一种动态稀疏信道的联合估计方法
【专利摘要】一种动态稀疏信道的联合估计方法，基于OFDM无线通信系统，采用基于导频的信道估计方法，包括步骤1)构造动态稀疏信道模型；2)利用复指数基扩展模型对时间频率双选信道进行建模；3)对于在J个不同时刻发送的J个不同的OFDM符号，利用离散随机优化算法求得最优导频位置分布，设计稀疏导频模式，推导信道估计模型；4)利用联合微分正交匹配追踪(DSOMP)算法估计当前第j个时刻的稀疏度K(j)；5)根据SOMP算法以及稀疏度K(j)估计在第j个时刻时动态信道的信道特征。本发明能够有效对抗时间频率双重选择性衰落，估计得到动态信道的信道特征，提高信道估计的准确度和频谱利用率。
【专利说明】
-种动态稀疏信道的联合估计方法
技术领域：
[0001] 本发明设及在时频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，具体是一种动态稀疏信道的联合估计方法，属于无线通信
技术领域。
【背景技术】：
[0002] 在无线通信系统中，正交频分复用(OFDM)系统可W有效的消除频率选择性衰落， 克服多径衰落的影响。但是对于时频双选信道，提供一种准确的信道信息估计方案至关重 要。
[0003] 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 W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W用较少的取 样更准确地恢复原始的发射信号。
[0004] 但是对于动态的稀疏信道来说，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运一动态变化，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。
【发明内容】
：
[0005] 本发明的目的在于针对上述现有技术存在的问题，提出一种动态稀疏信道联合估 计的方法，对时间频率双选信道进行合理建模，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。
[0006] 本发明的主要原理是：
[0007] 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，从而将信道系数的估计问题转 换为对CE-BEM系数的估计问题。在不同的时刻发送不同的符号，每个OFDM符号内部具有联 合稀疏性，利用信道的时间相关性，采用微分联合正交匹配追踪算法(D-SOMP)，联合估计非 零信道抽头的运一动态变化，得到当前时刻的稀疏度，然后利用SOMP算法求解CE-BEM系数， 估计动态稀疏信道的信道特征。
[0008] 本发明的技术解决方案如下：
[0009] -种动态稀疏信道的联合估计方法，适用于正交频分复用系统中信道动态变化， 信道时延及信道稀疏特性随之发生变化的情况。利用符号内部的联合稀疏特性，基于压缩 感知理论对信道进行估计，该方法包括如下步骤：
[0010] (1)构造动态稀疏信道的模型。对于宽带无线通信信道而言，信道增益变 化非常缓慢，可W忽略不计，而信道时延则会发生显著地变化，在不同的时刻，非零信 道抽头可能产生或者消失，如图I所示。在模型中，用二进制的W尸f e (〇，巧代表在第j个OFDM 符号发送时刻信道的第1条路径上信道抽头是否为零，则信道的L条路径上表示为
'戈表第j个0 F D M符号所对应的动态稀疏信 道的非零信道抽头下标集合，此时信道的稀疏度表示为kU>= I，它将会发生动 态变化。将《产看作一个离散的马尔可夫过程，信道抽头根据两个转化概率进行变化：
，其中初始化服从伯努利分布，
[0011] (2)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：
[0012]
Cl)
[001引其中，j代表第j个OFDM符号，Q代表CE-BEM阶数，L代表路径数，皆嗦示第1径对应 的抽头系数，bq(0《q《Q-l)代表CE-BEM基函数，U代表CE-BEM系数，身')代表CE-BEM 建模误差，为了计算的简便，建模误差将被忽略。基函数bq表示为：
[0014]
(2)
[0015] 其中，N表示一个OFDM符号子载波的个数。对于连续J个OFDM符号，每个符号对应的 CE-BEM基函数相同，BEM系数不同。
[0016] 信道的延时域具有稀疏性，只有一小部分的信道抽头增益为零，即/?,<//= 0，
B E M系数向量也是稀疏的，即
为了方便阐述，第j个 (FDM符号对应的第q列CE-BEM系数向量可W表示为
，其中每 一个系数向量句"都具有相同的稀疏度K("，并且(皆'>，???，堪',}具有联合稀疏性，不仅稀疏度 相同，而且非零元素下标集也相同。
[0017] (3)对于连续J个OFDM符号，利用离散随机最优化(DSO)算法确定导频位置，设计稀 疏导频模式。导频序列包括G个有效导频和(2Q-2)G个保护导频，其中kW<g<<L，kW表示 第j个OFDM符号发送时刻无线信道延时域的稀疏度;有效导频W及保护导频的幅度分别取 为1和0,其中，有效导频序列可W记为Pe={p〇，《 ? .,PG-lMO^PoO ? ?<PG-1《N-1)， 相应地，保护导频序列可 W 记为 Pg={Pe-Q+l}U ? ? ? U{Pe-l}U{Pe+l}U ? ? ? U{Pe+Q-1}，保护导频位于有效导频两侧，防止数据子载波对有效导频的干扰。将导频分为Q个子序 列：
[001引
巧>
[0019] 其中表示所有有效导频构成的子序列。
[0020] #按11命溫.笛1?个OFDM絲写对廊的按lKr信号可W表示为；
[0021] (4)
[0022] 其中，代表发送信号，包括建模和噪声误差，Fn代表N点离散傅里叶变换 (DFT)矩阵，In代表N点离散傅里叶反变换(IDFT)矩阵。
[0023] 信道的频域亲示为：
化代表(离散傅里叶变换矩阵)的前L列构成的矩阵。
[0024] (5)
[00巧] 代表bq作为对角元素的对角矩阵，
[0026] 信道的时域表示呆
，那么信道的频域WCE-BEM的形式表示为：
[0030] 结合CE-BEM的特性和设计的导频模式，得到信道估计模型如下：
[0027：
[0028：
[0029： (7)
[0031] (8)
[003^ ............ ,, 戈表对角矩阵，第j个OFDM符号的有 了 效导频子载波为对角元素，由于CE-BEM系数向量[皆具有联合稀疏性，所W向量 =AgCf具有联合稀疏性，其中Aq是一个对角矩阵，表示如下：
[003；3]
(斯
[0034] 考虑到嘴联合稀疏性，式(9)中的等式共用相同的测量矩阵? W，式(9)可W表 述成更化简沾的巧式：
[0035]
no)
[0036] (4)对于式（10)所示模型，采用联合微分正交匹配追踪（DSOMP)算法得到 当前时刻的稀疏度kU>。根据动态稀疏信道的时间相关性，利用对前一时刻的 估计结果获得当前时刻的信道信息，然后充分挖掘接收信号的联合稀疏性，估 计非零信道抽头发生的动态变化，降低计算复杂度，提高估计的准确度。设输入为接收信 号
I量矩阵巫=[巫0,…巫L-I ]，阔值Fth,输 出刃信语柿踰巧巧计但K= W…，…，11…j dUSUMP算法步骤如下
[0037] a)设置初始值:迭代次数j = 1，信道稀疏度= 3，路径时延下标集C W二{1，2， 3}，稀疏向j
[003引b)迭代次数增加 j = ?.
[0039] C)计算接收信号残差
[0040] d)计算增加的支持向
[0041] e)更新路径时延下杨
[0042] f)更新稀疏向量
[0043] g)估计当前时刻消失 ，将所对 应的稀疏向量中的元素置为零:=0,获得最终的稀疏向量梦々
[0044] h)更新路径时延下标集
[0045] i)计算当前时刻的信道稀疏度
[0046] j)更新迭代次数:j = j+1;
[0047] k)重复步骤c)到j)直到j=J。
[0048] (5)计算出第j个OFDM符号所对应的第j个时刻的信道稀疏度K("后，将其应用于 SOMP算法可W更加准确地估计出稀疏向量SW，恢复CE-BEM系数cf，公式如下：
[0049]
ClD
[0化0] 其中对角矩阵，
[0051] 根据式（1)得到信道抽头系数进而得到信道系数hW，实现OFDM系统的动态稀 疏信道估计。
[0052] 通过W上步骤，可W得到每个OFDM符号对应的每个时刻n，每条路径j的信道系数， 实现OFDM系统在高速移动环境下的信道估计。
[0053] 与现有的信道估计方法相比，本发明对动态稀疏信道的联合估计能够有效解决信 道的动态变化问题，同时提高信道估计的准确度和频谱利用率。
【附图说明】：
[0054] 图I信道时延的动态变化图
【具体实施方式】：
[0055] 下面结合附图和具体实施例对本发明做进一步的描述。本实施例在W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。
[0056] LTE是一项基于OFDM传输系统的无线通信协议。采用7.68MHz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 = 20，子载波数刖=128，初始时 刻信道稀疏度kW = 3,发送的OFDM符号个数J = 5。本发明的动态稀疏信道的联合估计的具 体步骤如下：
[0化7] ( 1 )构造动态稀疏信道的模型。用二进制的[0^}代表在第j个符 号发送时刻信道的第1条路径上信道抽头是否为零，则信道的20条路径表示为
代表第j个符号所对应的动态稀疏信道的非零 信道抽头下标集合，此时信道的稀疏度可W表示为kU>= I I，它将会发生动态变 化。将看作一个离散的马尔可夫过程，信道抽头根据两个转化概率进行变化， 、 ,
、 J ;其中初始化{"/"，巳服从 伯努利分布，BP;
[005引（2)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：
[0059]
(12>
[0060] 其中，j代表(FDM符号的序号，矿'1表示第1径对应的抽头系数，bq( 0《q《2)代表CE-BEM基函数，C(j> [ q，U代表CE-BEM系数，基函数bq表示为：
[0061 ]
(13)
[0062] 对于连续5个(FDM符号，每个符号对应的CE-BEM基函数相同，BEM系数不同。
[0063] 信道的延时域具有稀疏性，只有一小部分的信道抽头增益为零，即
根据
CE-BEM系数
向量也是稀疏自' ，第j个OFDM符号的第q列CE-BEM 系数向量表示^ 系数向量Cf都具有相同的稀疏 度kW，并且(皆\净>，皆>}具有联合稀疏性，不仅稀疏度相同，而且非零元素下标集也相同。
[0064] (3)对于连续5个OFDM符号，利用离散随机最优化(DSO)算法确定导频位置，导频序 列包括16个有效导频和64个保护导频，有效导频和保护导频幅度分别取1和0,有效导频序 列记为Pe={p〇，Pl，P2}，（0《口日<口1<口2《127)，保护导频序列记为?8=化-2叫化-1叫化 + 1} U {Pe + 2}，保护导频位于有效导频两侧，防止数据子载波对有效导频的干扰。将导频分 为3个子序列：
[00化]{p〇，Pi，p2} = {Pe-l，Pe，Pe+l} (14)
[0066] 其中Pi表示所有有效导频构成的子序列。
[0067] 在接收端，第j个OFDM符号对应的接收信号可W表示为：
[006引 R(j)=H(j)T(j)=Fi2 油(j)Ii2sT(j) (15)
[0069] 其中，Fm代表128点离散傅里叶变换(DFT)矩阵，Im代表128点离散傅里叶反变换 (IDFT)矩阵。
[0070] 倍帯的麻协棄完兩.
[0071] :化)
[0072] D{bq}代表bq作为对角元素的对角矩 阵，￥2〇代表^/1^/<^%(离散傅里叶变换矩阵)的前20列构成的矩阵。
[0073] 信道的时域表示为：
那么信道的频域WCE-BEM的形式表示为：
[0077] 结合CE-BEM的特性和设计的导频模式，得到信道估计模型如下：
[0074] )
[0075]
[0076] (18)
[007引
（19)
[0079] 式中，测量矩阵
代表对角矩阵，第j个OFDM符号的有 效导频子载波为对角元素，由于CE-BEM系数向量[皆t，:#，嫂}具有联合稀疏性，所W向量
I有联合稀疏性，其中A q是一个对角矩阵，表示如下：
[0080]
巧0)
[0081] 考虑到^^'^>的联合稀疏性，式（19)中的等式共用相同的测量矩阵〇^，式（19)可^ 表述成更力n简法的化立.
[0082]
御）
[0083] (4)对于式（21)所示橫巧，采用联合微分巿否巧配追踪(DSOMP)算法，设输入为接 收信^
测量矩阵〇=[00,…019]，阔值 Fth,输出为信道稀疏度估计值K=化W，…，K^) dDSOMP算法步骤如下
[0084] a)设置初始值:迭代次数j = 1，信道稀疏度= 3，路径时延下标集C W二{1，2， 引，稀疏向量度? =貧"；
[0085] b)迭代次数增加 j = 2;
[00化]C)计算接收信号；
[0087] d)计算增加的支；
[0088] e)更新路径时延-
[0089] f)更新稀疏向量t
[0090] g)估计当前时刻： ，将所对 应的稀疏向量中的元素置为零：=0，获得最终的稀疏向量
[0091] h)更新路径时延下标I
[0092] i)计算当前时刻的信结
[0093] j)更新迭代次数:j = j+1;
[0094] k)重复步骤C)到j)直到j = 5。
[00对 （5)计算出第j个OFDM符号所对应的第j个时刻的信道稀疏度后，将其应用于 SOMP算法可W更加准确地估计出稀疏向量，恢复CE-BEM系数d/i，公式如下：
[0096]
(22)
[0097] 其中j = l，. . .，5对角矩降
[0098] 根据式(13)得到信道抽头系数W，实现OFDM系统的动态稀疏信道估计。
[0099] 通过W上步骤，可W得到每个OFDM符号对应的每个时刻，每条路径的信道系数，实 现7.68MHz带宽下WLTE协议为标准的动态稀疏信道的联合估计。
【主权项】
1. 一种动态稀疏信道的联合估计方法，该方法包括如下步骤： ① 构造动态稀疏信道的模型： 岭''^.(0.^代表在第j个OFDM符号发送时刻信道的第1条路径上信道抽头是否为零，贝U 信道的L条路径表示为= 0;"，岭V. .，"1"]; (W =<(/:?产=1}代表第j个OFDM符号所对应的动态稀疏信道的非零信道抽头下标集 合，则信道的稀疏度表示为Κ^ = I ;表示信道抽头根据两个转化概率 进行变化，其中初始化{咕' j^=i服从伯努利分布，即：''~SmwuWA); ② 利用复指数基扩展模型CE-BEM对时频双选信道进行建模：(1 ) 其中，j代表第j个OFDM符号，Q代表CE-BEM阶数，L代表信道路径数，/?Ρ表示第1条路径对 应的抽头系数，bq(0《q《Q-l)代表CE-BEM基函数，代表CE-BEM系数，乐)代表CE- BEM建模误差，忽略不计； CE-BEM基函数bq表示为：(2) 其中，N表示一个(FDM符号子载波的个数，对于连续发送的J个(FDM符号，每个符号对应 的CE-BEM基函数相同，BEM系数不同； 根据第j个OFDM符号的第q列CE-BEM系数向量表示为，其中每一个系数向量cf都具有相同的稀疏度kW，并且 {皆>，…，曰扣}具有联合稀疏性，即稀疏度相同，非零元素下标集相同； ③ 对于连续发送的J个OFDM符号，利用离散随机最优化算法确定导频位置，设计稀疏导 频模式，导频序列包括G个有效导频和(2Q-2)G个保护导频，其中kW<g<<L，kW表示第j 个OFDM符号发送时刻无线信道延时域的稀疏度;有效导频W及保护导频的幅度分别取为1 和0,其中有效导频序列可W记为Pe={p〇,…，PG-l}，（0《P日<…<PG-l《N-l)，相应地，保护 导频序列可W记为Pg= {Pe-Q+1} U…U {Pe-1} U {Pe+1} U…U {Pe+Q-1}，保护导频位于有效 导频两侧； 将导频分为Q个子序列：巧） 其中表示所有有效导频构成的子序列；2. 在接收端，第j个OFDM符号对应的接收信号表示为：其中，tW代表发送信号，WW包括建模和噪声误差，Fn代表N点离散傅里叶变换矩阵，In 代表N点离散傅里叶反变换矩阵，柄}4,，巧"全D扣cf}，D{bq}代表bq作为对角元 素的对角矩阵，化代表离散傅里叶变换矩阵的前1列构成的矩阵； 结合CE-BEM的特性和设计的导频模式，得到信道估计模型如下：(10) 式中，测量矩阵φ(力鱼.例片代表对角矩阵，第j个0抑Μ符号的有效导 频子载波为对角元素 ，A q是一个对角矩阵，表示如下：(9) ④ 采用联合微分正交匹配追踪算法得到当前时刻的稀疏度kW。 ⑤ 计算出第j个OFDM符号所对应的第j个时刻的信道稀疏度kW后，将其应用于S0MP算 法估计出稀疏向量SW，恢复CE-BEM系数c^)，公式如下：(11) 其中对角矩降根据式(1)得到信道抽头系数，实现OFDM系统的动态稀疏信道估计。2.根据权利要求1所述的动态稀疏信道的联合估计方法，其特征在于，所述的步骤④利 用联合微分正交匹配追踪算法得到第j个OFDM符号所对应的第j个时刻的信道稀疏度kW， 具体步骤为： 设输入为接收信号，测量矩阵Φ = [Φ〇,… 巫]，阔值Fth，输出为信道稀疏度估计值Κ=化(1)，...，K(J)); DS0MP算法步骤如下： a) 设置初始值:迭代次数j = 1，初始信道稀疏度= 3，初始路径时延下 标集C W二{1，2，3}，稀疏向量歡》=换"； b) 迭代次数增加 j = 2; C)计算接收信号残差d)计算增加的支持向量e) 更新路径时延下标if) 更新稀疏向ig) 估计当前时刻消失的非零信道抽头下标：将所对应的稀疏向量中的元素置为零=0，获得最终的稀疏向量护η h) 更新路径时延下标ii) 计算当前时刻的信道稀疏度：j) 更新迭代次数:j = j+1; k) 重复步骤c)到j)直到j = J。
【文档编号】H04B17/391GK105847192SQ201610152382
【公开日】2016年8月10日
【申请日】2016年3月17日
【发明人】张弦, 归琳, 秦启波, 宫博
【申请人】上海交通大学