[发明专利]一种迭代的MIMO-OFDM系统中快时变信道估计方法

摘要

本发明公开了一种迭代的MIMO‑OFDM系统中快时变信道估计方法，主要解决高速移动环境MIMO‑OFDM系统中快时变信道估计精度低和复杂度高的问题。具体为联合卡尔曼滤波和数据检测来估计快速变化的信道，其中卡尔曼滤波来自标准状态空间模型，该模型只包含基函数系数、导频/检测数据和噪声，不涉及AR模型参数，因而避免了对AR模型参数的估计，具有快的收敛速度。为了减少数据检测误差传播的影响，将数据检测误差作为噪声的一部分用于卡尔曼滤波递归迭代中，提高了信道估计的精度。本发明具有高估计精度、低计算复杂度和快收敛速度的优点，适用于高速移动MIMO‑OFDM系统中接收机的设计与实现。

主权项

一种迭代的MIMO‑OFDM系统中快时变信道估计方法，其特征在于，该方法包括以下步骤：步骤1：构建标准状态空间模型，建立只包含基扩展模型系数的状态方程和包含导频/检测信号和噪声的观测方程g_m＝S₁g_m‑1+S₂u_my_m＝S_mg_m+w_m式中，g_m＝[c_m^T,...,c_m‑ρ+1^T]^T，c_m是基函数的系数矩阵，ρ是状态向量的大小，N_t和N_r分别为发送天线和接收天线的数，Q和L分别为基函数的阶数和信道的抽头数，I为单位阵和0为全零矩阵，u_m＝c_m，Γ_m是由数据和导频构成的发送信号矩阵，y_m是接收信号向量，和w_m是噪声向量，S₁是0和1构成的ρN_tN_rQL×ρN_tN_rQL维的状态转移矩阵，其可以表示为步骤2：对步骤1构建的标准状态空间模型采用卡尔曼滤波，其包含时间更新方程和测量更新方程两部分，利用卡尔曼滤波中的时间更新方程，获得基扩展模型系数的估计值和预测误差的协方差矩阵，其分别为${\hat{g}}_{m|m-1}=S_1{\hat{g}}_{m-1|m-1},{\hat{c}}_{m|m-1}={S_2}^H{\hat{g}}_{m|m-1}$$p_{m|m-1}=S_1{p}_{m-1|m-1}{S_1}^H+S_2{C}_{u_m}{S_2}^H$式中，表示在m时刻情况下第m时刻的预测值，p_m|m是在m时刻情况下第m时刻的预测误差协方差值，为u_m的协方差矩阵；${\hat{c}}_m={\[{\hat{c}}_m^{(1,1)T},...,{\hat{c}}_m^{(1,N_t)T},...,{\hat{c}}_m^{(N_r,N_t)T}\]}^T,{\hat{c}}_m^{(r,t)}={\[{\hat{c}}_{0,m}^{(r,t)T},...,{\hat{c}}_{L-1,m}^{(r,t)T}\]}^T,{\hat{c}}_{l,m}^{(r,t)}={\[{\hat{c}}_{1,l,m}^{(r,t)},...,{\hat{c}}_{Q,l,m}^{(r,t)}\]}^T;$步骤3：根据基扩展模型系数与时域信道之间的关系，利用步骤2中估计得到的基扩展模型系数获得信道估计值；步骤4：进行数据检测处理，采用破零均衡方法和信道估计，获得检测信号；步骤5：将数据检测误差作为噪声一部分，计算检测信号误差的协方差矩阵，并利用检测信号和导频符号构建新的发送信号，检测数据误差的协方差矩阵为${\mathrm{\δ}}_{{\mathrm{\ψ}}_m}=I_{N_r}\⊗\frac{1}{N^2}\underset{t=1}{\overset{N_t}{\Σ}}\underset{q_1,q_2=1}{\overset{Q}{\Σ}}{M}_{q_1}{v}_m^{\left(t\right)}{M}_{q_2}^H\underset{l=0}{\overset{L-1}{\Σ}}{\[R_{c_l}^{\left(0\right)}\]}_{q_1,q_2}$式中，是数据检测误差的协方差，N是OFDM符号中子载波的个数，是基函数系数的自相关函数，和M_q为${\[M_q\]}_{k,k^{\′}}=\underset{n=0}{\overset{N-1}{\Σ}}{b}_{n,q}{e}^{\frac{j2\mathrm{\π}(k^{\′}-k)n}{N}},k=0,...,N-1;k^{\′}=0,...,N-1$步骤6：对步骤5获取得检测信号误差的协方差和构建的新发送信号采用卡尔曼滤波的测量更新方程，获取精度较高的基扩展模型系数估计值$K_m=p_{m|m-1}{{\hat{S}}_m}^H{({\hat{S}}_m{p}_{m|m-1}{{\hat{S}}_m}^H+{\mathrm{\δ}}^2)}^{-1}$${\hat{g}}_{m|m}={\hat{g}}_{m|m-1}+K_m(y_m-{\hat{S}}_m{\hat{g}}_{m|m-1})$$p_{m|m}=p_{m|m-1}-K_m{\hat{S}}_m{p}_{m|m-1}$${\hat{c}}_m={S_2}^H{\hat{g}}_{m|m}$式中，K_m为卡尔曼滤波增益，δ²为噪声和数据检测误差的协方差矩阵，其可以表示为${\mathrm{\δ}}_m={\mathrm{\σ}}_w^2{I}_{{\mathrm{NN}}_r}+{\mathrm{\δ}}_{{\mathrm{\ψ}}_m}$式中，为噪声的协方差；步骤7：返回步骤3，进行迭代处理，直至获得高精度的信道估计。