[发明专利]一种基于SVD分解算法的CCFD系统自干扰信道估计方法和装置

说明书

技术领域

本发明涉及数字自干扰抑制技术中的干扰信道估计技术，特别涉及一种基于SVD分解算法的CCFD系统自干扰信道估计方法和装置。

背景技术

日益稀缺的频谱资源是制约现代无线通信发展的瓶颈。传统通信系统的双工方式分为时分双工(TDD)与频分双工(FDD)，分别在不同时隙和不同频率传输上下行数据。同时同频全双工(CCFD)系统，能够在同频率、同时刻传输上下行数据，获得了更高的系统容量及频谱利用率，成为近年来无线通信研究的热点之一。

CCFD系统中，本地发射信号会对本地接收信号产生的干扰，由于收发天线的位置关系，自干扰信号功率总是远大于期望接收信号功率。针对大功率的自干扰信号，已有的自干扰抑制方法包括：数字自干扰抑制、模拟自干扰抑制和天线自干扰抑制。干扰信道估计技术是影响数字自干扰抑制技术的关键因素。在发射端，近、远端信号导引采用正交导引符号设计，包括频分复用和时分复用两种方案，因此进行自干扰信道估计不会受到远端期望信号的影响。CCFD系统中常见的信道估计算法主要包括以下三类：

（1）LS(LeastSquares)算法：LS信道估计应用误差的平方和最小这一准则来对信道的冲激响应进行估计，是最简单的信道估计，LS信道估计值由H_LS=X^-1Y表示，X为设计的导引向量，(·)^-1表示矩阵的逆，Y为接收的导引向量。

（2）LMMSE(Linear Minimum Mean Square Error)算法：LMMSE算法是对LS算法的改进，该算法是以最小化均方误差为准则的线性信道估计，其本质是利用信道的自相关矩阵修正LS信道估计以抑制噪声，是线性最优的信道估计方法，其信道估计值由H_LMMSE=R_H(R_H+N₀I)^-1H_LS表示，R_H=E{HH^H}表示信道自相关矩阵，N₀表示噪声功率，I为单位矩阵。在CCFD系统中，近端干扰天线与接收天线相对静止，信道多径特征变化相对较慢，可通过时间平均技术获取R_H的估值。

（3）DFT-based算法：DFT-based信道估计基于LS信道估计技术，利用时域信道能量集中的特点实现降噪。DFT-based信道估计将LS信道估计值通过IDFT变换到时域，再进行时域加窗实现降噪，完成加窗降噪后，再通过DFT变换至频域。其信道估计由表示H_DFT-based=FDF^HH_LS，F表示DFT变换矩阵，(·)^H表示矩阵的共轭转置，D=Im000]]>表示加窗矩阵，I_m表示m阶单位矩阵。

分析上面三种类型，分别具有以下特点：LS算法具有实现简单的优点，但不具备噪声消除能力，在低信噪比时性能较差；线性最优的LMMSE算法具有最佳的噪声消除效果，然而其计算复杂度过高，不适用于具有高计算负荷CCFD接收机。传统的DFT-based技术采用固定窗长的滤波矩阵，造成了噪声滤除不充分，或高信噪比条件下信号能量损失较大的问题。

为解决以上问题，本发明提出了一种基于SVD分解(SVD-based)的信道估计方案，该方案将DFT-Based方法视作一个加权过程，对权值矩阵分块后进行SVD分解（奇异值分解），利用信道能量的集中性得到SVD-based方法的干扰信道估计值。当窗长相等时，SVD-based方法与DFT-based方法具有相似的滤除噪声干扰能力，但SVD-based可收集更多的信道能量，从而达到更好的估计精度。其所需数据存储量略大于DFT-based方法，而其计算量相对DFT-based方法增加较少。

发明内容