td-lte下行物理层信道估计技术研究

《td-lte下行物理层信道估计技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

．：一＂Ｖ１、，篇主成．泌针．Ｔ寶只今餐ｈ巧顯ｊ＇磬．５麵巧＾摩．：ｔ．．健，．．＇豪’趣；讀：１拓，龄：，歷密一单良＾職達＿巧：．Ｍ气．參：：．宗Ｖ；：．，夢－苗：＞卓＇；＾錫藤技；＇秦香．．靖＂．／一＜＼＇．毒駭遺％矣導六一蕾巧－！遺１＾１ｒｉＩ－才遠憲ｔ沸緣‘ｖ評二ｆ；卓」，４．：，＾卓－，歴；；葛．－７邊－、Ｖ－１Ｖ｜、＞立：磯ｃ＇ｉ、類石ｉｔＬ了．．硕与学论．乂作一讓爹．－／．．护巧＇Ｉ，二－＞＇－＇鴻，兹Ｃ．－苗气２－谅祭唁．Ｖ聲斬定．警－．：．、：．讀；；；．．、怒無墨—：．＾巧ｒ．．＾．．，－讀．雪适麵；計．若＾＇誦－＾Ｉ：气－薦．；，－Ｋ一｜藏苗ｙ常ｖ．＼．＇－－描肥研表＾編就１，．甲ｒ－；；．．－ｖ，．．．．？．．ｒ与Ｗ＇為＞ｙ？腦－巧．：－，品為巧．：．通這祕菊、去货變Ｋ苟＼．．．畫壽斯Ｓ寒．辑ｔ囊義：．．．．＿題＞麥’一与Ｗ囲口ｖ黎‘去－＼；－ｔ＞一，．－．－＾．名高－鑽；：，孙Ｈ师．中＇：．．＾．＇Ｔ－￣：－ｖ业覇訪息统歡矛斗．黑究巧向獅谢．｛，Ｖ帛．．，二＇工ｉ社－请；类别Ｉ镇：成文駐日期＾心聖＇；．．今，．：，‘．一．．ｖ－變１ｖ＇－，ｒ－垂■，、－罕－巧．：．巧；１．辛，嗔．。晕－片｜气謂家起＇ｓｆ‘Ａ扁Ｊ．１｜Ｗ紅神ｉ赞置．！疏蘇； ResearchonChannelEsitmaitonTechniquesforTD-LTEDownlinkPhysicalLayerThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByGaoJieSupervisor:Prof.SunJunJune2016 摘要本文介绍了TD-LTE物理层的基本结构和OFDM技术的基本原理，着重研究了TD-LTE物理层的信道估计技术。本文在研究和学习了TD-LTE下行物理层关键技术和分析传统OFDM信道估计技术的基础上，研究了一种基于Turbo迭代的信道估计技术。不同于传统的信道估计，新的信道估计算法使得信道估计器和译码器同时进行，利用了Turbo编码良好的纠错能力，能够很大程度上提升信道估计的性能。其次，通过对TD-LTE下行物理层信道接收端解码流程研究的基础上，根据PDCCH信道和PDSCH信道区域解码顺序的不同，研究了一种基于控制域的信道估计技术，与传统的信道估计技术相比，这种信道估计方法利用了更多额外的虚拟导频信息，能够提供更加精确的信道估计性能。最后，本文基于对压缩感知的新型信道估计方案的学习，研究了一种基于压缩感知的自适应导频信道估计方法，这种算法在信道稀疏度未知的情况下，能够估算出当前信道的稀疏度，并调整导频数目使之满足信号重构的最低导频数目要求。根据信道环境的不同，该算法能够有效的设计导频数量和模式，降低不必要的导频开销。关键词:TD-LTE，信道估计，OFDM，无线信道，压缩感知I AbstractThisthesisintroducedthestructureofTD-LTEphysicallayer,principlesofOFDMtechnology,andfocusesontheresearchofchannelestimationtechnologyofTD-LTEphysicallayer.BasedonthestudyandanalysisoftheTD-LTEdownlinkphysicallayerandthetraditionalOFDMchannelestimationtechnology,thispaperproposedachannelestimationtechniquebasedonTurboiteration.Differentfromthetraditionalchannelestimation,thenewchannelestimationalgorithmmakesthechannelestimatoranddecoderrunningsimultaneously.ThankstothegooderrorcorrectioncapabilityofTurboencoding,thisalgorithmcanimprovetheperformanceofthechannelestimationeffectively.Secondly,basedonthestudyofchannelreceivingterminaldecodingprocessofTD-LTEdownlinkphysicallayer,andaccordingtothedifferentofdecodingorderPDCCHchannelandPDSCHchannelregion,achannelestimationtechniquebasedonthecontroldomainisproposed.Comparedwiththetraditionalchannelestimationtechnique,thisalgorithmcanprovidemoreaccuratechannelestimationperformancebyusingmoreadditionalvirtualpilotinformation.Atlast,basedonthestudyofcompressivesensingchannelestimation,thisthesisproposesanadaptivepilotchannelestimationalgorithm.Theproposedalgorithmcanestimatethechannelsparsitywhenthechannelsparsityisunknown,andadjustedthepilotdensityofchannelestimation.Accordingtothedifferentchannelenvironments,thenumberandmodeofpilotcanbeeffectivelydesignedtoreduceunnecessarypilotoverhead.Keywords:TD-LTE,ChannelEstimation,OFDM,WirelessChannel,CompressiveSensingII 目录专用术语注释表......................................................................................................................................................V第一章绪论.............................................................................................................................................................11.1研究背景和意义........................................................................................................................................11.1.1移动通信的发展.............................................................................................................................11.1.2研究意义.........................................................................................................................................21.2国内外研究现状........................................................................................................................................21.2.1盲或半盲信道估计.........................................................................................................................21.2.2基于判决反馈的信道估计.............................................................................................................31.2.3基于导频序列的信道估计.............................................................................................................31.3论文内容和章节安排................................................................................................................................4第二章TD-LTE物理层关键技术...........................................................................................................................62.1OFDM技术介绍.........................................................................................................................................62.1.1OFDM系统的优缺点......................................................................................................................62.1.2OFDM基本原理与系统模型..........................................................................................................72.1.3OFDM系统的主要技术和参数设计..............................................................................................92.2TD-LTE下行物理层介绍.........................................................................................................................102.2.1TD-LTE下行帧结构......................................................................................................................102.2.2TD-LTE下行物理层信道划分......................................................................................................122.2.3TD-LTE中参考信号的设计..........................................................................................................132.3无线信道简介..........................................................................................................................................162.3.1无线信道的传播特性...................................................................................................................162.3.2无线信道的大尺度衰落...............................................................................................................172.3.3无线信道的小尺度衰落...............................................................................................................182.3.4无线信道相关特性.......................................................................................................................202.4本章小结..................................................................................................................................................21第三章TD-LTE下行信道估计.............................................................................................................................223.1引言..........................................................................................................................................................223.2传统的信道估计技术..............................................................................................................................233.2.1系统模型.......................................................................................................................................233.2.2LS算法...........................................................................................................................................243.2.3MMSE算法....................................................................................................................................253.2.4SVD-LMMSE算法........................................................................................................................273.2.5基于DFT的信道估计算法..........................................................................................................28III 3.2.6传统信道估计方案性能仿真.......................................................................................................303.3传统信道估计插值方法..........................................................................................................................323.3.1常值插值.......................................................................................................................................323.3.2线性插值.......................................................................................................................................323.3.3二次插值.......................................................................................................................................333.3.4维纳滤波插值算法.......................................................................................................................333.4基于Turbo迭代的信道估计技术...........................................................................................................353.4.1系统模型.......................................................................................................................................353.4.2Turbo编译码..................................................................................................................................363.4.3迭代的2D维纳滤波.....................................................................................................................393.4.4仿真分析.......................................................................................................................................403.5基于控制域的信道估计技术..................................................................................................................423.5.1算法原理.......................................................................................................................................423.5.2仿真分析.......................................................................................................................................443.6本章小结..................................................................................................................................................45第四章基于压缩感知的信道估计.......................................................................................................................464.1压缩感知简介..........................................................................................................................................464.1.1信号的稀疏表示...........................................................................................................................464.1.2观测矩阵.......................................................................................................................................474.1.3重构算法.......................................................................................................................................484.2自适应导频信道估计算法......................................................................................................................484.2.1系统模型.......................................................................................................................................484.2.2自适应导频信道估计...................................................................................................................494.3仿真分析..................................................................................................................................................504.4本章小结..................................................................................................................................................52第五章总结与展望...............................................................................................................................................535.1论文工作总结..........................................................................................................................................535.2进一步的研究工作..................................................................................................................................53参考文献.................................................................................................................................................................55附录1攻读硕士学位期间撰写的论文................................................................................................................59IV 专用术语注释表缩略词说明：BCSBayesianCompressiveSensing贝叶斯压缩感知BPBasisPursuit基追踪算法CDMACodeDivisionMultipleAccess码分多址CPCyclicPrefix循环前缀CRSCell-specificReferenceSignals小区专用参考信CSCompressiveSensing压缩感知CSIChannelStateInformation信道状态信息CSI-RSCSI-ReferenceSignalsCSI参考信号DM-RSUE-specificReferenceSignalsUE专用参考信号DSDantzigSelectorDantzig选择器EMExpectationMaximization期望最大化算法GSMGlobalSystemforMobileCommunications全球移动通信系统ICIInterCarrierInterference载波间干扰ISIInterSignalInterference符号间干扰LMMSELinearMinimumMeanSquareError线性最小均方误差LSLeastSquare最小二乘准则LTELongTermEvolution长期演进MBSFN-RSMBSFNReferenceSignalsMBSFN参考信号MIMOMultipleInputMultipleOutput多输入多输出MMSEMinimumMeanSquareError最小均方误差准则MPMatchingPursuit匹配追踪MSEMeanSquaredError均方误差OFDMOrthogonalFrequencyDivisionMultiplexing正交频分复用OMPOrthogonalMatchingPursuit正交匹配追踪PBCHPhysicalBroadcastChannel物理广播信道PCFICHPhysicalControlFormatIndicatorChannel物理控制格式指示信道PDCCHPhysicalDownlinkControlChannel物理下行控制信道V PDSCHPhysicalDownlinkSharedChannel物理下行共享信道PHICHPhysicalHybridARQIndicatorChannel物理HARQ指示信道PMCHPhysicalMulticastChannel物理多播信道PRSPositioningReferenceSignals定位参考信号RBResourceBlock资源块REResourceElement资源粒子SNRSignalNoiseRatio信噪比StOMPStagewiseOrthogonalMatchingPursuit分段正交匹配追踪SVD-LMMSESingularValueDecomposition-LinearMinimum奇异值分解-线性最小均方误MeanSquareErro差WSSUSWide-SenseStationaryUncorrelatedScattering广义平稳非相关散射VI 南京邮电大学硕士研究生学位论文第一章绪论第一章绪论1.1研究背景和意义1.1.1移动通信的发展在这个信息产业化的时代，人们对信息的需求也日益增加，应运而生的是移动通信技术的蓬勃发展。回首通信技术的发展历程，移动通信在这二三十年里不仅实现了将模拟通信转变为数字通信的过程，在多址方式上也提出并应用了码分多址等。通信网根据所依赖的主要技术可以区分为以下几个时期：第一代移动通信系统（1G）出现于20世纪中期，这一代移动通信主要基于模拟调频技术。为提升无线通信系统的频谱利用率和用户容量，80年代美国贝尔实验室提出了蜂窝的概念，其中美国的AMPS、英国的TACS等公司都是基于蜂窝系统的。工作在800MHz的第一代移动通信仅能够提供语音和简单的指令服务，同时由于模拟技术本身的技术缺点，使得第一代通信技术并未能够走的很远。第二代移动通信系统（2G）出现在20世纪80年代末期，它实现了由模拟技术到数字技术的重大转变，工作频段也由上一代的800MHz扩展到1900MHz。数字技术的应用使得第二代移动通信能够实现数字语音和最高384Kbps数据业务的传输，并得到了广泛的应用，其中比较具有代表性的是全球移动通信系统（GlobalSystemforMobileCommunications，GSM）。随着人们对通信业务范围和高通信速率的要求，第二代移动通信的低频谱利用率也慢慢凸显，使得它很难再满足人们所提出的新的业务需求。第三代移动通信系统（3G）以欧洲的WCDMA系统、中国的TD-SCDMA和美国的CDMA2000系统为代表，并且已经全面投入商用。以码分多址（CodeDivisionMultipleAccess，CDMA）技术为基础，3G系统实现了视频传输和互联网接入等高速率数据业务。相较于2G系统，3G在通信能够实现多媒体和基于IP的业务，但相对于人们不断提升的高速率业务需求而言，3G系统的数据速率仍然难以满足需求，同时全球的3G服务并没有一个统一的技术标准，因此也无法实现全球的无缝漫游。第四代移动通信系统（4G）以正交频分复用（OrthogonalFrequencyDivisionMultiplexing，1 南京邮电大学硕士研究生学位论文第一章绪论OFDM）技术为核心，并采用多输入多输出（MultipleInputMultipleOutput，MIMO）技术，这一代技术是由3GPP组织对现有系统进行的一种长期演进（LongTermEvolution，LTE），因双工方式的区别，LTE系统又分为FDD-LTE和TD-LTE。并且在不久前，TD-LTE和FDD-LTE分别在中国三大运营商中投入使用。1.1.2研究意义LTE系统现已完全投入商用，能够以高速率、低延迟来传输信息。在空中接口方面使用OFDM、FDMA代替传统的3GPP使用的码分多址技术，并采用MIMO技术提高数据速率。作为LTE通信系统的主要技术，OFDM可以在频域范围内将非平坦的频率选择性信道分成许多相对平坦的正交子信道，使得子信道的带宽远远小于信道相关带宽，减少符号间干扰带来的影响。同时，为提升LTE系统的频谱利用率，在传输端可以采用正交幅度调制编码。因此，在接收端必须采用相干检测来解调信号才能获得正确的信号。而相干解调的使用必须知道精确的信道状态信息（ChannelStateInformation，CSI）。与此同时，要想实现MIMO在传输信息时在速率和质量方面的优势也必须知道CSI，其空时解码算法的精确度也依赖于精确的CSI。因此，如何准确获取CSI对LTE系统来说至关重要。1.2国内外研究现状随着OFDM的发展，不同的信道估计（ChannelEstimation，CHE）方法也应运而生，针对于LTE系统的信道估计算法的研究也趋于成熟，分类也很明确。首先，根据时频域的不同，信道估计可以分为频域估计和时域估计算法；其次，根据估计过程中是否使用导频或者训练序列，可以分为盲估计、半盲估计以及基于导频信息的估计算法；同时为提高算法的准确性和性能，CHE衍生出了基于变换域的信道估计方法等。1.2.1盲或半盲信道估计盲信道估计技术是指直接根据发送序列的统计信息进行估计，而不需要额外的导频辅助信息等。该种信道估计技术主要利用了传输信息和接收信息的统计特性，在无需额外的导频辅助信息的情况下直接进行估计，从而提升了系统的频谱利用率；但由于信道估计的准确度仅依赖于输入/输出信号的统计特性，因此该类算法的复杂度较高，收敛的速度较慢且信道估计的精确度并不高。受到该类算法的缺点的限制，盲估计技术并没有得到广泛的发展和使用。2 南京邮电大学硕士研究生学位论文第一章绪论盲估计方案仅能够适用于缓变信道，当在高速变换场景时，统计信息的延迟特性限制了[1][2]其应用，基于这一点出现了半盲估计方案。这种信道估计算法综合考虑了数据传输速率和[3][4]算法的收敛速度，通过加入导频符号或者训练序列实现信道估计的快速收敛。半盲估计算法中，文献[5]通过加入导频提高信道估计的精度；文献[6][7]为减少计算量和加快收敛速度，使用了初始导频信道；文献[8]提出了最大后验原理的信道估计方案；同时也有利用循环前缀[9][10]作为伪随机后缀进行半盲估计的方法。1.2.2基于判决反馈的信道估计所谓判决反馈信道估计，即假设信道是慢时变信道，在一定的时间内信道的状态信息不发生改变。在发送有用数据前，OFDM首先在发送端传输一个接收端已知的训练序列，获取当前的CSI初始值，用来解调即将发送的OFDM符号；在下一个OFDM信息到来时，前一[11][12][13]个OFDM信息被用作参考信息并估计当前的信道状态信息，以此类推。基于判决反馈的估计方案在数据传输和CHE的过程中并不需要额外的参考符号，因此有效的提升了频谱利用率。由于在信道估计的过程中，当前的CSI依据前一个OFDM符号的译码结果来进行估计，因此可能导致估计误差的扩散，使信道估计的性能下降甚至有可能发生系统瘫痪的情况。因此在高速移动场景中，基于判决反馈的信道归结算法需要添加大量的导频信息或者训练序列来及时更新当前的信道状态信息，避免误差扩散的产生，因此势必降低[14]了系统的传输效率和频谱利用率。1.2.3基于导频序列的信道估计基于导频辅助的信道估计方法主要通过发送端插入的已知导频获取当前到导频符号的冲激响应后，通过某些插值算法得到数据区域的信道响应值。（1）基于导频符号的信道估计导频符号可以选择在时域或者频域插入，主要区别在与插入时间是在IFFT变换的前后。根据导频分布分为1维和2维两种，插入方式可以是随机的或者是固定的。基于导频符号的CHE的基本思想是：在OFDM的发送端，通过预先设定的理想的导频分布方式，当信息经过信道后在接收端首先恢复出导频处的数据，得到导频处的信道响应值，最后通过特定的手段获取数据处的CSI。导频的设计主要涉及导频的数量、导频的放置方式以及合理的导频功率[13]等等。3 南京邮电大学硕士研究生学位论文第一章绪论基于导频的信道估计方案的研究已经相当完整，根据信道估计过程中使用的准则不同，可以分为最小二乘准则（LeastSquare，LS）和最小均方误差准则（MinimumMeanSquareError，[15][16]MMSE）。其中最简单的就是LS算法，该算法并不依赖于信道特性的统计信息和系统噪声的统计信息，在实际系统中应用非常方便，但同时该算法并没有对信道噪声进行处理且对频率同步产生的误差较为敏感。MMSE的性能优于LS，但缺点在于在CHE的过程中涉及到大量的矩阵计算，且需要知道信道响应的统计特性。为降低MMSE算法的复杂度，文献[16]提出了线性最小均方误差（LinearMinimumMeanSquareError，LMMSE）算法，同时文献[17]通过SVD降低了LMMSE方案的运算量和复杂度。在得到导频位置的信道响应估计值后，可以利用一系列的插值方法得到其他区域的信道估计值。常用的插值方法包括常值、线性、二[18-22]次插值和Wiener滤波插值等等。（2）变换域信道估计变换域信道估计主要利用了OFDM系统中信道CIR长度小于CP长度的特性，其更远远小于子载波的数目。在估计得到信道响应后，将其进行正交变换至变换域。在变换域中，信道响应值仅包含于前L个抽头中，这一部分包含了信道能量和系统噪声，对于大于L的部分，仅仅包含信道噪声能量。保留L个抽头中的信息，将后面的部分置零，再经过正交反变换后，[23]得到信道估计值。基于变换域的信道估计算法在插值和估计的过程中使用到了更多的导频信息，因此信道估计的性能更好。但该算法的性能对信道脉冲响应长度的依赖性很高，在实际系统中为准确获取有效抽头的数目和位置，导致算法实现的复杂度增加，通常有效抽头的长度选择大于CP的长度。1.3论文内容和章节安排本文主要研究了TD-LTE下行信道的估计方案，针对于TD-LTE环境的帧结构，分析了传统信道估计方法的性能和复杂度，研究了基于Turbo码迭代的信道估计方案，该算法能够依据3GPP所设计的TD-LTE标准导频模式下，通过将译码器和信道估计器在同一模块下进行处理，极大的提升信道估计的准确性。同时本文还提出了基于控制域的信道估计方法，该方案假设控制区域信息已知的条件下，能够有效获取数据区域的信道状态信息并提升系统性能。除了针对传统的信道估计技术进行研究之外，论文还学习了压缩感知算法在信道估计中的应用，针对于不同信道环境，统一的导频数量和模式会在信道条件较好时存在频谱资源利用率低的情况。因此本文提出了一种自适应导频信道估计方案，预估信道状态，实时调整传4 南京邮电大学硕士研究生学位论文第一章绪论输中所需要的导频数量和模式，极大的提升了良好信道状态下的频谱利用率。本文的主要章节内容安排如下：第一章主要介绍了论文的研究背景和意义，以及论文的主要内容和章节安排。第二章介绍了TD-LTE系统的帧结构和MIMO-OFDM技术以及无线信道传播特性。首先介绍了TD-LTE下行物理层中的帧结构，以及OFDM的基本原理与实现。最后介绍了无线信道的相关内容，为下文介绍信道估计奠定基础。第三章介绍了传统的信道估计方法，分析传统算法在性能上的优缺点。针对于传统算法在性能上的不足，本章研究了一种基于Turbo迭代的信道估计算法，相较于传统算法在性能上的不足，该算法在估计准确度上有很大的提升；此外针对于TD-LTE系统解码数据区域的过程，研究了一种基于控制域的信道估计算法。第四章介绍了TD-LTE系统下的新型信道估计方法，该方案能够估计出的信道稀疏度，并根据一定的关系及时调整信道估计中所需要的最小导频数量，极大的降低了不必要的频谱占用。第五章首先对论文的主要内容进行总结，并对文中的缺陷进行下一步的展望，提出相应的解决思路。5 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术第二章TD-LTE物理层关键技术本章节主要介绍了TD-LTE下行物理层的关键技术并进行研究，如OFDM技术和LTE下行物理层的帧结构和导频设计模式等。此外，为了更好的理解信道估计的内容，本章节还简要介绍了无线信道相关内容。2.1OFDM技术介绍在无线通信系统中，影响信号传播的最大因素就是多径效应，它将会使信号产生频率选择性衰落从而导致符号间干扰，降低了信息的传输能力。传统无线通信中，在接收端克服频率选择性衰落最主要的方法有两种，即在采用均衡器或采用RAKE加直接序列扩频的方法。但随着人们对信息传输速率要求的提升，以上两种方法在实际的实现的复杂度和性能上都有很多不足。当前为克服频率选择性衰落的影响，最受关注方案就是多载波传输技术，其中LTE系统中最具有代表的方法就是采用正交频分复用OFDM技术。2.1.1OFDM系统的优缺点OFDM系统的优点主要有以下几点：（1）频谱利用率高：不同于传统的频分复用，OFDM系统能够将划分的各子载波之间保证严格正交，且子信道的频谱频谱重叠占据频谱宽度的1/2，因此具有更高的频谱利用效率。由文献[24]可知，将信道划分的子载数目波较多时，能够提供最高可以接近2Baud/Hz的系统频谱资源利用率。图2.1给出了传统FDM与OFDM系统带宽利用的对比图；（2）带宽扩展性好：OFDM系统采用FFT变换，其系统带宽取决于划分的正交子载波的数目，子载波数目的增加并不会使FFT变换的实现复杂度有很明显的增加；（3）抗多径衰落能力强：多径干扰的影响随着带宽的增加越发明显。OFDM系统通过划分子载波并使得信道变得平滑，增强了抗多径衰落的能力。同时保护间隔（循环前缀）的插入大大降低了接收机均衡器的实现复杂度并增强了系统的抗码间干扰能力，随着系统带宽的增加，这一优势将更加明显；（4）适合高速数据传输：OFDM系统将信道划分成许多相互正交的子载波传输信号，针对不同的信道状态和子载波可以不同的调制方式。OFDM系统通过不同的加载算法可以将数6 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术据信息集中在信道条件较好的子载波进行传输，。（5）使用FFT实现正交调制和解调，计算简单快捷。FDM系统频谱图节省的带宽OFDM系统频谱图图2.1FDM与OFDM系统频谱图对比同时OFDM系统的缺点也非常明显：（1）对相位噪声和频率偏移比较敏感：OFDM系统实现的关键是将信道划分为许多严格正交的子信道，频偏和相位噪声的存在会破坏OFDM的正交性，严重降低系统的信噪比。（2）系统峰均比较高：不同于单载波系统，OFDM信号是由许多相互独立正交的经过调制的子载波信号叠加而来，因此合成的信号可能会存在较大的峰值功率，从而使得峰值功率和平均功率的比值较大。（3）OFDM在实现上也存在许多难点：首先，时变多径信道会破坏OFDM系统的正交性，带来相位和频率偏移的影响，造成正交信号之间的相互干扰，因此在接收端OFDM需要对信号进行严格的相干解调，这就要求精确的信道估计技术，这也是本文研究的重点；其次，[25][26]OFDM系统对同步的要求较高，相位和频偏都会影响正交性。再次OFDM在经过多载波调制后的发送信号幅度变化较大，这使得功率放大器的功率利用率极大的降低了。2.1.2OFDM基本原理与系统模型OFDM作为无线通信系统中一种高效的信息传输方式，其本质上就是频分复用系统。OFDM的基本思想是通过相互正交的子载波，将串行数据分散到不同的子信道上进行并行传[7]输，增长每个符号的时长，从而抵抗时延扩展和窄带干扰带来的危害，降低符号间干扰。同时，为减少多径效应造成的符号间干扰和信道引起的信道间干扰，OFDM系统插入了保护间隔。OFDM在频谱内将系统带宽划分为许多正交的子信道，当每个子信道发送的信号为矩sinx形脉冲时，图2.2给出了OFDM信号的频谱图，每个调制后的频谱形状为。x7 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术图2.2OFDM信号频谱图图2.3给出了OFDM技术的基本原理框图。如图所示，在OFDM发射端，首先要对发射的信息流进行诸如Turbo编码等的信道编码，降低信息传输中信道产生的影响。其次，信道编码后的信息流将通过星座映射，将编码信息流映射到相应的星座图上。经过IFFT实现正交变换后，再进行串并转换。为避免符号间干扰和保证正交性，串并转换后的OFDM信号需要增加相应的保护间隔，最后OFDM信号经过数模变换和射频调制后由天线发射出去。接收过程与发射过程相反。首先通过射频解调和模数转换将接收信号数字化，同时为保证时间和频率的双同步需要进行定时和频率同步。为恢复原始信息流需要将去除在发射端加入的保护间隔。去保护间隔后的串行信号需要经过串并转换，和FFT变换，并从星座图上解映射。最后解映射后的数据经过信道解码就可以恢复出原始比特流。比特流信道符号串并并串加保护数模转IFFT编码映射转换转换间隔换射频OFDM发射机发送符号定时和并串转串并去保护定时模数射频FFT频率同换转换间隔转换接收步比特频偏校正信号符号解流解码映射OFDM接收机图2.3OFDM系统原理框图由图2.3的OFDM系统原理框图已知，OFDM中相互正交的子载波个数为N，每个OFDM[27]符号的持续时间为T，且载波频率必须满足如下关系：skff,k1,2,.N(2.1)k0Ts其中f、f为第k个子载波的载波频率和中心载波频率。通过上式可以发现，载波频率必须k08 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术是单个子载波的持续时间倒数的整数倍。假设每个OFDM信号由N个经过独立调制的子载波相互叠加而成，则可以表示为：NstdgtnTnk,ks(2.2)nk0上式中，d为第k个子载波上的第n个信号间隔的调制符号，T为单个符号的持续时间。nk,sgtk表示第k个子载波，且：gtej2ftk,t0,T(2.3)ks由上面的两式可知，每个长度为T的时间间隔包含N个符号，经过串并转换后，符号速s率为NT的串行序列d被转换成N路符号速率为1T的并行符号传输。从时域角度看，第nsnk,s个符号帧的信号可以表示为N路被单独调制的正交子载波信号的叠加结果，即：N1FtndgtnTnk,ks(2.4)k02.1.3OFDM系统的主要技术和参数设计本小节中所涉及的OFDM系统中的关键技术主要为FFT，循环前缀的加入等与下一章节中与信道估计息息相关的部分，其他的关键技术可以参考文献[28]。（1）FFT和IFFT技术的应用在多载波传输系统中，随着子载波个数N的增加，单载波的调制方式的实现将非常复杂，而OFDM系统则引入了离散傅里叶变换来实现正交调制和解调。在发射端，OFDM系统通过IFFT变换实现多载波的正交化叠加，将窄带子载波信号进行频时转变；在接收端，FFT模块又可以方便快速的将叠加在一起的子载波分离出来。快速傅里叶变换的应用极大的提升了系统的计算速度。（2）循环前缀的引入多径时延的存在会使OFDM符号在接收端产生符号间干扰（InterSignalInterference，ISI）并破坏了接收端子载波之间的正交性，导致载波间干扰（InterCarrierInterference，ICI），如图2.4所示为一个OFDM符号加入循环前缀（CyclicPrefix，CP）。9 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术时间符号1符号2符号1符号2发送端检测窗口检测窗口接收端符号间干能量损多径时延小于CP，多径时延大于CP，对相邻扰失，破坏接收端能检测完整符号造成干扰，降低符号正交性信号能量未添加CP添加CP图2.4插入循环前缀的作用在OFDM系统中，插入的CP部分为该OFDM信号的尾部相同长度的信息的复制。CP的插入，大大减少了符号间干扰，同时能够保证子载波之间的正交性。循环前缀的选择应该大小适中，过大的循环前缀将增加系统开销，降低了用户传输速率；当CP过小时，抗多径时延的能力下降。根据3GPP协议规定[29]，LTE系统中OFDM的CP分为两种，常规CP为4.6875us和扩展CP为16.67us，分别应对不同的小区系统。（3）子载波间隔LTE系统中OFDM的子载波间隔的设计除考虑信道的影响因素外，还考虑到了频谱效率和抗频偏能力。子载波间隔越小，系统的调度精度越高，系统的频谱利用率也随之升高；但过小的子载波间隔则对抗多普勒频移的能力下降，不利于在高速移动场景下使用。经过权衡，11LTE中采用的子载波间隔为f15KHz，且fs为系统采样频率，N为sFFT15KT2048sFFT变换基数。（4）信道估计技术OFDM技术在接收端利用相干解调才能获取完整的数据信息，而相干解调的基础是依赖于精确的CSI。无线信道环境下如何获取CSI完全依赖于精确的信道估计。这是本文研究的重点，将在后面两章中着重介绍。2.2TD-LTE下行物理层介绍[30]TD-LTE/TD-LTE-A上下行物理层的主要协议在3GPPTS36.211中有详细的介绍。本节主要介绍与后续信道估计密切相关的概念和内容。2.2.1TD-LTE下行帧结构由上文可以，LTE分为TD-LTE和FDD-LTE，这里我们将对TD-LTE的帧结构进行介绍。10 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术TD-LTE的每一个无线帧包含两个长度为5ms的半帧，并且每个半帧分为长度为30720T1ms的五个子帧，每个半帧由8个常规时隙和3个特殊时隙构成。每个常规时隙s的时间为0.5ms，特殊时隙的时间长度是可以根据系统需求进行配置的，并要求特殊时隙的时间总长度为1ms。其帧结构特点如下：（1）支持5ms和10ms的上下行切换周期；（2）对于5ms上下行切换周期，每个半帧中设有一个特殊时隙，对于10ms的上下行切换周期，仅在第一个半帧中配置特殊时隙；（3）特殊时隙中的DwPTs和UpPTS时隙分别用于下行和上行数据传输。一个无线帧，Tf=10ms一个半帧一个时隙（子帧）子帧#0子帧#2子帧#3子帧#4子帧#5子帧#7子帧#8子帧#9DwPTSGPUpPTSDwPTSGPUpPTS图2.5TD-LTE帧结构类型TD-LTE的帧结构类型如图2.5所示。TD-LTE下行物理层支持两种不同的上下行子帧切[31][32]换周期，具体的切换周期配置可以参考文献。从时间和频率的角度划分，TD-LTE物理层传输过程中使用的最小传输单元为资源粒子（ResourceElement，RE），包括时域上一个OFDM符号和频域上的一个子载波。而在实际中，为方便使用，通常用资源块（ResourceBlock，RB）的概念进行描述。每个RB包括一个时隙和频域上的12个子载波，针对于常规循环前缀和扩展循环前缀，由于每个时隙所包含的时隙不同，所以每个资源块RB的大小也不同。在常规CP下，一个RB包括84个RE，而在扩展循环前缀时，一个RB包括72个RE。如图2.6所示，为LTE基本时频资源结构（常规循环前缀），其中最小资源粒子RE通过OFDM索引l和子载波索引k进行描述，记作REkl,。为了支持灵活的应用，LTE下行物理层的资源块的数目根据当前系统带宽进行分配，按照带宽的不同，RB数目的范围从6到110不等，分别对应最小的1.4MHz带宽和最大的20MHz11 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术带宽。这里的系统带宽是指每个载波占用的频谱资源，不同的带宽对应的RB数目如表2.1。表2.1不同带宽对应的RB数目带宽（MHz）1.435101520物理层无线资源块带宽（KHz）180180180180180180物理层无线资源块数目612255075100OnedownlinkslotTslotDLNsymbOFDMsymbolsDLRBkNRBNsc1ResourceblockresourceDLRBNsymbNscelementsrierrraiecrrbaucssbResourceu(k,l)RBscsselementNRBscNDLRBNk0DLl0lNsymb1图2.6TD-LTE基本时频资源结构（常规CP）2.2.2TD-LTE下行物理层信道划分下行物理信道又划分为几个不同的信道，分别承载不同的业务和功能，并依照协议的规定映射到时频资源格上（图2.6）。具体包括以下几个部分：（1）传输用户数据的物理下行共享信道（PhysicalDownlinkSharedChannel，PDSCH）：12 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术主要用于传输用户数据信息；（2）物理多播信道（PhysicalMulticastChannel，PMCH）：承载多播业务信息（主要是单频网中的MBMS服务）；（3）物理广播信道（PhysicalBroadcastChannel，PBCH）：主要用来传输MIB信息（包括带宽信息，PHICH组号以及系统的帧号SFN等）；（4）物理控制格式指示信道（PhysicalControlFormatIndicatorChannel，PCFICH）：用于指示子帧中PDCCH占用OFDM符号的数量（1，2或者3）；（5）物理下行控制信道（PhysicalDownlinkControlChannel，PDCCH）：承载下行控制信息，如资源调度分配和其他控制信息；（6）物理HARQ指示信道（PhysicalHybridARQIndicatorChannel，PHICH）：承载终端上行数据的HARQ的反馈信息。PHICHSubframe#0PSSSpecialsubframeSSSPCFICHSlot#0Slot#1DwPTSGPUpPTSFSPr--eSSqPDCCHPDSCHPBCHCCCentral6RBsuHHencySymbols图2.7TD-LTE下行物理信道位置分布图2.7给出了TD-LTE下行物理层链路的物理信道在时频资源格上的分布情况。由于每个物理信道分别承载着不同的系统信息或者信道信息，所以在接收端上述信道的解调具有一定的先后顺序。例如，在上述信道中，由于PCFICH信道包含了每个子帧中用于PDCCH传输的OFDM符号的个数，所以必须先对PCFICH信道进行解调才能够获取PDCCH在每个子帧中占据的位置，进而对PDCCH进行解调。同理，为获取PDSCH中的信息，必须先对PDCCH信道进行解调。2.2.3TD-LTE中参考信号的设计在信道估计过程中，常用到导频这一概念。导频就是一种由发射端发射的，并在接收端已知的用于信道估计或信道探测的已知信号，也就是常用的参考信号。根据RS信号在二维13 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术时频资源格上的分布方式不同，分为块状导频、梳状导频和散状导频等。根据3GPP协议对TD-LTE下行参考信号的规定，TD-LTE的导频正交性可以在时域、频域以及码域上的分布不同得到体现。LTE系统的多址和传输方式不同于CDMA系统，所以参考信号的设计也有所不同。根据用途的不同，TD-LTE系统的导频分为以下几种：（1）小区专用参考信号（Cell-specificReferenceSignals,CRS）：用于Beanforming技术以外的其他下行传输的信道估计和解调，在同一个小区的所有用户都可以接收并已知的参考信号；（2）MBSFN参考信号（MBSFNReferenceSignals，MBSFN-RS）：用于多播单频网的信道估计和相关解调；（3）UE专用参考信号（UE-specificReferenceSignals，DM-RS）：用于Beanforming技术的信道估计和相关解调，针对于特定的UE，只有特定UE才能够接收和发送；（4）定位参考信号（PositioningReferenceSignals，PRS）：用于定位应用的参考信号；（5）CSI参考信号（CSI-ReferenceSignals，CSI-RS）：用于CSI监测的参考信号。其中，本文主要研究基于CRS的信道估计，因为PRS和CSI-RS不用于信道估计，并且MBSFN-RS仅用于多播单频网的服务，并不具有通用性。在LTE系统中，为支持各种不同的通信场景和需求，CRS的模式也会因为循环前缀模式的不同，在不同的层上有不同的映射图案。在文献[33][34]中表明，在归一化的时频资源格中，使用菱形的导频结构可以获得更好的信道估计效果。同时，很多文献表明，在OFDM信道估计的过程中，等间距的参考信号的信道估计的均方误差（MeanSquaredError，MSE）小于非等间距的参考信号放置方式。LTE的CRS信号设计方式也参考了上述原则。考虑到移动性的需求和高速场景的信道特性，LTE的CRS导频设计采用了离散的导频放置方式。LTE系统中引入MIMO技术，因此导频的设计需要考虑到MIMO传输中不同层的导频正交特性。发射端，小区专用参考信号以天线端口的概念进行定义；在接收端，每个UE只需要关注参考信号，即在发射的过程中，天线端口和RS是绑定在一起的。图2.8给出了TD-LTE下行CRS的映射图案。LTE系统中，支持不同层次的空间复用，CRS所支持的复用层数为4。在图2.8中，第一行为单天线场景时的CRS模式，仅在端口0（Port）设有导频；而在双天线场景时，端口0和端口1都设有参考信号，为保证不同层次导频的正交性，在层0放置导频的地方，层1相同位置不会传送任何数据和参考信号；同理，当使用4层空间复用时，使用端口0~3。从图14 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术中可以看出，因为参考信号占据了所有层，且端口2和3的导频密度相对于双天线场景时下降到原来的一半，因此它并不适合在高速场景下使用。R0R0rtopanRRn00tenaenOR0R0R0R0l0l6l0l6Resourceelement(k,l)R0R0R1R1srtopannR0R0R1R1NotusedfortransmissiononthisantennaporttenaowTR0R0R1R1ReferencesymbolsonthisantennaportR0R0R1R1l0l6l0l6l0l6l0l6R0R0R1R1R2R3srtopanR0R0R1R1R2R3ntenaruoFR0R0R1R1R2R3R0R0R1R1R2R3l0l6l0l6l0l6l0l6l0l6l0l6l0l6l0l6even-numberedslotsodd-numberedslotseven-numberedslotsodd-numberedslotseven-numberedslotsodd-numberedslotseven-numberedslotsodd-numberedslotsAntennaport0Antennaport1Antennaport2Antennaport3图2.8常规CP下CRS的映射图案CRS信号在时频二维资源格上的间隔主要受到最大多普勒频移和多径时延的影响，下面简要介绍CRS在时频资源格上间隔的由来。众所周知，时间间隔主要受到最大多普勒频移的影响，即与相干时间有关。假设CRS导频的时域间隔为N，最大多普勒频移为f，单个ldmax[35]OFDM信号的长度为T，根据时域采样定理：s1fTN(2.5)dmaxsl2为满足实际系统中的性能要求，LTE系统在设计时采用2倍的过采样，则由上式可得1[36]N。TD-LTE系统的设计要求满足最大移动速度v为500km/h的高速场景，考l4Tfsdmax虑到载波频率f为2GHz的情况，并根据最大多普勒频移的计算公式，可知：c15 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术111N4(2.6)l4Tfsdmax4Tfvc410.95sc14其中c为光速。同理，在频域上的频域间隔设置需要满足相干带宽B的要求。根据文献[36][37]可知，在c信道相关值取不同值时，相干带宽取不同值。假设最大多径时延为，当信道相关值为0.9RMS11时，相干带宽为B；当信道相关值为0.5时，相干带宽为B。根据参考文献cc505RMSRMS[38]，TD-LTE系统支持的信道类型中，最大为991ns，由此计算得到的相干带宽为20KHz。RMS在LTE的设计过程中，频域间隔取值为45KHz。2.3无线信道简介对无线信道特性的熟练掌握是研究各种无线通信系统问题的前提，无线通信系统的设计必须依赖于精确的信道特征才能实现性能的最优化。由于无线通信的工作环境非常复杂，无线电波在传输的过程中会受到地面形状、建筑高度的遮挡而产生―阴影衰落‖，同时随着传播距离的增加产生弥散，由于传播路径的不同以及传播过程中发生的折射和反射等，使得接收端接信号是各种时延和相位变换后的信号的叠加。充分了解无线信道的相关统计特性和传播特性对改善无线通信系统的传输能力是非常必要的。2.3.1无线信道的传播特性无线电波在无线信道中传播具有多样性，根据电磁波的传播特性，总体上可以将电磁波传播的多样性总结为：散射、反射和绕射。当电磁波在大城市蜂窝网中传播时，由于建筑物等的阻碍，使得接收端收到的发送端的信息是由经过绕射、散射和反射等不同路径传播的信号的叠加。由于信号经过的路径和在传播中消耗的时间等的不同，因此每条路径到达接收端的时间、相位和幅度各不相同。经过叠加后的接收端信号与发送信号相比会有相位和幅度上的随机波动，这种现象就是无线信道最基本的多径衰落特性。文献[39]指出，依据距离尺度的不同可以将无线信号的衰落情况区分为三种不同的传播机制：即大尺度传播、中尺度传播和小尺度传播机制。其中大尺度传播衰落可以通过幂定律描述区域均值的传播特性；中尺度与阴影衰落相关，描述的是大尺度传播的中值电平的平均功率变化，通过分贝表示时该分布趋于高斯分布；小尺度传播特性主要体现多径衰落的影响，16 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术常用的衰落模型有瑞利衰落模型等，其包络服从瑞利概率密度函数。图2.9给出了无线信道的衰落特性的整体概述。平坦衰落多径衰落频率选择性小尺度衰落衰落慢衰落无线信多普勒道频移衰快衰落落特性阴影衰落大尺度衰落图2.9无线信道的衰落特性概述2.3.2无线信道的大尺度衰落大尺度衰落用于描述无线电波信号经过长距离传播后由于经过不规则地形等的影响而引起的信号平均功率的衰减，这一特性取决于电磁波在空间中传播的衰落特性。大尺度传播可以通过自由空间传播模型进行描述，在该模型中电磁波在理想、均匀和各向同性的介质中传播，在传播过程中除电磁波本身造成的电磁扩散和能量损耗。该模型中的接收功率Pd可r[39]以表示为：2PGGllrPd(2.7)r224dL其中，d表示收发之间的空间距离，单位为m；P为发射机功率；G和G分别为发收天线的llr增益；L为系统损耗因子并满足L1；为波长，单位为m。17 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术2.3.3无线信道的小尺度衰落不同于大尺度衰落中电磁波信号在传播时间或者传播距离上的缓变性，移动通信系统中的小尺度衰落是指无线电波在经过短时间或短距离传播后，电磁波信号本身特性会产生的剧烈变化。在通信系统中，小尺度衰落对接收信号产生的影响远大于大尺度衰落所造成的影响。无线信号产生小尺度衰落的主要原因是传输中的多径效应造成。无线信号自发送端发送后，信号在传播过程中会受到外在环境变化的影响，发生折射、反射等，导致接收端收到的信号是由经过不同路径传播的不同信号合成。多径信号的相对时延较小，这些信号经过叠加后会使原始的无线信号在幅度和强度上产生急剧的变化，变化的程度主要依赖于多径信号之间的相对幅度、时延和相位的变换。产生小尺度衰落的主要表现在两个方面：一是多普勒频移产生的影响，使得多径信号的相位发生变化，产生随机的频移，导致频率弥散；二是由于多径时延产生的影响，导致无线信号的时间弥散。无线信道的复杂性，决定了产生小尺度衰落原因的多样性，综合来看，小尺度衰落的产生原因主要有以下几种：多径传播、收发位置之间的相对变换以及信号的作用带宽等等。小尺度衰落使用以下参数描述：（1）平均附加时延和RMS时延扩展：平均附加时延和RMS时延扩展主要用来描述无线信道的时间弥散特性。其中，平均附加时延定义为功率延迟谱的一阶矩，即：pkkk(2.8)pkk式中p为功率延迟谱的分布函数。RMS时延扩展定义为：k2pkk222k(2.9)pkk此外，我们还定义了功率延迟谱的最大附加XdB时延。（2）相干带宽：相干带宽B是指在频率分量间具有强相关性的带宽范围，在该范围各c分量之间具有恒定的增益和线性相位，它是一个与时延扩展具有定量关系的概念。一般相干带宽B定义与频率相关函数有关，当频率相关函数为0.5时，相干带宽的估值为：c1B(2.10)c5从公式（2.10）中可以看出，相干带宽和时延扩展描述的是信道的时间弥散特。18 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术（3）多普勒频移扩展B：由于移动台的相对移动导致信号传播路程差造成的频率和相D位频移称为多普勒频移。多普勒频移主要依赖于发射台的相对移动速度v以及收发站之间的相对夹角。以图2.10为例，发射信号的源点为S，移动台由X到Y以速度v移动，经过时间t后的移动距离为d，则点X与点Y到源点的路程差为l：ldcosvtcos(2.11)则由于移动台变换导致的路程差引起信号相位的变换为：22lvtcos(2.12)根据公式（2.12），可以计算得到多普勒频移f为：d1vfcos(2.13)d2t通过上面的公式（2.13）可以看出，多普勒频移的取值仅与移动台的移动速度以及入射波方向，以及移动台移动方向之间的夹角有关。f的取值的符号取决于移动方向和入射波d方向之间的夹角，当夹角为正时，则f的取值为正；反之，当夹角为负值时，多普勒频移fdd的取值为负。SlXdvY图2.10多普勒效应示意图（4）相干时间T：通俗的讲在相干时间范围内，经不同路径传播的信号彼此之间具有很c强的幅度相关性。当相干时间T小于信号的基带带宽时，无线信号在传播过程中会发生畸变c导致信号失真。与相干带宽不同，相干时间与信号的时间相关函数相关联，当信号的时间相关函数大于0.5时，相干时间可以表示为：19 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术9T(2.14)c16fmv式（2.14）中，f为最大多普勒频移，即f。通过上式可以看出，相干时间描述了信道mm的频率弥散特性。总上所述，无线信道的小尺度衰落模型可以总结为表2.2所示关系：表2.2小尺度衰落模型小尺度衰落多径时延扩展多普勒频移扩展平坦衰落信道频率选择性衰落信道快衰落信道慢衰落信道BBBBBBBBscscsDsD时延小于符号周期时延大于符号周期相干时间小于符号周期相干时间大于符号周期其中：B为相关带宽，B为信号带宽，B为多普勒频移扩展csD2.3.4无线信道相关特性[40]3GPP协议给出了TD-LTE系统中最常见的三种无线衰落信道模型，即ETU、EVA和EPA，分别应对高速、中速和低速三种不同的场景，并给出了相应的时间延迟和多普勒频移，可以参照表2.3。表2.3三种信道模型的延迟特性和多普勒频移参数信道模型多径数目RMS时延最大多径时延最大多普勒频移EPA745ns410ns5HzEVA9357ns2510ns5Hz或70HzETU9991ns5000ns70Hz或300Hz信道估计的性能与无线信道的相关特性是密不可分的。无线通信分析中最为常用的道模型是广义平稳非相关散射（Wide-SenseStationaryUncorrelatedScattering，WSSUS）信道模型[41][42][43]，该信道模型在时域和频域上的相关特性是相互对立的，其时频二维相关函数可以表示为时频域相关函数R、R的乘积。瑞利信道的时域相关函数可以通过第一类0阶Besseltf函数表示，即：20 南京邮电大学硕士研究生学位论文第二章TD-LTE物理层关键技术RJ2ft(2.15)td0Rayleigh信道的频域相关函数能够表示为多径时延的倒数，其表达式为：1R(2.16)f12jfrms综合式（2.15）、（2.16），可以得出Rayleigh信道的时频二维相关函数的表达式：1RJ2ft(2.17)t,0fd12jfrms上式中，J表示第一类0阶Bessel函数，f表示最大多DopplerShift，表示RMS时0drms延扩展，t、f分别表示时间间隔和频率间隔。2.4本章小结本章主要介绍了TD-LTE系统的物理层关键的OFDM技术，针对OFDM系统的优缺点和系统的基本思想进行了详细的阐述，主要涉及OFDM原理，系统模型，以及与信道估计息息相关的主要参数。其次介绍了物理层信道的划分（包括下行广播信道，下行控制信道等等）和物理层帧结构，以及3GPP协议规定的TD-LTE物理层使用的专有导频结构。再次介绍了无线信道的相关内容，包括无线信道的大、小尺度衰落的相关内容，以及小尺度衰落产生的原因；针对小尺度衰落中的主要参数：相干时间、相干带宽、多普勒频移和多径效应的概念进行了解释，并依据这些概念对无线信道进行了划分。21 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计第三章TD-LTE下行信道估计3.1引言在第二章中我们详细介绍了TD-LTE下行物理层关键的OFDM技术和物理层帧结构，同时也介绍了无线信道中的相关内容。在这个基础上，本章将研究TD-LTE下行物理层技术中极其重要的技术——信道估计技术。信号在无线信道的传播过程中，由于信道环境的复杂性和多变性的存在将引起信号的多径传播和Doppler频移扩展。由上文可知，由于多径时延的存在，相邻接收符号之间会产生符号间干扰，而多普勒频移产生的频偏将导致载波间干扰和时间选择性衰落。在实际中，LTE系统采用OFDM技术，通过添加CyclicPrefix的方式克服符号间干扰。OFDM技术带来了性能的提升，但同时也要求接收端必须知道精确的信道状态[44]信息，并根据信道状态信息进行相干解调才能获取发送端发送的信息。因此，信道估计的精确性对LTE系统的性能的提升尤为重要。[45]信道估计就是估计出接收天线和发射天线之间的信道状态信息。传统的信道估计方法[46]主要分为两大部分：盲估计和基于导频信息（或者基于训练信息）的信道估计。所谓盲信道估计不借助额外的信息，仅通过接收端信息和发送端信息的相关统计特性估计出无线信道的信道参数。该类算法不需要额外的辅助信息，不需要系统额外的频谱开销；但是由于发送端信息的未知性，盲信道估计算法在实施中需要复杂的信号处理技术和大量的计算导致收敛速度慢，仅适用于信道环境缓变或者不变的信道。到目前为止，盲估计方案的应用研究仅停留在学术层面。不同于盲估计方案，基于辅助信息的信道估计方案中，通过借助参考信号的辅助进行信道估计。以训练序列形式的不同进行划分，基于导频的信道估计方案包括基于训练序列和基于导频符号的信道估计。利用训练序列的估计方案主要适用于慢变性信道，该种方案在发送用户数据前先发送已知信息，并在接收端估计当前信道CSI后传输用户信息，然后利用估计得到的CSI获取用户传输数据时的信道CSI。该类算法实施简单、快捷，但并不适用于快变性信道。利用导频的信道估计实际是一种折中方案，该方法通过合理设计在发送的有用信息中插入RS符号，在接收端就可以根据已知的RS估计出RS位置的信道频域响应值，最后通过一系列的插值或者平滑算法估计出数据区域的信道响应，完成信道估计。基于导频的信道估计方案具有收敛快，估计误差小等优点。22 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计本章将分别介绍传统的信道估计方案的基本原理，并对它们进行仿真分析，衡量的标准以最小均方误差MSE为依据。3.2传统的信道估计技术本节主要介绍传统的信道估计算法的基本原理，以及经典的最小二乘算法（LeastSquare，LS）、最小均方误差（MinimumMeanSquareError，MMSE）以及基于DFT的信道估计算法等。3.2.1系统模型在第二章中，我们已经介绍了OFDM系统的基本原理，本小节不在赘述，仅根据OFDM系统原理框图给出LTE下行物理层信道估计的系统模型和基本流程图。LTE下行物理层信道估计的基本原理图如图3.1。信源编码插入导频IFFT插入CP无线信道信源解码信道估计FFT去除CP图3.1简化的信道估计系统框图上述简化的信道估计模型中，与第二章中介绍的OFDM系统原理框图类似，在信源比特流经过编码和调制后，将设计好的导频符号插入到相应的位置，随同信息比特流一同经过IFFT变换后插入循环前缀，最后通过射频信号发送出去。接收端过程实际是发送端的逆过程，在去掉循环前缀后，需要根据导频符号估计出整个信道的冲激响应函数。在上述OFDM系统模型中，X、Y分别为发送端符号和接收端符号，并假设信道的时域冲激响应函数为ht(,)，nt为信道复高斯白噪声。在上述系统中，数模转换和模数转换模块被认为是理想低通滤波器，并假设信道的采样间隔为T，T为循环前缀的长度。根据文献sg[47]，多径信道的时域冲激响应函数可以表示为：L1ht(,)htii()(t)(3.1)i0在上式中，L表示为传播路径总数；h表示为第i路径上的振幅；是表示为归一化的第i径ii23 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计时延长度，根据第二章的内容可知，为克服符号间干扰必须满足0T。接收端信号的iig[48][49]频域表达式可以表示为：Y=XH+W(3.2)上式中，Y、X分别为收发两端符号的频域表示，H为频域信道冲激响应，W为nt的频域变换形式。其中XX,,XX，YYY,,Y，N表示符号数。01N101N13.2.2LS算法LS（LeastSquares，LS）算法以最小二乘准则为基准，其代价函数为：HHJ=Y-YˆY-Y=Y-XHˆˆY-XHˆ(3.3)LSPPPPPPPP上式中，Y、Yˆ分别表示导频处的实际接收值和经过信道估计后恢复出的接收值，其中PPY=XHˆˆ，Hˆ表示CIRH的估值，X为发送端导频处的发送信号，XH表示X的共轭转置。PPP为使代价函数J最小，令J0，可得：LSLSHY-XHPPˆY-XPPHˆ=0Hˆ-2XHY-XH=0ˆ(3.4)pPPXY=XHHXHˆpPpP通过上式可以知，基于LS算法得到的CIR估值Hˆ可以表示为：P,LS-1HH-1Hˆ=XXXY=XY(3.5)P,LSPPPPPPTT上式中，XX,X,X、YYY,,Y，则Hˆ可以表示为：01N101N1P,LSHˆ=XY-1[YY01,Y1,,N]T(3.6)LSXXX01N1上式中，并没有考虑到信道加性高斯白噪声造成的干扰，考虑到加性高斯白噪声的影响，接收端信道表示为Y=XH+W，因此，式（3.6）需要表示为：-1-1WH=XY=XˆXY+W=H+(3.7)LSXLS信道估计算法的MSE（MeanSquareError）可以表示为：24 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计2MSE=EHˆ-HLSLS(3.8)-12H=ktrXX22222上式中，kEW表示为频域噪声功率，假设kmEX，则式（3.8）可以表示为：MSE(3.9)LSSNR2221EXk上式中，=EXE且信噪比为SNR。k2Xk通过上面的介绍和推导可以看出，LS算法并不需要复杂的计算，仅通过一个除法运算器就可以获得导频处的信道估计值，其运算复杂度仅与导频点的数目有关，简单易行的优点突出。同样LS算法的缺点也很明显，在上述运算过程中可以看出，针对于高斯白噪声产生的影响，LS算法并未做出处理。3.2.3MMSE算法当信噪比较大时，LS方案RS处的CIR估值存在严重的误差，导致后续插值处理的性能不稳定，针对于这个缺点MMSE算法提出了改进措施。不同于LS算法采用的准则，MMSE[50][51]（MinimumMeanSquareError）算法采用的准则为均方误差准则，即：22MSEEH-Hˆ=Ee(3.10)MMSE2MMSE准则的目标就是使真实CIR和估计得到的信道响应值之间的均方误差Ee最小，其中e=H-Hˆ。CIR的真实值为H，经过估计得到的CIR为Hˆ，则MMSE方案的代价函数可以表示为：22HJ=E{|e|}=E{|H-H|}=E{|H-H||H-H|}ˆˆˆ(3.11)MMSE下面给出MMSE算法的推导过程，假设H=aYˆ，则MMSE算法的MSE函数可以表示为：25 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计HJMMSE=EH-aYH-aYHHH=EH-aYH-Ya(3.12)HHHHHh=EHH-HYa-aYH+aYYaHHHHHH=EHH-EHYa-EaYH+EaYYa2HMMSE算法的目标函数是使Ee最小。因此对变量a求导并令求导结果等于0，可以得到如下形式：JHHH=-EHY+aEYY=0a(3.13)-1HHa=EHYEYY在上式中，有如下关系：HHREHY[]EHXHW[()]HYHHHEHHX[(W)}HHHEHHX{}HWHHEHH()X(3.14)HHREYY[]E(XHWXHW)()YYHHHXEHH()XEWW()H2XRXIHH其中，R为信道接收信号的互相关函数，R为接收信道的自相关函数，R为信道的自相HYYYHH关矩阵，I为单位矩阵。综合上述过程，可以得到MMSE算法的信道响应（CIR）估计值为[52][53]：HH21HRX()XRXIYMMSEHHHHR[[(XHH)][11XRX2I][1X1]1HˆHHHHLS(3.15)R{[X1[XRXHH2I][(X)]}11HˆHHHHLSR{R21IXX(H)}HˆHHHHLS根据上面的推演结果，可以很容易的计算得到MMSE算法的均方误差（MSE）为：MSEE||HˆH||2MMSE(3.16)2-1trRHHIN(RHH+XXRHH从式（3.16）可以看出，与LS信道估计方案相比MMSE信道估计方法可以获得更好的信道估计精确度，这是因为在MMSE信道估计方法中我们对信道的信道噪声进行了处理，算26 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计法很好的抑制了噪声的影响，并利用了信道的自相关矩阵信息R。同时MMSE信道估计算HH法也存在许多不足的地方，首先自相关矩阵信息R在实际系统中很难获得，并且在运算的HH过程中涉及了矩阵的求逆，这将产生巨大的运算量。经过特殊设计的导频序列可以降低计算时的复杂度，但同时由于导频数量的增加也会增加额外的频谱资源，因此该方案在实际应用中很难实现。3.2.4SVD-LMMSE算法针对MMSE信道估计算法存在处理矩阵问题时运算量很大的缺点，人们提出了一种降低计算量的MMSE算法，称之为LMMSE算法（LeastMinimumMeanSquareError）。LMMSE算法也是在OFDM系统中应用最广泛的信道估计算法之一，在加性高斯白噪声信道条件下，LMMSE算法能够令信道估计的均方根误差最小化。同时该算法在计算中的未知量也仅有RHH和SNR。[54]通过式（3.15）可以得到LMMSE方案的信道估值为：HˆR()RI1Hˆ(3.17)LMMSEHHHHLSSNR2221EXk上式中，=EXE且信噪比为SNR，表示为每个符号的信噪比。其中k2Xk的取值取决于调制编码的方式，对于16QAM调制时取17/9；对于QPSK调制取1。该[55]算法的均方根误差（MSE）公式可以表示为：MSEE||HˆH||2LMMSEMMSE1trRI(R)R(3.18)HHNHHHHSNRN1kN,SNRk0kN,SNR公式（3.18）中，为信道自相关矩阵R的特征值。kN,HH与MMSE信道估计方案相比，虽然该方法在计算量上有所降低，但是在求解过程中仍然需要大量的矩阵求逆处理。通过观察可以发现，在式（3.17）中R和I均为方阵，因HHSNR此可以通过奇异值分解降低算法在计算中的复杂度，即SVD-LMMSE算法（SingularValue27 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计Decomposition-LinearMinimumMeanSquareError，SVD-LMMSE）。SVD-LMMSE算法通过引入奇异值分解（SVD）计算，将LMMSE信道估计算法中的方阵进行奇异值分解，降低信道估计运算中的计算量和复杂度。根据奇异值分解原理，信道相[55]关矩阵R可以分解成下式：HHHRUU(3.19)HH上式中，U是一个酉矩阵，它的全部列向量便是它的一个标准正交基；是一个对角线元素满足...0的对角矩阵。根据这一性质可以得到基于SVD的信道估计值为：012N10HˆU(n)UHHHˆUUHˆ(3.20)LMMSELSJLS00上式中为对角矩阵，且对角线上的取值为：J/(),kj1,2,..kkkSNR(3.21)0,kj1,...N上式(3.21)中的j被认为是N个点中信道能量大于噪声能量的最大点数，信道能量小于信道噪声的点将被设置为0。这样的处理方式不仅降低了需要处理的矩阵的阶数，同时对信道噪声也具有一定的抑制作用，最终可以通过阶数更低的滤波器进行平滑，降低整个算法的计算和复杂度。虽然SVD-LMMSE方案降低了信道估计过程中部分运算的复杂度和计算量，但是在实际应用中仍然存在许多不足。首先该算法依然依赖于先验的信道自相关矩阵和噪声的统计信息等，这两种信息在实际系统中是不可能提前获知的；其次，该算法虽然降低了信道自相关矩阵的阶数，但实际的运算量仍然较高。3.2.5基于DFT的信道估计算法前几小节中所介绍的信道估计方案都是在频域进行，基于DFT变换的信道估计方法是通过时频变换获取CSI，然后通过后续处理获取当前的信道估值。基于DFT的估计方法主要利[56]用了OFDM系统中CP的持续时间大于信道冲激响应长度这一特性，根据这一特性，基于DFT的信道估计将大于循环前缀持续时间的信道冲激响应置0。其原理框图如图3.2所示。28 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计频域时域频域HˆLS0hˆ0hLˆ1Hˆ0LSDFTDFTHˆ1hLˆLS1hLˆDFT1Hˆ1LSDFT....N点离散0N点离散..LS信道估傅里叶逆傅里叶变算法变换换..HNˆ2.HNˆ2LSDFTHNˆLS1HNˆDFT10图3.2基于DFT的信道估计框图基于DFT的信道估计流程如下：步骤1：通过LS信道估计方案得到信道估计值为Hˆ，然后对LS信道估计的结果进行LSIDFT变换得到：hˆIDFTHˆhw(3.22)LSNLSW上式中IDFT表示N点的离散傅里叶（IDFT）逆变换，且wIDFT。在OFDM系NNX统中，信道冲激响应函数的长度一般小于CP的长度，因此远远小于子载波的数量。通常信道脉冲响应函数可以表示成式（3.23）的形式，式中L为多径信道的长度：IDFTNH,0nL1h(3.23)0,LnN1步骤2：去噪声处理。从式（3.23）可以看出信道冲激响应函数可以分为信道有噪声区域和纯噪声区域，即：hw,0nL1h(3.24)w,1LnN从上面的公式可以看出，信道状态信息仅存在于前L个抽样点，余下个点均为信道干扰噪声。因此通过将除前L个抽样点外的CIR函数置零，去噪声后得到：hw,0nL1hˆ(3.25)DFT0,LnN1步骤3：去噪声后对时域信道估值进行离散傅里叶变换，得到基于DFT变换的信道估计为：29 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计N1nkj2HˆDFThˆhˆneN,0nN1(3.26)DFTNDFTDFTn0DFTBlock图3.3用于DFT信道估计器的时域信道等效模型根据参考文献[56]，基于DFT变换的信道估计方案第K个子载波的MSE为：LMSEk(3.27)DFT2NEx基于DFT变换的信道估计方案在通过时域与频域的变换，简化了信道估计过程中的计算量，同时通过将时域中信道冲激响应中大于信道脉冲响应长度的部分置零，降低了信道加性高斯白噪声的影响。DFT信道估计算法在应用中要求时域采样点正好在信道冲激响应点上，而在实际应用中这一点很难做到，因此会存在能量泄露现象，使信道的能量有可能分散到整个时域中。同时，将采样点多于L的部分直接置零会忽略信道中包含的少数能量，在信噪比很大的时候存在估计误差，即―地板效应‖。3.2.6传统信道估计方案性能仿真本小节针对前面提出的LS、MMSE、LMMSE算法以及DFT算法，在LTE系统框架下进行了仿真分析。信道的条件设置为3GPP协议中规定的EPA信道。仿真参数如表3.1所示。表3.1EPA信道的延时特性抽头时延（ns）相对功率（dB）00.030-1.070-2.090-3.0110-8.0190-17.2410-20.830 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计表3.2仿真参数参数取值FFT256CP30数据子载波长度256信道类型EPA0Hz信噪比0:5:25dB调制方式QPSK010LS信道估计DFT信道估计MMSE信道估计LMMSE信道估计SVD-LMMSE信道估计-110MSE-210-3100510152025SNR图3.4经典信道估计算法仿真分析本小节针对前文提到的信道估计方案进行了仿真分析和比较。通过图3.4可以看出，在相同SNR的情况下，MMSE信道估计方案和LMMSE估计方法能够取得最优的信道估计性能，这与上述分析一致，LMMSE方法实际上是基于MMSE的信道估计方案的简化，在牺牲很小的信道估计性能的同时，极大的降低了信道估计过程中的计算量。同时SVD-LMMSE方法与MMSE算法和LMMSE算法相比，在信噪比较小的情况下能够取得相同的信道估计性能，但随着信噪比的提升和信道环境的改善，当信噪比为15dB时，SVD-LMMSE信道估计方案相对于LMMSE算法有10dB左右的差距，SVD-LMMSE信道估计方案在性能上有所下降，这是因为对信道自相关矩阵和信道互相关矩阵的近似奇异值SVD分解中产生的误差降低了信道估计的准确度。与这几种算法相比，DFT算法和LS算法的性能最差，但计算量却相对较小，当信噪比较高时，DFT在将大于信道冲激响应函数长度部分的信道噪声能量设置为零的同时，也滤除了信道本身的部分能量，导致信道估计性能的下降。31 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计3.3传统信道估计插值方法基于导频符号的信道估计方案仅能根据接收端接收到的导频符号估计出导频区域的信道响应值，针对于非导频处（数据区域）的信道估计则需要根据导频符号区域的信道估计值进行插值。R0R0R0R0R0R0R0R0l0l5l0l5图3.5数据区域信道估计示意图如图3.5所示，数据区域的信道估计值完全依赖于导频处信道估计的结果，仅为单纯的数学计算过程，因此在信道条件变换剧烈的情况下，通过插值算法获得的数据区域的信道估计值效果并不理想。下面介绍信道估计中常用的插值算法。3.3.1常值插值[57][58][59]常值插值算法的实施简单方便，并不需要复杂的计算处理，它利用导频子载波处的信道估结果来近似表示周围的数据子载波的信道估计结果。其近似结果可以表示为：HmLlˆ()HmLˆ(),l0,1,...,L1(3.28)P上式中，L为导频子载波之间的间隔，mL表示OFDM符号的第mL个子载波，Hˆ表示导频P处的信道估计值。常值插值算法的主要优点就是简单易实现，并不需要复杂的计算。但同样插值方法的缺点也很明显，在插值的过程中并没有考虑的信道的时变性，并不能很好的反应不同非导频子载波处的信道响应值，因此这种插值算法的性能最差。3.3.2线性插值线性插值算法主要考虑到信道的时变性，通过前后导频处的信道估计值线性计算出两个32 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计导频子载波之间的数据（非导频）子载波处的信道冲激响应值。以频率方向的线性插值为例，通过同一数据符号的相邻的两个导频处的信道响应值，可以得到该OFDM符号频域信道估计结果为：Hkˆ()HmLlˆ()HmLˆ()1Hˆ[(m1)]LHmLˆ()(3.29)ppPL(kmLl,0lL)信道估计插值l0123456时域/频域图3.6线性插值原理框图3.3.3二次插值二次插值算法实际上是线性插值算法的一种改进，在线性插值算法中，我们仅适用数据符号的前后两个相邻的导频处信道估计值对数据区域信道响应值进行插值计算。而在二次插值算法中，需要使用到数据符号前后相邻的三个导频子载波的信道估算结果进行插值计算，第k个数据子载波处的信道响应估计结果可以表示为：Hkˆ()HmLlˆ()CHmˆ(1)CHmˆ()CHmˆ(1)(3.30)1p0p1P(1)(1)1上式中，各系数的取值分别为：C、C(1)(1)、C且。10122L二次插值算法也常被称为高斯插值算法，与常值插值方案和线性插值方案相比，二次插值算法在采用更多的导频处信道响应估计值估计同一数据区域的信道响应值，其算法性能优于前两种算法，但同时增加了计算中的计算量和复杂度。3.3.4维纳滤波插值算法上述插值算法虽然计算简单，但适用的范围较小，当信道环境变化较快时，常值插值和线性插值算法已经不能满足信道的时变性要求。同时上述插值算法在计算的过程中并没有对33 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计信道内的噪声进行处理，同时也没有利用到信道信息。针对于低信噪比和高速移动场景，上述插值算法的性能无法适应。不同于前面介绍的插值算法，本小节介绍的维纳滤波算法不仅考虑了信道的相关性信息，而且对噪声进行处理，提高了信道估计性能，但与此同时带来的是复杂度很高的计算。与LMMSE算法的准则一样，维纳滤波算法的准则也是最小均方准则，但维纳滤波方案是应用于数据区域的信道估计值，而LMMSE算法应用于导频区域的信道估计。维纳滤波算法的目标是使代价函数最小，其代价函数可以表示为：2JEHˆH(3.31)datadata其中，Hˆ和H分别表示数据区域的信道响应估计值和信道响应真实值，它们均由导频区datadata域的信道估计结果通过数值计算得到。参考本论文第二章中的OFDM时频二维结构图，假设RE资源块的索引为lk,，其中l和k分别表示该RE的OFDM符号索引和子载波索引，则该点的信道估计响应值Hˆlk,可data[60][61]以表示为：Hˆ(,)lkWl,k;l,kHl,k('')('')(3.32)datap''(l,k)P''''上式中，Hl,k()表示RS区域的信道响应估计值，p表示RS区域的导频序号，l和kp''分别表示导频符号的子载波索引和OFDM符号索引。Wl,k;l,k()是维纳滤波器的系数，表示导频信道响应估值得加权。维纳滤波插值得到的结果与维纳滤波器的表达式一样，因此插值算法也称为维纳滤波算法。联合公式（3.32）和维纳滤波的目标函数，经过计算后得到经典的维纳-霍普方程，解的表达式为：T1wl,kRR(3.33)HHPHHPP上式中，R与R分别是数据区域信道与RS参考信号区域信道的信道互相关矩阵和HHPHHpP参考信号区域信道的自相关矩阵。不妨设参考信号RS的数目为N，则R与R的维度分HHPHHpP别为1N和NN。在该维纳滤波器的算法中，滤波器的阶数可以表示为估计数据区域的一点所用的导频数量，使用的导频数量越多估计性能越准确，但同时算法的计算量也越大。导[60][61]频处信道估计值以LS算法为例，得到的维纳滤波插值算法得到的信道估计值为：HˆR()RI21Hˆ(3.34)HHPHHPPLS从导频维度选取的方法不同，可以分为一维Wiener维纳滤波和二维Wiener维纳滤波两34 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计种。若导频同时从时频二维资源格上同时选取，则称为2D维纳滤波。该算法在性能上优于现有的算法，但同时维纳滤波插值方案的计算量也是最大的。3.4基于Turbo迭代的信道估计技术在传统的信道估计过程中，信道估计器和译码器分开进行，这种处理方式降低了信道估计的准确性。不同于传统的信道估计过程，该小节提出的基于Turbo迭代的信道估计过程通过将信道估计器和译码器相结合，在信道估计的过程中使用Turbo编码良好的检错能力，在接收端将解码出来的数据信息中，选择合适的信息重新作为虚拟导频进行信道估计，仿真结果表明，该算法极大的提高了系统信道估计的性能。3.4.1系统模型[63][65]基于turbo编解码的迭代信道估计模型如图3.7。参考信号噪声源比特Turbo编码符号映射资源映射IFFT信道衰落输出比特Turbo解码解映射均衡器资源解映射FFT软符号计算软符号映射信道估计参考信号虚拟导频图3.7基于Turbo码的迭代信道估计在发送端，首先对长为N信息流b进行Turbo编码，将编码后的数据x经过OFDM调制nn后经星座映射，映射到OFDM符号上。在经过加入导频和IFFT以及插入CyclicPrefix等操作后，使数据通过衰落信道。接收端接收的数据为y，从y中提取导频信息对信道做初次估计。将估计得到的发送信nn息x进行Turbo译码，得到原始的发送信息流。在Turbo译码后，将得到每一个比特的后验n概率。根据后验概率的大小，进行软符号的判决，根据判决的结果计算相应的软符号信息。在经过调制和映射后，将可靠的软符号信息作为导频信息重新对信道进行估计。下面对迭代35 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计部分进行分模块叙述。3.4.2Turbo编译码迭代信道估计的思想在于Turbo译码的纠错功能上，利用得到的似然比信息进行软符号的计算，然后映射到资源块上，作为参考信息，进行有效的迭代信道估计。Turbo编码的过[62]程参考文献。编码前的信息序列bb,,,b，则整个编码器的输出为3路（以1/3码率为01N1012[63]例），即d,,dd，分别对应原始信息序列、编码器RSC1和编码器RSC2的输出。kkkTurbo码比较常用的译码算法有BCJR译码算法、MAP译码方法、Log-MAP译码方法和[63]Max-log-MAP译码方法等,这几种译码算法在LTE系统中一样通用。图3.8为经典的Turbo迭代译码器结构。Lee21L21解交织ewL21解硬swysLu交判uˆy分量译码分量译码+nk器1e器2织决p1pLyy12交织交织2py延迟图3.8Turbo迭代译码器结构Turbo译码器由两个软输入软输出译码器（SISO）DEC1和DEC2串行级联组成，图中的交织器和编码器中的交织器相对应。每个独立译码器的输入为信息比特的先验信息，接收的信号比特和相对应的校验比特。在首次迭代时，译码器DEC1的输入为分量码RSC1进行最佳译码，此时的先验信息初始化为0。译码输出为信息序列的每一信息比特的似然信息；在译码器DEC2进行译码时，将译码器DEC1产生的信息序列的似然信息被当作为DEC2的输入，需要通过交织器交织后作为其―先验信息‖，DEC2的输入还包括交织后的接收信息比特和校验比特2，译码输出的为发送信息序列交织后的似然比信息。此似然比信息经过解交织之后作为DEC1的先验信息，重新对接收的来自RSC1的信息进行译码。经过几次迭代之后，―外信息‖（也就是先验信息）逐渐趋于稳定，似然比渐近值逼近与对整个码的最大似然译码，然后对此似然比进行硬判决就可得到信号源的每一比特的最佳估计值。Nsp在图3.8中，MAP译码器的输入序列为yyyy,,,y,y，其中yyy,。112kNkkkeLuk是关于uk的先验概率，Luk是uk的对数似然比。它们的定义如下：36 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计ePuk1Luln(3.35)kPuk0NPuk1y1Luln(3.36)kNPuk0y1假定发射端RSC编码器的存储器级数为v，约束长度为K，编码器在k时刻的状态为S，ksp编码器的输出为xxx,。根据Bayes公式，上式可以写为：kkkNNPuk1,yy11pLuklnNNPuk0,yy11pNNpSkk1sS',s,yy1p1(3.37)ss',uk1lnNNpSkk1sS',s,yy1p1ss',uk0N根据BCJR算法，pSsS',s,y可以根据下式计算：kk11Nk1Npss',,y1ps',y1psys,kk'py1s(3.38)k1s'ss',skN式中：spSs,y为前向度量，spySs为后向度量，kk1kk1kkss',pSksyS,kk1s'分支度量，表示为s'何s之间的分支转移概率。通过计算可以得到：ksk1s'kss',(3.39)s'k1s'kskss',(3.40)s'kss',Pukpyukk1ese(3.41)expuLukkLyckkss',2EEbb式中La4为信道可靠度，为信噪比，a的取值由调制方式决定。上式中的u对ckNN00s应编码器输出的x。k在Turbo译码迭代信道估计时，我们不仅仅需要信息比特的译码结果，同时需要校验比特的译码结果。参照传统的信息数据比特软值的推导过程，推导出了校验比特的译码方法。观察式（3.33-3.37），仅在式（3.37）分支度量中涉及到信息序列的值。因此给出了校验比特的37 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计分支度量的计算方法：ppkss',Pxkpyxkk(3.42)1peppeexpxkLxkLyckkss',2在得到信息比特和校验比特的译码结果后，我们就可以得到完整的译码序列，从而重新进行信道估计。处于简化计算的考虑，在Turbo译码时采用Max-Log-MAP译码算法。利用如下不等式：*xyxymaxxylneemaxxy,ln1e(3.43)可以简化计算。将式（3.33-3.37）分别取对数形式，并利用上式得：**s'ss',*slnslnekk1kks'***maxs's'ss',kk1**s'ss',*slnslnekk(3.44)k1k1s'***maxs's'ss',kk*kkss',lnss',通过Turbo译码后得倒的后验概率信息进行调制，求得软符号。Turbo译码得到后验概率Pb(1)i信息，进行交织后，对数似然比为Lb()ln，其中b为二进制的信息比特流。计算中iiPb(0)i每个信息比特为1/0的概率为：e1(0)L()biPb(1(0))(3.45)iL()b1ei1Pb(1(0))(1()tanh(L()/2))b(3.46)ii2校验比特的概率与上式相似。在得到每比特信息的概率值后，就可以根据调制方式的不同计算得到相应的软符号的概率。以QPSK为例，将连续的2比特信息作为一组，分别计算其为ij00、01、10和11的概率，记为ps：kijpspcipcjij,01(3.47)kkk12ij其中s为k时刻所对应的软符号ij，c和c为k时刻的2比特信息。根据上面的公式就可kk1k2以计算得到相应的软符号概率。在软符号的选取上，遵从概率最大化原则，即选取该时刻所对应的所有软符号中概率最大的点作为该点的信息值。但为了保证软符号的可靠性，在软符38 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计号的选取时引入了门限值的定义，在这里门限值定义为p。当所选取的软符号的概率大于门th限值时将被选择，否则该点的软符号不满足信道置信度，不被利用来进行信道估计。下式给出了软符号选取的方法：maxpsij,maxpsijpkkthps(3.48)kij0,maxpskpth3.4.3迭代的2D维纳滤波在软判决译码结束后，需要对判决后的符号序列进行OFDM软映射。以QPSK为例，在映射后，大于阈值的点将被调制成相应的QPSK符号，而不满足阈值条件的点将被置为0。迭代后的导频分布如图3.9所示。因此在维纳滤波的过程中就涉及到导频选取的问题，下面以16阶2D维纳滤波，一帧OFDM符号为例进行分析，设待估点的位置为kl,，其中k、l分别为OFDM符号索引和子载波索引。R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0l0l5l0l5l0l5l0l5l0l5l0l5图3.9迭代后的导频分布当使用迭代信道估计时，选择的导频不仅仅是原有导频，也包括反馈回来的虚拟导频。因此，在导频选择时，为保证每个点在2D维纳滤波插值时都能够保证有足够的导频，导频搜索的范围必须足够大，以预防止反馈回来的虚拟导频的数量为0的情况。即导频搜索时在第k个OFDM符号，以第l个导频为中心，向上和向下至少都应该包含16个导频（边缘情况除外）。在此，我们提出了一种更为简单的搜索方式。在不使用迭代信道估计时，导频的位置已知且固定不变。在为点kl,选择导频点时，以kl,为中心，沿着频域方向分别向上和向下各搜索16个导频点，根据公式：LfkkfTll(3.49)rmspdatamaxpdata计算每个OFDM符号的相对应的子载波位置的导频到kl,的相关距离，最后排序后选择相关距离最小的16个导频点作为kl,的2D维纳滤波所使用的导频。随着SNR的增大，反馈的39 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计虚拟导频数量也随之增加，在选择导频时的运算量也随着增大。为此，我们提出了一种优化的导频搜索方式。具体流程如图3.10：R0R0R0R0R0R0最小矩形R0R0最小矩形ffkl,kl,R0R0R0R0k1RRk1RR0000l1l5l8l12l1l5l8l12ttCRS导频虚拟导频图3.10插值导频示意图1)判决后的符号映射，得到映射后数据；12)假设译码后数据全反馈，以kl,为中心确定，以的2D维纳滤波为中心，确定2需要搜索的最小矩形范围；f3)根据的比值，确定最小矩形的长宽比；t根据最小矩形搜索kl,点2D维纳滤波所需的最近导频，如果矩形框内的导频数目满足2D维纳滤波阶数，则停止搜索，并选择矩形框中和kl,加权距离最小的点最为插值点；否则，扩大矩形搜索范围，直到搜索到足够的导频点。3.4.4仿真分析本小节对基于Turbo迭代的信道估计算法的MSE性能曲线进行了仿真分析。典型的信道估计参数如表3.3所示，仿真中采用了ETU信道衰落模型，适用于高速移动场景。表3.3仿真参数设置信道模型ETU系统带宽20MHz导频模式CRS导频+虚拟导频Turbo编码效率1/3调制模式QPSK译码方式Max-Log-MAP40 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计图3.11不同迭代次数对算法性能的影响从图3.11的仿真结果可以看出，基于Turbo迭代的信道估计方案对迭代次数的要求并不高，随着迭代次数的增加，信道估计的性能和精确度也有所提升。与2DWiener滤波算法相比，本文所提出的信道估计算法随着信噪比SNR的增大，算法性能更加精确，同时本文提出的算法相对于典型的2DWiener波算法有5~10dB的性能提升。但同时迭代次数的选取也尤为重要，迭代次数的增加固然提升了信道估计的系能和精确度，但与此同时每增加一次迭代所带来的巨大的计算量的增加会带来信道估计延迟等方面的影响。从图3.11的仿真结果分析，并综合考虑计算复杂度和系统性能两个方面，下面的仿真分析将迭代次数设置为3次。图3.12不同导频密度对信道估计性能的影响除此之外，本文还分析了信道估计中导频数量对信道估计性能的影响。在图3.12中，―low41 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计bound‖表示所有数据均为导频信息时，信道估计的MSE性能曲线，―1‖表示导频密度为1（即CRS导频所在的OFDM索引的所有子载波均为导频）时信道估计的MSE曲线；―1/5‖表示在CRS导频所在的OFDM索引每隔5个子载波放置一个导频符号所得到的信道估计性能的MSE曲线；―1/15‖表示在CRS导频所在的OFDM索引每隔15个子载波放置一个导频符号所得到的信道估计性能的MSE曲线；―2D‖表示采用标准的CRS导频进行信道估计的MSE性能曲线。从仿真结果中可以看出，随着导频密度的增加，基于turbo迭代的信道估计方案的性能提升明显，但都由于现有的2D维纳滤波信道估计性能。3.5基于控制域的信道估计技术在LTE系统中，下行物理信道的在时频二维资源格中的分布如图3.13。Slot0Slot1freqPDCCHPDSCHPBCHuency图3.13LTE下行物理信道的分布在PCFICH中包含了用于传输PDCCH所占用的OFDM符号数的数量信息，其中可能的OFDM符号数为1~4。LTE下行物理层链路运行过程中，首先UE进行小区搜索，然后进行帧同步、符号同步、频率偏移估计补偿并解析出小区ID(CELL-ID)；其次根据UE检测出的各种边界帧信息（例如PBCH资源位置、MIB信息、系统带宽以及PHICH等相关信息；然后，UE根据PBCH信道信息和PHICH中的配置指示信息得到有关PCFICH中的信息；最后在物理层下行共享信道（PDSCH）的数据是通过PDCCH信道所携带的DCI信息格式发送的。因此根据下行物理层的解码过程，本节提出了基于控制域信息的信道估计方案。3.5.1算法原理图3.14为基于控制域的信道估计算法流程图。根据LTE下行物理层信道的解码流程，首先要对控制区域的信道进行估计和译码，当LTE信道中的控制区域的译码结果完全正确时，系统才会对数据区域的信息进行信道估计和解码等，而控制区域的信息此时就可以作为已知信息或是虚拟导频对数据区域的信道进行估计。利用解码顺序的不同，为完整获取数据区域的数据信息，我们可以假设控制区域的信息已知完全获知（在实际应用中这一点可以完全实42 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计现）并将其作为数据区域的导频信息进行信道估计。控制域信道估计解调Turbo解码CRC校验判决NY丢弃Turbo编码调制控制区域数据CRS数据区域信道估计图3.14基于控制域的信道估计算法流程图R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0R0l0l5l0l5l0l5l0l5()a()b图3.15基于控制域的信道估计的导频示意图在获取导频信息后，数据区域的信道估计算法可以采用传统的信道估计算法或者是上一小节中的基于Turbo迭代的信道估计算法，本小节就不在详细赘述上述算法的流程。43 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计3.5.2仿真分析本小节对于上文提出的基于控制域的信道估计方案进行了算法仿真和分析对比。其中所使用的信道估计算法为基于2D维纳（Wiener）滤波的信道估计方案。仿真中使用的信道带宽为20MHz，FFT变换点数为2048，循环前缀（CP）的长度设置为常规循环前缀（CP）144，调制模式为QPSK调制。本小节分别对ETU信道和EVA信道进行了仿真分析，对比不同环境下的算法性能。图3.16ETU信道估计结果图3.17EVA信道估计结果44 南京邮电大学硕士研究生学位论文第三章TD-LTE下行信道估计图3.18EPA信道估计结果在仿真图3.16-3.18中，―CRS‖为TD-LTE系统中的CRS导频模式，―控制域算法‖是指本文提出的基于控制域的信道估计方案，“理想导频模式”指控制区域所有信息均为导频信息，并根据LS所获取的信道状态信息。从仿真图3.16-3.18中可以看出，随着信噪比的提升，本文所提出的基于控制域的信道估计算法的MSE曲线更加接近于理想信道估计的状况；在信道多普勒频移为350Hz时的ETU信道，该算法在SNR较低时与CRS导频模式下的信道估计相比，有3dB左右的性能提升；且随着信道环境的改善，即在EPA和EVA信道中，与CRS导频模式相比，该算法在低信噪比时性能的提升并不明显。该算法利用了PDCCH区域优先解码且必须完全解码正确的原理，将PDCCH控制区域作为数据区域的导频信息，极大的提升了数据区域的信道估计性能，且并不增加算法的复杂度。3.6本章小结本章主要研究了传统的信道估计算法，并在传统的信道估计算法的基础上，以信道估计的精确性为目标，分别提出了基于Turbo码迭代的信道估计算法和基于控制域的信道估计算法。其中第一种算法在以算法复杂度为代价的前提下，极大的提升了数据区域的信道估计性能；基于控制域的信道估计算法在不增加原有算法复杂度的基础上，利用了PDCCH控制区域优先解码的原理，将已经完全正确解码的控制区域数据作为数据区域的导频信息对数据区域做信道估计，极大的提升了信道估计的准确性。45 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计第四章基于压缩感知的信道估计4.1压缩感知简介压缩感知（CompressiveSensing，CS）是由D.Donoho等人提出的一种全新的信号处理理论，不同于传统的Nyquist采样定理，压缩感知理论将信号的压缩和采样同步进行，并通过某种特定的线性投影保持信号的原始特性，并通过测量值和特定的重构算法进行恢复原始信[64][65]号。众所周知，在传统的信号获取和处理过程中，如果想要从采样信号中无失真的恢复模拟信号，则信号的采样速率必须满足Nyquist采样定律。随着信息量的增加和信号带宽的扩展，当前的采样速率和信息处理能力已经不能满足要求。压缩感知的出现，使得人们在信息获取的过程中，对于那些本身是可压缩的信号能够以更低的采样速率进行采样，从而降低了不必要的无用信息的采样处理。压缩感知的基本原理指出：如果信号本身具有可压缩性或者在某个变换基中是能够稀疏表示，则该信号可以通过一个与该变换基不相关的观测矩阵对原始信号进行降维处理，最后并根据少量的观测值通过一定的的信号重构算法以高概率得到重构的原始信号。可压缩信号高速采样变换压缩重构信号图4.1传统的信号采样和压缩过程传输、存储稀疏变换观测得到M维向量重构信号可压缩信号TTcsXYminXstAX..Y0图4.2压缩感知原理4.1.1信号的稀疏表示压缩感知理论的应用以信号的具有稀疏性或者可以近似稀疏表示为前提。假如连续时间信号是可以稀疏表示的，则说明该信号的信息速率远远小于其传送带宽的信息速率；而如果[66]离散时间信号可以进行稀疏表示，则说明该信号的长度大于其信号自由度。以一维、离散信号为例进行说明。设信号x为一维离散的且长度为N的实值信号，记作为xnn,1,2,,N，因此该信号可以表示为：46 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计x(4.1)T其中，,,表示一组维度N维的正交基，且x与都是N1维的矩阵。如果x12N在基上的非零的值个数为K，且KN时，则认为x在上可以进行稀疏表示。在实际情况中，信号一般无法严格满足稀疏性表示要求，但如果信号在该正交基上的变换系数排序后满足以指数级进行衰减趋于0，则认为该信号可以近似稀疏表示。有效的选择信号稀疏基将有效减少稀疏系数的数量，不仅能够信号的采样速度，而且有利于降低信号后续处理中占用的资源。常用的稀疏基有DFT变换基、DCT变换基、DWT以及冗余字典等。4.1.2观测矩阵压缩感知信号的重构精确度很大程度上取决于观测矩阵和信号的内积的计算结果。假设观测矩阵的维度为MN，它的选择直接影响将信号x从N维降到M维时信号信息能否遭到破坏。观测矩阵的选择首先要满足平稳性要求，且与变换基不相关。假设信号的观测值为y，则存在下列关系：yx(4.2)从观测值y中恢复原信号x的过程，称为基于CS的信号重建过程。由于测量维数M远远小于信号的维数N，求解上式的逆问题将是一个NP-hard问题，所以我们无法直接从y的M个观测结果中求解信号x。但由于x是K稀疏的，且KMN，那么利用已有的稀疏分解算法，可以首先求解，再进一步求解x。为保证求解过程中的收敛性，Candes等人指出，使得K个系数能够由M个测量值精确地恢复，其中必须满足受限等距特性（RIP）准则[67]，该准则是重建原始信号的前提。l表示l范数，如果对于满足xK的x，矩阵都满足：pp022211xxx(4.3)kk222那么称是以参数K,满足RIP性质的矩阵，其中0,1。在实际测量中，由于信号kk本身的不同，稀疏基的选择也因信号而异，因此我们希望找到的稀疏基对于任意观测矩阵都能满足不相关的要求。47 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计4.1.3重构算法在CS理论中，信号的重构是至关重要的问题。不同的重构算法在重构性能和处理速度以及应用场景等也各不相同。现有的CS重构算法主要有以下三类：贪婪算法、凸松弛算法[68][69]以及基于Bayesian框架的重构算法等。（1）凸松弛算法：该类算法的本质就是在信号重构过程中将求解l范数的问题简化为求0解l范数的问题。比较具有代表性的凸松弛算法主要有DS（DantzigSelector）算法和BP（Basis1Pursuit）算法，这类算法虽然在信号的重构中能够取得不错的性能且不需要太多的采样点数，但是由于计算复杂度太高，因此该类算法在实际应用中并不具备优势；（2）贪婪算法：不同于凸松弛算法，这类算法主要是解决l范数最小的问题，基于这0[68]一思想，该算法衍生出许多不同的追踪算法，主要包括以下几种：匹配追踪算法（MatchingPursuit，MP）、正交匹配追踪算法（OrthogonalMatchingPursuit，OMP）、分段正交匹配追踪算法（StagewiseOrthogonalMatchingPursuit，ROMP）等等；（3）基于贝叶斯框架的重构算法：该类算法主要考虑到信号的时间相关性，当信号的时间相关性很强时，能够提供比上述两类重构算法更加优越的重构性能。该类算法主要包括EM（ExpectationMaximization）算法、BCS（BayesianCompressiveSensing）算法等。4.2自适应导频信道估计算法4.2.1系统模型在OFDM系统中，假设OFDM符号的持续时间远小于系统的相干时间，即只考虑信道的频率选择特性。假设OFDM的子载波数为N，且CP长度大于信道的总长度L。用hi表示第i个位置的时域信道冲激响应。信道模型可以表示为：Naii,0iL1hii1(4.4)0,LiN时域信道hi仅在几个不同的多径位置上具有非零值，并假设信道的稀疏度为K（即非零值的个数为K）。导频处的接收信号可以表示为：48 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计Y=XH+N=XFh+N(4.5)pppppp其中，Y、X、N和F分别表示导频位置的接收值、发送值、信道加性噪声和导频位置pppp相对应的FFT矩阵的行向量。根据上式，可以获知导频处的频域信道冲激响应为：YNppH=ˆ=Fh+(4.6)ppXXpp式（6）可以通过压缩感知的重构方案对信道的时域冲激响应值h求解。4.2.2自适应导频信道估计在传统的信道估计中，导频的数量和模式都是预先设定以保证在信道环境较差的时候依然能获得较好的信道估计性能。但这种预设的导频并不能根据信道环境的变化调整导频密度，导致信道环境较好时存在过多的频谱资源用于不必要的导频传输。图4.3给出了基于压缩感知的导频自适应信道估计的基本流程框图。发送端多径信道接收端McK..logˆN计压缩感知算法估算下一帧符号的计当前信道稀疏导频数量度Kˆ图4.3基于压缩感知的导频自适应信道估计的基本过程针对于传统信道估计的这一缺点，本文提出一种导频自适应的CS信道估计方法，可以在稀疏度未知的情况下对信道冲激响应函数做准确估计并指示下一帧的导频密度，从而在降低导频开销的同时提升信道估计性能。其主要思想就是根据信道稀疏度的变化，实时调整下一帧信号中所需要的导频数量。图4.3给出了所提算法的基本流程，基本过程如下：首先，接收端接收到第N1帧信号后，提取当前帧的导频信息，根据LS算法获得当前子帧的导频位置的频域响应值；其次，在信道稀疏度未知的情况下，通过压缩感知的重构算法估计当前子帧的信道稀疏度和信道状态信息；最后，根据估计得到的信道稀疏度评估当前信道状况，并根据公式（7）计算下一帧信号所需要的最小导频密度，并反馈给发送端。根据文献[70]，要想精确的从采样值中重构原始信号，测量值的维度必须满足：McKlogN，(4.7)其中N为已知量，K由CS的重构算法获得。49 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计本文采用文献[70]中的SAMP方案，在信道稀疏度未知的情况下估计信道稀疏度。基本过程如下：输入端：接收测量值Y，观测矩阵A=XF，迭代终止条件，步长s和初始稀疏度pppks；首先，对信道残差r（观测值与观测值之间的差值），支撑索引集和候选集C、迭代次数i和阶段stage进行初始化。其中，r=Y，表示每次迭代中与接收值Y相关性较大0pp的观测矩阵的索引，C表示每阶段与接收值Y相关性较大的观测矩阵的索引，pistage1；循环过程如下：Step1：计算残差与观测矩阵每一列A的内积A,r，选取内积最大的s个值的索引记为jji-1J；sStep2：更新候选集CJ；ii1sTStep3：计算A,Y，并选择其中最大的s个值的索引记为T，计算残差r=Y-AAY；Cpi-1iipTiiTpStep4：判决是否r，如果是则跳出循环；否则判断是否rr，是则更新iii-1stagestage1，kstages；否则，,1ii；iT†通过上面的循环过程，获得估计的稀疏度Kˆ，以及重构信号h=AYˆ，其中表示伪逆。Tp4.3仿真分析本节通过MonteCarloMethod仿真验证分析了所提算法的性能，并给出仿真结果分析。仿真参数设置如下：OFDM符号子载波数为1024，采用3GPP协议36.101中的EVA信道，CP长度160，调制方式为QAM，并选取导频间隔为6作为标准的导频参考，对于每个符号的仿真次数为600次。仿真中分别以LS、LMMSE和信道稀疏度已知的OMP重构方案作为对比。图4.4主要分析了不同导频模式环境时信道估计性能随信噪比（SignalNoiseRatio，SNR）变化的MSE曲线。图中实线表示导频间隔为6时的性能曲线，虚线部分表示导频间隔为10时的性能曲线（根据公式（4.7）中c的取值不同而略有不同，此处c为1.65）。50 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计不同导频模式下的MSE-0.5-1-1.5-2-2.5MSE/dB-3LS-10LMMSE-10-3.5OMP均匀-10OMP随机-10-4LS-6LMMSE-6-4.5OMP均匀-6OMP随机-6-5051015202530SNR图4.4不同导频模式下的MSE曲线从仿真图得知，LS、LMMSE的性能曲线随着导频数量的减少而大幅降低。与此同时，采用随机导频模式的OMP重构算法方案进行的信道估计性能能够保持不变，而均匀导频设计的OMP算法，在不同导频间隔时，性能差距较大。分析可知，在导频间隔为10时，导频数量仍然能够满足公式（4.7）的要求；采用均匀导频模式时，导频间隔为10时所选用的测量矩阵的相关性较大，从而降低了信道估计的性能。不同算法的性能比较-0.5LS-1LMMSEOMP-1.5导频自适应算法-2-2.5MSE/dB-3-3.5-4-4.5-5051015202530SNR图4.5导频自适应算法性能图4.5给出不同SNR下导频自适应算法信道估计性能。图中OMP采用随机的导频模式，LS和LMMSE算法采用均匀导频设计。从仿真结果可以看出，导频自适应算法根据前一帧估计的稀疏度，及时调整当前帧的密度减小导频开销的同时，能够达到与稀疏度已知的OMP算法近乎一致的性能。51 南京邮电大学硕士研究生学位论文第四章基于压缩感知的信道估计图4.6给出了导频自适应算法估计的信道稀疏度与真实稀疏度对比的情况。从仿真结果可以看出，估计的稀疏度误差在（-1,1）之间。导频自适应算法所需要的导频总数在（90,120）之内浮动，与导频间隔为6（所需导频数量171）相比，在性能不降低的同时，通过分析可以17112017190看出，该方案有~100%30%~47%导频开销的降低。171171实际稀疏度与估计稀疏度对比10真实稀疏度9.8导频自适应估计的稀疏度9.69.49.29稀疏度8.88.68.48.2851015202530SNR图4.6不同SNR下的稀疏度估计性能4.4本章小结本文主要研究了一种自适应导频的CS信道估计方案。该算法通过一种反馈机制实时反映当前信道状态，为下一帧信号的导频设计提供最优方案，在减少导频数量的同时降低信道估计误差，提升信道估计的准确度。根据仿真结果可以看出，与LS以及LMMSE等信道估计所需导频数量相比较，自适应导频的压缩感知的新型信道估计方案能够减少40%左右的导频开销。52 南京邮电大学硕士研究生学位论文第五章总结与展望第五章总结与展望5.1论文工作总结论文以TD-LTE下行物理层的信道估计为主要研究点，在总结分析了传统的信道估计方案的优缺点的基础上，分别提出了多种信道估计方案。本文的主要研究内容可以分为以下几个部分：（1）介绍TD-LTE下行物理层的主要技术，研究和学习了物理层的主要结构和信道估计中所需要的导频模式等相关内容，同时也对无线信道的相关内容进行了学习和总结，并以LTE常用信道模型做了一定的学习分析；（2）其次，论文总结分析现有的信道估计算法，并以2DWienerFiltering信道估计算法为对比，提出了基于Turbo编码的迭代的信道估计方案，在以精确度为主要目的的前提下，以牺牲复杂度和计算延迟为基础，极大的提升了估计结果的精确性；（3）再次，在学习了TD-LTE下行物理层信道的解码过程的基础上，本文还设计了一种基于控制域的信道估计方案，这种算法在不增加现有信道估计算法的复杂度的基础上，以优先正确译码的PDCCH控制区域作为数据区域的导频信息，对数据区域进行信道估计，极大的提升了现有算法针对于数据区域的信道估计性能；（4）最后，本文对压缩感知理论进行了学习，并将其利用在信道估计中。为降低不同信道环境中由于导频而带来的频谱资源开销，论文提出了一种自适应导频的信道估计方案。这种方案能够根据信道环境的不同，实时调整信道估计中所需要的导频数目，从而改善了现有固定导频模式中在信道环境状态较好的情况下浪费频谱资源的现状。5.2进一步的研究工作下一步的工作主要针对现有工作中的不足进行改进和研究：（1）以Turbo迭代为基础的信道估计算法虽然能够提升信道估计的准确性，但是它是以牺牲信道估计计算复杂度为前提的，所提出的新型信道估计方案在迭代中所带来的大量计算将会带产生一定的延时，从而影响实际应用中的实时性要求；（2）本文针对于压缩感知的信道估计算法的研究仿真主要以SISO环境为基础，并没有扩展到MIMO环境下，同时该算法中的自适应导频模式以随机的导频分布为基础，与固定的53 南京邮电大学硕士研究生学位论文第五章总结与展望导频设计相比，这种导频形式在实际中的操作更加复杂，且算法的稳定性不是很高，下一步的研究工作可以针对于固定的导频模式进行研究。54 南京邮电大学硕士研究生学位论文参考文献参考文献[1]CaiTT,LevineM,WangL.Variancefunctionestimationinmultivariatenonparametricregressionwithfixeddesign[J].JournalofMultivariateAnalysis,2009,100(1):126-136.[2]ZhouS,GiannakisGB.Finite-alphabetbasedchannelestimationforOFDMandrelatedmulticarriersystems[J].IEEETransactionsonCommunications,2001,49(8):1402-1414.[3]SpencerQH,SwindlehurstAL,HaardtM.Zero-ForcingmethodsfordownlinkspatialmultiplexinginmultiuserMIMOchannels[J].IEEETransactionsonSignalProcessing,2004,52(2):461-471.[4]SandeepB,MatthewW,GregoryW,etal.OnchannelestimationusingsuperimposedtrainingandFirst-Orderstatistics[J].JournaloftheAmericanCollegeofCardiology,2003,7(9):413-415.[5]MuquetB,DeCourvilleM,DuhamelP.Subspace-basedblindandsemi-blindchannelestimationforOFDMsystems[J].IEEETransactionsonSignalProcessing,2002,50(7):1699-1712.[6]FengY,FuY,XuA.Adaptivesemi-blindchannelestimationforOFDMsystems[C].VehicularTechnologyConference,2004.VTC2004-Spring.2004IEEE59th.IEEE,2004:1773-1776.[7]ChenN,ZhouGT.Asuperimposedperiodicpilotschemeforsemi-blindchannelestimationofOFDMsystems[C].DigitalSignalProcessingWorkshop,2002andthe2ndSignalProcessingEducationWorkshop.Proceedingsof2002IEEE10th.IEEE,2002:362-365.[8]MuckM,DeCourvilleM,DuhamelP.ApseudorandompostfixOFDMmodulator-semi-blindchannelestimationandequalization[J].IEEETransactionsonSignalProcessing,2006,54(3):1005-1017.[9]WanP,McguireM.AniterativedecisionfeedbackalgorithmusingthecholeskyupdateforOFDMwithfastfading[C].Communications,ComputersandSignalProcessing,2007.PacRim2007.IEEEPacificRimConferenceon.IEEE,2007:522-525.[10]ParkJH,OhMK,ChoYH,etal.NewchannelestimationschemeexploitingdecisionfeedbacksymbolsforOFDMsystems[C].ConsumerElectronics,2006.ICCE'06.2006DigestofTechnicalPapers.InternationalConferenceon.IEEE,2006:367-368.[11]LeeSH,ChengCC,ChangDC.ModifieddecisionfeedbackmethodsforOFDMchanneltracking[C].Communications,CircuitsandSystems,2008.ICCCAS2008.InternationalConferenceon.IEEE,2008:268-272.[12]KimWJ,LeeYJ,KimHN,etal.CodedDecisionDirectedChannelEstimationforTerrestrialDMBReceivers[C].ConsumerElectronics,2007.ICCE2007.DigestofTechnicalPapers.InternationalConferenceon.2007:1-2.[13]NegiR,CioffiJ.PilottoneselectionforchannelestimationinamobileOFDMsystem[J].ConsumerElectronicsIEEETransactionson,1998,44(3):1122-1128.[14]MantonJH.OptimaltrainingsequencesandpilottonesforOFDMsystems[J].IEEECommunicationsLetters,2001,5(4):151-153.[15]DongM,TongL.Optimaldesignandplacementofpilotsymbolsforchannelestimation[C].Acoustics,Speech,andSignalProcessing,2001.Proceedings.(ICASSP'01).2001IEEEInternationalConferenceon.IEEE,2001:2109-2112.[16]OzdemirMK,ArslanH,ArvasE.Towardreal-timeadaptivelow-rankLMMSEchannelestimationofMIMO-OFDMsystems[J].IEEETransactionsonWirelessCommunications,2006,5(10):2675-2678.[17]NohM,LeeY,ParkH.LowcomplexityLMMSEchannelestimationforOFDM[J].IEEProceedings-Communications,2006,153(5):645-650.[18]DongX,LuWS,SoongACK.LinearInterpolationinPilotSymbolAssistedChannelEstimationfor55 南京邮电大学硕士研究生学位论文参考文献OFDM[J].IEEETransactionsonWirelessCommunications,2007,6(5):1910-1920.[19]高群毅,肖立民,周世东,等.OFDM系统中一种信道估计频域插值算法[J].清华大学学报：自然科学版,2006,46(10):1715-1718.[20]ColeriS,ErgenM,PuriA,etal.ChannelestimationtechniquesbasedonpilotarrangementinOFDMsystems[J].BroadcastingIEEETransactionson,2002,48(3):223-229.[21]KangSG,YongMH,JooEK.AcomparativeinvestigationonchannelestimationalgorithmsforOFDMinmobilecommunications[J].IEEETransactionsonBroadcasting,2003,49(2):142-149.[22]FanJ,YinQ,WangW,etal.Pilot-AidedChannelEstimationSchemesforOFDMSystemswithCyclicDelayDiversity[J].TheJournalofChinaUniversitiesofPostsandTelecommunications,2009,15(4):7-13.[23]Fernandez-GetinoGarciaMJ,Paez-BorralloJM,ZazoS.DFT-basedchannelestimationin2D-pilot-symbol-aidedOFDMwirelesssystems[C].VehicularTechnologyConference.IEEE,2001:810-814.[24]HuaC,Xiao-HuiZ.VariableStep-SizeSemi-BlindChannelEstimationforMIMO-OFDMBasedonParticleFiltering[C].InternationalConferenceonWirelessCommunications,Networking&MobileComputing.2009:1-5.[25]WarnerWD,LeungC.OFDM/FMframesynchronizationformobileradiodatacommunication[J].IEEETransactionsonVehicularTechnology,1993,42(3):302-313.[26]SpethM,DaeckeD,MeyrH.MinimumoverheadburstsynchronizationforOFDMbasedbroadbandtransmission[C].GlobalTelecommunicationsConference,1998.GLOBECOM1998.TheBridgetoGlobalIntegration.IEEE.IEEE,1998:2777-2782.[27]罗仁泽.新一代无线移动通信系统关键技术[M].北京邮电大学出版社,2007:50-60.[28]王映民,孙韶辉.TD-LTE技术原理与系统设计[M].人民邮电出版社,2007:120-143.[29]沈嘉,索士强.3GPP长期演进(LTE)技术原理与系统设计[M].人民邮电出版社,2009:212-225.[30]元泉,赵文超.LTE轻松进阶[M].电子工业出版社,2012:75-88.[31]3GPPTechnicalSpecification36.101.Physicalchannelsandmodulation(Release8).www.3gpp.org.[32]ZyrenJ.WhitePaperoverviewofthe3GPPlongtermevolutionphysicallayer[J].FreescaleSemiconductor,2007.[33]NegiR,CioffiJ.PilottoneselectionforchannelestimationinamobileOFDMsystem[J].ConsumerElectronicsIEEETransactionson,1998,44(3):1122-1128.[34]BarhumiI,LeusG,MoonenM.OptimaltrainingdesignforMIMOOFDMsystemsinmobilewirelesschannels[J].IEEETransactionsonSignalProcessing,2003,51(6):1615-1624.[35]P.Hoeher,S.Kaiser,andP.Robertson.Two-dimensionalpilot-symbol-aidedchannelestimationbyWienerfiltering[J].IEEEInternationalConferenceonAcousticsSpeechandSignalProcessing(ICASSP),1997,44(3)1845–1848.[36]3GPPTechnicalreport25.913.Requirementsforevolvedutra(e-utra)andevolevedutra(e-utra)(Release7).www.3gpp.org.[37]OmarSM,SlockDTM,BazziO.AperformanceofBayesiansemi-blindFIRchannelestimationalgorithmsinSIMOsystems[J].SignalProcessingAdvancesinWirelessCommunicationsIEEEInternationalWorkshop,2011,6557(3):421-425.[38]3GPPTechnicalSpecification36.101.UserEquipment(UE)RasdioTransmissionandReception(Release8).www.3gpp.org.[39]吴志忠.移动通信无线电波传播[M].人民邮电出版社,2002:226-238.[40]杨大成.移动传播环境：理论基础、分析方法和建模技术[M].机械工业出版社,2003:115-136.[41]3GPPTechnicalSpecification36.101.UserEquipment(UE)RasdioTransmissionandReception(Release8).www.3gpp.org.[42]LeeEA,MesserschmittDG.DigitalCommunication[M].TheInternetEncyclopedia.JohnWiley&Sons,56 南京邮电大学硕士研究生学位论文参考文献Inc.,2004:1-12.[43]ClarkeRH.Astatisticaltheoryofmobile-radioreception[J].BellSystemTechnicalJournal,1968,47(6):957-1000.[44]JakesW.Microwavemobilecommunications[M].IEEEPress,1994.[45]ThiruvengadathanR,SrikanthS.PerformanceofMIMOchannelestimationinLTEdownlink[C].ComputingCommunication&NetworkingTechnologies(ICCCNT),2012ThirdInternationalConferenceon.IEEE,2012:1-7.[46]WangD,LiF,ZhaoH.SimulationofLTE-Adownlinkchannelestimationalgorithm[C].InternationalSymposiumonInstrumentation&Measurement,SensorNetwork&Automation.2013:965-967.[47]张玲,张贤达.MIMO—OFDM系统的盲信道估计算法综述[J].电子学报,2007,35(B06):1-6.[48]李国松,周正欧.无线OFDM系统中信道冲激响应有效阶数估计[J].通信学报,2006,27(1):113-118.[49]JinG,HuY.ANovelChannelEstimationBasedonPilot-AidedinLTEDownlinkSystems[C].SeventhInternationalSymposiumonComputationalIntelligenceandDesign.IEEE,2014.[50]童圣洁,李红信,邓晓燕.OFDM系统LS与MMSE信道估计算法仿真分析[J].微计算机信息,2008,24(34):219-220.[51]LiuY,SezginerS.IterativecompensatedMMSEchannelestimationinLTEsystems[C].Communications(ICC),2012IEEEInternationalConferenceon.IEEE,2012:4862-4866.[52]LiuY,TanZ,HuH,etal.ChannelEstimationforOFDM[J].IEEECommunicationsSurveys&Tutorials,2014,16(4):1891-1908.[53]Prasad,R,Murthy,C.R,Rao,B.D.JointchannelestimationanddatadetectioninMIMO-OFDMsystems:Asparsebayesianlearningapproach[J].ColdSpringHarborSymposiaonQuantitativeBiology,2015,63(20):5369-5382.[54]EdforsO,SandellM,Jan-JaapVDB,etal.OFDMchannelestimationbysingularvaluedecomposition[J].CommunicationsIEEETransactionson,1998,46(7):931-939.[55]EdforsO,SandellM,BeekJJVD,etal.AnalysisofDFT-BasedchannelestimatorsforOFDM[J].WirelessPersonalCommunicationsAnInternationalJournal,2000,12(1):55-70.[56]芮赟,李明齐,张小东,等.两次一维维纳滤波信道估计的一种噪声方差优化方法[J].电子学报,2008,36(8):1577-1581.[57]邵怀宗,彭启琮,李玉柏.在OFDM系统中用导频符号进行信道估计的新方法[J].电波科学学报,2002,17(6):628-632.[58]KangSG,YongMH,JooEK.AcomparativeinvestigationonchannelestimationalgorithmsforOFDMinmobilecommunications[J].IEEETransactionsonBroadcasting,2003,49(2):142-149.[59]JeonWG,PaikKH,YongSC.AnefficientchannelestimationtechniqueforOFDMsystemswithtransmitterdiversity[C].Personal,IndoorandMobileRadioCommunications,2000.PIMRC2000.The11thIEEEInternationalSymposiumon.IEEE,2000:1246-1250.[60]王新梅.纠错码：原理与方法[M].西安电子科技大学出版社,2001:75-88.[61]陈发堂,谢磷珂.LTE系统中Turbo编译码仿真与性能分析[J].电视技术,2011,35(7):81-84.[62]赵宏宇,范平志.Turbo码的一种高效改进型MAP译码算法[J].电子与信息学报,2008,30(10):2397-2401.[63]PengT,LouX,XuJ,etal.AnimprovediterativechannelestimationbasedLTEDownlink[C].FuzzySystemsandKnowledgeDiscovery(FSKD),20129thInternationalConferenceon.IEEE,2012:1721-1724.[64]DonohoDL.Compressedsensing[J].IEEETransactionsonInformationTheory2006,52(4),pp:1289-1306.[65]Cand`esE,RombergJ,TaoT..Robustuncertaintyprinciples:exactsignalreconstructionfromhighlyincompletefrequencyinformation[J].IEEETransactionsonInformationTheory,2006,52(2),pp:489−509.57 南京邮电大学硕士研究生学位论文参考文献[66]CandesEJandWakinMB.Anintroductiontocompressivesampling[J].IEEESignalProcessingMagazine,2008,25(2):21-30.[67]BaraniukR,SteeghsP..Compressiveradarimaging[C].ProceedingsoftheRadarConference,WashingtonD.C.,USA,2007:128−133[68]杨海蓉，张成，韦穗.压缩传感理论与重构算法[J].电子学报,2011,39(1):145.[69]李珅,马彩文,李艳,等.压缩感知重构算法综述[J].红外与激光工程,2013,42(z1):225-232.nd[70]BaraniukR.CompressedSensing.200842AnnualConferenceonInformationSciencesandSystems,NJ,Princeton,2008.58 南京邮电大学硕士研究生学位论文附录1攻读硕士学位期间撰写的论文附录1攻读硕士学位期间撰写的论文（1）GaoJ,YangX,WangN,etal.Iterativechannelestimationwithdifferentpilotdensities[C].ICT2015.（2）孙君,高杰.基于压缩感知的自适应导频信道估计[J].计算机技术与发展,2016.59 南京邮电大学硕士研究生学位论文致谢致谢时光荏苒，三年的硕士研究生生活很快就要结束了，回顾这三年的研究生学习和生活的经历，感触颇深。研究生这三年的生活对我来说是一笔宝贵的人生财富，对我来说这三年也许是我人身中成长最快的三年。在这三年里我不仅提升了自主学习能力和自己的专业技能，更为重要的事这三年的学习和生活教会了我如何确定自己的人生目标和实现目标的途径。在未来我们可能会面对很多的困难，研究生生活教会我如何冷静的面对生活中的困难和逆境，给了我足够的信心去面对未来道路上的一切困难。除了生活和学习上的帮助外，更重要的是我还结识了很多导师和同学，他们无论在生活还是学习上都给了我很多鼓励和帮助，在这里我向所有向我提供过帮助的导师、同学和朋友表示感谢！首先，我要感谢我的导师孙君老师，孙老师给了我许多宝贵的人生经验和学术经验，能让我更加从容的对待这三年中所有学术问题。同时孙老师一丝不苟、严谨的治学态度以及孜孜不倦的工作态度和敬业精神深深的感染了我，让我可以以同样的姿态对待我的未来的生活和工作。孙老师对学生的包容学生犯错的胸怀也让我明白严于律己宽以待人的人生态度，使我能够不断的完善自己。其次，我要感谢在上海无线通信研究中心实习时给我提供了很大帮助的杨秀梅老师。杨老师在我实习期间，在学术和生活上提供了很大的帮助。首先是她诲人不倦的育人态度深深感染了我，她让我明白凡事要从基础做起，脚踏实地一步一个脚印的走。她让我明白，只要努力没有什么事情是解决不了的，当我在学术上遇到问题时，是她不停的鼓励我和支持我。感谢她给我提供的无微不至的关怀和指导！最后，我要感谢尹昌南师兄、苗萌萌师姐、葛肇隆师兄和寇帅华师兄，感谢他们在我刚进校园时给我提供的帮助以及营造的良好的教研室学术氛围。同时我还要感谢孙照伟、龚家乐和王鹏程同学，是他们营造的幽默诙谐的宿舍氛围让我在宿舍感受到了家的温暖，让我快乐的度过了研究生三年的生活，教会我积极乐观的人生态度，他们将会成为我研究生三年最大的收获。还要感谢谢利娟同学和赵天同学，和他们一个师门并成为朋友是我的荣幸。不得不感谢在上海无线通信研究中心遇到的兰健、张扬和李鹏飞，和他们相处让我感到很开心很快乐，大家的彼此交流和帮助使我们共同度过了一年的实习期。虽然相处时间不长，但我们留下了深厚的友谊。深深感谢我的家人对我的鼓励和支持，让我可以义无反顾的勇往直前，他们是我人生奋60 南京邮电大学硕士研究生学位论文致谢勇向前的不竭动力。最后，要感谢各位导师和教授能够在百忙之中抽出时间审评我的论文。高杰2016年一月南京61