信道 估计方法，该方法可以精确的对MIS0-0FDM系统进行信道估计。
[0004] 为达到上述目的，本发明所述的MIS0-0FDM系统的信道估计方法包括以下步骤： MIS0-0FDM系统下行链路传输场景中基站配置Nt根天线，终端配备1根天线，则信道估计过 程中，观测向量y的表达式为：
[0005] y = Ph+v
[0006] 其中，h为待估向量信道，P为测量矩阵，V为噪声向量，观测向量y的维度小于待 估向量信道h的维度，且待估向量信道h具有稀疏特性；
[0007] 设变量集合Ω = {h, X，η, σ }，其中，σ为噪声方差，X为与待估向量信道h相 关的随机变量，η为与随机变量X相关的常向量，通过贝叶斯分层结构获取联合概率密度 函数P(Q，y)，其中
[0008] P ( Ω，y) = p (y，h，X，q，。）= P (y I h，〇 ) p ( σ ) p (h I X ) p ( X ; q ) (1)
[0009] 当观察向量y为复数时，则
当观察向量y为实数时，
I为单位 矩阵，N表示载波数；
c及d为伽玛分布的参 数；
1^为待估向量信道h 的维度，Nt为基站的天线数，L为基站的每根天线与用户之间信道的维度， 当P = 1时，待估向量信道h为复数；P = 0. 5时，待估向量信道h为实数，
，η及X i分别为向量η及X的第 1个元素；
[0010] 根据式⑴利用变分消息传递算法求解MIS0-0FDM系统的信道ii。
[0011] 根据式（1)利用变分消息传递算法求解miso-ofdm系统的信道?的具体过称为：
[0012] 设最接近后验概率密度函数的辅助概率密度函数q(Q)为：
[0013] q(Q) =q(h)q(x)q(q)q(〇) ⑵
[0014] 其中q(h)为待估向量信道h的辅助概率密度函数，q( X )为随机变量X的辅助 概率密度函数，q(n) = 1，q(〇 )为噪声方差〇的辅助概率密度函数；
[0015] 变分消息传递算法的散度KUq(Q) I |ρ(Ω) |y)为：
[0017] 其中，ρ(Ω ;y) = p(y)p(Q |y)，p(y)为常数，故通过联合概率密度函数p(Q，y) 代替式⑶中的后验概率密度函数Ρ(Ω |y);
[0018] 将式⑴及式⑵代入到式⑶中，然后求解散度KL(q(Q) I |ρ(Ω) |y)最小时对 应的辅助概率密度函数q ( Ω )，并将辅助概率密度函数q (h)最大时对应的待估向量信道h 作为MIS0-0FDM系统的信道β。
[0019] 待估向量信道h的辅助概率密度函数q(h)的表达式：
[0028] gy= p(y|h，〇)，gh= p(h|x)，g x= p(x|n)，g η= p(n)，g。= p(〇)， <〇>q⑷为噪声方差的期望值，<h>qW表示求变量h在概率密度函数为q(h)下的期望值， 、/⑵伪随机变量：―1的期望值，！彡1彡LNt。
[0029] q( X )为变量X的概率密度函数的表达式为：
[0032] 其中，〈Ih」2〉咖为信道的期望值，h 待估信道向量h的第1个元素 ，K v ( ·)为 第二类第V阶修正贝塞尔函数，ε =0.5，P取0.5或1。
[0033] q( 〇 )为噪声方差σ的概率密度函数的表达式为：
中N为载波数。
[0035] 本发明具有以下有益效果：
[0036] 本发明所述的MISO-OFDM系统的信道估计方法在获取MISO-OFDM系统的信道估计 的过程中，先获取观测向量，再通过贝叶斯分层结构获取联合概率密度函数，达到对待估 计量稀疏度的灵活控制，获得高效的稀疏估计，然后利用变分消息传递算法求解MIS0-0FDM 系统的信道L相比于传统贪婪类算法的局部优化迭代求解，得到的MIS0-0FDM系统的信道 更加精确，并且在不同信噪比下，本发明相对于现有技术的估计误码率更低。
[0037] 进一步，利用变分消息传递算法求解MIS0-0FDM系统的信道I的过程中，通过设置 最接近后验概率密度函数的辅助概率密度函数，降低计算的复杂度，两者通过优化变分消 息传递算法的散度，得到最近后验概率密度函数的辅助概率密度函数，再通过辅助概率密 度函数求得待估计信道的最优值，从而提高信道估计的精度。
【附图说明】
[0038] 图1为本发明中仿真实验的仿真图；
【具体实施方式】
[0039] 下面结合附图对本发明做进一步详细描述：
[0040] 在MIS0-0FDM系统下行链路传输场景，其基站配置Nt根天线，终端配备1根天线， 则发送的导频序列U1的表示式为：
[0041 ] Ui = [u ; (0)，Ui ⑴，…，Ui (N-I) ]T，1 彡 i 彡 Nt
[0042] 其中i为天线索引，N为载波个数，每根天线的导频信号均不同。将此频域的导频 信号做IDFT变换，得到时域的前导信号t1:
[0044] 其中F为NXN的DFT矩阵；
[0045] 在时域的前导信号前插入循环前缀（CP)来避免ISI，则接收端收到的混合信号的 时域r表达式为：
[0047] 其中w为噪声向量。
[0048] 对接收到的时域信号再做DFT变换，得到接收端的频域y表达式为：
[0050] 其中，y为接收端的接收向量为NXl维矩阵,H1为由CIR组成的循环矩阵，F s为由 NXN维的DFT矩阵的前L列组成的部分DFT矩阵，信道脉冲响应（CIR) LX 1维向量，L 为多径数，V为V = Fw噪声向量的频域表达式，V为NX 1维向量，diag( ·)表示对向量做 对角化操作。
[0051] 则接收端的频域y的表达式变换为：y = Ph+v，其中，
[
[0053] 以上的稀疏估计问题中y为观测向量，P为测量矩阵，V是噪声向量，观测向量y内 的元素小于信道h内的元素。
[0054] MIS0-0FDM系统的信道估计方法，其特征在于，包括以下步骤：
[0055] MIS0-0FDM系统下行链路传输场景，其基站配置Nt根天线，终端配备1根天线，则 信道估计过程中，观测向量y的表达式为：
[0056] y = Ph+v
[0057] 其中，h为待估向量信道，P为测量矩阵，V为噪声向量，观测向量y的维度小于待 估向量信道h的维度，且待估向量信道h具有稀疏特性；
[0058] 设变量集合Ω = {h, X，η, σ }，其中，σ为噪声方差，X为与待估向量信道h相 关的随机变量，η为与随机变量X相关的常向量，通过贝叶斯分层结构获取联合概率密度 函数P(Q，y)，其中
[0059] p ( Ω，y) = p (y，h，X，q，。）= P (y I h，σ ) p ( σ ) p (h I X ) p ( X ; q ) (1)
[0060] 其中，当观察向量y为复数