基于噪声方差估计的门限时域最小二乘信道估计方法

摘要

本发明公开了一种在稀疏环境下IQ不平衡OFDM系统的信道估计算法。导频符号在IQ不平衡条件下通过信道，得到接收端信号。把IQ不平衡也当作信道参数纳入估计，利用稀疏特性，用最小二乘法估计出时域信道冲击响应。通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声。本发明的基于噪声方差估计的门限时域最小二乘估计算法，实现了性能与复杂度的良好折中，同时只需使用一个OFDM符号，具有较高的频谱利用率，可以有效地提高系统误码性能。

权利要求

1.一种基于噪声方差估计的门限时域最小二乘信道估计方法，其特征在于，包括：考虑发射、接收端的IQ不平衡，当作信道参数一并纳入估计；

利用信道的稀疏特性，进行时域滤波，并通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声；

所述考虑发射、接收端的IQ不平衡，当作信道参数一并纳入估计，包括：步骤11)，设OFDM子载波数为N，循环前缀长度为L，取一个OFDM导频符号步骤12)，考虑发射、接收机的IQ不平衡，经过信道的多径衰落得到接收端Z＝(μrμtdiag{H}+vrvt*diag{H#})S+μrvtdiag{H}+vrμt*diag{H#})S#+ω，其中，ω是加性高斯白噪声， 下标r、t

分别表示接收端、发送端，α、θ为同相支路与正交支路的幅度和相位失真参数，H为信道冲激响应h＝[h0 h1 … hL]T的DFT变换，上标#表示复共轭向量的DFT变换；

步骤13)，

将同相支路信道冲激响应的DFT变换Ha、正交支路信道冲激响应的DFT变换Hb分别定义为Ha＝μrμtdiag{H}+vrvt*diag{H#},Hb＝μrvtdiag{H}+vrμt*diag{H#}，ha、hb分别为Ha、Hb的IDFT变换，将Z表示为Z＝AX+ω，其中A＝[diag{S}FN×N/2diag{S#}FN×N/2]，而其中F是傅里叶变换算子， 所以，X在时域最小二乘估计下可以表示为

2.根据权利要求1所述的方法，其特征在于，所述利用信道的系数特性，进行时域滤波，并通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声，包括：步骤21)，根据时域信道冲击响应能量集中在循环前缀长度内，把循环前缀后 个值置零；

步骤22)定义门限 其中， 为循环前缀后 个点的噪声方差平均值，系数γ的取值范围为

步骤23)以0.01的单位递增γ，将循环前缀长度内小于λ的值置零，得到 并以此恢复信号S，使估计出的S误码率最低，确定最佳门限λ0，得到信道冲激响应

说明书

基于噪声方差估计的门限时域最小二乘信道估计方法

技术领域

[0001] 本发明涉及无线通信技术领域，特别涉及IQ不平衡稀疏信道下OFDM系统中基于噪声方差估计的门限时域最小二乘信道估计算法。

背景技术

[0002] 正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)是一种特殊的多载波传输技术，它把高速的串行数据流通过串并转换分配到传输速率相对较低的若干个子信道上并行传输。作为4G通讯的核心技术，它具有抗多径干扰能力强、频谱利用率高等诸多优点。然而，在OFDM系统中，发射机和接收机的非理想变频、同相与正交支路的不匹配滤波、放大和采样均会造成同相/正交(In-phase and quadrature-phase,IQ)支路的幅度和相位不匹配，即IQ不平衡。IQ不平衡会破坏子载波之间的正交性，形成子信道间干扰，严重影响系统性能。

[0003] 近年来直接变频发射接收机由于具有结构简单、低功耗和成本低等优点在得到了广泛的关注和应用，但相比于传统的超外差式结构，直接变频结构发射接收机更容易受到IQ不平衡的影响。因此，对OFDM系统的IQ不平衡实现高性能信道估计和精确补偿是提高IQ不平衡OFDM系统误码性能的主要途径，具有非常深远的意义和重要的理论研究价值和应用前景。

发明内容

[0004] 本发明所要解决的技术问题是针对稀疏环境下的同相/正交不平衡正交频分复用系统，提供了一种低复杂度的基于噪声方差估计的门限时域最小二乘信道估计方法，以有效提高系统误码性能。

[0005] 本发明为解决上述技术问题采用以下技术方案：一种基于噪声方差估计的门限时域最小二乘信道估计方法，包括：

[0006] 考虑发射、接收端的IQ不平衡，当作信道参数一并纳入估计；

[0007] 利用信道的稀疏特性，进行时域滤波，并通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声。

[0008] 作为一种实施例，所述考虑发射、接收端的IQ不平衡，当作信道参数一并纳入估计，包括：

[0009] 步骤11)，设OFDM子载波数为N，循环前缀长度为L，取一个OFDM导频符号

[0010] 步骤12)，考虑发射、接收机的IQ不平衡，经过信道的多径衰落得到接收端Z＝(μrμtdiag{H}+vrvt*diag{H#})S+μrvtdiag{H}+vrμt*diag{H#})S#+ω，

[0011] 其中， 下标r、t分别表示接收端、发送端，α、θ为同相支路与正交支路的幅度和相位失真参数，H为信道冲激响应h＝[h0 h1 … hL]T的DFT变换，上标#表示复共轭向量的DFT变换；

[0012] 步骤13)，记Ha＝μμr tdiag{H}+vrvt*diag{H#},Hb＝μrvtdiag{H}+vrμt*diag{H#},Ha＝μrμtdiag{H}+vrvt*diag{H#},Hb＝μrvtdiag{H}+vrμt*diag{H#}，ha、hb分别为Ha、Hb的IDFT变换，#将Z表示为Z＝AX+ω,其中A＝[diag{S}FN×N/2 diag{S}FN×N/2]， 所以，X在
时域最小二乘估计下可以表示为

[0013] 作为一种实施例，所述利用信道的系数特性，进行时域滤波，并通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声，包括：

[0014] 步骤21)，根据时域信道冲击响应能量集中在循环前缀长度内，把循环前缀后个值置零；

[0015] 步骤22)定义门限 其中， 为循环前缀后 个点的噪声方差平均值，系数γ的取值范围为

[0016] 步骤23)以0.01的单位递增γ，将循环前缀长度内小于λ的值置零，得到并以此恢复信号S，使估计出的S误码率最低，确定最佳门限λ0，得到信道冲激响应[0017] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：

[0018] 提出的基于噪声方差估计的门限时域最小二乘算法性能优于现有的频域和时域最小二乘信道估计方法，逼近基于压缩感知的时域迭代收缩算法，且计算复杂度明显低于后者，实现了性能与复杂度的良好折，同时只需使用一个OFDM符号，具有较高的频谱利用率，可以有效地提高系统误码性能。

[0019] 本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0020] 图1是本发明原理示意图。

具体实施方式

[0021] 下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

[0022] 本发明的一种稀疏环境下IQ不平衡OFDM系统基于噪声方差门限的时域最小二乘信道估计方法包括：IQ不平衡下通过LS估计出信道冲击响应，然后估计噪声方差，确定合适的门限过滤循环前缀长度内噪声以提高估计精度。

[0023] 作为一种实施例，所述方法包括：考虑发射、接收端的IQ不平衡，把它当作信道参数一并纳入估计，通过LS估计得到信道冲激响应。利用信道的稀疏特性，进行时域滤波，并通过估计噪声方差确定合适的门限，过滤循环前缀长度内的噪声，提高估计精度。

[0024] 第一步：设OFDM子载波数为N，循环前缀长度为L。取一个OFDM导频符号S＝[s(1)s(2)……s(N)]T。

[0025] 第二步：考虑发射、接收机的IQ不平衡，经过信道的多径衰落得到接收端Z＝(μrμtdiag{H}+vrvt*diag{H#})S+μrvtdiag{H}+vrμt*diag{H#})S#+ω。其中，下标r、t分别表示接收端、发送端。α、θ为同相支路与正交支路的幅度和相位失真参数。H为信道冲激响应h＝[h0 h1 … hL]T的DFT变换。上标#表示复共轭向量的DFT变换，定义为：

[0026] 第三步：记Ha＝μrμtdiag{H}+vrvt*diag{H#}，Hb＝μrvtdiag{H}+vrμt*diag{H#}，Ha＝μrμtdiag{H}+vrvt*diag{H#}，Hb＝μrvtdiag{H}+vrμt*diag{H#}，ha、hb分别为Ha、Hb的IDFT变换。#
将Z表示为Z＝AX+ω,其中A＝[diag{S}FN×N/2 diag{S}FN×N/2]， 所以，X在
时域最小二乘估计下可以表示为

[0027] 第四步：由于时域冲击信道能量集中在循环前缀长度内，循环前缀后的点只包含噪声，所以把循环前缀长度后 个值置零。

[0028] 第五步：为进一步抑制循环前缀内的噪声，引入噪声方差门限判决，将小于门限的值滤除。定义门限 其中， 为循环前缀后 个点的噪声方差平均值，系数γ的取值范围为

[0029] 第六步：在γ的取值范围内以1为单位递增，搜索最佳门限系数使估计出的S误码率最低。记最佳门限为λ0，在循环前缀长度内以λ0为门限滤除噪声，得到信道冲激响应[0030] 本发明提出的稀疏环境下IQ不平衡OFDM系统基于噪声方差门限单个训练符号的时域LS信道与IQ补偿参数估计，性能优于现有的频域和时域最小二乘信道估计方法，逼近基于压缩感知的时域迭代收缩算法，且计算复杂度明显低于后者，实现了性能与复杂度的良好折，同时只需使用一个OFDM符号，具有较高的频谱利用率，可以有效地提高系统误码性能。