快时变OFDM信道的联合信道和数据估计方法及系统与流程

本发明涉及通信领域，尤其涉及一种快时变OFDM信道的联合信道和数据估计方法及系统。

背景技术：

正交频分复用(OFDM)技术较好地解决了移动无线信道中的频率选择性问题。但在对无线信道的时间选择问题上，通常假设信道参数的变化不会过快，从而在一个或多个ODFM符号时间段内认为信道参数是不变的。但在极高速运动场景，如高铁或飞行器通信，由于过高运动速率引起很大的多普勒频率扩展，导致很可能在一个OFDM符号时间段内信道参数会发生变化，从而会在接收信号内引入较大的信道间干扰(ICI,Inter-channel interference)。

在慢时变或准静态情况，在一个或几个符号时间段内，假定信道冲激响应相同。这时根据图2所构建的信道系统输入输出处模型Ys＝GsXs+Ws中，Gs为对角矩阵，从而保证接收到的Ys不存在信道间干扰(ICI,Inter-channel interference)。当一个OFDM信号时间段内信道冲激响应快速变化时，Gs不再是对角矩阵，导致在接收到的Ys会产生较严重的ICI，从而影响接收性能。

技术实现要素：

本发明提供一种快时变OFDM信道的联合信道和数据估计方法及系统，用于解决现有技术中信道间干扰严重的问题。

基于上述目的，本发明提供一种快时变OFDM信道的联合信道和数据估计方法，包括：预设无线信道的多普勒模型，基于预设时延依次设置的至少一个抽头所构成的输入输出模型，和基于所述多普勒模型、和所有信道冲击响应所组成的相关矩阵所构建的无线信道的信道状态方程；其中，所述输入输出模型中的每个抽头设有相应的信道冲击响应；所述信道状态方程中的状态参数由各所述信道冲击响应所构成；基于来自所述无线信道的多个数据和所述输入输出模型，确定所述无线信道的基于所述状态参数的信道测量方程；将所述信道测量方程和所述信道状态方程进行迭代滤波估计，得到无信道间干扰的对应各所述数据的数据估计。

优选地，所述基于多普勒模型、和所有信道冲击响应所组成的相关矩阵，构建无线信道的信道状态方程的方式包括：基于预设的多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵；将所述多阶相关矩阵代入预设的回归方程，得到无线信道的信道状态方程。

优选地，所述回归方程为一种线性自回归方程。

优选地，所述基于来自无线信道的多个数据和所述输入输出模型，确定所述无线信道的基于所述状态参数的信道测量方程的方式包括：基于输入输出模型构建包含所有信道冲击响应的输入输出模型方程；通过对所述输入输出模型方程的变换，得到所述信道测量方程。

优选地，所述将信道测量方程和信道状态方程进行迭代滤波估计，得到无信道间干扰的对应各所述数据的数据估计的方式包括：根据第s时段所接收的数据在基于(s-1)时段及以前的先验信息、和基于s时段及以前的后验信息，预测无信道间干扰时基于(s-1)时段数据估计；根据第s时段所接收的数据、所预测的数据估计、和所述信道测量方程和信道状态方程，预测第s时段的数据估计。

基于上述目的，本发明还提供一种快时变OFDM信道的联合信道和数据估计系统，包括：预处理单元，用于预设无线信道的多普勒模型，基于预设时延依次设置的至少一个抽头所构成的输入输出模型，和基于所述多普勒模型、和所有信道冲击响应所组成的相关矩阵所构建的无线信道的信道状态方程；其中，所述输入输出模型中的每个抽头设有相应的信道冲击响应；所述信道状态方程中的状态参数由各所述信道冲击响应所构成；信道测量方程确定单元，用于基于来自所述无线信道的多个数据和所述输入输出模型，确定所述无线信道的基于所述状态参数的信道测量方程；估计单元，用于将所述信道测量方程和所述信道状态方程进行迭代滤波估计，得到无信道间干扰的对应各所述数据的数据估计。

优选地，所述预处理单元用于基于预设的多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵；以及将所述多阶相关矩阵代入预设的回归方程，得到无线信道的信道状态方程。

优选地，所述回归方程为一种线性自回归方程。

优选地，所述信道测量方程确定单元用于基于输入输出模型构建包含所有信道冲击响应的输入输出模型方程；以及通过对所述输入输出模型方程的变换，得到所述信道测量方程。

优选地，所述估计单元用于根据第s时段所接收的数据在基于(s-1)时段及以前的先验信息、和基于s时段及以前的后验信息，预测无信道间干扰时基于(s-1)时段数据估计；根据第s时段所接收的数据、所预测的数据估计、和所述信道测量方程和信道状态方程，预测第s时段的数据估计。

如上所述，本发明的快时变OFDM信道的联合信道和数据估计方法及系统，具有以下有益效果：按照现有信道输入输出模型来估计快时变情况下的信道，进而得到无信道间干扰的数据估计，能够解决快时变情况下多普勒效应造成的信道间干扰的问题；另外，基于预设的多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵，能够确定最近进信道状态的信道状态方程；此外，采用线性的信道状态方程和线性的信道测量方程来估计信道的无信道间干扰的数据估计，既确保建模简单，又大大减少数据量的计算，能够快速的得到准确性高的数据估计。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本发明的快时变OFDM信道的联合信道和数据估计方法的一个实施例的方法流程图。

图2是本发明的快时变OFDM信道的联合信道和数据估计方法中输入输出模型的一个实施例的结构示意图。

图3是本发明的快时变OFDM信道的联合信道和数据估计系统的一个实施例的结构方框图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

如图1所示，本发明提供一种快时变OFDM信道的联合信道和数据估计方法。所述估计方法主要由无线信号接收设备来执行。所述无线信号接收设备主要安装在如高铁、飞行器等高速运行的设备中。所述无线信号接收设备包括但不限于：无线网关、无线中继设备等。

在步骤S1中，所述无线信号接收设备预设基于预设时延依次设置的至少一个抽头所构成的输入输出模型。其中，所述输入输出模型中的每个抽头设有相应的信道冲击响应。

例如，所述无线信号接收设备按照图2所示的输入输出模型得到输入输出模型方程为：Ys＝GsXs+Ws(1)。

其中，Xs＝[Xs(0) Xs(1) … Xs(N-1)]^T为对应时域信号xs(n)的FFT变换的频域发送数据；Ys＝[Ys(0) Ys(1) … Ys(N-1)]^T为对应ys(n)的FFT变换的频域接收数据；Ws＝[Ws(0) Ws(1) … Ws(N-1)]^T为对应ws(n)的FFT变换的频域噪声；N为OFDM符号的频点数。Gs为由各所述信道冲击响应构成的系数。

根据快时变的多普勒效应，各所述信道冲击响应并不相等。为了准确估计发射端所发射的频域发送数据，所述无线信号接收设备还预设无线信道的多普勒模型。在此，所述多普勒模型包括但不限于：Jake无线信道多普勒模型等。

所述无线信号接收设备中还预设有基于所述多普勒模型、和所有信道冲击响应所组成的相关矩阵所构建的无线信道的信道状态方程。

在此，所述无线信号接收设备所构建的信道状态方程为线性方程。本实施例中，所述无线信号接收设备预先基于多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵；再将所述多阶相关矩阵代入预设的回归方程，确定无线信道的信道状态方程。

例如，预设(Nt-1)×(Nt-1)阶时域信道冲激响应参数的相关矩阵为：Rh,l[β]＝E[hs,lhs-β,l^H]。其中，hs,l为第s时段的第l抽头的信道冲击响应；Nt为OFDM符号长度，即一个OFDM符号采样时间的总个数。

根据预设的Jake无线信道多普勒模型，所述无线信号接收设备将所述相关矩阵改进为

其中，fd为最大多普勒扩展，β为以OFDM符号长度为单位的时域间隔数；J0为0阶贝塞尔函数，a、b为时域上两个不同OFDM符号的不同抽头位置。

所述无线信号接收设备根据谱估计理论、所述相关矩阵和Yule-Walker方程构建hs,l的下一阶自回归AR模型(线性的自回归模型)，即变量hs,l的线性状态方程：

hs,l＝Alhs-1,l+ηs,l；

其中Al＝Rh,l[1](Rh,l[0])^-1；ηs,l为过程高斯噪声，其方差ξl为：ξl＝Rh,l[0]+AlRh,l[-1]。

从而可得出状态变量hs的信道状态方程：

hs＝Ahs-1+ηs； (2)

其中A＝blkdiag{A0 … AL-1}；ηs＝[ηs,0^T ηs,1^T … ηs,L-1^T]^T；ξ＝blkdiag{ξ0 … ξL-1}。

其中，blkdiag{A0 … AL-1}表示以矩阵元素{A0 … AL-1}为对角元素的矩阵。

需要说明的是，若本领域技术人员以本文中所描述的线性自回归处理方式为参考，拓展出的其他线性自回归处理方式，也在本发明所覆盖的范围之内。故，所述无线信号接收设备将各所述多阶相关矩阵分别进行线性自回归处理，得到所述无线信道的信道状态方程。

当所述无线信号接收设备将所接收的无线信道中的信号进行时频域转换，得到多个OFDM符号时，执行下述步骤S2和S3，以预测所接收的各OFDM符号在无信道干扰下的OFDM符号估计，以便所述无线信号接收设备对所预测数据估计进行后续检测、解调等处理。

在步骤S2中，所述无线信号接收设备基于来自无线信道的多个数据和所述输入输出模型，确定所述无线信道的基于所述状态参数的信道测量方程。

在此，根据所述输入输出模型的不同，所述无线信号接收设备所得到的信道测量方程中对应所述状态参数的系数各不相同。所述信道测量方程为线性方程。

本实施例中，所述无线信号接收设备基于输入输出模型构建包含所有信道冲击响应的输入输出模型方程；再通过对所述输入输出模型方程的变换，得到所述信道测量方程。

例如，仍以图2所示的输入输出模型为例。所述无线信号接收设备将所述输入输出模型方程Ys＝GsXs+Ws进行变换：

其中，Gs为N×N阶矩阵：

其中：q与p取值区间为0到N-1。

故而，所述无线信号接收设备对所述输入输出模型方程的对应参数在时域、频域间进行转换处理，可得到下述以hs为状态参数的线性信道测量方程：Ys＝Jshs+Ws； (4)

其中hs＝[hs,0 hs,1 … hs,L-1]^T为该线信道性测量方程的状态参数；

hs,l＝[hs(-Ng,l) hs(-Ng+1,l) … hs(N-1,l)]^T；Ng为OFDM符号的循环前缀的长度。

Ud为N×N阶矩阵，其r行、m列的元素d取值区间为0到Nt-1。

F为N×L阶矩阵，其k行、l列的元素；[F]k,l＝e^-2πikl/N；k取值区间为0到N-1；l取值区间为0到L-1；fl为F的第l列；diag{Xs}为频域发送数据的对角元素的对角矩阵。

在步骤S3中，所述无线信号接收设备将信道测量方程和所述信道状态方程进行联合迭代滤波估计，得到信道估计、和无信道间干扰的对应各所述数据的数据估计。

在此，所述无线信号接收设备中可结合所述信道测量方程和预设的卡尔曼滤波，联合迭代输出信道估计和无信道间干扰(无ICI)的对应各所述数据的数据估计。

本实施例中，所述无线信号接收设备根据第s时段所接收的数据在基于(s-1)时段及以前的先验信息、和基于s时段及以前的后验信息，预测无信道间干扰时基于(s-1)时段的信道估计和无信道间干扰的数据估计；再根据第s时段所接收的数据、所预测的数据估计、和所述信道测量方程和信道状态方程，预测第s时段的信道估计和无信道间干扰的数据估计。

例如，所述无线信号接收设备每接收到一个频域值Ys(对应所接收的数据)，根据所述信道状态方程及信道测量方程进行基于卡尔曼滤波的迭代计算，其中角标〈s|s-1〉表示s时段基于s-1及以前信息的先验信息，〈s|s〉表示基于s及以前信息的后验信息，上标∧表示估计量。具体如下：

1)所述无线信号接收设备进行卡尔曼滤波预测，得到第s时段基于s-1的信道估计为：

2)由根据公式(3)计算频域信道矩阵；

3)对频域信道矩阵进行QR分解，即：

4)应用QR分解至输入输出模型方程(1)，得到

后，即可根据所接收的频域值Ys计算无ICI影响的

5)根据Ys及(4)进行下述卡尔曼滤波校正：

得到第s时段基于s的信道估计为：

6)根据Ys及校正后的如步骤2)至4)方式计算校正后的无ICI影响的

7)接收到下一个测量值Ys，转入步骤1)继续进行迭代。

在此，所述无线信号接收设备中预设上述迭代各参数的初始值，以便从所接收到的第一个频域值就开始进行迭代滤波。

所述无线信号接收设备将所预测的各OFDM符号与发射端所提供的各OFDM符号进行比对，由此来检测所述步骤S1-S3所预测的各数据估计的准确性。经验证，所述方法有效消除了高速运行环境下的信道间干扰，提高了无线信道中数据传输的准确性。

实施例二

如图3所示，本发明提供一种快时变OFDM信道的联合信道和数据估计系统。所述估计系统安装在无线信号接收设备中。所述无线信号接收设备主要安装在如高铁、飞行器等高速运行的设备中。所述无线信号接收设备包括但不限于：无线网关、无线中继设备等。

所述估计系统包括：预处理单元、信道测量方程确定单元、和估计单元。

所述预处理单元用于预设基于预设时延依次设置的至少一个抽头所构成的输入输出模型。其中，所述输入输出模型中的每个抽头设有相应的信道冲击响应。

例如，所述预处理单元按照图2所示的输入输出模型得到输入输出模型方程为：Ys＝GsXs+Ws (1)。

其中，Xs＝[Xs(0) Xs(1) … Xs(N-1)]^T为对应时域信号xs(n)的FFT变换的频域发送数据；Ys＝[Ys(0) Ys(1) … Ys(N-1)]^T为对应ys(n)的FFT变换的频域接收数据；Ws＝[Ws(0) Ws(1) … Ws(N-1)]^T为对应ws(n)的FFT变换的频域噪声；N为OFDM符号的频点数。Gs为由各所述信道冲击响应构成的系数。

根据快时变的多普勒效应，各所述信道冲击响应并不相等。为了准确估计发射端所发射的频域发送数据，所述预处理单元还预设无线信道的多普勒模型。在此，所述多普勒模型包括但不限于：Jake无线信道多普勒模型等。

所述预处理单元中还预设有基于所述多普勒模型、和所有信道冲击响应所组成的相关矩阵所构建的无线信道的信道状态方程。

在此，所述预处理单元所构建的信道状态方程为线性方程。本实施例中，所述预处理单元预先基于多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵；再将所述多阶相关矩阵代入预设的回归方程，确定无线信道的信道状态方程。

例如，预设(Nt-1)×(Nt-1)阶时域信道冲激响应参数的相关矩阵为：Rh,l[β]＝E[hs,lhs-β,l^H]。其中，hs,l为第s时段的第l抽头的信道冲击响应；Nt为OFDM符号长度，即一个OFDM符号采样时间的总个数。

根据预设的Jake无线信道多普勒模型，所述预处理单元将所述相关矩阵改进为

其中，fd为最大多普勒扩展，β为以OFDM符号长度为单位的时域间隔数；J0为0阶贝塞尔函数，a、b为时域上两个不同OFDM符号的不同抽头位置。

所述预处理单元根据谱估计理论、所述相关矩阵和Yule-Walker方程构建hs,l的下一阶自回归AR模型(线性的自回归模型)，即变量hs,l的线性状态方程：

hs,l＝Alhs-1,l+ηs,l；

其中Al＝Rh,l[1](Rh,l[0])^-1；ηs,l为过程高斯噪声，其方差ξl为：ξl＝Rh,l[0]+AlRh,l[-1]。

从而可得出状态变量hs的信道状态方程：

hs＝Ahs-1+ηs； (2)

其中A＝blkdiag{A0 … AL-1}；ηs＝[ηs,0^T ηs,1^T … ηs,L-1^T]^T；ξ＝blkdiag{ξ0 … ξL-1}。

其中，blkdiag{A0 … AL-1}表示以矩阵元素{A0 … AL-1}为对角元素的矩阵。

需要说明的是，若本领域技术人员以本文中所描述的线性自回归处理方式为参考，拓展出的其他线性自回归处理方式，也在本发明所覆盖的范围之内。故，所述预处理单元将各所述多阶相关矩阵分别进行线性自回归处理，得到所述无线信道的信道状态方程。

当所述无线信号接收设备将所接收的无线信道中的信号进行时频域转换，得到多个OFDM符号时，执行下述信道测量方程确定单元和估计单元，以预测所接收的各OFDM符号在无信道干扰下的OFDM符号估计，以便所述无线信号接收设备对所预测数据估计进行后续检测、解调等处理。

所述信道测量方程确定单元用于基于来自无线信道的多个数据和所述输入输出模型，确定所述无线信道的基于所述状态参数的信道测量方程。

在此，根据所述输入输出模型的不同，所述信道测量方程确定单元所得到的信道测量方程中对应所述状态参数的系数各不相同。所述信道测量方程为线性方程。

本实施例中，所述信道测量方程确定单元基于输入输出模型构建包含所有信道冲击响应的输入输出模型方程；再通过对所述输入输出模型方程的变换，得到所述信道测量方程。

例如，仍以图2所示的输入输出模型为例。所述信道测量方程确定单元将所述输入输出模型方程Ys＝GsXs+Ws进行变换：

其中，Gs为N×N阶矩阵：

其中：q与p取值区间为0到N-1。

故而，所述信道测量方程确定单元对所述输入输出模型方程的对应参数在时域、频域间进行转换处理，可得到下述以hs为状态参数的线性信道测量方程：Ys＝Jshs+Ws； (4)

其中hs＝[hs,0 hs,1 … hs,L-1]^T为该线信道性测量方程的状态参数；

hs,l＝[hs(-Ng,l) hs(-Ng+1,l) … hs(N-1,l)]^T；Ng为OFDM符号的循环前缀的长度。

Ud为N×N阶矩阵，其r行、m列的元素d取值区间为0到Nt-1。

F为N×L阶矩阵，其k行、l列的元素；[F]k,l＝e^-2πikl/N；k取值区间为0到N-1；l取值区间为0到L-1；fl为F的第l列；diag{Xs}为频域发送数据的对角元素的对角矩阵。

所述估计单元用于将信道测量方程和所述信道状态方程进行联合迭代滤波估计，得到信道估计、和无信道间干扰的对应各所述数据的数据估计。

在此，所述估计单元中可结合所述信道测量方程和预设的卡尔曼滤波，联合迭代输出信道估计和无信道间干扰(无ICI)的对应各所述数据的数据估计。

本实施例中，所述估计单元根据第s时段所接收的数据在基于(s-1)时段及以前的先验信息、和基于s时段及以前的后验信息，预测无信道间干扰时基于(s-1)时段的信道估计和无信道间干扰的数据估计；再根据第s时段所接收的数据、所预测的数据估计、和所述信道测量方程和信道状态方程，预测第s时段的信道估计和无信道间干扰的数据估计。

例如，所述估计单元每接收到一个频域值Ys(对应所接收的数据)，根据所述信道状态方程及信道测量方程进行基于卡尔曼滤波的迭代计算，其中角标〈s|s-1〉表示s时段基于s-1及以前信息的先验信息，〈s|s〉表示基于s及以前信息的后验信息，上标∧表示估计量。具体如下：

1)所述估计单元进行卡尔曼滤波预测，得到第s时段基于s-1的信道估计为：

2)由根据公式(3)计算频域信道矩阵；

3)对频域信道矩阵进行QR分解，即：

4)应用QR分解至输入输出模型方程(1)，得到

后，即可根据所接收的频域值Ys计算无ICI影响的

5)根据Ys及(4)进行下述卡尔曼滤波校正：

得到第s时段基于s的信道估计为：

6)根据Ys及校正后的如步骤2)至4)方式计算校正后的无ICI影响的

7)接收到下一个测量值Ys，转入步骤1)继续进行迭代。

在此，所述估计单元中预设上述迭代各参数的初始值，以便从所接收到的第一个频域值就开始进行迭代滤波。

所述无线信号接收设备将所预测的各OFDM符号与发射端所提供的各OFDM符号进行比对，由此来检测所述估计单元所预测的各数据估计的准确性。经验证，所述方法有效消除了高速运行环境下的信道间干扰，提高了无线信道中数据传输的准确性。

综上所述，本发明的快时变OFDM信道的联合信道和数据估计方法及系统，按照现有信道输入输出模型来估计快时变情况下的信道，进而得到无信道间干扰的数据估计，能够解决快时变情况下多普勒效应造成的信道间干扰的问题；另外，基于预设的多普勒模型和各所述信道冲击响应，构建基于OFDM符号长度的多阶相关矩阵，能够确定最近进信道状态的信道状态方程；此外，采用线性的信道状态方程和线性的信道测量方程来估计信道的无信道间干扰的数据估计，既确保建模简单，又大大减少数据量的计算，能够快速的得到准确性高的数据估计。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。