一种基于线性规划和多信号分类算法的载波频偏估计方法技术

本发明专利技术公开了一种基于线性规划和多信号分类算法的载波频偏估计方法，属于无线通信的信道测量技术领域，包括如下步骤：利用Wifi信号发送端Tx按照预设时间间隔Z(i

【技术实现步骤摘要】
一种基于线性规划和多信号分类算法的载波频偏估计方法


[0001]本专利技术属于无线通信的信道测量
，尤其涉及一种基于线性规划和多信号分类算法的载波频偏估计方法。

技术介绍

[0002]Wifi感知技术依托于信道状态信息CSI对环境变化的灵敏性。Wifi信号发送端Tx与Wifi信号接收端Rx的本地晶体振荡器不匹配而产生的载波频率偏移CFO会给信道状态信息CSI带来累积相位误差，因此，载波频率偏移CFO会直接阻碍Wifi感知的性能提升以及相位同步、相控阵感知、分布式同步等下一代Wifi通信与感知技术的发展。
[0003]现有的载波频率偏移CFO估计方法，都基于Wifi基带信号及基带信号中特定的分段结构，但现有方法均只能消除当前帧底层基带信号中载波频率偏移CFO误差，但上层的信道状态信息CSI测量仍然包含载波频率偏移CFO误差。对于Wifi感知而言，载波频率偏移CFO会直接影响信道状态信息CSI的相位测量，导致多设备之间存在相位不同步问题。无载波频率偏移CFO误差的信道状态信息CSI测量是支持下一代Wifi将实现分布式多输入多输出(Multiple Input Multiple Output，MIMO)通信、分布式感知和相控阵等高级特性的基础，因此急需一种基于上层信道状态信息CSI测量的载波频率偏移CFO精确估计方法。
[0004]主流的Wifi协议802.11a/g/n/ac/ax等使用正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)宽带调制技术通信，但根据802.11a/g/n/ac/ax等主流Wifi通信协议标准，为规避硬件前端的直流泄漏等器件缺陷，0号子载波不用于传输数据，因此如何获得0号子载波的信道状态信息CSI是一项关键技术。
[0005]多信号分类算法(MUSIC算法)是一种基于矩阵特征空间分解的频谱估计方法。该算法将信号分解为“信号子空间”和“噪声子空间”。通过搜索与“噪声子空间”正交的频率导向矢量，MUSIC算法可以突破分辨率限制现实频谱的精确估计。但MUSIC算法存在搜索空间巨大、计算负载高的问题，如何约束搜索空间是提升MUSIC算法性能的关键。

技术实现思路

[0006]针对现有技术中的上述不足，本专利技术提供的一种基于线性规划和多信号分类算法的载波频偏估计方法解决了CSI中其它误差因素影响和载波频率偏移CFO候选值的问题。
[0007]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0008]本专利技术提供一种基于线性规划和多信号分类算法的载波频偏估计方法，包括如下步骤：
[0009]S1、利用Wifi信号发送端Tx按照预设时间间隔Z(i
′
)向Wifi信号接收端Rx发送若干Wifi帧，其中i
′
表示帧序号；
[0010]S2、利用Wifi信号接收端Rx接收并测量各Wifi帧，得到对应的若干CSI数据；
[0011]S3、利用Wifi信号接收端Rx对各CSI数据的相位数据插值，得到各CSI数据的0号子载波的相位序列Θ；
[0012]S4、基于各CSI数据的0号子载波的相位序列Θ，计算得到若干每两相邻CSI数据的0号子载波的相位差序列ΔΘ，并解卷绕各相位差序列；
[0013]S5、利用Wifi信号接收端Rx通过预设时间间隔Z(i)重构Wifi信号发送端Tx的发送时间序列T
rx
；
[0014]S6、将发送时间序列T
rx
和解卷绕后的相位差序列分别作为自变量和因变量进行线性拟合，得到斜率k、自由度df以及斜率标准差Ω
k
；
[0015]S7、基于斜率k、自由度df和斜率标准差Ω
k
，得到频谱函数P
MUSIC
(f
i
)，并将频谱函数P
MUSIC
(f
i
)的峰值对应的频率值作为载波频率偏移CFO估计值，完成基于线性规划和多信号分类算法的载波频偏估计。
[0016]本专利技术的有益效果为：本专利技术提供的一种基于线性规划和多信号分类算法的载波频偏估计方法，通过使用0号子载波在信道状态信息CSI中估计载波频率偏移CFO的误差，并通过Wifi信号发送端Tx非均匀发送技术，将发送间隔差与解卷绕后的相位差做线性拟合求取载波频率偏移CFO，克服了相位模糊的问题，且使用线性拟合快速估计载波频率偏移CFO的置信区间，以及使用多信号分类MUSIC算法在给定区间中准确估计载波频率偏移CFO的特点，实现了对CFO的快速、准确估计。
[0017]进一步地，所述步骤S7包括如下步骤：
[0018]S71、基于斜率k、斜率标准差Ω
k
和自由度df构建对应的t分布，并计算t分布对应的临界值T；
[0019]S72、基于斜率k、斜率标准差Ω
k
和临界值T计算得到载波频率偏移CFO的置信区间；
[0020]S73、设频率分辨率为r，并基于载波频率偏移CFO的置信区间，计算得到频率向量序列f
i
；
[0021]S74、基于临界值T和频率向量序列f
i
，计算得到导向矢量s
i
；
[0022]S75、基于0号子载波的相位序列Θ，计算得到协方差矩阵R；
[0023]S76、分解协方差矩阵R，得到M个特征值以及各特征值对应的特征向量集合E；
[0024]S77、基于特征向量集合E，将各特征向量升序排序，且利用前M
‑
D个特征向量构成噪声子空间E
N
，利用其余特征向量构成信号子空间E
S
；
[0025]S78、基于噪声子空间E
N
和导向矢量s
i
计算得到频谱函数P
MUSIC
(f
i
)，并将频谱函数P
MUSIC
(f
i
)的峰值对应的频率值作为载波频率偏移CFO估计值，完成基于线性规划和多信号分类算法的载波频偏估计。
[0026]采用上述进一步方案的有益效果为：本方法通过对解卷绕后的相位差数据进行线性拟合，得到CFO的置信区间并使用MUSIC算法搜索置信区间得到CFO的准确估计。
[0027]进一步地，所述步骤S72中载波频率偏移CFO的置信区间的表达式如下：
[0028][f
min
,f
max
]＝[(k
‑
T
×
Ω
k
)/2π,(k+T
×
Ω
k
)/2π][0029]其中，f
min
和f
max
分别表示置信区间的下界和上界。
[0030]采用上述进一步方案的有益效果为：提供载波频率偏移CFO的置信区间的计算方法，为使用MUS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性规划和多信号分类算法的载波频偏估计方法，其特征在于，包括如下步骤：S1、利用Wifi信号发送端Tx按照预设时间间隔Z(i
′
)向Wifi信号接收端Rx发送若干Wifi帧，其中i
′
表示帧序号；S2、利用Wifi信号接收端Rx接收并测量各Wifi帧，得到对应的若干CSI数据；S3、利用Wifi信号接收端Rx对各CSI数据的相位数据插值，得到各CSI数据的0号子载波的相位序列Θ；S4、基于各CSI数据的0号子载波的相位序列Θ，计算得到若干每两相邻CSI数据的0号子载波的相位差序列ΔΘ，并解卷绕各相位差序列；S5、利用Wifi信号接收端Rx通过预设时间间隔Z(i)重构Wifi信号发送端Tx的发送时间序列T
rx
；S6、将发送时间序列T
rx
和解卷绕后的相位差序列分别作为自变量和因变量进行线性拟合，得到斜率k、自由度df以及斜率标准差Ω
k
；S7、基于斜率k、自由度df和斜率标准差Ω
k
，得到频谱函数P
MUSIC
(f
i
)，并将频谱函数P
MUSIC
(f
i
)的峰值对应的频率值作为载波频率偏移CFO估计值，完成基于线性规划和多信号分类算法的载波频偏估计。2.根据权利要求1所述的基于线性规划和多信号分类算法的载波频偏估计方法，其特征在于，所述步骤S7包括如下步骤：S71、基于斜率k、斜率标准差Ω
k
和自由度df构建对应的t分布，并计算t分布对应的临界值T；S72、基于斜率k、斜率标准差Ω
k
和临界值T计算得到载波频率偏移CFO的置信区间；S73、设频率分辨率为r，并基于载波频率偏移CFO的置信区间，计算得到频率向量序列f
i
；S74、基于临界值T和频率向量序列f
i
，计算得到导向矢量s
i
；S75、基于0号子载波的相位序列Θ，计算得到协方差矩阵R；S76、分解协方差矩阵R，得到M个特征值以及各特征值对应的特征向量集合E；S77、基于特征向量集合E，将各特征向量升序排序，且利用前M
‑
D个特征向量构成噪声子空间E
N
；S78、基于噪声子空间E
N
和导向矢量s
i
计算得到频谱函数P
MUSIC
(f
i
)，并将频谱函...

【专利技术属性】
技术研发人员：李瑞，蒋志平，段渝，蒋秋林，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：