一种卫星VDES系统的信道估计方法与流程

本发明属于无线通信技术领域，具体涉及一种卫星vdes系统的信道估计方法。

背景技术：

随着全球贸易量的逐年扩大，海上航运得到了极大发展，海上船舶数量也大幅增加，卫星与船舶之间的通信需求不断增长，对通信保障提出了更高的要求。甚高频数据交换系统(vhfdataexchangesystem,vdes)是在水上移动业务领域中的船舶自动识别系统(automaticidentificationsystem，ais)的基础上，发展而来的新一代数字通信系统。该系统为海上航行船舶提供高速、多业务数据交换服务，并且可以基本满足卫星与船舶、船舶与陆地、船舶与船舶之间的数据交换需求。

与一般的陆地通信相比较，vdes卫星通信的覆盖范围广，组网方式相对简单，通信容量大。但是，vdes卫星通信信道相对于陆地通信而言，存在有更大的传播时延、能量衰落以及卫星运动带来的多普勒频偏等不足。在vdes卫星通信中，由于船舶与卫星以及陆地与卫星之间的通信过程中存在着相对移动，便会产生多普勒频偏，信道表现为时间选择性衰落；无线信号经过海面的反射与衍射会产生多径效应，造成频率选择性衰落；通信距离远，时延长，并且具有较大的自由空间损耗。上述问题严重降低了系统性能。因此，为了获得准确的信道状态信息(channelstateinformation,csi)，必须进行信道估计，使系统能够从衰落的信号中准确恢复原始信号。

综上所述，在船舶距离陆地较远的海面上，通过vdes卫星和陆地进行数据交互以及当两船舶相距较远进行vdes卫星通信时，由于海上环境复杂，以及卫星的高速移动，卫星通信信道是时变且复杂的。这些问题影响卫星通信传输速率和传输质量，可能导致卫星vdes系统性能严重恶化，船舶重要数据不能得到及时响应，而导致事故发生。现有的扩展卡尔曼(extendkalmanfilter，ekf)信道估计对非线性系统进行线性近似，估计信道时域相关系数，但存在非线性误差，导致信道估计精度不高。而迭代扩展卡尔曼滤波器(iterativeextendkalmanfilter，iekf)对非线性系统具有更好的估计精度，可以有效消除累计误差，但多次迭代导致复杂度增加。现有技术对快时变信道多采用基扩展模型(basisexpansionmodel,bem)进行拟合，bem是基于导频的卫星信道估计方法，一般首先估计导频处信道响应，再通过插值算法对数据符号处信道响应进行计算。但是，卫星信道具有时频双选特性，以及受到多普勒频移的影响，相邻符号间信道响应是时变的，插值算法无法追踪信道动态变化。因此需要一种能有效追踪卫星快时变信道变化，降低计算复杂度，提高信道估计精度，保障卫星vdes系统通信质量的方法。

技术实现要素：

针对现有技术中存在的不足，本发明的技术问题是提供一种卫星vdes系统的信道估计方法，该方法能够在降低计算复杂度的情况下保障卫星vdes系统的通信质量，提高信道估计精确度。

本发明解决上述技术问题的方案是：

一种卫星vdes系统的信道估计方法，该方法包括以下步骤：

步骤一：构造卫星vdes系统块状导频结构

在一个子帧中包括多个传输符号，等间隔的插入导频符号，导频符号之间是数据符号。由于卫星运动速度快，具有较大的多普勒频移，块状导频在频域是连续的，对频率不敏感，可以很好的克服频率选择性衰落；

步骤二：构造基于bem的多载波调制数学传输模型

基于bem的多载波调制数据传输模型,第i个符号块上n个子载波接收到的频域符号向量yi按照以下公式计算：

yi＝dici+wi，

其中，yi＝[yi(0),...,yi(n-1)]^t，式[·]^t表示矩阵的转置；

ci为i个符号压缩基的基系数向量，第i个数据符号上第l个抽头压缩基的基系数向量其中q表示压缩基向量维度；

di为测量矩阵,有di＝fsib，其中f表示傅里叶变换矩阵，si表示发送第i个符号上n个子载波符号的向量集合，si＝[si(0),...,si(n),...si(n-1)]^t，si(n)表示发送第i个符号上的第n个子载波符号，向量其中，il表示l×l维单位矩阵，表示kronecker积；根据ce-bem模型，基向量有其中k表示第k个采样点，q表示0～q之间的整数；

wi为信道的加性复高斯白噪声；

步骤三：利用iekf进行信道估计

3.1)iekf是一种将非线性系统转为线性计算的方法，通过“预测-更新”的计算步骤，利用待估计参数的前向信息完成估计，状态空间模型:

其中，ri表示相邻两个符号间的基系数的相关矩阵；ri表示时域相关系数，为所述的ri的对角线元素集合；vi表示信道转移过程噪声，其协方差矩阵为zi表示所述的ri的过程噪声，是复高斯白噪声,其均值为零，协方差矩阵为

3.2)由此可以构造一个新的状态变量xi＝[rici]^t。则可将上述状态空间模型改写为：

其中，ui为状态转移方程的过程噪声向量，其协方差矩阵为t(xi)是一个非线性的状态转移方程：

根据iekf的原理，利用一阶taylor线性化近似，进行展开：

其中，其中是由第i个符号基系数的后验估计值构成的对角矩阵，ri表示时域相关系数矩阵的后验估计值。

3.3)状态预测方程如下：

其中，pi|i-1表示第i个符号状态变量的先验协方差矩阵，由于在数据符号位置的测量矩阵di无法直接获取，因此可以通过iekf预测得到的先验的基系数ci|i-1，并通过将其转换为先验的信道频域响应矩阵hi|i-1，hi＝fhtoepf^h，矩阵htope由向量hi生成n×n阶对称的toeplitz矩阵。此时，可以通过一次均衡对第i个发送的符号向量si做出预测：

但是由于受到噪声的影响，可能偏离实际发送信号si的星座点，采用软判决反馈进行补偿，使其更接近实际的发送信号；再重新建立测量矩阵di的先验估计值，代入更新方程；

3.4)得到状态变量的后验估计值：

其中，kgain(i)为iekf的增益。随着iekf的状态预测与状态更新的迭代运算，可以得到后验变量估计值xi作为输出；

步骤四：在新的估计点进行一阶taylor近似估计

4.1)进行m次迭代，其中对于第k次迭代(1≤k≤m)，使用levenberg-marquardt优化方法修正的协方差为:

更新第k次迭代：

4.2)当迭代次数达到m次或者两次连续间误差小于设定的最小误差值ε1，停止迭代过程；

当两次之间迭代误差满足

则停止迭代，输出新的估计点，即后验变量估计值xi；

步骤五：输出的iekf后验变量估计值xi将其转化为基向量系数ci，然后通过公式hi＝bci计算得到第i个符号的时域信道冲激响应hi，再通过公式hi＝fhif^h计算频域信道响应矩阵hi。判断是否完成一个子帧的信道估计，如果没有完成则回到步骤一,i＝i+1，否则执行下一个子帧的信道估计，直至完成所有子帧的信道估计。

本发明所公开的卫星vdes系统的信道估计方法首次将iekf信道估计方法引入卫星vdes通信系统。本发明利用bem算法对卫星信道在时域进行拟合，可以有效减少信道估计个数，通过估计bem基系数来估计信道冲激响应，然后应用iekf来追踪快时变信道下的基系数，通过比对前后两次迭代误差，通过设置迭代误差阈值，减少迭代次数，在降低计算复杂度的同时，提高了信道估计的精度。

相比现有信道估计技术，本发明所公开的一种卫星vdes系统的信道估计方法具有以下有益效果：

一、iekf信道估计可以减小噪声误差带来的影响，并且通过设置迭代误差阈值，可以有效减少迭代次数，降低计算复杂度，能有效解决快时变信道条件下信道估计问题，可以跟踪快时变信道变化，提高信道估计精度，保障卫星vdes系统通信质量。

二、使用bem模型拟合卫星信道冲激响应，减小子载波间干扰并降低计算复杂度，提高卫星vdes系统响应速度，及时响应数据请求服务。

附图说明

图1为本发明所公开的卫星vdes系统的信道估计方法的总体流程框图；

图2为本发明所公开的卫星vdes系统的信道估计方法的卫星与陆地、船舶之间进行数据通信的示意图；

图3为本发明公开的卫星vdes系统的信道估计方法的构造块状导频图；

图4为本发明公开的卫星vdes系统的信道估计的迭代信道估计流程图；

图5为本发明公开的卫星vdes系统的信道估计算法的总体细节流程图。

具体实施方式

实施例1

参见图1～2，vdes进行船舶、陆地之间的数据通信时，本实施例提供了一种卫星vdes系统的信道估计方法，该方法包括以下步骤：

步骤一：导频图样的构造，导频的结构如图3所示；

在一个子帧内包含2个时隙，每个时隙包括7个发送符号；

步骤二：基于bem的多载波调制数据传输模型，第i个符号块上n个子载波接收到的频域符号向量yi按照以下公式计算：

yi＝dici+wi

其中，yi＝[yi(0),...,yi(n-1)]^t，式[]^t表示对矩阵进行转置；

ci为i个符号压缩基的基系数向量，第i个数据符号上第l个抽头压缩基的基系数向量其中q表示压缩基向量维度；

di为测量矩阵,有di＝fsib，其中f表示傅里叶变换矩阵，si表示发送第i个符号上n个子载波符号的向量集合，si＝[si(0),...,si(n),...si(n-1)]^t，si(n)表示发送第i个符号上的第n个子载波符号，向量其中，il表示l×l维单位矩阵，表示kronecker积；根据ce-bem模型，基向量有其中k表示第k个采样点，q表示0～q之间的整数；

wi为信道的加性复高斯白噪声；

步骤三：利用iekf进行信道估计

3.1)进行初始化。令i＝1，r1|0＝vec(r1|0)＝vec(iql)。

3.2)iekf的状态空间模型

其中，ri表示相邻两个符号块间的基系数的相关矩阵；ri表示时域相关系数，为所述的ri的对角线元素集合，vi表示信道转移过程噪声，其协方差矩阵为zi表示所述的ri的过程噪声，是复高斯白噪声,其均值为零，协方差矩阵为

3.3)因此构造一个新的状态变量xi＝[rici]^t。则可将上述状态空间模型改写为：

其中，ui为状态转移方程的过程噪声向量，其协方差矩阵为t(xi)是一个非线性的状态转移方程：

根据iekf的原理，利用一阶taylor线性化近似，进行展开

其中，其中是由第i个符号的基系数的后验估计值构成的对角矩阵，ri表示时域相关系数矩阵的后验估计值；

3.4)状态预测方程如下：

其中，pi|i-1表示第i个符号状态变量的先验协方差矩阵。

对接受到符号分以下两种情况：

3.4.1)情况一，如果接受到的符号是导频符号：

符号为导频符号时，由于收发双方已知，则直接使用di作为测量矩阵

3.4.2)情况二，如果接受到的符号是数据符号：

由于在数据符号位置的测量矩阵无法直接获取，因此可以通过预测得到的先验的基系数ci|i-1，通过将其转换为先验的信道频域响应矩阵hi|i-1；hi＝fhtoepf^h，f^h表示n阶傅里叶逆变换，矩阵htope是由向量hi生成的n×n阶对称toeplitz矩阵；此时，可以通过一次均衡对第i个发送的符号向量si做出预测:

但是由于受到噪声的影响，可能偏离实际发送信号si的星座点，采用软判决反馈进行补偿，使其更接近实际的发送信号；再重新建立测量矩阵di的先验估计值，代入更新方程；

3.5)状态变量的后验估计值：

其中，kgain(i)为iekf的增益。随着iekf的状态预测与状态更新的迭代运算，可以得到后验变量估计值xi作为输出；

步骤四：在新的估计点xi进行一阶taylor近似估计

4.1)进行m次迭代，其中对于第k次迭代(1≤k≤m)，使用levenberg-marquardt优化方法修正的协方差为:

μ＝0.1，更新第k次迭代：

4.2)当迭代次数达到m次或者两次连续间误差小于设定的最小误差值ε1＝10^-3，停止迭代过程，否则重复步骤四；

当两次之间迭代误差满足

则停止迭代，输出新的估计点，完成信道估计。迭代信道估计过程如图4所示。

步骤五：输出的iekf后验变量估计值xi将其转化为基向量系数ci，然后通过公式hi＝bci计算得到第i个符号的时域信道冲激响应hi，再通过公式hi＝fhif^h计算频域信道响应矩阵hi。判断是否完成一个子帧的信道估计，如果没有完成则回到步骤一,i＝i+1，否则执行下一个子帧的信道估计，直至完成所有子帧的信道估计。总的流程框图如图5所示。