一種基于壓縮感知的時頻聯合信道估計的方法及裝置制造方法
【專利摘要】本發明公開了一種基于壓縮感知的時頻聯合信道估計的方法及裝置。該方法包括步驟：S1.進行當前信號幀的信道沖激響應的初估計，獲得信道沖激響應的粗估計信息；S2.根據信道沖激響應的粗估計信息，進行當前信號幀的OFDM數據塊的循環重構，獲得重構的OFDM數據塊；S3.根據步驟S1獲得的信道沖激響應的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得信道沖激響應的精確估計信息，所述精確的估計信息作為當前信號幀的信道沖激響應的估計結果。本發明的方法能夠提高塊傳輸系統抵抗最大多徑時延長度、信道估計精度以及系統頻譜利用率，在最大多徑時延超過保護間隔的情況下依然具有很好的信道估計性能。
【專利說明】一種基于壓縮感知的時頻聯合信道估計的方法及裝置
【技術領域】
[0001]本發明屬于通信【技術領域】，特別涉及一種基于壓縮感知的時頻聯合信道估計的方法及裝置。
【背景技術】
[0002]對于無線通信中的塊傳輸系統而言，在大的時延擴展信道下，時域數據塊之間存在不可忽略的 IBI (Inter Block Interference,塊間干擾)。米用 OFDM (OrthogonalFrequency Division Multiplexing,正交頻分復用)的塊傳輸系統中，對抗IBI的一種有效方法是在時域OFDM數據塊之間填充GI (Guard Interval，保護間隔)。在信道的最大多徑時延不超過GI長度的情況下，時域OFDM數據塊之間不會產生干擾。
[0003]根據GI填充內容的不同，存在著多種GI填充技術，基于PN (Pseudo-randomNoise,偽隨機噪聲)序列填充的方法是屬于TDS(Time Domain Synchronous,時域同步)-OFDM系統的一個重要特征，PN序列能作為訓練序列完成系統的同步和信道估計，使得TDS-OFDM系統具有很高的頻譜利用效率，該技術已成功應用到中國地面數字電視傳輸DTMB 標準(Digital Television Multimedia Broadcast)中。
[0004]在傳統的單PN的TDS-OFDM系統中，通信系統的信道估計需要通過迭代干擾消除來進行，復雜度較高，估計精度較低，誤差主要來源于多徑幅度的估計。
【發明內容】
[0005](一)要解決的技術問題
[0006]本發明所要解決的技術問題是傳統TDS-OFDM系統的信道估計方法估計精度較低、干擾消除的復雜度較高，在長時延條件下性能顯著下降。
[0007](二)技術方案
[0008]為解決上述問題，本發明提出一種基于壓縮感知的時頻聯合信道估計的方法，該方法包括:
[0009]S1.進行當前信號幀的信道沖激響應的初估計，獲得信道沖激響應的粗估計信息；
[0010]S2.根據信道沖激響應的粗估計信息，進行當前信號幀的OFDM數據塊的循環重構，獲得重構的OFDM數據塊；
[0011 ] S3.根據步驟SI獲得的信道沖激響應的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得信道沖激響應的精確估計信息，所述精確的估計信息作為當前信號幀的信道沖激響應的估計結果。
[0012]其中，在步驟SI中，所述信號幀包括幀頭和幀體，其中，幀頭為訓練序列，長度為M，幀體為時域OFDM數據塊，長度為N，所述訓練序列為頻域偽隨機序列的離散傅立葉逆變換或時域偽隨機序列。
[0013]其中，在步驟SI中，根據接收到的當前信號幀的訓練序列進行信道沖激響應的估計，得到當前信號幀的信道沖激響應的初估計結果。
[0014]其中，在步驟SI中，所述信道沖激響應的估計方法包括:根據接收到的當前信號幀的訓練序列和當前信號幀發送前的訓練序列，采用傅里葉變換域相除法或時域線性卷積法得到信道沖激響應，并保留幅值超過預設值的徑作為初估計結果。
[0015]其中，所述時域OFDM數據塊由長度為N的頻域OFDM數據塊做N點離散傅里葉逆變換獲得，其中，頻域OFDM數據塊的部分子載波上為已知的導頻，其他子載波上為調制后的數據，所述導頻的數量遠小于數據塊的長度。
[0016]其中，所述導頻為橫模序列，所述導頻的平均功率大于、小于或等于數據塊的平均功率，所述導頻隨機放置在數據塊中。
[0017]其中，在步驟S2中，所述OFDM數據塊的循環重構包括:在接收到的OFDM數據塊中減去訓練序列和信道卷積的拖尾，再加上OFDM數據塊和信道卷積的拖尾。
[0018]其中，在步驟S3中，所述壓縮感知的算法包括凸優化算法和貪婪算法；
[0019]所述凸優化算法包括內點法、I階范數最小化算法；
[0020]所述貪婪算法包括壓縮采樣匹配追蹤法、正交匹配追蹤法、稀疏自適應匹配追蹤法。
[0021]其中，所述壓縮感知算法的測量量(Measurements)為接收到的OFDM數據塊中已知位置上的導頻值；測度矩陣(Measurement Matrix)為傅里葉變換矩陣。
[0022]本發明還提出一種基于壓縮感知的時頻聯合信道估計的裝置，其特征在于，該裝置包括:
[0023]當前信號幀的信道沖激響應初估計模塊，用于獲得信道沖激響應的粗估計信息；
[0024]OFDM數據塊的循環重構模塊，用于根據信道沖激響應的粗估計信息，進行OFDM數據塊的循環重構；
[0025]基于壓縮感知的信道沖激響應估計模塊，用于根據獲得的信道沖激響的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得精確的信道沖激響應估計結
果O
[0026](三)有益效果
[0027]相比于現有技術，本發明提供的信道估計方法和裝置，能夠提高信道估計精度、減小干擾消除的復雜度、提高TDS-OFDM系統抵抗最大多徑時延長度、提高系統頻譜利用率以及提高系統抗時變性能。
【專利附圖】
【附圖說明】
[0028]圖1為一種基于壓縮感知的時頻聯合信道估計的方法流程圖；
[0029]圖2為一種改進的單PN的TDS-OFDM系統的幀結構示意圖；
[0030]圖3為重構OFDM數據塊示意圖；
[0031]圖4為實施例1中信道估計方法效果示意圖；
[0032]圖5為實施例1中信道估計方法均方誤差分析圖；
[0033]圖6為一種基于壓縮感知的時頻聯合信道估計的裝置結構圖。
【具體實施方式】[0034]下面結合附圖和實施例，對本發明的【具體實施方式】作進一步詳細描述。以下實施例用于說明本發明，但不用來限制本發明的范圍。
[0035]在信號處理界,壓縮感知(Compressed Sensing)理論被認為是近十年來最大的理論突破。該理論首先由Candes、Romberg、Tao和Donoho等人在2004年提出，Candes證明了只要信號在某一個正交空間具有稀疏性，就能以遠低于采樣的頻率采樣信號，而且可以以高概率重構該信號。這一理論為圖像壓縮、信道估計等帶來了嶄新的研究方法。研究表明，無線信道一般可以用稀疏的多徑信道來建模，天生具有很好的稀疏性，可以很好的應用壓縮感知算法。
[0036]本發明采用的一種改進幀結構和算法，只需要在頻域OFDM數據塊中離散的插入少量的已知導頻，采用壓縮感知算法，結合粗估計獲得的信道時延，能夠獲得非常準確的信道估計。同時，本方法大大提高了系統可抵抗的最大多徑時延，即使多徑時延接近甚至超過保護間隔，仍然也有較精確的信道估計結果。
[0037]如圖1所示，本發明提出一種基于壓縮感知的時頻聯合信道估計的方法，該方法包括:
[0038]S1.進行當前信號幀的信道沖激響應的初估計，獲得信道沖激響應的粗估計信息；
[0039]S2.根據信道沖激響應的粗估計信息，進行當前信號幀的OFDM數據塊的循環重構，獲得重構的OFDM數據塊；
[0040]S3.根據步驟SI獲得的信道沖激響應的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得信道沖激響應的精確估計信息，所述精確的估計信息作為當前信號幀的信道沖激響應的估計結果。
[0041]其中，在步驟SI中，所述信號幀包括幀頭和幀體，其中，幀頭為訓練序列，長度為M，幀體為時域OFDM數據塊，長度為N，所述訓練序列為頻域偽隨機序列的離散傅立葉逆變換或時域偽隨機序列。
[0042]其中，在步驟SI中，根據接收到的當前信號幀的訓練序列進行信道沖激響應的估計，得到當前信號幀的信道沖激響應的初估計結果。
[0043]其中，在步驟SI中，所述信道沖激響應的估計方法包括:根據接收到的當前信號幀的訓練序列和當前信號幀發送前的訓練序列，采用傅里葉變換域相除法或時域線性卷積法得到信道沖激響應，并保留幅值超過預設值的徑作為初估計結果。
[0044]其中，所述時域OFDM數據塊由長度為N的頻域OFDM數據塊做N點離散傅里葉逆變換獲得，其中，頻域OFDM數據塊的部分子載波上為已知的導頻，其他子載波上為調制后的數據，所述導頻的數量遠小于數據塊的長度。
[0045]其中，所述導頻為橫模序列，所述導頻的平均功率大于、小于或等于數據塊的平均功率，所述導頻隨機放置在數據塊中。
[0046]其中，在步驟S2中，所述OFDM數據塊的循環重構包括:在接收到的OFDM數據塊中減去訓練序列和信道卷積的拖尾，再加上OFDM數據塊和信道卷積的拖尾。
[0047]其中，在步驟S3中，所述壓縮感知的算法包括凸優化算法和貪婪算法；
[0048]所述凸優化算法包括內點法、I階范數最小化算法；
[0049]所述貪婪算法包括壓縮采樣匹配追蹤法、正交匹配追蹤法、稀疏自適應匹配追蹤法。
[0050]其中，所述壓縮感知算法的測量量(Measurements)為接收到的OFDM數據塊中已知位置上的導頻值；測度矩陣(Measurement Matrix)為傅里葉變換矩陣。
[0051]實施例1
[0052]本實施例具體公開一種應用于改進的單PN的TDS-OFDM系統的基于壓縮感知的時頻聯合信道估計的方法，該方法包括:
[0053]S1.進行當前信號幀的信道沖激響應的初估計，獲得信道沖激響應的粗估計信息；
[0054]其中，所述信號幀包括幀頭和幀體，如圖2所示，其中，幀頭為一段訓練序列，長度為M，本實施例中M=255，所述訓練序列用表示，幀體為時域OFDM數據塊，長度為
N，本實施例中N=3780，所述訓練序列為頻域偽隨機PN序列的離散傅立葉逆變換。
[0055]其中，所述時域OFDM數據塊由長度為N的頻域OFDM數據塊做N點離散傅里葉逆變換獲得，其中，頻域OFDM數據塊的部分子載波上為已知的導頻，其他子載波上為調制后的數據，所述導頻的數量遠小于數據塊的長度，本實施例中已知的導頻的數量L=36，所述導頻隨機插入OFDM數據塊的頻域子載波上，其中，第k個導頻的值記為P (k)，位置記為T (k)，k e [O, L-1]。導頻的功率為數據塊平均功率的2倍。
[0056]其中，根據接收到的當前信號幀的訓練序列進行信道沖激響應的估計，得到當前信號幀的信道沖激響應的初估計結果。
[0057]其中，所述信道沖激響應的估計方法包括:根據接收到的當前信號幀的訓練序列和當前信號幀發送前的訓練序列，采用傅里葉變換域相除法或時域線性卷積法得到信道沖激響應，并保留幅值超過預設值的徑作為初估計結果。
[0058]本實施例中，信道沖激響應的估計方法為:根據接收到的當前信號幀的訓練序列{c(n)Cl0和當前信號幀發送前的訓練序列忙丨;S，采用傅里葉變換域相除法得到信道沖激響應，并保留幅值超過預設值的徑作為初估計結果。
【權利要求】
1.一種基于壓縮感知的時頻聯合信道估計的方法，其特征在于，該方法包括: 51.進行當前信號幀的信道沖激響應的初估計，獲得信道沖激響應的粗估計信息； 52.根據信道沖激響應的粗估計信息，進行當前信號幀的OFDM數據塊的循環重構，獲得重構的OFDM數據塊； 53.根據步驟SI獲得的信道沖激響應的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得信道沖激響應的精確估計信息，所述精確的估計信息作為當前信號幀的信道沖激響應的估計結果。
2.根據權利要求1所述的方法，其特征在于，在步驟SI中，所述信號幀包括幀頭和幀體，其中，巾貞頭為訓練序列，長度為M,巾貞體為時域OFDM數據塊,長度為N,所述訓練序列為頻域偽隨機序列的離散傅立葉逆變換或時域偽隨機序列。
3.根據權利要求2所述的方法，其特征在于，在步驟SI中，根據接收到的當前信號幀的訓練序列進行信道沖激響應的估計，得到當前信號幀的信道沖激響應的初估計結果。
4.根據權利要求3所述的方法，其特征在于，在步驟SI中，所述信道沖激響應的估計方法包括:根據接收到的當前信號幀的訓練序列和當前信號幀發送前的訓練序列，采用傅里葉變換域相除法或時域線性卷積法得到信道沖激響應，并保留幅值超過預設值的徑作為初估計結果。
5.根據權利要求2所述的方法，其特征在于，所述時域OFDM數據塊由長度為N的頻域OFDM數據塊做N點離散傅里葉逆變換獲得，其中，頻域OFDM數據塊的部分子載波上為已知的導頻，其他子載波上為調制后的數據，所述導頻的數量遠小于數據塊的長度。
6.根據權利要求5所述的方法，其特征在于，所述導頻為橫模序列，所述導頻的平均功率大于、小于或等于數據塊的平均功率，所述導頻隨機放置在數據塊中。
7.根據權利要求1所述的方法，其特征在于，在步驟S2中，所述OFDM數據塊的循環重構包括:在接收到的OFDM數據塊中減去訓練序列和信道卷積的拖尾，再加上OFDM數據塊和信道卷積的拖尾。
8.根據權利要求1所述的方法，其特征在于，在步驟S3中，所述壓縮感知的算法包括凸優化算法和貪婪算法； 所述凸優化算法包括內點法、I階范數最小化算法； 所述貪婪算法包括壓縮采樣匹配追蹤法、正交匹配追蹤法、稀疏自適應匹配追蹤法。
9.根據權利要求8所述的方法，所述壓縮感知算法的測量量為接收到的OFDM數據塊中已知位置上的導頻值；測度矩陣為傅里葉變換矩陣。
10.一種基于壓縮感知的時頻聯合信道估計的裝置，其特征在于，該裝置包括: 當前信號幀的信道沖激響應初估計模塊，用于獲得信道沖激響應的粗估計信息； OFDM數據塊的循環重構模塊，用于根據信道沖激響應的粗估計信息，進行OFDM數據塊的循環重構； 基于壓縮感知的信道沖激響應估計模塊，用于根據獲得的信道沖激響的粗估計信息，利用重構的OFDM數據塊中的導頻信息進行壓縮感知，獲得精確的信道沖激響應估計結果。
【文檔編號】H04L25/02GK103731380SQ201410003290
【公開日】2014年4月16日 申請日期:2014年1月3日 優先權日:2014年1月3日
【發明者】楊昉, 丁文伯, 宋健, 潘長勇 申請人:清華大學