一种基于卡尔曼滤波器的MIMO信道估计方法技术

本发明专利技术提出一种基于卡尔曼滤波器的MIMO信道估计方法。首先，基于卡尔曼滤波的MIMO信道估计方法构造的信道观测方程是一组欠定方程，难以实现对状态变量的估计，通过假设多个相邻OFDM符号的信道频域响应近似相等，利用天线阵列的空时互易性，连续观测多个符号时间上的接收信号，从而构造出一组正定的观测方程。其次，根据Jacks信道模型，构造卡尔曼滤波器的状态空间模型。最后，利用卡尔曼滤波器估计得到信道频域响应。本发明专利技术利用天线阵列的空时互易性，解决了MIMO信道下难以利用卡尔曼滤波器进行信道估计的问题。由于卡尔曼滤波器具有自适应追踪信道时域变化的能力，因此本发明专利技术能够提升系统的信道估计精度。

【技术实现步骤摘要】
一种基于卡尔曼滤波器的MIMO信道估计方法
：本专利技术涉及无线通信领域，尤其涉及一种基于卡尔曼滤波器的MIMO信道估计方法。
技术介绍
：无线通信系统的性能很大程度上受到无线信道的影响，如阴影衰落和频率选择性衰落等等，使得发射机和接收机之间的传播路径非常复杂。无线信道并不像有线信道固定并可预见，而是具有很大的随机性，这就对接收机的设计提出了很大的挑战。在OFDM系统的相干检测中需要对信道进行估计，信道估计的精度将直接影响整个系统的性能。为了能在接收端准确的恢复发射端的发送信号，人们采用各种措施来抵抗多径效应对传输信号的影响，信道估计技术的实现需要知道无线信道的信息，如信道的阶数、多普勒频移和多径时延或者信道的冲激响应等。因此，能否获得详细的信道信息，从而在接收端正确地解调出发射信号，是衡量一个无线通信系统性能的重要指标。因此，对于信道估计算法的研究是一项有重要意义的工作。最后，需强调的是信道估计是信道对输入信号影响的一种数学表示，而好的信道估计方法则是使得某种估计误差最小化的估计算法。卡尔曼滤波一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。总体来说，其特点就是在线性状态空间表示的基础上对有噪声的输入和观测信号进行处理，求取系统状态或真实信号。数据滤波是去除噪声还原真实数据的一种数据处理技术，滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，卡尔曼滤波是目前应用最为广泛的滤波方法，在通信、导航、制导与控制等多领域得到了较好的应用。
技术实现思路
：本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于卡尔曼滤波的MIMO信道估计方法。为了实现本专利技术的上述目的，本专利技术提供了一种基于卡尔曼滤波器的MIMO信道估计方法，其特征在于，包括：S1，利用天线阵列的空时互易性，构造一组正定的观测方程；S2，通过卡尔曼滤波进行信道估计得到信道频域响应。所述的一种基于卡尔曼滤波器的MIMO信道估计方法，其特征在于，所述S1包括：通过信道传输特点可得系统的观测方程yi＝Hixi+wi其中，为接收符号向量，且为发送符号向量，为系统中的加性高斯白噪声。本专利技术利用了天线阵列的空时互易性，观测连续的Nr个符号，并假设在这连续的Nr个符号时间上信道矩阵Hi是相等的，即将子信道频域响应矩阵矢量化有其中将信道矩阵Hi矢量化有其中由此可以得到一组正定的观测方程如下Yi＝Xihi+Wi其中为接收到的连续Nr个符号构成的向量，有Xi为发送的连续Nr个符号构成的矩阵，有表示信道中的加性高斯白噪声，其协方差矩阵为所述的一种基于卡尔曼滤波器的MIMO信道估计方法，其特征在于，所述S2包括：根据Jacks信道模型，前后符号时间内的信道响应满足如下关系其中，vi表示过程噪声，其协方差矩阵为为一个对角矩阵，表示第i-1个符号与第i个符号的时域相关系数，由Jacks模型有其中，J0(·)表示零阶贝塞尔函数，表示各子信道的最大多普勒频移，又由此可以构造卡尔曼滤波器进行信道估计，卡尔曼滤波器的状态空间模型为可以得到其时间更新方程与测量更新方程如下：时间更新方程hi-1＝Ri|i-1hi-1测量更新方程hi＝hi|i-1+Ki(Yi-Xihi|i-1)Pi＝Pi|i-1-KiXiPi|i-1其中，Pi|i-1为状态变量的协方差矩阵，Ki为卡尔曼滤波器的增益。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术利用天线阵列的空时互易性，解决了MIMO信道下难以利用卡尔曼滤波器进行信道估计的问题，由于卡尔曼滤波器具有自适应追踪信道时域变化的能力，因此本专利技术能够提升系统的信道估计精度。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点，结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1.本专利技术总体流程图。具体实施方式、下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。本专利技术提出了一种基于卡尔曼滤波的参数模型信道估计方法，有效地利用Jacks模型对于信道时域相关性的假设，简化卡尔曼滤波器的结构，得到状态变量最小均方误差估计结果，可降低信道估计器复杂度，同时提升信道估计的精度。结合附图1对本专利技术进行详细说明，主要包括以下步骤：步骤1：开始。步骤2：接收到符号，开始信道估计。步骤3：提取导频子载波，在导频符号上采用LS信道估计，并利用天线阵列的空时互异性构造卡尔曼滤波的观测方程。通过LS的信道估计方法获取导频符号位置处的信道响应利用天线阵列的空时互易性，观测连续的Nr个符号，并假设在这连续的Nr个符号时间上信道矩阵Hi是相等的，即将子信道频域响应矩阵矢量化有其中将信道矩阵Hi矢量化有其中由此可以得到一组正定的观测方程如下Yi＝Xihi+Wi其中，为接收到的连续Nr个符号构成的向量，有Xi为发送的连续Nr个符号构成的矩阵，有表示信道中的加性高斯白噪声，其协方差矩阵为步骤4：构造卡尔曼滤波器的状态空间模型。根据Jacks信道模型，前后符号时间内的信道响应满足如下关系其中，vi表示过程噪声，其协方差矩阵为为一个对角矩阵，表示第i-1个符号与第i个符号的时域相关系数，由Jacks模型有其中，J0(·)表示零阶贝塞尔函数，表示各子信道的最大多普勒频移，又由此可以构造卡尔曼滤波器进行信道估计，卡尔曼滤波器的状态空间模型为步骤5：通过卡尔曼滤波估计方法进行时域插值：时间更新方程hi-1＝Ri|i-1hi-1测量更新方程hi＝hi|i-1+Ki(Yi-Xihi|i-1)Pi＝Pi|i-1-KiXiPi|i-1其中，Pi|i-1为状态变量的协方差矩阵，Ki为卡尔曼滤波器的增益。步骤6：在频域上采用线性插值，进而获得完整的一个子帧的信道响应矩阵。步骤7：信道估计结束并利用估计得到的信道频域响应进行下一步的均衡。步骤8：结束。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特本文档来自技高网...

【技术保护点】
本专利技术提出了一种基于卡尔曼滤波器的MIMO信道估计方法，其特征在于，包括：S1，利用天线阵列的空时互易性，构造一组正定的观测方程；S2，通过卡尔曼滤波器进行信道估计得到信道频域响应。

【技术特征摘要】
1.本发明提出了一种基于卡尔曼滤波器的MIMO信道估计方法，其特征在于，包括：S1，利用天线阵列的空时互易性，构造一组正定的观测方程；S2，通过卡尔曼滤波器进行信道估计得到信道频域响应。2.根据权利要求1所述的一种基于卡尔曼滤波的MIMO信道估计方法，其特征在于，所述S1包括：通过信道传输特点可得系统的观测方程yi＝Hixi+wi其中，i表示第i个符号时间，为接收符号向量，且为发送符号向量，为系统中的加性高斯白噪声；本发明利用天线阵列的空时互易性，观测连续的Nr个符号，并假设在这连续的Nr个符号时间上信道矩阵Hi是相等的，即将子信道频域响应矩阵矢量化有其中将信道矩阵Hi矢量化有其中由此可以得到...

【专利技术属性】
技术研发人员：廖勇，沈轩帆，孙国栋，王浩天，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50