基于粒子滤波器的时变频偏估计方法、系统及介质技术方案

本申请提供了一种基于粒子滤波器的时变频偏估计方法，获取受频偏影响的两段训练序列，通过反向求相关算法，得到当前时刻k第一频偏估计值∈

【技术实现步骤摘要】
基于粒子滤波器的时变频偏估计方法、系统及介质


[0001]本申请属于通信领域，具体地，涉及一种基于粒子滤波器的时变频偏估计方法、系统及介质。

技术介绍

[0002]正交频分复用OFDM(Orthogonal Frequency Division Multiplexing)系统是一种多载波调制技术，被广泛应用在现代通信系统。由于发射机和接收机的载波频率不同导致的载波频偏，破坏子载波间的正交性，引起子载波串扰，严重影响系统的性能。特别是采用高阶调制的OFDM系统。如高性能同轴电缆接入网HINOC(High performance Network Over Coax)系统，同轴电缆环境内的信噪比SNR较高，所以为实现高数据率的传输，该系统采用4096QAM调制甚至更高的16384QAM调制，对载波频偏的估计与纠正精度提出了更高精度的要求。
[0003]高性能同轴电缆接入网HINOC系统中定义使系统误码率低于10
‑3且性能损失不超过0.5dB的相对频偏(载波频偏与子载波间隔的比值)为能容忍的最大值，由仿真得到不同QAM调制阶数下系统允许的最大相对频偏，通过仿真可以得到，以16384QAM调制为例，相对载波频偏的精度应控制在
±5×
10
‑4范围内。在超高阶调制下，实现载波频偏估计的高精度估即便在现有文献中也很少提及。且实际系统在刚开机之后出现的相对频偏是时变的，同时还有可能受到脉冲噪声的影响的问题，现有领域还未有切实可行的时变频偏估计方案。
[0004]相对载波频偏整数部分的估计通常采用差分编码的导频，在OFDM系统中，已有一些针对小数部分的频偏估计算法。如Paul H.Moose提出了将训练序列的OFDM符号进行频域相关的算法，该算法估计精度在高信噪比条件下较好，最优情况估计误差可达到2
×
10
‑4，但不能对抗突发的脉冲噪声。H.Minn和V.K.Bhargava提出了基于BLUE(Best Linear Unbiased Estimation)准则的算法，估计精度受限于训练符号的设计方式，文章中表明估计误差精度可达到7
×
10
‑4，同样不能对抗脉冲噪声。Guangliang Ren等人提出的基于EEP(Envelop Equalized Processing)的算法以及Youngpo Lee等人在此基础上提出的改进算法，此类算法相比前面的算法，估计精度受低信噪比的影响有所降低，但依旧不能在有脉冲噪声的环境下保持原有的估计精度。M.Morelli和U.Mengali提出了一种经典的载波频偏估计方法，该方法是将收端接收到的受频偏影响的训练符号的相同部分求相关，根据解出的角度进而算出频偏。这种方法的不足主要在于估计精度有限，难以满足高阶QAM调制时对载波频偏估计高精度的要求，也不能对抗脉冲噪声。HINOC 2.0系统，利用设定好的步进逐步逼近相对频偏值，但这种方法不能估计时变的相对频偏。
[0005]粒子滤波器是一种使用蒙特卡洛方法的递归滤波器，透过一组具有权重的随机样本即粒子，来表示随机事件的后验概率，常用于移动目标定位的场景。M.Sanjeev Arulampalam等人较完备地提出了SIR(Sampling Importance Resampling)粒子滤波器的算法，是众多粒子滤波器算法中最原始且使用最为广泛的一种。

技术实现思路

[0006]本专利技术提出的基于粒子滤波器的时变频偏估计方法、系统及介质，将改进后的粒子滤波器应用于时变的载波频偏估计，将传统的估计方法仅作为滤波器的一个观测方程，并结合滤波器的先验知识，满足了更多通信场景在高阶调制下对载波频偏高精度的要求，相比现有频偏估计大大降低了复杂度，同时提升了精度。
[0007]根据本申请实施例的第一个方面，提供了一种基于粒子滤波器的时变频偏估计方法，具体包括以下步骤：
[0008]获取受频偏影响的两段训练序列，通过反向求相关算法，得到当前时刻k第一频偏估计值∈
′
k
；
[0009]基于相对载波频偏从零时刻由零逐步上升并稳定于某个固定值的时变特性，建立当前时刻k频偏估计∈
k
为指数模型，具体为：
[0010]∈
k
＝∈0(1
‑
e
‑
αk
)；
[0011]其中，∈0表示真实相对频偏趋于稳定后的固定值，α代表相对频偏的收敛速度，其取值范围为0.025～0.5；
[0012]根据指数模型，得到通过上一时刻(k
‑
1)频偏估计∈
k
‑1预测当前时刻k频偏估计∈
k
的状态转移方程为：
[0013]∈
k
＝∈
k
‑1+∈0(e
‑
α(k
‑
1)
‑
e
‑
αk
)+v
k
‑1；
[0014]其中，v
k
‑1代表系统过程噪声；
[0015]相应的，使当前时刻第一频偏估计值∈
′
k
作为当前时刻频偏观测值，得到当前时刻频偏估计的观测方程为：
[0016]∈
′
k
＝∈
k
+n
k
；
[0017]其中，n
k
为测量噪声；
[0018]根据当前时刻频偏估计的状态转移方程以及观测方程，基于粒子滤波以及重要性采样算法，得到当前时刻频偏估计的期望值E[∈
k
]：
[0019][0020]其中，q()为重要性概率函数，p()为状态转移概率函数，W
k
(∈
k
)为当前时刻频偏估计的权重；
[0021]其中，
[0022]根据当前时刻频偏估计的期望值E[∈
k
]得到最终时变频偏估计值。
[0023]在本申请一些实施方式中，获取受频偏影响的两段训练序列，通过反向求相关算法，得到当前时刻k第一频偏估计值∈
′
k
，具体包括以下步骤：
[0024]通过接收端获取受频偏影响的两段训练序列(p
′
1，n
，p
′
2，n
)：
[0025][0026][0027]其中，p
n
为发射序列；n＝0，...，L
‑
1，L为训练序列样点长度；w
1，n
和w
2，n
为AWGN噪
声；
[0028]将两段训练序列通过反向求相关算法，得到当前时刻第一频偏估计值，即相对载波频偏在k时刻的估计值∈
′
k
：
[0029][0030]在本申请一些实施方式中，根据当前时刻频偏估计的期望值E[∈
k
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子滤波器的时变频偏估计方法，其特征在于，具体包括以下步骤：获取受频偏影响的两段训练序列，通过反向求相关算法，得到当前时刻k第一频偏估计值∈
′
k
；基于相对载波频偏从零时刻由零逐步上升并稳定于某个固定值的时变特性，建立当前时刻k频偏估计∈
k
为指数模型，具体为：∈
k
＝∈0(1
‑
e
‑
α
)；其中，∈0表示真实相对频偏趋于稳定后的固定值，α代表相对频偏的收敛速度，其取值范围为0.025～0.5；根据所述指数模型，得到通过上一时刻(k
‑
1)频偏估计∈
k
‑1预测当前时刻k频偏估计∈
k
的状态转移方程为：∈
k
＝∈
k
‑1+∈0(e
‑
α(k
‑
1)
‑
e
‑
αk
)+v
k
‑1；其中，v
k
‑1代表系统过程噪声；相应的，使当前时刻第一频偏估计值∈
′
k
作为当前时刻频偏观测值，得到当前时刻频偏估计的观测方程为：∈
′
k
＝∈
k
+n
k
；其中，n
k
为测量噪声；根据所述当前时刻频偏估计的状态转移方程以及观测方程，基于粒子滤波以及重要性采样算法，得到当前时刻频偏估计的期望值E[∈
k
]：其中，q()为重要性概率函数，p()为状态转移概率函数，W
k
(∈
k
)为当前时刻频偏估计的权重；其中，根据所述当前时刻频偏估计的期望值E[∈
k
]得到最终时变频偏估计值。2.根据权利要求1所述的时变频偏估计方法，其特征在于，所述获取受频偏影响的两段训练序列，通过反向求相关算法，得到当前时刻k第一频偏估计值∈
′
k
，具体包括以下步骤：通过接收端获取受频偏影响的两段训练序列(p
′
1，n
，p
′
2，n
)：)：其中，p
n
为发射序列；n＝0，...，L
‑
1，L为训练序列样点长度；w
1，n
和w
2，n
为AWGN噪声；将所述两段训练序列通过反向求相关算法，得到当前时刻第一频偏估计值，即相对载波频偏在k时刻的估计值∈
′
k
：3.根据权利要求1所述的时变频偏估计方法，其特征在于，所述根据所述当前时刻频偏估计的期望值E[∈
k
]得到最终时变频偏估计值，具体包括：根据全概率积分公式，将所述E[∈
k
]化简后得到：
通过蒙特卡洛方法近似解决，得到：其中，i为粒子滤波器的粒子序号；令W
k
(∈
k
)归一化后代入得到：其中，归一化权重为其中，归一化权重为4.根据权利要求3所述的时变频偏估计方法，其特征在于，还包括根据所述归一化权重，得到递归形式权重重5....

【专利技术属性】
技术研发人员：毕乘乾，管鹏鑫，赵玉萍，赵辉，张诚，
申请(专利权)人：北京瀚诺半导体科技有限公司，
类型：发明
国别省市：