一种基于稀疏信道估计的自适应导频结构优化设计方法

文档序号:10690786
一种基于稀疏信道估计的自适应导频结构优化设计方法
【专利摘要】本发明提出了一种基于稀疏信道估计的自适应导频结构设计方法,目的是解决在特定无线信道情况下的实时选取最优导频结构的问题。该方法有别于传统的确定性导频结构设计方法,考虑了实际传输过程中无线信道的多样性,将信道结构的设计与信道估计过程相结合,使得优化后的导频结构具有更高的估计精度与更高的适用性。仿真实验结果表明,本发明所提出的自适应导频结构优化设计方法以适当增加系统运算复杂度为代价,有效地提高了稀疏信道估计的精度,使得优化后的导频结构更具代表性,具有较好的工程应用前景。
【专利说明】
-种基于稀疏信道估计的自适应导频结构优化设计方法
技术领域
[0001] 本发明属于通信领域,特别设及一种在稀疏信道估计过程中的自适应导频结构优 化设计方法。
【背景技术】
[0002] 在正交频分复用(OFDM)无线移动通信系统中,无线信道通常表现出稀疏性。由于 传统的信道估计方法如最小二乘化S)法、最小均方误差(MMSE)法等均只适用于稠密信道的 估计,在信道呈现稀疏特性时,传统的信道估计方法性能均不够理想。因此,稀疏信道下的 信道估计算法已成为通信领域中一个新的研究热点。
[0003] 压缩感知(CS)是近年来应用数学领域中新兴的且极具应用前景的理论,目前已被 广泛地研究并应用于诸多领域。根据压缩感知理论可知,当一个信号在某一特定空间中可 W稀疏表示时,便可W利用远低于奈奎斯特采样率的速率对其进行取样并通过优化的方法 高概率地重构此信号。由此可见,当无线信道表现出稀疏性时,OFDM系统中信道估计过程就 类似于压缩感知中原始稀疏信号的重建过程。因此,把CS理论应用于OFDM系统的信道估计 算法中,将有别于传统的信道估计算法,大大提高在稀疏信道下的信道估计性能。
[0004] 虽然现已有很多基于压缩感知理论的稀疏信道估计算法研究,但大部分研究集中 在重构算法的改进与创新上。研究表明,在稀疏信道的恢复过程中,导频的结构对最终的稀 疏信道估计性能同样也起到了十分重要的作用,因此本发明将主要解决在稀疏信道估计过 程中导频结构的优化设计问题。在现有的导频结构设计方法中,绝大部分方法在正交频分 复用(〇:rthogonal打equen巧division multiplexing,(FDM)系统下所采用的导频结构设 计标准都是基于缩小测量矩阵互相关性的确定性导频结构设计,该标准也可W简称为MIP (mu化al incoherence property)。例如,W发明专利《稀疏信道的导频优化方法、装置和信 道估计方法》为代表的一系列确定性导频设计方法,都是在MIP标准的基础上完成的。可W 看到,在该发明中,整个导频结构的设计是在信号传输之前完成的,并且与随后的信道估计 过程相独立。运类确定性的导频设计方法虽然降低了其在工程实现上的复杂度,但是由于 没能考虑到实际信道传输过程中无线信道的不确定性,故将经过该类方法优化过的导频结 构用于任意情况下的信道传输过程是不严谨的。

【发明内容】

[0005] 针对如今确定性导频结构设计方法中存在的不足,本发明提出了一种基于稀疏信 道估计的自适应导频结构优化设计方法。该方法有别于常见的确定性导频设计方法,将针 对特定的无线信道进行导频结构的优化设计,W适当增加系统复杂度为代价,有效地提高 稀疏信道估计的均方误差(Mean Square化ror,MSE)性能,并使得该导频结构更具有适用 性。
[0006] 为了与确定性导频结构设计方法区别开,本发明的主要特点及步骤包括W下几个 方面:
[0007] (1)本发明从一系列随机的导频结构开始,利用实际信号传输后的稀疏信道估计 结果反作用于导频结构的重构上。该方法有别于常见的确定性导频结构设计,使得导频结 构在连续地传输过程中不断地调整,直至收敛。
[0008] (2)本发明在导频结构不断调整的过程中,采用凸优化算法中的最小h范数模型 和遗传算法(genetic algorithm,GA)理论对导频进行筛选与重建。相比于单一的WMIP准 则作为导频结构设计标准的导频设计方法更加直接与全面。
[0009] (3)为了提高导频结构收敛的速度W及导频结构的估计性能,本发明可W通过改 变GA迭代过程中初始种群的数目W及基因交叉与变异的概率来实现。
[0010] (4)在完成每一次对导频结构的重构之后,接收端需要向发送端反馈一系列新的 导频结构信息作为下一次循环迭代的开始,多次重复执行上述步骤,直至导频结构收敛。,
[0011] 综上所述,实施上述的自适应导频优化设计方法,具有如下的有益效果:
[0012] (1)本发明根据实际的传输结果不断地调制传输信号中导频的结构设计,使得最 终设计出的导频结构更加符合实际信道的特征,即更具有代表性。
[0013] (2)本发明结合贪婪算法W及凸优化算法各自的特点,在信道重构过程中既确保 了系统较低的实现复杂度,又保证了信道恢复过程中的精确度,做到了估计性能与运算复 杂度之间较好的折中。
[0014] (3)本发明利用了 GA理论对导频信息进行重构与更新,确保了每一次导频结构的 重构都朝着指定的目标方向改变,使得本发明中循环系统得W最终收敛。
[0015] (4)经过本发明中自适应导频优化设计方法优化过的导频结构,能提升整个OFDM 稀疏信道估计系统的估计精确度。
【附图说明】
[0016] 为了更清楚地说明本发明的技术方法,下面将对实施方式描述过程中所需要使用 的附图作简单的介绍。
[0017] 图1是本发明的自适应导频优化设计方法流程示意图;
[0018] 图2是本发明的具体实施例流程示意图;
[0019] 图3是本发明中自适应导频优化设计方法在不同初始种群个体数情况下的的收敛 情况比较。
[0020] 图4是本发明的一个实施例与现有几种代表性的导频结构设计方法估计性能的比 较结果图。
[0021] 图5是本发明的一个实施例与现有几种代表性的导频结构设计方法运行时间的比 较结果。
【具体实施方式】
[0022] 为了更加清楚、完整地描述本发明中的目的、技术方法和方法特点,下面将结合具 体实施例W及实施例中的附图,对本发明作进一步详细地描述。
[0023] 在对本发明中的实施例进行介绍之前,需要先建立起一个基本的(FDM信号输入输 出系统模型。假设OFDM信号的子载波总个数为N,其中导频的个数为P,分别位于子载波ki, k2,···,kp(l《kl,k2,···,kp《N)上。我们定义向量p=[kl,k2,···,kp]τ为导频位置向量(pilot position vector,PPV)。此外,定义每一个OFDM信号在发送端和接收端第i个子载波上的传 输数据分别为x(i)(i = l,2,…,N)和パi)(i = l,2,…,N)。于是,我们可W得到接收信号在 频域上的表现形式:
[0024] Y=XH+N* (1)
[00巧]其中,Y=[y(l) ,y(2),...,y(N)]T,X = diag[x(l),x(2),...,x(N)],H = FNXLh。其中 Fnxl为部分离散傅里叶矩阵化iscrete Fourier Transformation,DFT),其由N维DFT变换矩 阵的前L列构成:
[0026]
[0027] 其牛
"是一个方差为ο2的N维加性复高斯白噪声向量。
[0028] 为了从N个子载波中选取出P个导频,运里我们定义一个pXN维的导频选择矩阵 (P i 1 0 t S e 1 e C t i 0 η ma t r i X , P SM )用于导频的选取:巧-二·Λ ),其中, /, (/ = 1,2,···,切是一个长度为Ν的单位列向量,其中仅ki上的元素为1,其余元素都为0。随 后,将PSM左乘于(1)式的两端,可W得到如下等式,
分别令
I于是上式可W进一步简化为Yp = XpFph +Np。运里,我们令T = XpFp,而T就是CS理论中的测量矩阵。至此,整个(FDM系统下导频信号的 输入输出模型已构建完毕,其模型最终可W表示为Υρ =化+Np。
[0029] 在完成对OFDM系统输入输出模型的构建后,图1给出了本发明所提出的基于稀疏 信道估计的自适应导频结构优化设计方法的大致流程。整个方法的步骤主要可W分为如下 五个部分:初始种群的产生,初步的稀疏信道估计,导频结构的筛选,导频结构的重构,循环 迭代。
[0030] 图2则是本发明提出的基于稀疏信道估计的自适应导频结构优化设计方法的一个 实施例流程示意图,该方法的具体步骤为:
[0031] S100:本方法将生成Z组随机的导频结构组成一个初始种群ZW,种群中的每个体 可W用一组PPV表示。
[0032] S200:依次将种群zW(j = 〇,l,…,C)中的Z组个体作为导频结构进行(FDM信号的 传输,并在接收端直接利用0MP算法对接收到的OFDM信号进行初步的信道估计。由于发送端 发送了 Z组由不同导频结构所组成的(FDM信号,因此接收端得可W到Z组不同的信道估计值 hguess(i), (i -1,2,...,ζ)。
[0033] S300:然后,再利用GA原理对优良的导频结构进行筛选与重构。运里,本方法利用 了凸优化算法中的最小h范数模型
,s.t」|Y-Th|h《〇n,给出了 GA迭代中的适应 度判定标准:V(i)= ||Υρ-Τρ · hguess(i)||2,i = l,2,''',Z。其中,I |川2代表向量X 的二范数, i代表种群中的第i个个体。
[0034] S400:在给出适应度判定标准后,将z组hguess( i)值带入适应度判断标准中,并选取 出其中hguess (i)值最小的前Z/^2组所对应的PPV作为优良个体替换剩下的z/^2组个体。
[0035] S500:模拟GA理论中的基因交叉与变异过程,从而形成Z组新的个体,同时也形成 一个新的种群zu+i>。
[0036] S600:最后,将新的种群信息反馈至发送端,重复S200至S600的步骤,直至循环次 数达到C为止。
[0037] S700:当循环次数达到C之后,选取出此时种群中最小适应度值V(i)所对应的 导频结构,而该导频结构就是经过本发明中的自适应导频优化设计方法所选取出最优导频 结构。
[0038] 由GA理论可知,尽管遗传迭代过程可W不断地更新和筛选出估计性能更优的导频 结构,但穷尽所有情况显然是不现实的。运就意味着,该自适应导频优化设计方法所选出导 频结构并非理论上的最优,仅仅是局部上的最优。但尽管如此,我们仍可W通过适当增加系 统复杂度来提高整导频结构的估计性能,使之满足工程上的满意解。
[0039] 在仿真实验中,本发明的实施例采用了子载波个数为512的OFDM信号,并用16-QAM 进行调制。此外,循环前缀的个数为128,导频的个数为30,信道长度为60,稀疏度为6。而对 于GA迭代过程,本实施例中的基因交叉概率为0.2,基因变异概率为0.02。
[0040] 图3是本发明中自适应导频优化设计方法在不同初始种群个体数情况下的的收敛 情况示意图。它给出了在步骤S200和S600中循环次数C的确定方法。从图3中可W看到,在不 同初始种群个体数的情况下,使种群最小适应度达到收敛时所需的循环次数C是不同的。此 夕h当迭代次数达到C之后,种群的最小适应度V"inW=min{V(i)}将不再变化。运也意味着 种群中最优个体的基因组合已经趋于稳定,此时即使继续对种群进行迭代更新,种群中的 个体基因也不再改变,运是由GA理论自身的性质所决定的。因此,当种群信息稳定后,此时 种群中的最优个体即是在给定信道下的局部最优导频结构。
[0041 ] 图4分别给出了随机导频结构(Random-0MP),等间距导频结构化qualinterval- 0MP)和基于MIP准则的确定性导频结构(MIP-0MP)在0MP重构算法下信道估计性能,还给出 了基于MIP准则设计后的确定性导频结构在凸优化重构算法(MIP-Cov)下的估计性能。此 夕h为了更好地体现出本发明中基于稀疏信道估计的自适应导频结构优化设计方法的特 点,图4分别给出了该方法在初始种群个体数目为200、600、1000时的信道估计性能。
[0042] 可W看到,当初始种群的个体数为200时,该方法的估计性能与MIP-0MP方法几乎 相同。而当初始种群中个体的数量增至1000时,其估计精度已经超过MIP-0MP方发并十分接 近于MIP-Cov方法。需要注意的是,由于凸优化算法在工程实现中具有较高的复杂性,工程 上通常都是用0MP算法所代替。运也意味着,MIP-Cov方法在仿真实验中表现出的高精度信 道估计性能在实际工程上往往难W实现。
[0043] 图5是本发明与现有几种代表性的导频结构设计方法运行时间的比较结果。考虑 到本文所提出自适应导频优化方法是将导频结构设计与信道估计过程相结合,故为了公平 起见,本文将运行时间定义为导频结构设计与信道估计过程总运行时间之和。
[0044] 根据仿真软件的运行结果,可W得到图5中的数据。从图5中可W看到,尽管MIP- Cov方法具有最好的信道估计性能,但其总运行时间最长,运也是它在实际工程上难W实现 的原因之一。而MIP-0MP方法的总运行时间虽然最短,但其代价是降低了信道估计的精确 性。对于本发明中所提出的自适应导频优化设计方法,虽然总的运行时间随着初始种群个 体数的增加而增加,且均高于MIP-OMP方法的运行时间,但相比于信道估计精度几乎相同的 MIP-Cov方法来说,本方法的在运算复杂度方面已经得到了有效的控制。
[0045] W上所述,仅为本发明的【具体实施方式】W及在该实施方式下的一系列仿真结果, 并不能W此来限定本发明之权利范围。因此,如有与本说明书中所公开的任一特征所作同 等或类似变化,仍属于本发明所涵盖的内容范围。
【主权项】
1. 一种基于稀疏信道估计的自适应导频结构优化设计方法,其特征在于,包括下列主 要步骤: 步骤1:生成多组随机导频结构向量,合并为一个初始种群。 步骤2:将初始种群中的导频结构应用与不同的OFDM信号依次进行传输。 步骤3:采用贪婪算法对接收到的信号进行稀疏信道的估计,利用估计出的稀疏信道估 计值对导频结构进行进一步的筛选。 步骤4:结合GA理论对筛选过后的导频结构进行重构。 步骤5:将重构后的导频结构信息反馈至发送端进行循环迭代直至导频结构收敛。2. 如权利要求1所述的方法,其特征在于,所述的整个自适应导频结构优化设计方法将 导频结构的设计与信道估计过程相结合,有别于传统的确定性导频结构设计方法,将针对 不同的无线信道选取出更具有代表性的导频结构。3. 如权利要求1或2所述的方法,其特征在于,所述步骤3中,利用到了凸优化算法中的 最小1:范数模型作为适应度判断标准对估计性能更加优良的导频结构进行筛选。弥补了贪 婪算法在稀疏信道重构上的恢复精度不足的问题。4. 如权利要求1或2所述的方法,其特征在于,所述步骤4中,结合GA理论对选取出的导 频结构进行重构,产生多组新的导频结构信息。在保证了估计精度的基础上,避免了直接使 用凸优化算法求解所带来的巨大复杂度。5. 如权利要求1或2所述的方法,其特征在于,所述步骤5中,将重构后的导频结构信息 反馈至发送端,重复权利要求1中的步骤2-5,直至导频结构收敛。
【文档编号】H04L5/00GK106059730SQ201610317128
【公开日】2016年10月26日
【申请日】2016年5月13日
【发明人】陈客松, 姜金男, 郭睿, 陈会
【申请人】电子科技大学
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1