基于容积卡尔曼滤波的短波OFDM移动信道估计方法技术

本发明专利技术属于短波通信技术领域，一种基于容积卡尔曼滤波的短波OFDM移动信道估计方法，包括构建信道频域响应的状态转移方程，基于该方程构建基于卡尔曼滤波的状态转移方程，采用容积卡尔曼滤波器的方式来追踪基于卡尔曼滤波的状态转移方程中信道的变化，即进行时间预测，构造采样点估计预测先验方差矩阵；进行量测更新，构造容积点，将容积点带入估计预测先验方差矩阵的表达式，得到量测方程的先验估计，并计算后验协方差和后验交叉协方差；后验协方差和后验交叉协方差结合接收信号根据贝叶斯滤波的原理来计算CKF的增益状态的估计值和协方差，估计出了信道的后验值；本发明专利技术可更好的追踪信道的变化,提升信道估计的精度。好的追踪信道的变化,提升信道估计的精度。好的追踪信道的变化,提升信道估计的精度。

【技术实现步骤摘要】
基于容积卡尔曼滤波的短波OFDM移动信道估计方法


[0001]本专利技术属于短波通信
，一种基于容积卡尔曼滤波的短波OFDM移动信道估计方法。

技术介绍

[0002]短波通信是指载波频率为3～30MHZ范围的通信方式，它具有高机动性，高抗摧毁性和高保密性的特点，是目前最好的应急通信手段之一，也被证实为卫星通信中的一个很好的替代品。OFDM是一种子载波间相互正交的调制技术，由于在信号中插入了循环前缀，可减小信道中的多径效应，消除了符号间的干扰，除此之外，OFDM技术的子载波间具有正交性且子载波频谱重叠，在应急通信情况下可使频谱资源得以充分的利用，将OFDM与短波通信相结合，可以更好解决短波通信环境中多径衰落和频谱资源稀缺问题。
[0003]近年来，短波通信由于抗摧毁性强常用于应急场景和军事场景，而这两种场景常常需要借助移动工具来进行通信，因而会产生移动短波通信场景或高机动短波通信场景，但短波信道条件恶劣，有严重的衰落和阴影效应，除此之外，与其他信道相比，短波信道会有更高的时变性，会产生载波间干扰，严重影响通信质量。并且我们之前的研究已证实移动条件下的短波信道使时变特性和多普勒频移变得更加严重，为了减少上述问题的影响，需要对信号做非相关解调。而信道估计是非相关解调中不可缺少的一个步骤，目前国内外很多学者针对短波信道估计问题进行了深入的研究，武汉大学团队提出了基于长短期神经网络的短波信道估计算法，但长短期神经网络有很高的复杂度，不宜应用于应急场景或军事场景，目前大火的压缩感知技术也常常与短波信道估计技术结合，但压缩感知技术常常假设信道多径数目已知，但在实际工程中，短波通信通过电离层来传播，电离层的状态常常不可预测，且短波一般用于数万公里的远距离通信，在此情境下多径数目难以预测，压缩感知算法因此并不理想。目前提出的短波信道估计算法也仅仅针对静态非移动的短波通信场景，是否适用于移动条件下的短波通信场景还需要进一步研究。在我们目前的资料中，没有探究短波通信技术的团队研究过移动条件下的短波OFDM的信道估计技术，因此如何在移动短波OFDM通信条件下获取准确的信道状态信息是目前短波通信领域的一个难题。
[0004]卡尔曼滤波属于贝叶斯滤波的一种，是一种很好的状态追踪手段，常用来解决状态转移的问题
[7]，在信道估计领域，卡尔曼滤波的强追踪性使估计出来的信道具有更高的精度，恢复出来的信号也有较低的误码率。现有技术提出了基于卡尔曼滤波及其改进方法的移动信道估计方法，但所提方法都是基于基扩展模型进行信道估计，基扩展模型与压缩感知一样，需要推断出信道的径数才能更好地发挥性能，但短波的传播很大程度上和电离层有关，因此很难预测出信道的径数，因此如何将卡尔曼滤波应用到短波移动信道的信道估计上也是目前的一大难题。

技术实现思路

[0005]针对上述问题，本专利技术提出一种基于容积卡尔曼滤波的短波OFDM移动信道估计方
法，构建信道频域响应的状态转移方程，基于该方程构建基于卡尔曼滤波的状态转移方程，采用容积卡尔曼滤波器的方式来追踪基于卡尔曼滤波的状态转移方程中信道的变化，具体包括以下步骤：
[0006]进行时间预测，构造采样点估计预测先验方差矩阵；
[0007]进行量测更新，构造容积点，将容积点带入估计预测先验方差矩阵的表达式，得到量测方程的先验估计，并计算后验协方差和后验交叉协方差；
[0008]后验协方差和后验交叉协方差结合接收信号根据贝叶斯滤波的原理来计算CKF的增益状态的估计值和协方差，估计出了信道状态变化与信道频域响应的结合矩阵Z
i
；
[0009]通过信道频域响应H
i
和z
i
的关系估计出信道频域响应H
i
。
[0010]进一步的，信道频域响应的状态方程和观测方程表示为：
[0011][0012]其中，a
i
＝vec(A
i
)，而A
i
为i时刻到i+1时刻信道之间的状态转移矩阵；ε
i
为a
i
的过程噪声；H
i
为信道频域响应；ω
i
为i时刻状态转移时产生的过程噪声；Y
i
为接收信号，也称为信道频域响应的观测矩阵；X
i
为发送信号；v
i
为频域噪声向量。
[0013]进一步的，信道状态变化与信道频域响应的结合矩阵表示为Z
i
＝[a
i H
i
]，状态转移方程的过程噪声向量表示为u
i
＝[ω
i v
i
]，则基于卡尔曼滤波的状态转移方程表示为：
[0014][0015]其中，I表示单位矩阵。
[0016]进一步的，进行时间预测时，通过建立m个容积点估计预测先验协方差矩阵，建立m个容积点包括：
[0017]χ
i
‑
1(j)
＝S
i
‑1*ξ
i
+Z
i
‑1j＝1,
…
,m
[0018]其中，χ
i
‑1为构造的m个容积点，S
i
‑1为i
‑
1时刻的后验协方差矩阵P
i
‑1的平方根，ξ
i
为是具有m个元素的容积点集，I
m/2
表示行、列数目为m/2的单位矩阵。
[0019]进一步的，估计预测先验协方差矩阵表示为：
[0020][0021]其中，为先验协方差矩阵，为m个状态预测值χ
i|i
‑
1(j)
的均值，()
T
表示求矩阵的转置。
[0022]进一步的，i时刻的观测方程为：
[0023]Z
i|i
‑
1(j)
＝S
i|i
‑1*ξ
i
+x
i|i
‑
1 j＝1,
…
,m；
[0024][0025]其中，Z
i|i
‑
1(j)
为构造观测方程时构造的m个容积点，S
i|i
‑1为i时刻的先验协方差矩阵的平方根，Y
i(j)
为各个容积点的观测值。
[0026]进一步的，后验协方差和后验交叉协方差为：
[0027][0028][0029]其中，为后验协方差矩阵，u
i
为构造观测方程时m个容积点的均值，Q
v
为噪声的协方差矩阵；为交叉协方差矩阵。
[0030]进一步的，计算CKF的增益状态的估计值和协方差包括：
[0031][0032]Z
i
＝x
i∣i
‑1+K
i
(Y
i
‑
u
i<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于容积卡尔曼滤波的短波OFDM移动信道估计方法，其特征在于，构建信道频域响应的状态转移方程，基于该方程构建基于卡尔曼滤波的状态转移方程，采用容积卡尔曼滤波器的方式来追踪基于卡尔曼滤波的状态转移方程中信道的变化，具体包括以下步骤：进行时间预测，构造采样点估计预测先验方差矩阵；进行量测更新，构造容积点，将容积点带入估计预测先验方差矩阵的表达式，得到量测方程的先验估计，并计算后验协方差和后验交叉协方差；后验协方差和后验交叉协方差结合接收信号根据贝叶斯滤波的原理来计算CKF的增益状态的估计值和协方差，估计出了信道状态变化与信道频域响应的结合矩阵Z
i
；通过信道频域响应H
i
和z
i
的关系估计出信道频域响应H
i
。2.根据权利要求1所述的基于容积卡尔曼滤波的短波OFDM移动信道估计方法，其特征在于，信道频域响应的状态方程和观测方程表示为：其中，a
i
＝vec(A
i
)，而A
i
为i时刻到i+1时刻信道之间的状态转移矩阵；ε
i
为a
i
的过程噪声；H
i
为信道频域响应；ω
i
为
i
时刻状态转移时产生的过程噪声；Y
i
为为信道频域响应的观测矩阵；X
i
为发送信号；v
i
为频域噪声向量。3.根据权利要求2所述的基于容积卡尔曼滤波的短波OFDM移动信道估计方法，其特征在于，信道状态变化与信道频域响应的结合矩阵表示为Z
i
＝[a
i H
i
]，状态转移方程的过程噪声向量表示为u
i
＝[ω
i v
i
]，则基于卡尔曼滤波的状态转移方程表示为：其中，I表示单位矩阵。4.根据权利要求3所述的基于容积卡尔曼滤波的短波OFDM移动信道估计方法，其特征在于，进行时间预测时，通过建立m个容积点估计预测先验协方差矩阵，建立m个容积点包括：χ
i
‑
1(j)
...

【专利技术属性】
技术研发人员：李国军，艾昊，徐阳，贾振波，叶昌荣，向翠玲，谢文希，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：