一种适用于正交频分多址系统的信道估计方法 【技术领域】
本发明涉及一种正交频分多址(OFDMA)系统的信道估计方法。
背景技术
可以预见音频、视频、图像以及互联网等多媒体业务将成为未来移动通信的主导业务，而这些业务对于无线链路传输能力的要求明显提高(要求峰值业务速率大于20Mbps)。在这种情况下，正交频分复用(OFDM)技术崭露头角。OFDM技术将高速的数据流调制为频谱交叠的多个并行低速数据流发送。由于OFDM符号周期显著增加，因此提高了OFDM符号抗多径时延的能力，并且还通过在OFDM符号的前端增加大于最大多径时延的保护间隔(GI)，则可以完全消除由多径时延引起的符号间干扰(ISI)，简化了接收端均衡器的负担。目前OFDM也已被多个标准采用，而且已经基本被公认为B3G的物理层基本技术之一。将不同子载波分配给不同用户，OFDM技术则自然而然地通过FDMA方式区分了用户，也就是OFDMA系统。OFDMA系统通过将正交相邻地子载波灵活地分配给不同的用户，降低了小区内的干扰，提高了系统容量。而且，OFDMA通过用户子载波数目的变化，易于提供变速率的信息传输，因此OFDMA是B3G系统极有可能采用的多址方案之一。
由于相干检测与非相干检测相比有2.3-3dB的性能的提高，所以在接收端一般采用相干检测技术。如果采用检测技术，那么就必须对信道如何发送信号进行估计，即对信道进行估计。对于OFDMA系统中的信道估计算法，大致可以分为导频信号辅助和盲信道估计两类。由于导频符号辅助的信道估计算法性能优越，因此目前多数B3G系统采用了导频符号辅助的信道估计方案。对于导频符号辅助的信道估计算法来说，最简单可行的算法是最小二(LS)算法，例如无线局域网Hiperlan2标准中信道估计就采用了两个导频序列最小二估计后求平均的方法。但是，这种算法受高斯噪声的影响明显，在低信噪比时此算法性能恶化显著，尤其对于OFDMA系统，每个用户只有部分的子载波，导频序列尺度远远小于反傅立叶变换(IFFT)的尺度，因而这种算法不能适用于OFDMA系统。
由于无线信道的脉冲响应可以等效为有限抽头的滤波器，而且信道的最大多径时延远远小于OFDM符号周期，因此可以认为无线信道的脉冲响应等效为低通滤波器。这样可以对最小二估计后的导频序列信道采用进一步的算法来提高其估计的精度。例如有的学者建议对已知序列进行IFFT变换，然后采用滤波的方法来消除时变信道引起的邻载波间干扰，提高信道估计精度。另外有些学者建议对信号进行IFFT处理，然后利用序列的相关矩阵，进行滤波，提高信道估计精度等。但是，由于这些算法在滤波上的复杂性，限制了其应用的可能性。尤其是上述算法的提出，都只是针对OFDM系统，而没有考虑多用户的问题，因此离应用到B3G系统还有相当的距离。
【发明内容】
针对现有技术中存在的问题，本发明提供了一种在OFDMA系统中利用导频序列为多用户提供精确信道估计的方法，该方法包括步骤：
(1)在接收端从接收到的多用户信息中提取某一用户的包含信道信息的导频序列，利用最小二估计得到导频部分的初始信道估计值；
(2)利用傅立叶变换，得到初始信道估计的频域序列；
(3)对所述的频域序列进行限幅、迫零操作；
(4)利用反傅立叶变换得到所述导频序列的精确信道估计值；
(5)将导频部分的信道估计值应用于非导频部分的信道特性估计，从而进行信道补偿和数据检测。
在本发明中，利用FFT变换，得到了每一用户的初始信道特性序列的频域特性，通过对频域信道特性序列的限幅和迫零，有效地降低了高斯白噪声的影响，从而得到了每用户精确的信道估计值。本发明不仅实现复杂度较低，不增加系统时延，而且明显地改善了系统的性能。
【附图说明】
下面参照附图并结合实例来进一步描述本发明。其中：
图1示出了假设的OFDMA系统的一种时频结构；
图2示出了根据本发明的接收机原理图；
图3示出了根据本发明的信道估计方法的详细方框图；
图4示出了信噪比为5dB时，理想信道导频位置的信道特性做傅立叶变换之后的结果和做最小二之后的导频位置的信道特性做傅立叶变换之后的结果；
图5示出了高速和低速时误比特率随着限幅因子变化的曲线；
图6(a)和图6(b)分别示出了根据本发明的信道估计方法和现有的信道估计方法在高速和低速时不同信噪比条件下系统误比特率的性能曲线。
具体实现方式
图1示出了我们假设的OFDMA系统的一种时频结构。假设系统中总的子载波数为1024，其中用于数据传输的有768个子载波；并且每隔3个OFDM符号插入一个导频序列，由13个OFDM符号组成一个数据块，进行编码和检测。系统中假设了同时有3个用户，即每个用户有256个子载波。图1中某一用户的导频、数据已经用斜线标注出来。
图2为接收机的原理图。首先根据图1所示，从接收到的数据块中分别解出每一用户的导频信息，然后进行信道估计。不失一般性，下面的分析中我们只以其中一个用户为例。在发送端如果某一用户在第n个OFDM符号上发送的导频序列为P(n)＝[p[n，0)，p(n，1)，...p(n，K-1)]T，其中p(n，k)是第k个导频符号，且总的导频符号数为K＝256。那么在接收端，经过FFT解调单元后的接收信号可以表示为：
r(n，k)＝p(n，k)H(n，k)+w(n，k) k＝0，1...，K-1(1)
其中w(n，k)为第n个OFDM符号上第k个导频符号上的高斯白噪声，其均值为零，方差为σ2。H(n，k)为第n个OFDM符号、第k个导频符号上的信道值，它是时域信道脉冲响应的傅立叶变换。
通常，可以利用最小二算法估计信道，即
此估计算法的均方误差为：
其中β为导频符号功率和数据符号功率的比值，SNR即为当前系统的信噪比。尽管我们可以通过提高导频符号的发送功率，即增大β值，来一定程度上提高系统信道估计的精度，但是这种方法会带来峰平比增大等问题，因此我们不能一味的增大β。因此最小二估计算法的精度主要取决于系统受到的高斯白噪声大小，即高斯白噪声越小，SNR值越高，信道估计误差就越小，反之则估计误差越大。下面我们将提出一种DFT基的信道估计方案，此信道估计方案可以显著地提高信道估计的精度。
首先，用表示某用户的信道估计值序列。然后对此序列进行傅立叶变换，得到信道估计值的频域值为：
其中WKkl=e-j2π/K.]]>
由于无线信道的脉冲响应可以等效为有限抽头的滤波器，而且信道的最大多径时延远远小于OFDM符号周期，因此可以等效的认为无线信道的脉冲响应为低通滤波器，在仿真中可以观察到信道值H(n，k)是缓慢变化的。因此在对信道估计序列进行傅立叶变换后，信道特性的抽头将出现在低频部分(频谱的两头)，而高频部分的起伏主要是因为加性高斯白噪声引起的(频谱的中部)。图4(a)和图4(b)分别示出了理想，最小二估计信道特性做傅立叶变换之后的结果，仿真中我们选用的是M.1225表三A的信道参数。显然，在信道估计序列傅立叶变换后的幅度值只有部分抽头是信道的主要抽头，而其余主要是噪声。因此我们采用了迫零方法的方法来滤除高频部分的噪声，即
其中迫零域值α1、α2的选择主要根据信道条件进行选取。为了有效滤除噪声，同时又保留信道的特征，在图4(a)中我们选择的α1、α2的参数值为1和216。
更进一步，我们还可以对低频部分的噪声进行了滤波。主要的操作是设定门限β1，β2(β1＜β2)，对于大于β2或者小于β1的H2(n，l)，将其保留作为有效抽头，否则认为是高斯噪声引起的信号波动，将其迫值为零，可以表达为
门限β1，β2的值可以是固定不变的，也可以是随信噪比的变化而变化的(当前噪声功率的数值可以利用同步序列估计得到)，仿真结果表明随信噪比变化的自适应门限值的性能较好。在仿真中我们选用的β1，β2的值为β1=-θ1-SNR10,]]>β2=θ1-SNR10,]]>表达式中θ为限幅因子。图5示出了高速和低速时误比特率随着限幅因子变化的曲线，综合考虑高速和低速时系统的性能，我们选择了限幅因子θ＝4.0。
最后，对H3(n)做相应的反傅立叶变换，就得到了信道特性的精确估计值，即
得到了导频部分的信道估计值后，通过平均的方法或一阶、二阶内插的方法可以计算出整个数据块的信道特性，然后进行信道补偿和数据检测。
图6示出了高速和低速时误比特率随着信噪比(SNR)的变化曲线，从图中可以看出，本专利相比于最小二估计算法，低速时的性能和理想信道估计性能几乎重合，高速时的性能和理想信道估计的性能差2dB左右。因此本专利无论是在高速和低速时，都显著的提高了信道估计的精度，从而改善了系统的性能。