《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 基于分布式壓縮感知的信道估計導(dǎo)頻優(yōu)化策略
基于分布式壓縮感知的信道估計導(dǎo)頻優(yōu)化策略
2016年電子技術(shù)應(yīng)用第12期
賴鑫琳,陳忠輝,趙宜升
福州大學(xué) 物理與信息工程學(xué)院,福建 福州350108
摘要: 為了保證為LTE-R系統(tǒng)用戶提供可靠的無線通信服務(wù),需要通過信道估計獲取信道狀態(tài)信息。在高速移動性場景下,無線信道呈現(xiàn)頻率-時間雙選擇性,若要實現(xiàn)信道估計,則需引入大量導(dǎo)頻。針對上述問題,提出一種結(jié)合分布式壓縮感知理論的信道估計導(dǎo)頻優(yōu)化方案。首先,根據(jù)時延域中無線信道的稀疏特性挖掘基函數(shù)系數(shù)之間的聯(lián)合稀疏性并對估計方程進(jìn)行去耦處理。接著,引入分布式壓縮感知理論,獲得一種能夠抑制子載波間干擾的新型導(dǎo)頻圖樣。仿真結(jié)果表明,對導(dǎo)頻圖樣的優(yōu)化處理,可使信道估計方案的系統(tǒng)性能顯著優(yōu)于傳統(tǒng)方案。
中圖分類號: TN92
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.2016.12.026
中文引用格式: 賴鑫琳,陳忠輝,趙宜升. 基于分布式壓縮感知的信道估計導(dǎo)頻優(yōu)化策略[J].電子技術(shù)應(yīng)用,2016,42(12):100-104.
英文引用格式: Lai Xinlin,Chen Zhonghui,Zhao Yisheng. Pilot optimization strategy of channel estimation based on distributed compressed sensing[J].Application of Electronic Technique,2016,42(12):100-104.
Pilot optimization strategy of channel estimation based on distributed compressed sensing
Lai Xinlin,Chen Zhonghui,Zhao Yisheng
College of Physics and Information Engineering,F(xiàn)uzhou University,F(xiàn)uzhou 350108,China
Abstract: In order to provide the users of long term evolution for railway(LTE-R) system with reliable wireless communication service, the channel state information need to be obtained by channel estimation. In high-speed mobility scenarios, the wireless channel is a time-frequency doubly-selective channel. In order to estimate the channel, a large number of pilots will be introduced. To tackle this problem, a pilot optimization strategy of channel estimation based on a distributed compressed sensing(DCS) method was proposed. First of all, according to the channel sparsity in the delay domain, the joint sparsity between basis function coefficients was excavated. And the estimating equation was decoupled. Then, a novel sparse pilot pattern based on the DCS theory which can remove inter-carrier interference was solved out. The simulation results show that the system performance of channel estimation strategy is significantly superior to the existing ones by the optimization of pilot pattern.
Key words : distributed compressed sensing;channel estimation;time-frequency doubly-selective;joint sparsity

0 引言

    對于新一代鐵路長期演進(jìn)(Long Term Evolution for Railway,LTE-R)系統(tǒng),列車移動速度超過300 km/h,無線信道呈現(xiàn)頻率-時間雙選擇性,產(chǎn)生嚴(yán)重的子載波間干擾(Inter-Carrier Interference,ICI),系統(tǒng)性能被嚴(yán)重惡化。通過信道估計來獲得信道狀態(tài)信息,能夠顯著提高通信系統(tǒng)性能。因此,針對LTE-R系統(tǒng),開展信道估計研究具有重要意義。

    近年來,隨著對無線信道的深入研究,人們發(fā)現(xiàn),多徑的數(shù)量一般遠(yuǎn)大于10,但其中大部分路徑的能量為零或約等于零,僅少量路徑攜帶著不可忽略的能量[1],這體現(xiàn)了無線信道的稀疏性質(zhì)。若繼續(xù)采用傳統(tǒng)信道估計方案[2],需引入大量導(dǎo)頻,引起頻帶資源的浪費。壓縮感知(Compressive Sensing,CS)技術(shù)能夠從較少的觀測樣本中重構(gòu)稀疏信號[3],為在信道估計策略中減少導(dǎo)頻數(shù)目提供了可行的解決方案。在文獻(xiàn)[4]中,針對具有頻率選擇性的稀疏信道,作者引入了CS理論,有效減少了導(dǎo)頻數(shù)目。TAUBOCK G等人研究了雙選擇性信道在時延-多普勒頻域的稀疏性,并結(jié)合CS理論研究信道估計問題[5]。分布式壓縮感知(Distributed Compressive Sensing,DCS)能夠解決在相同場景下,CS效率較低的問題[6]。DCS通過挖掘待估計信號的共同稀疏性,意圖聯(lián)合重構(gòu)這些稀疏信號[6]。

    針對LTE-R系統(tǒng),本文提出一種基于DCS的信道估計導(dǎo)頻優(yōu)化方案。首先,本文采用復(fù)指數(shù)基擴(kuò)展模型(Complex-Exponential Basis Expansion Model,CE-BEM)建模無線信道,并根據(jù)無線寬帶信道在時延域中的稀疏性[7],證明了基函數(shù)系數(shù)之間的聯(lián)合稀疏性。接著,對估計方程進(jìn)行去耦操作,再利用DCS理論獲得能夠抑制ICI的新型導(dǎo)頻圖樣。最后,本文通過仿真對傳統(tǒng)方案、CS方案與DCS方案的歸一化均方誤差進(jìn)行對比。

1 系統(tǒng)模型與DCS理論

1.1 LTE-R通信場景

    本文所研究的高速鐵路通信場景如圖1所示。一般的移動通信系統(tǒng)采用面狀覆蓋,而高速鐵路通信系統(tǒng)采用帶狀覆蓋。高速鐵路專網(wǎng)的拓?fù)浣Y(jié)構(gòu)是由基帶處理單元(Building Baseband Unit,BBU)和射頻拉遠(yuǎn)單元(Radio Remote Unit,RRU)組成。一個BBU分別與多個RRU通過光纖相連接,多個RRU連續(xù)等距地部署在高速鐵路沿線。每輛列車的第一節(jié)車廂配置了一個車載接收設(shè)備(Vehicular Station,VS),用于接收來自RRU的射頻信號。VS利用電纜以及每節(jié)車廂所配置的中繼器(Repeater,R)將所接收到的信號傳遞至每節(jié)車廂的用戶設(shè)備(User Equipments,UE)。本文需要實現(xiàn)的是對RRU與VS之間的無線信道的估計。在高速移動場景下,該無線信道呈現(xiàn)頻率-時間雙選擇性。

tx7-t1.gif

    正交頻分復(fù)用(Orthogonal Frequency-Division Multiplexing,OFDM)是LTE-R系統(tǒng)的關(guān)鍵技術(shù)之一。在OFDM系統(tǒng)中,傳輸一個OFDM符號需要N個子載波:Xtx7-t1-x1.gif(X[0],…,X[N-1])T。信號傳輸之前,需對其進(jìn)行N點快速傅里葉逆變換,得時域信號x=(x[0],…,x[N-1])T。為了有效抑制符號間干擾(Inter Symbol Interference,ISI),需對發(fā)送端信號x添加循環(huán)前綴,并在接收端去除該循環(huán)前綴,則接收端時域信號可表示為:y=Hx+w=(y[0],…,y[N-1])T。時域信道傳輸矩陣H∈CN×N(即H為N×N維矩陣)呈類循環(huán)移位矩陣的構(gòu)造[2]。在接收端,經(jīng)快速傅里葉變換得:Y=Fy=FHFHX+Fw,Y=(Y[0],…,Y[N-1])T為頻域接收信號,w為噪聲信號。F為標(biāo)準(zhǔn)歸一化傅里葉變換矩陣。

1.2 DCS理論

    CS技術(shù)指利用數(shù)量有限的測量值來準(zhǔn)確重構(gòu)稀疏信號。若利用CS重構(gòu)向量m=(m[0],…,m[N-1])T,即求解:

tx7-gs1-4.gif

2 估計問題建模

2.1 基擴(kuò)展模型

    在一個OFDM符號時間內(nèi),第l(0≤l≤L-1)個信道抽頭的沖激響應(yīng)為:hl=(h[0,l],…,h[N-1,l])T,h[n,l]為第n時刻、第l徑的沖激響應(yīng)。若用基擴(kuò)展模型(Basis Expansion Model,BEM)擬合該信道抽頭,即:

tx7-gs5-7.gif

tx7-gs8.gif

2.2 BEM系數(shù)的稀疏性

tx7-3-s1.gif

3 導(dǎo)頻圖樣優(yōu)化方案

    假設(shè)導(dǎo)頻總個數(shù)為P,導(dǎo)頻位置集合為γ。導(dǎo)頻由兩部分組成:

tx7-gs9.gif

其中,γ0表示γeff中每個元素的值減(Q-1)/2。本文假設(shè)Q=3,導(dǎo)頻子載波、數(shù)據(jù)子載波的分布情況如圖2所示。

tx7-t2.gif

    通過對式(7)的去耦處理,獲得了不受ICI影響的Q個等式:

tx7-gs10-14.gif

    即只需尋找最優(yōu)方案下,矩陣tx7-gs14-x1.gif的行的集合(?酌eff)。當(dāng)最優(yōu)問題中的目標(biāo)函數(shù)不能夠通過精確地計算獲得最優(yōu)解,而只能通過估計來獲得次優(yōu)解時,利用離散隨機(jī)優(yōu)化(Discrete Stochastic Optimization,DSO)技術(shù)[8]能夠求得其次優(yōu)解。因此,本文采用一種基于DSO技術(shù)的導(dǎo)頻圖樣設(shè)計方案。

    算法A 基于DSO技術(shù)的導(dǎo)頻圖案設(shè)計算法步驟:

    (1)初始化

tx7-4-s1.gif

4 仿真分析

    在LTE-R通信系統(tǒng)中,基站沿著軌道部署。移動終端的發(fā)射信號經(jīng)過無線信道到達(dá)接收端的過程中,傳播路徑將包含一條視距路徑(Line-of-Sight,LOS)以及多條非視距路徑(Non Line-of-Sight,NLOS)。因此,真實信道可以用萊斯衰落(Rician fading)信道模型來描述[10]。本文采用歸一化均方誤差(Normalized Mean Square Error,NMSE)來衡量估計精度:

tx7-gs15.gif

    圖3比較了當(dāng)v=200 km/h時,傳統(tǒng)方案、CS方案與DCS方案分別采用新導(dǎo)頻圖樣與傳統(tǒng)導(dǎo)頻圖樣的估計精度。傳統(tǒng)方案利用CE-BEM對信道進(jìn)行建模(QCE=3),采用等距梳狀導(dǎo)頻圖樣,并結(jié)合最小二乘(Least Squares,LS)估計準(zhǔn)則,實現(xiàn)該信道估計[2]。仿真結(jié)果表明,將新型導(dǎo)頻圖樣(μ1=0.25)應(yīng)用于CS方案、DCS方案,隨著系統(tǒng)信噪比的增加,能夠較好地重構(gòu)基函數(shù)系數(shù),且能夠獲得一個相對較高的估計精度,明顯優(yōu)于采用傳統(tǒng)導(dǎo)頻圖樣(μ2=0.99)的CS方案、DCS方案。算法A通過尋求式(14)的最小值,獲得了能夠以最高概率重構(gòu)BEM系數(shù)的最優(yōu)導(dǎo)頻圖樣。

tx7-t3.gif

    圖4比較了當(dāng)v=400 km/h時,傳統(tǒng)方案、CS方案與DCS方案的系統(tǒng)性能。圖5通過改變移動速度v,來比較3個方案的系統(tǒng)性能。傳統(tǒng)方案的導(dǎo)頻數(shù)目為P2=(2Q-1)L=5×32=160,其頻帶開銷為η2=62.5%,而CS方案與DCS方案的頻帶開銷為η1=31.25%。從頻帶利用率的角度來看,CS方案與DCS方案能夠大大減少導(dǎo)頻開銷。仿真結(jié)果表明,當(dāng)SNR高于1 dB時,隨著SNR的增加,DCS方案的估計精度能夠明顯高于傳統(tǒng)方案,這是因為DCS方案對估計方程作了去耦處理,并采用了能夠抑制ICI的新型導(dǎo)頻圖樣。此外,由圖4、圖5可知,DCS方案的性能能夠在一定程度上優(yōu)于CS方案。這是因為DCS技術(shù)對數(shù)據(jù)共同處理的方法,提高了尋找未知信號非零元素位置的成功率。

tx7-t4.gif

tx7-t5.gif

5 結(jié)論

    本文研究了LTE-R通信系統(tǒng)中雙選擇性信道的信道估計導(dǎo)頻優(yōu)化問題。根據(jù)時延域中無線信道的稀疏性質(zhì),本文論證了BEM系數(shù)的聯(lián)合稀疏性。接著,將估計方程轉(zhuǎn)換為去耦形式,并引入DCS理論,以獲取能夠抑制ICI的最優(yōu)導(dǎo)頻圖樣。仿真結(jié)果表明,結(jié)合新型導(dǎo)頻圖樣的DCS方案不僅能夠提高傳統(tǒng)方案的頻譜利用率,還能夠顯著提高估計精度。當(dāng)與CS方案具有相同數(shù)量的觀測值時,DCS方案能夠進(jìn)一步提高估計精度。后續(xù)研究將把模型誤差納入考慮,以進(jìn)一步優(yōu)化估計方案。

參考文獻(xiàn)

[1] PAREDES J L,ARCE G R,WANG Z.Ultra-wideband compressed sensing:channel estimation[J].IEEE Journal of Selected Topics in Signal Processing,2007,1(3):383-395.

[2] TANG Z J,CANNIZZARO R C,LEUS G,et al.Pilot-assisted time-varying channel estimation for OFDM systems[J].IEEE Transactions on Signal Processing,2007,55(5):2226-2238.

[3] UNSER M.Sampling—50 years after Shannon[J].Proceedings of the IEEE,2000,88(4):569-587.

[4] VUOKKO L,KOLMONEN V M,SALO J,et al.Measurement of large-scale cluster power characteristics for geometric channel models[J].IEEE Transactions on Antennas and Propagation,2007,55(11):3361-3365.

[5] TAUBOCK G,HLAWATSCH F.A compressed sensing technique for OFDM channel estimation in mobile environments:exploiting channel sparsity for reducing pilots[C].Proceedings of IEEE International Conference on Acoustics.Las Vegas,America:IEEE Press,2008:2885-2888.

[6] DUARTE M F,ELDAR Y C.Structured compressed sensing:from theory to applications[J].IEEE Transactions on Signal Processing,2011,59(9):4053-4085.

[7] RAGHAVAN V,SAYEED A M.Sublinear capacity scaling laws for sparse MIMO channels[J].IEEE Transactions on Information Theory,2011,57(1):345-364.

[8] HOMEM-DE-MELLO T.Variable-sample methods for stochastic optimization[J].ACM Transactions on Modeling and Computer Simulation,2003,13(2):108-133.

[9] TROPP J A,GILBERT A C.Signal recovery from random measurements via orthogonal matching pursuit[J].IEEE Transactions on Information Theory,2007,53(12):4655-4666.

[10] BEAULIEU N C,CHEN Y.Maximum likelihood estimation of local average SNR in Ricean fading channels[J].IEEE Communications Letters,2005,9(3):219-221.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。