[发明专利]基于多模型加权软切换的信道自适应估计方法

摘要

本发明属于无线电通信领域，公开了一种基于多模型加权软切换的信道自适应估计方法。首先建立信道系统模型，选择时频双选信道，确定信道参数。然后基于信道模型和估计方法建立信道估计子模型和多模型信道估计库，分析并计算信道估计模型的模型误差和估计误差。最后根据模型误差和估计误差结合的切换指标，通过LUMV的加权多模型自适应估计算法来完成模型的切换。本发明提出了在传输信道模型不确定条件下，结合信道模型和估计方法，将多模型自适应控制理论中的多模型思想引入到信道估计中，并且采用一种线性误差最小方差的加权多模型自适应估计方法来完成切换，使信道估计方法在复杂信道范围内具有高鲁棒性和精确性。

主权项

一种基于多模型加权软切换的信道自适应估计方法，其特征在于包括以下步骤：步骤1，建立信道系统模型；采用时频双选信道；用h(t；τ)表示(t‑τ)时刻的发送符号对t时刻接收符号产生的影响系数，τ为时延，假设发送序列和接受序列的抽样间隔均为Ts，用替代τ；数据块传输系统的发送符号为u(i)，在u(i)中取N个连续符号构成第k个数据块uk，1≤N≤200，k≥1；假设信道为瑞利信道，信道的路径最大时延及最大多普勒频移为τmax和fmax，满足2τmaxfmax＜1，且其信道状态在一个传输数据块的范围上是缓慢变化的；则数据块uk上的信道hk(n；l)用基扩展模型表示如下：hk(n;l)=Σq=0QCk,q(l)fq(n),l∈[0,L]0,others---(1)]]>式中，为基函数，1≤n≤N，ωq＝π(q‑(Q+1)/2)/N，1≤q≤Q,为基系数的个数；Ck,q(l)为基扩展模型的系数，1≤l≤L，将一个数据块u(i)作为估计单位，采用信道基模型的(Q+1)×(L+1)个Ck,q(l)表示N×(L+1)个未知量hk(n；l)，使信道模型和估计参数得到简化；依据瑞利信道特性可知，Ck,q(l)是均值为零，方差为的复高斯随机变量；步骤2，采用导频符号辅助的信道估计方法估计信道响应；步骤2.1，建立发送、接收信号模型；发送端发送序列uk包括两部分，即信息符号sg和导频符号pg；在一个数据块中均匀插入G个导频符号pg，数据块uk表示为：uk=[p1T,s1T,p2T,s2T,...,pGT,sGT]T---(2)]]>式中，ZP(zero padding)导频序列形式为共包括Ns个信息符号和Np个导频序列符号，N＝Ns+Np；发送符号u(i)经过多径信道h(i；l)后接收到的符号y(i)表示为：y(i)=Σl=0Lh(i;l)u(i-l)+w(i)---(3)]]>式中，w(i)表示均值为零、方差为的加性高斯白噪声；步骤2.2，获得导频信息；基于基扩展模型、对应于发送数据块uk的接收数据块yk表示为：yk=Hkuk+wkHk=Σq=0QFqCk,q---(4)]]>式中，为零均值、方差的加性高斯白噪声向量，Hk为下三角矩阵且满足[Hk]n,m＝hk(n；n‑m)，n≥m，Ck,q是第一列为[Ck,q(0),Ck,q(1),...,Ck,q(L),0,…0]T的Toeplitz矩阵，Fq＝diag[fq(1),fq(2),…,fq(N)]是一对角阵；接收数据块yk中有一类为仅受导频序列影响的其表达式为：ykp=Hkpp+wkpp=[p1T,...,pgT,...,pGT]T---(5)]]>式中，和分别为Hk和wk中的对应于导频p的子矩阵；式中包括(Q+1)×(L+1)个未知参数Ck,q(l)，对应每一个pg在接收端只能获得(L+1)个仅受到导频影响的符号，因此需在一个数据块中插入至少(Q+1)个导频序列来获得Ck,q(l)，即G≥Q+1；结合(5)式和Toeplitz矩阵与向量相互转换原理得：ykp=ΦpCk+wkp---(6)]]>式中，Φp为导频信息转化矩阵，其表达式为：式中，为Fq中对应于导频序列pg的子矩阵，其表达式为：Fq,gp=diag[fq(gNG),...,fq((g+1)NG-1)]---(8)]]>Pg是由导频序列pg中的导频符号pg,l构造的(L+1)×(L+1)型Toeplitz矩阵，l＝1,…,L+1，由于pg结构相同，此处忽略下标g，即P1＝P,…,PG＝P，则[P]n,m＝pL‑m+n；步骤2.3，计算信道响应；信道响应矩阵Ck为：Ck=[Ck,0T,...,Ck,qT,...,Ck,QT]TCk,q=[Ck,q(0),...Ck,q(L)]T---(9)]]>步骤3，建立信道估计多模型；基于信道模型和估计方法的分析，与多模型控制理论中模型和控制器的结构不同，将信道模型和估计方法作为一个信道估计模型，通过建立多个信道估计模型的多模型库来覆盖复杂、变化的信道环境；步骤4，进行信道估计多模型加权软切换；多模型控制中，由于硬切换策略通常要求每个模型均具有相同的结构，不符合模型集构成，所以采用软切换策略；采用一种线性误差最小方差的加权多模型自适应估计方法来完成切换，能够有效达到在线切换的性能提升；所述步骤3建立信道估计多模型的方法如下：(1)建立信道模型集组合；信道估计模型库为M＝(B,E)，其中，B为信道模型集，其表达式为：B＝{bj,j＝1,2|P‑BEM,CE‑BEM‑AR}  (10)另，E＝{e1＝LS,e2＝Kalman}，是估计方法集，两模型M1和M2的模型库为：M＝{M1(b1,e1),M2(b2,e2)}  (11)(2)计算模型M1的信道响应；模型M1基于扩展的LS估计算法及导频点接受发送信号和最小二乘法得到与扩展基相对应的系数的LS估计值为：C^kLS=((Φp)HΦp)-1(Φp)Hykp---(12)]]>则信道响应的估计值为：h^k,l,1=F1C^k,l,1,[h^k,l,1]n=h^k,1(n;l),[F1]n,q=fq,1(n),[C^k,l,1]q=C^k,qLS(l)---(13)]]>与的关系同(9)式；(3)计算模型M2的信道响应；基于基扩展模型和发送接收信号，可构造Kalman滤波的状态方程和观测方程：Ck=AkCk-1+vkykP=ΦPCk+wkP---(14)]]>其中，Ak，vk为已知的多普勒估计值fd获得的状态转移矩阵和状态转移噪声SNR；由此得到kalman估计过程为：Pk=AkPk-1AkH+vk,Gk=ΦkPPk(ΦkP)H+wkp,ek=ykP-ΦkPAkC^k-1Kal,C^kKal=AkC^k-1Kal+Pk(ΦkP)HCk-1ek,---(15)]]>式中，为Kalman信道估计值，的初始值为零矩阵，ek为测量误差，Pk为估计误差的协方差矩阵，则：h^k,l,2=F2C^k,l,2,[h^k,l,2]n=h^k,2(n,l),[F2]n,q=fq,2(n),[C^k,l,2]q=C^k,qkal(l)---(16)]]>与的关系同(9)式；所述步骤4进行信道估计多模型加权软切换的方法如下：(1)计算线性误差最小方差；假设模型为Mj，j＝1,2,其估计输出、估计误差和估计误差的方差分别为：vk,l,j和则估计输出和误差的关系为：h~k,l=Zhk,l+v~k,l,h~k,l=[(h^k,l,1)T,...,(h^k,l,j)T]TZ=[I,...,I]T,v~k,l=[(vk,l,1)T,...,(vk,l,j)T]T---(17)]]>其中，的协方差用表示；由于使用子模块追踪算法，切换的单位转变为一个子块,实际表示为前述对应各子模型估计信道中的第一个子模块对应的信道系数；(2)计算模型误差；结合多模型加权自适应控制理论，信道模型切换采用权值切换算法，使用估计误差的方差计算权值：h^k,lo=Wk,lh~k,lWk,l=(ZT(Δ~k,l2)-1Z)-1ZT(Δ~k,l2)-1---(18)]]>估计误差vk,l,j由模型误差和估计误差两部分构成；模型误差使用的统计方差为：EMj=(Iv-S)Rα0(Iv-S)---(19)]]>其中，EMj为vk,l,j其中的一部分，即模型误差的计算值；S＝FT(FFT)‑1F，并且[F]n,q＝fq，j(n)。(3)计算LS估计误差及权值的估计误差方差；LS估计误差的协方差来自于其噪声方差的基础上，由于：h^kLS=((Φp)HΦp)-1(Φp)Hykp=hkLS+Φ+N0---(20)]]>所以，得到：ELS=||h^kLS-hkLS||2=Φ+N0N0H(Φ+)H---(21)]]>其中，Φ+＝(ΦHΦ)‑1ΦH；模型M1用于计算权值的估计误差方差为：Δk,l,12=EM1+ELS---(22)]]>式中，为模型M1的总估计误差，ELS为模型M1的估计误差方差；(4)计算kalman估计误差及权值的估计误差方差；Kalman估计误差协方差通过在线的后验误差协方差矩阵来计算：Ekal＝BPclB  (23)其中，[Pcl]m',n'＝E{[ecl,k]q(l)[ecl,k]q'(l')}为基系数的后验误差协方差，[Pc]m,n＝E{[ec,k]q(l)[ec,k]q'(l')},依据m'＝l(Q+1)+q+1，n'＝l'(Q+1)+q'+1和m＝q(L+1)+l+1，n＝q'(L+1)+l'+1的关系进行对应转换；模型M2用于计算权值的估计误差方差为：Δk,l,22=EM2+Ekal---(24)]]>式中，为模型M2的总估计误差，Ekal为模型M2的估计误差方差；在切换过程中，为了便于计算，假设每一个hk(n；l)的协方差相同；这样就可以改进并且得到：h^k,lo=Σj(ΣjΔ~k,l,j-2)-1Δ~k,l,j-2h~k,l,j---(25).]]>