基于卡尔曼滤波的参数模型信道估计方法与流程

文档序号:11524089阅读:1420来源:国知局

技术领域:

本发明涉及无线通信领域,尤其涉及一种基于卡尔曼滤波的参数模型信道估计方法。



背景技术:

无线通信系统的性能很大程度上受到无线信道的影响,如阴影衰落和频率选择性衰落等等,使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见,而是具有很大的随机性,这就对接收机的设计提出了很大的挑战。在ofdm系统的相干检测中需要对信道进行估计,信道估计的精度将直接影响整个系统的性能,为了能在接收端准确的恢复发射端的发送信号,人们采用各种措施来抵抗多径效应对传输信号的影响,信道估计技术的实现需要知道无线信道的信息,如信道的阶数、多普勒频移和多径时延或者信道的冲激响应等参数,就需要在接收信息时,对信道的参数进行估计。因此,信道参数估计是实现无线通信系统的一项关键技术。典型的信道估计方法有最小二乘法(ls)、最小均方误差(mmse)和最大似然法(ml)等。ls算法复杂度低,但是ls估计未考虑信道噪声,估计的准确性不高,进而影响数据子信道的参数估计;mmse需要的统计参数,如果信道统计特性信息是理想的,那么估计出来的性能非常的理想,但其计算复杂度非常高;最大似然法计算复杂度更高。

基于参数模型的信道估计方法,其目的是估计表征信道响应的参数,例如,路径的数目,路径延迟和路径增益。基于参数模型的信道估计可以大大降低信道相关矩阵的维数,且当未知参数数量比信道相关矩阵维度少时,基于参数模型的信道估计方法能够提高信道估计性能。当未知参数数量比信道相关矩阵维度少时,虽然基于参数模型的信道估计方法能显着提高信道估计性能,但基于参数模型的信道估计方法缺点也很明显。首先,在到达路径的数量非常小的郊区,基于参数模型的信道估计方法利用子空间的信号处理技术能够直接估计未知参数,然而,现在大多数的通信发生在城市地区,这限制了使用基于参数模型的信道估计方法。其次,基于参数模型的信道估计方法,利用信号处理技术要求的空间相关矩阵是平均在一个较长的符号序列,这使得基于参数模型的信道估计方法只适用于连续传输,如数字广播,很少用于突发通信系统,如无线局域网。

卡尔曼滤波一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。状态估计是卡尔曼滤波的重要组成部分。一般来说,根据观测数据对随机量进行定量推断就是估计问题,特别是对动态行为的状态估计,它能实现实时运行状态的估计和预测功能。状态估计对于了解和控制一个系统具有重要意义,所应用的方法属于统计学中的估计理论。最常用的是最小二乘估计,线性最小方差估计、最小方差估计、递推最小二乘估计等。

综上,对于现在已经出现的信道估计方法,它们的计算方法存在复杂度高,估计精度低,反应时间长等问题,这就亟需本领域技术人员解决相应的技术问题。



技术实现要素:

本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于卡尔曼滤波的参数模型信道估计方法。

为了实现本发明的上述目的,本发明提供了一种基于卡尔曼滤波的参数模型信道估计方法,其特征在于,包括:

s1,根据jacks信道模型,建立信道多径增益的自回归过程。

s2,构造卡尔曼滤波器对信道多径增益进行最小均方误差估计。

s3,通过傅里叶变换将其还原成为信道频域响应。

所述的基于卡尔曼滤波的参数模型信道估计方法,其特征在于,所述s1包括:

在一个lte系统中,考虑每一个子帧有n个子载波,则无线信道的冲激响应建模为:

其中,l为总的信道多径数,l表示第l条路径,αl(t)表示第l条路径的信道增益,τl表示第l条路径的时延;假定采样间隔为ts,则在第i个符号时间内,系统的采样值是一个时域长度为n个点的序列,将第i个符号时间内的信道冲激响应离散化后,有

其中,αi,l表示第l条路径第i个符号时间内的平均信道增益;n表示序列中的第n个采样点,nl满足nl=[τl/ts],[·]表示取整操作,由此可以得到信道多径增益向量αi,有

αi=[αi,0,...,αi,l,...,αi,l-1]t

根据jacks信道模型,建立信道多径增益的自回归过程;前后符号时间内的信道增益满足如下关系:

αi=ri|i-1αi-1+vi

其中,vi表示过程噪声,其协方差矩阵为qv,i,为一个对角矩阵,表示第i-1个符号与第i个符号的时域相关系数,根据jacks模型,有

ri|i-1=diag[ri|i-1(0),...,ri|i-1(l),...,ri|i-1(l-1)]

ri|i-1(l)=j0(2πfdts(n-nl))

其中,j0(·)表示零阶贝塞尔函数,fd表示最大多普勒频移。

所述的基于参数模型的信道估计方法,其特征在于,所述s2包括:

构造卡尔曼滤波器对信道多径增益进行最小均方误差估计,得到系统的观测方程为:

yi=xihi+wi=xiflαi+wi

其中,yi表示接收符号向量,xi表示发送符号的对角矩阵,hi表示频域响应向量,表示傅里叶变换矩阵,wi为系统中的加性高斯白噪声,其协方差矩阵为qw,i。

令si=xifl,由此可以构造卡尔曼滤波器进行信道估计,卡尔曼滤波器的状态空间模型为:

可以得到其时间更新方程与测量更新方程如下:

时间更新方程:

αi|i-1=ri|i-1αi-1

测量更新方程:

αi=αi|i-1+ki(yi-siαi|i-1)

pi=pi|i-1-kisipi|i-1

其中pi|i-1为状态变量的协方差矩阵,ki为卡尔曼滤波器的增益。

所述的基于卡尔曼滤波的参数模型信道估计方法,其特征在于,所述s3包括:

通过傅里叶变换,根据信道的时域冲激响应,得到其频域响应向量hi:

hi=flαi。

综上所述,由于采用了上述技术方案,本发明的有益效果是:

本发明通过基于卡尔曼滤波的参数模型估计,能够有效地利用jacks模型来假设信道时域相关性,简化卡尔曼滤波器的结构,并且能够通过卡尔曼滤波器估计状态变量最小均方误差,实现降低信道估计器复杂度的同时提升信道估计的精度。

本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:

图1是本发明总体流程图。

具体实施方式

下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。

在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。

在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。

本发明提出了一种基于卡尔曼滤波的参数模型信道估计方法,有效地利用jacks模型对于信道时域相关性的假设,简化卡尔曼滤波器的结构,得到状态变量最小均方误差估计结果,可降低信道估计器复杂度,同时提升信道估计的精度。

结合附图1对本发明进行详细说明,主要包括以下步骤:

步骤1:开始。

步骤2:接收到符号,开始信道估计。

在一个lte系统中,考虑每一个子帧有n个子载波,则多径信道上的冲激响应为:

yi=xihi+wi

其中,i表示第i个符号时间,yi为接收符号向量,xi为发送符号的对角矩阵,假设所有子载波是正交的,即没有子载波间干扰,那么可以将n个子载波发送符号表示成矩阵形式:

其中xi[n]表示第i个符号时间内第n个子载波上的信号,n=0,1,…,n-1,hi为频域响应向量,表示傅里叶变换矩阵,wi为系统中的加性高斯白噪声,其协方差矩阵为qw,i;令表示对信道hi的估计,则可得ls信道估计结果:

步骤3:提取导频子载波。

令导频处子载波为np,则在导频符号处的导频符号表示为xi[np]。

步骤4:首先获得发送符号xi的矩阵,然后根据jacks模型建立信道多径增益的自回归过程,再构造卡尔曼滤波器对信道多径增益进行最小均方误差估计,最后使用卡尔曼滤波器进行时域插值,估计信道增益向量αi。具体实施过程如下:

(1)在导频符号处直接获得导频符号xi[np],在数据符号位置采用判决反馈的方法获取xi[k],k≠np;通过xi=yi·pinv(flαi|i-1),pinv(·)表示求广义逆矩阵操作,根据获得的xi可以得到αi|i-1。

(2)根据jacks信道模型,建立信道多径增益的自回归过程,前后符号时间内的信道增益满足如下关系:

αi=ri|i-1αi-1+vi

其中,vi表示过程噪声,其协方差矩阵为qv,i,为一个对角矩阵,表示第i-1个符号与第i个符号的时域相关系数,根据jacks模型,有

ri|i-1=diag[ri|i-1(0),...,ri|i-1(l),...,ri|i-1(l-1)]

ri|i-1(l)=j0(2πfdts(n-nl))

其中,j0(·)表示零阶贝塞尔函数,fd表示最大多普勒频移。

(3)构造卡尔曼滤波器对信道多径增益进行最小均方误差估计,得到系统的观测方程为:

yi=xihi+wi=xiflαi+wi

其中,表示傅里叶变换矩阵。

令si=xifl,由此可以构造卡尔曼滤波器进行信道估计,卡尔曼滤波器的状态空间模型为:

可以得到其时间更新方程与测量更新方程如下:

时间更新方程:

αi|i-1=ri|i-1αi-1

测量更新方程:

αi=αi|i-1+ki(yi-siαi|i-1)

pi=pi|i-1-kisipi|i-1

其中pi|i-1为状态变量的协方差矩阵,ki为卡尔曼滤波器的增益。

(4)使用卡尔曼滤波器进行时域插值,估计信道增益向量αi。

步骤5:通过增益向量αi,由hi=flαi还原出导频子载波上的信道频域响应;重复步骤4和步骤5i次,直至获得一个子帧符号上的信道响应。

步骤6:在频域上采用线性插值,进而获得完整的一个子帧的信道响应矩阵。

步骤7:结束。

在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。

当前第1页1 2 
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