基于GAMP算法的相位噪聲補償抑制方法與流程

本發明屬于無線通信技術領域，涉及基于gamp算法的相位噪聲補償抑制方法。

背景技術：

無線通信發展到如今，已經進入了新的紀元。伴隨著移動多媒體應用的爆炸式發展，標志著通信對人們生活產生了巨大影響，其重要性不言而喻。當前大家普遍使用的通信技術如802.11n標準與超寬帶(ultrawideband，uwb)雖然能夠實現最高達到300m/s的數據傳輸,但已經不能夠滿足人們對更高速率實時傳輸的需求，并且較低的無線通信頻段已經擁擠不堪，為此，新一代高速高頻段無線傳輸技術相繼被大家研究。

長期以來，60ghz無線通信技術憑借其具有巨大的免許可連續帶寬，使其可以實現吉比特級的高速數據傳輸速率，同時，伴隨著其傳輸功率沒有嚴格要求，導致60ghz相關技術被大家爭相研究，儼然通信領域的明星，更有可能成為未來無線通信技術中最主要的技術之一。世界上眾多國家相續開放60ghz附近連續5ghz-7ghz的免許可使用頻域資源以供大家研究與開發。例如，美國率先劃分了57-64ghz頻段，加拿大、日本、歐洲和澳大利亞也緊接著劃分了自己本國的60ghz免許可使用頻段。隨著世界各國對60ghz技術的日趨重視，開放了60ghz頻段，掀起了世界各大科技公司以及相應研究機構對60ghz技術研究的浪潮。

60ghz通信系統的信號傳輸過程中，除了經歷了信道的衰落以外，還要受到射頻器件非線性因素的影響，這兩個因素使在接收端系統的性能降低。60ghz毫米波無線通信系統中射頻前端的非理想部分主要包括相位噪聲，iq幅度相位不平衡，功率放大器非線性失真等，相位噪聲，實際上是對頻率源頻率穩定度的一種表征。通常情況下，頻率穩定度分為長期頻率穩定度和短期頻率穩定度。所謂短期頻率穩定度，是指由隨機噪聲引起的相位起伏或頻率起伏。至于因為溫度、老化等引起的頻率慢漂移，則稱之為長期頻率穩定度。通常主要考慮的是短期穩定度問題，可以認為相位噪聲就是短期頻率穩定度，只不過是一個物理現象的兩種不同表示方式。對于振蕩器，頻率穩定度是它在整個規定的時間范圍內產生相同頻率的一種量度。如果信號頻率存在瞬時的變化，不能保持不變，那么信號源就存在著不穩定性，起因就是相位噪聲。

在通信系統中，發送端與接收端都需要產生相應的載波以完成相應的射頻與基帶間的頻譜轉換。然而產生載波的晶體振蕩器與鎖相環存在一定的差異性，造成了載波頻率與目標頻率存在短時的隨機差異，進而造成所產生的正弦波信號發生隨機相位跳變，表現為相位噪聲。對于正交頻分復用(orthogonalfrequencydivisionmultiplex，ofdm)通信系統相位噪聲會產生公共相位誤差(commonphaseerror，cpe)和載波間干擾(intercarrierinterference，ici)；而單載波頻域均衡(singlecarrierwithfrequencydomainequalization，sc-fed)系統相位噪聲會產生公共相位誤差cpe以及碼間干擾(intersymbolinterference，isi)。

技術實現要素：

本發明的目的在于提供一種基于單載波頻域均衡的相位噪聲補償抑制改進方法,提高信號傳輸的可靠性，降低誤碼率。

本發明采用了通用近似消息傳遞(generalapproximatemessagepassing，gamp)算法，gamp算法是一種求解最大后驗分布的算法，通過不斷地迭代，得到樣本已知的條件下的隱藏變量的均值與方差。

為了便于本領域內技術人員對本發明技術方案的理解，首先對本發明采用的系統模型進行說明。

r＝phs+n

其中r＝[r1,r2,…,rn]^t是接收信號采樣，為相位噪聲矩陣，h是n×n的輪換toeplitz矩陣，第1列為h＝[h1,h2,…,hl,01×(n-l)]^t，s是發送符號序列，n是高斯白噪聲。由于相位噪聲的值很小，我們利用近似e^x≈1+x，將上式改寫為

r＝(1+jθ)hs+n

其中θ＝diag{[φ1,φ2,…,φn]^t}，對上式作進一步變換得到：

r-hs＝diag{jhs}θ+n

r-hs記作觀測向量y，θ＝vx，diag{jhs}v記作測量矩陣a，x是相互獨立的零均值高斯隨機序列，方差為n為高斯白噪聲序列，方差為β^-1＝σ²。變形化簡后的系統模型為y＝ax+n。此外，記z＝ax。

本發明通過如下步驟實現：

s1、由發送符號序列s的初始值，得到相位噪聲p的初始判決，即pi≈ri/gii，其中gii為g＝diag{hs}的第i個對角元素；

s2、由相位噪聲的初始值p，可以進一步得到獨立的高斯隨機序列x的初始值。

s3、我們通過以下的步驟來實現gamp算法的迭代：

s31、計算z的先驗分布：

其中，和分別表示向量z的第m個元素的先驗分布的方差和均值，ami表示測量矩陣a的第(m,i)個元素，和表示高斯隨機序列x的第i個元素的后驗分布的方差和均值。

s32、計算z的后驗分布和中間變量的分布：

其中，和分別表示向量z的第m個元素的后驗分布的方差和均值，β^-1＝σ²表示高斯白噪聲的功率，ym是觀測向量y的第m個元素，和分別表示中間變量的均值和方差。

s33、計算y的先驗分布：

其中和分別表示y的第i個元素的先驗分布的方差和均值。

s34、計算x的后驗分布：

其中ri表示y的第i個元素的觀測值。

s35、循環步驟s31—s34，在已知y的觀測值的條件下隱藏向量x的后驗分布的均值和方差將收斂于一個穩定的值。

s4、根據最大后驗準則，我們將向量x的后驗分布的均值作為x的估計值，再利用θ＝vx把相位噪聲恢復出來；

s5、在接收信號上對相位噪聲進行補償和頻域均衡，進而對發送信號進行解調，得到一個更加準確的發送的符號數據s的估計值，從而再次利用gamp算法，如此循環，能夠逐步得到更加準確的發送符號數據的估計

本發明的有益效果為，在高階調制方式下，信號星座圖上的點將變得更加密集，而相位噪聲的存在將造成星座圖的旋轉，給信號解調造成障礙，本發明的方法實現能夠實現對相位噪聲更加精確的估計，相位噪聲補償，提高系統的可靠性，減小誤碼率。

附圖說明

圖1是本發明使用的相位噪聲影響下的單載波頻域均衡系統示意圖；

圖2是本發明使用的基于序列相關的信道估計示意圖；

圖3是本發明實現相位噪聲估計補償抑制的流程圖；

圖4是16qam調制下兩種相位噪聲補償算法系統性能ber曲線對比圖；

圖5是64qam調制下兩種相位噪聲補償算法系統性能ber曲線對比圖。

具體實施方式

下面結合附圖對本發明進行詳細的描述

特殊字(uw，uniqueword)。為了在接收端進行同步或參數估計等，在發送端發送的具有某些特定特性的、對接收端已知的特殊序列。

s1、利用已知的los信道h，假定信道是完美估計的，對應于uw中的第k個符號的接收信號為真實的接收信號為相位噪聲可以按照式估計出來。

我們假定第i個數據塊上的相位噪聲是恒定的，粗略地估計為從而估計出的相位噪聲矩陣為其中1n×1表示長度為n的全1向量。接下來，我們用來補償r中的相位噪聲效應，得到和傳統的沒有相位噪聲的單載波頻域均衡系統類似，對r′進行頻域均衡其中f表示大小為n×n的fft矩陣，e表示對角均衡矩陣；最后，我們解調出的第k個元素得到判決符號從而得到第i個數據塊的初始判決

s2、由發送符號序列的初始值，得到相位噪聲的初始判決，即pi≈ri/gii，其中gii為g＝diag{hs}的第i個對角元素；

s3、由相位噪聲的初始值p，可以進一步得到獨立的高斯隨機序列x的初始值。

s4、我們通過以下的步驟來實現gamp算法的迭代：

s41、計算z的先驗分布：

其中，和分別表示向量z的第m個元素的先驗分布的方差和均值，ami表示測量矩陣a的第(m,i)個元素，和表示高斯隨機序列x的第i個元素的后驗分布的方差和均值。

s42、計算z的后驗分布和中間變量的分布：

其中，和分別表示向量z的第m個元素的后驗分布的方差和均值，β^-1＝σ²表示高斯白噪聲的功率，ym是觀測向量y的第m個元素，和分別表示中間變量的均值和方差。

s43、計算y的先驗分布：

其中和分別表示y的第i個元素的先驗分布的方差和均值。

s44、計算x的后驗分布：

其中ri表示y的第i個元素的觀測值。

s45、循環步驟s31—s34，在已知y的觀測值的條件下隱藏向量x的后驗分布的均值和方差將收斂于一個穩定的值。

s5、根據最大后驗準則，我們將向量x的后驗分布的均值作為x的估計值，再利用θ＝vx把相位噪聲恢復出來；

s6、在接收信號上對相位噪聲進行補償和頻域均衡，進而對發送信號進行解調，得到一個更加準確的發送的符號數據s的估計值，從而再次利用gamp算法，如此循環，能夠逐步得到更加準確的發送符號數據的估計。

圖4和圖5僅考慮los信道條件，16qam和64qam調制方式，對于16qam調制方式，取1mhz頻率偏移下的相位噪聲水平為-86dbc/hz，對于64qam調制方式，取取1mhz頻率偏移下的相位噪聲水平為-92dbc/hz。

現將16qam和64qam兩種調制方式下的基于分塊的相位噪聲抑制算法和基于gamp的相位噪聲抑制算法效果進行對比，gamp算法迭代次數分別是1次迭代和2次，從圖中可以看出，分塊迭代算法和gamp算法對相位噪聲能夠實現較好的估計和抑制。在16qam調制方式下，gamp算法和分塊算法相比的優勢不大，但在更高階的64qam調制方式下，信號星座圖上的點將變得更加密集，而相位噪聲的存在將造成星座圖的旋轉，給信號解調造成障礙，此時gamp算法能夠實現對相位噪聲更加精確的估計，優勢更加明顯。利用gamp算法可以很大程度上消除相位噪聲的不利影響，實現更好的系統性能。