OFDM信道估计方法和装置制造方法及图纸

本发明专利技术提供一种OFDM信道估计方法和装置。所述方法包括：采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数；使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。本发明专利技术能够提升信道估计的性能以及信道估计及均衡的整体性能。

OFDM Channel Estimation Method and Device

【技术实现步骤摘要】
OFDM信道估计方法和装置
本专利技术涉及无线通信
，尤其涉及一种OFDM信道估计方法和装置。
技术介绍
OFDM(OrthogonalFrequencyDivisionMultiplexing，正交频分复用)无线通信系统中，基带信号模型可以表示为Y＝HX+N，其中Y表示接收到的信号，X表示发射信号，H表示信道系数，N是由接收机前端引入的热噪声。为了从接收到的信号Y中“恢复”出发射信号X，目前的方法分为两步：第一步需要知道信道系数H的信息，一般通信系统中(例如LTE、WiMAX)都是通过在时频面中插入导频(图1中的黑点)来实现对H的估计，这个估计的过程称为信道估计。目前信道估计的实现方法都是基于线性最小化均方误差(LinearMinimumMeanSquareError，LMMSE)或是其变种(比如用FFT近似已降低复杂度)。在信道估计过程之后，第二步是对非导频子载波，Y＝HX+N中已知Y和H，求X的过程，这个过程一般称为均衡。均衡比较简单的方法也是LMMSE，这种方法跟信道估计原理一致，在信道估计中是求H，在均衡中是求X。最优的方法是最大似然估计。在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下技术问题：现有的信道估计是一种线性估计器，线性估计器只是所有估计器的子集，信道估计的性能不够好；另外，现有的信道估计和均衡是两个分离的过程，性能不够好。
技术实现思路
本专利技术提供的OFDM信道估计方法和装置，能够提升信道估计的性能以及信道估计及均衡的整体性能。第一方面，本专利技术提供一种OFDM信道估计方法，包括：采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数；使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。可选地，所述用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数包括：对可能的工作区间的噪声方差进行分段，对不同的噪声方差计算不同的神经网络系数并且保存，制作一个表，表的索引项是噪声方差，表的内容项是对应的神经网络系数；所述选择与当前实际噪声方差所对应的神经网络系数包括：选择与当前实际噪声方差最接近的索引项所对应的神经网络系数。可选地，所述使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果包括：对OFDM符号进行滑动窗处理，每个滑动窗内的导频子载波的信道估计作为神经网络的输入，神经网络的输出作为滑动窗内所有子载波的信道估计结果。可选地，将滑动处理窗内的导频符号的信道估计和非导频子载波的接收符号都作为神经网络的输入，直接输出非导频子载波的符号估计结果。可选地，导频子载波比非导频子载波多经过多个中间层，或者非导频子载波前面多个中间层的系数固定为1；导频子载波多出来的多个中间层系数独立于神经网络的其它系数进行调整。第二方面，本专利技术提供一种OFDM信道估计装置，包括：离线训练单元，用于采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数；在线估计单元，用于使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。可选地，所述离线训练单元，用于对可能的工作区间的噪声方差进行分段，对不同的噪声方差计算不同的神经网络系数并且保存，制作一个表，表的索引项是噪声方差，表的内容项是对应的神经网络系数；所述在线估计单元，用于选择与当前实际噪声方差最接近的索引项所对应的神经网络系数。可选地，所述在线估计单元，用于对OFDM符号进行滑动窗处理，每个滑动窗内的导频子载波的信道估计作为神经网络的输入，神经网络的输出作为滑动窗内所有子载波的信道估计结果。可选地，所述在线估计单元，还用于将滑动处理窗内的导频符号的信道估计和非导频子载波的接收符号都作为神经网络的输入，直接输出非导频子载波的符号估计结果。可选地，导频子载波比非导频子载波多经过多个中间层，或者非导频子载波前面多个中间层的系数固定为1；导频子载波多出来的多个中间层系数独立于神经网络的其它系数进行调整。本专利技术实施例提供的OFDM信道估计方法和装置，采用神经网络实现非线性的信道估计器，神经网络的系数离线训练，信道估计在线进行，理论上可以超过线性估计器的性能界；而且采用神经网络实现联合信道估计和均衡，神经网络的系数离线训练，信道估计在线进行，理论上性能更好；另外，对整个时频面的子载波进行滑窗处理，滑窗滑动到不同位置时，共享神经网络的系数，能够降低训练和实时计算的复杂度。附图说明图1为现有技术中在时频面中插入导频来实现信道系数估计的示意图；图2为本专利技术一实施例OFDM信道估计方法的流程图；图3为本专利技术另一实施例OFDM信道估计方法的流程图；图4为本专利技术再一实施例OFDM信道估计方法的实现过程示意图；图5为本专利技术一实施例提供的对OFDM符号进行滑动窗处理以得到信道估计结果的示意图；图6为本专利技术另一实施例提供的对OFDM符号进行滑动窗处理以得到信道估计结果的示意图；图7为本专利技术实施例提供的OFDM信道估计装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种OFDM信道估计方法，如图2所示，所述方法包括：S21、采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数。S22、使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。本专利技术实施例提供的OFDM信道估计方法，采用神经网络实现非线性的信道估计器，神经网络的系数离线训练，信道估计在线进行，理论上可以超过线性估计器的性能界；而且采用神经网络实现联合信道估计和均衡，神经网络的系数离线训练，信道估计在线进行，理论上性能更好；另外，对整个时频面的子载波进行滑窗处理，滑窗滑动到不同位置时，共享神经网络的系数，能够降低训练和实时计算的复杂度。下面结合具体实施例对本专利技术OFDM信道估计方法进行详细说明。本实施例提供的信道估计方法分为离线神经网络训练和在线信道估计两个部分。离线神经网络训练是用仿真产生的实际信道系数Y，已经经过衰落信道和高斯信道后接收机能观察到的导频序列本文档来自技高网...

【技术保护点】
1.一种OFDM信道估计方法，其特征在于，包括：采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数；使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。

【技术特征摘要】
1.一种OFDM信道估计方法，其特征在于，包括：采用仿真产生的实际信道系数，已经经过衰落信道和高斯信道后接收机能观察到的导频序列的初始信道估计，构成训练集，在不同的噪声方差下，用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数；使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果。2.根据权利要求1所述的方法，其特征在于，所述用后向误差传播算法进行离线神经网络训练，确定不同噪声方差对应的神经网络系数包括：对可能的工作区间的噪声方差进行分段，对不同的噪声方差计算不同的神经网络系数并且保存，制作一个表，表的索引项是噪声方差，表的内容项是对应的神经网络系数；所述选择与当前实际噪声方差所对应的神经网络系数包括：选择与当前实际噪声方差最接近的索引项所对应的神经网络系数。3.根据权利要求1或2所述的方法，其特征在于，所述使用与所述离线神经网络训练完全一致的神经网络，选择与当前实际噪声方差所对应的神经网络系数，对OFDM符号进行在线信道估计，根据神经网络输出得到信道估计结果包括：对OFDM符号进行滑动窗处理，每个滑动窗内的导频子载波的信道估计作为神经网络的输入，神经网络的输出作为滑动窗内所有子载波的信道估计结果。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将滑动处理窗内的导频符号的信道估计和非导频子载波的接收符号都作为神经网络的输入，直接输出非导频子载波的符号估计结果。5.根据权利要求4所述的方法，其特征在于，导频子载波比非导频子载波多经过多个中间层，或者非导频子载波前...

【专利技术属性】
技术研发人员：巫戈明，
申请(专利权)人：展讯通信上海有限公司，
类型：发明
国别省市：上海,31