基于叠加训练序列快速信道辨识方法 fast channel estimation using superimposed training.pdfVIP

第12卷第2期 电路与系统学报 、，ol-12．No．2 CⅡl℃UITSAND 2007年4月 JOURNALOF SYSTEMS April，2007 文章编号：1007·0249(2007)02一0084-05 基于叠加训练序列快速信道辨识方法★ 齐祥明1’2， 许道峰1， 杨绿溪1 (1．东南大学无线电系DsP实验室，江苏南京2l0096；2．安庆职业技术学院，安徽安庆246003) 摘要。信道状态信息(csI)对于无线通信来说至关重要，而叠加训练序列的信道估计方法由于不占用额外的信 号带宽和具有较高的估计精度而受到人们的注意。本文从算法的复杂度入手，分析了不同的训练序列对算法复杂度的 表明，这种算法不需要矩阵求逆、计算量小，估计精度高，有很大的实际应用前景。 关键词t叠加训练序列；一阶统计量；循环Toeplitz 中圈分类号tTN911．5文献标识码·A 1 引言 在无线数字通信系统中，信道通常具有频率选择性，而在接收端一般利用相干解调加判决来得到 源信号的估计。因此接收端得到可靠的信道信息是至关重要的。常用的信道估计方法有基于训练序列 的方法、盲估计方法和所谓半盲方法。基于训练序列的方法通过在发送端发送接收端已知的数据然后 利用最小二乘方法对信道进行估计，它能够利用较少的训练序列而得到较为精确的信道估计值，但是 要占用一定的带宽，这一点在快时变信道跟踪时显得尤为致命。盲信道估计无需训练序列，仅利用发 送数据的统计信息进行信道估计，其经典方法包括基于高阶统计量(HOS)的方法…和基于过采样的 端数据的循环平稳性，并形成信号子空间和噪声子空间来达到对信道的估计，其抗噪声的性能较强， 算法的收敛速度也较HOS有很大的提高。但是盲方法的明显不足就是收敛速度慢并且存在相位模糊 性。于是又有学者提出了半盲方法，这种方法就是基于训练序列的方法与盲估计方法的有机结合。这 种方法兼具前两种方法的长处，故在收敛速度和估计精度上均有很大程度的提高。 最近，有学者提出隐训练序列的方法[3~6J，这种方法将用户信息序列与周期训练序列进行叠加， 然后再发送。在接收端，利用训练序列的周期性，构造一阶统计量对信道信息进行估计。这种方法无 需为训练序列分配时隙，因此不会带来带宽的损失；基于一阶统计量，估计的收敛速度明显提高。而 其所需的代价就是发送信号的能量有所增加。 本文在隐训练序列信道估计方法的基础之上，分析了不同隐训练序列对信道估计速度的影响，同 时对一特殊情形(叠加序列为PN序列时)，提出了一种快速的计算信道估计值的算法。本文的安排如 下：第2节介绍系统模型；第3节介绍PN序列的形成；第4节分析了快速估计算法；第5节给出了 计算机仿真的结果；第6节给出了本文的结论。 2 系统模型 叠加的训练序列c(以)构成，即工(，z)=s(，z)+c(n)。则系统的输出为： 工一l 工一1 (1) y(刀)=厅(忍)木x(玎)+¨《甩)=乏：s(万一豇)而(七)+芝：c(，z一七)矗(露)+w(，1) 七=0 七=0 ’收藕日期·2005一05-18修订日期：2005—08-18 万方数据 第2期 查堂塑篁：茎量墨垫型箜壁型堡望堕望塑望查鲨———』旦 其中：“聆)是接收信号所叠加的噪声；三是信道的阶数。 当假设：A1)接收端的噪声为加性白色噪声(AWN)： A2)用户信息序列具有零均值； 成立时， E【J，(以)】=∑c0一七)而(露) (2) 取观测数据窗口的长度为Ⅳ，观测矢量的期望有如下表达式：