[发明专利]基于多模型加权软切换的信道自适应估计方法

权利要求书

1.一种基于多模型加权软切换的信道自适应估计方法，其特征在于包括以下步骤：

步骤1，建立信道系统模型；

采用时频双选信道；用h(t；τ)表示(t-τ)时刻的发送符号对t时刻接收符号产生的影响系数，τ为时延，假设发送序列和接受序列的抽样间隔均为T_s，用替代τ；数据块传输系统的发送符号为u(i)，在u(i)中取N个连续符号构成第k个数据块u_k，1≤N≤200，k≥1；

假设信道为瑞利信道，信道的路径最大时延及最大多普勒频移为τ_max和f_max，满足2τ_maxf_max＜1，且其信道状态在一个传输数据块的范围上是缓慢变化的；则数据块u_k上的信道h_k(n；l)用基扩展模型表示如下：

hk(n;l)=Σq=0QCk,q(l)fq(n),l∈[0,L]0,others---(1)]]>

式中，为基函数，1≤n≤N，ω_q＝π(q-(Q+1)/2)/N，1≤q≤Q,为基系数的个数；C_k,q(l)为基扩展模型的系数，1≤l≤L，

将一个数据块u(i)作为估计单位，采用信道基模型的(Q+1)×(L+1)个C_k,q(l)表示N×(L+1)个未知量h_k(n；l)，使信道模型和估计参数得到简化；依据瑞利信道特性可知，C_k,q(l)是均值为零，方差为的复高斯随机变量；

步骤2，采用导频符号辅助的信道估计方法估计信道响应；

步骤2.1，建立发送、接收信号模型；

发送端发送序列u_k包括两部分，即信息符号s_g和导频符号p_g；在一个数据块中均匀插入G个导频符号p_g，数据块u_k表示为：

uk=[p1T,s1T,p2T,s2T,...,pGT,sGT]T---(2)]]>

式中，ZP(zero padding)导频序列形式为共包括N_s个信息符号和N_p个导频序列符号，N＝N_s+N_p；

发送符号u(i)经过多径信道h(i；l)后接收到的符号y(i)表示为：

y(i)=Σl=0Lh(i;l)u(i-l)+w(i)---(3)]]>

式中，w(i)表示均值为零、方差为的加性高斯白噪声；

步骤2.2，获得导频信息；

基于基扩展模型、对应于发送数据块u_k的接收数据块y_k表示为：

yk=Hkuk+wkHk=Σq=0QFqCk,q---(4)]]>

式中，为零均值、方差的加性高斯白噪声向量，H_k为下三角矩阵且满足[H_k]_n,m＝h_k(n；n-m)，n≥m，C_k,q是第一列为[C_k,q(0),C_k,q(1),...,C_k,q(L),0,…0]^T的Toeplitz矩阵，F_q＝diag[f_q(1),f_q(2),…,f_q(N)]是一对角阵；

接收数据块y_k中有一类为仅受导频序列影响的其表达式为：

ykp=Hkpp+wkpp=[p1T,...,pgT,...,pGT]T---(5)]]>

式中，和分别为H_k和w_k中的对应于导频p的子矩阵；式中包括(Q+1)×(L+1)个未知参数C_k,q(l)，对应每一个p_g在接收端只能获得(L+1)个仅受到导频影响的符号，因此需在一个数据块中插入至少(Q+1)个导频序列来获得C_k,q(l)，即G≥Q+1；结合(5)式和Toeplitz矩阵与向量相互转换原理得：

ykp=ΦpCk+wkp---(6)]]>

式中，Φ^p为导频信息转化矩阵，其表达式为：

式中，为F_q中对应于导频序列p_g的子矩阵，其表达式为：

Fq,gp=diag[fq(gNG),...,fq((g+1)NG-1)]---(8)]]>

P_g是由导频序列p_g中的导频符号p_g,l构造的(L+1)×(L+1)型Toeplitz矩阵，l＝1,…,L+1，由于p_g结构相同，此处忽略下标g，即P₁＝P,…,P_G＝P，则[P]_n,m＝p_L-m+n；

步骤2.3，计算信道响应；

信道响应矩阵C_k为：

Ck=[Ck,0T,...,Ck,qT,...,Ck,QT]TCk,q=[Ck,q(0),...Ck,q(L)]T---(9)]]>

步骤3，建立信道估计多模型；

基于信道模型和估计方法的分析，与多模型控制理论中模型和控制器的结构不同，将信道模型和估计方法作为一个信道估计模型，通过建立多个信道估计模型的多模型库来覆盖复杂、变化的信道环境；

步骤4，进行信道估计多模型加权软切换；

多模型控制中，由于硬切换策略通常要求每个模型均具有相同的结构，不符合模型集构成，所以采用软切换策略；采用一种线性误差最小方差的加权多模型自适应估计方法来完成切换，能够有效达到在线切换的性能提升；

所述步骤3建立信道估计多模型的方法如下：

(1)建立信道模型集组合；

信道估计模型库为M＝(B,E)，其中，B为信道模型集，其表达式为：

B＝{b_j,j＝1,2|P-BEM,CE-BEM-AR}(10)

另，E＝{e₁＝LS,e₂＝Kalman}，是估计方法集，两模型M₁和M₂的模型库为：

M＝{M₁(b₁,e₁),M₂(b₂,e₂)}(11)

(2)计算模型M₁的信道响应；

模型M₁基于扩展的LS估计算法及导频点接受发送信号和最小二乘法得到与扩展基相对应的系数的LS估计值为：

C^kLS=((Φp)HΦp)-1(Φp)Hykp---(12)]]>

则信道响应的估计值为：

h^k,l,1=F1C^k,l,1,[h^k,l,1]n=h^k,1(n;l),[F1]n,q=fq,1(n),[C^k,l,1]q=C^k,qLS(l)---(13)]]>

与的关系同(9)式；

(3)计算模型M₂的信道响应；

基于基扩展模型和发送接收信号，可构造Kalman滤波的状态方程和观测方程：

Ck=AkCk-1+vkykP=ΦPCk+wkP---(14)]]>

其中，A_k，v_k为已知的多普勒估计值f_d获得的状态转移矩阵和状态转移噪声SNR；由此得到kalman估计过程为：

Pk=AkPk-1AkH+vk,Gk=ΦkPPk(ΦkP)H+wkp,ek=ykP-ΦkPAkC^k-1Kal,C^kKal=AkC^k-1Kal+Pk(ΦkP)HCk-1ek,---(15)]]>

式中，为Kalman信道估计值，的初始值为零矩阵，e_k为测量误差，P_k为估计误差的协方差矩阵，则：

h^k,l,2=F2C^k,l,2,[h^k,l,2]n=h^k,2(n,l),[F2]n,q=fq,2(n),[C^k,l,2]q=C^k,qkal(l)---(16)]]>

与的关系同(9)式；

所述步骤4进行信道估计多模型加权软切换的方法如下：

(1)计算线性误差最小方差；

假设模型为M_j，j＝1,2,其估计输出、估计误差和估计误差的方差分别为：v_k,l,j和则估计输出和误差的关系为：

h~k,l=Zhk,l+v~k,l,h~k,l=[(h^k,l,1)T,...,(h^k,l,j)T]TZ=[I,...,I]T,v~k,l=[(vk,l,1)T,...,(vk,l,j)T]T---(17)]]>

其中，的协方差用表示；由于使用子模块追踪算法，切换的单位转变为一个子块,实际表示为前述对应各子模型估计信道中的第一个子模块对应的信道系数；

(2)计算模型误差；

结合多模型加权自适应控制理论，信道模型切换采用权值切换算法，使用估计误差的方差计算权值：

h^k,lo=Wk,lh~k,lWk,l=(ZT(Δ~k,l2)-1Z)-1ZT(Δ~k,l2)-1---(18)]]>

估计误差v_k,l,j由模型误差和估计误差两部分构成；模型误差使用的统计方差为：

EMj=(Iv-S)Rα0(Iv-S)---(19)]]>

其中，E_Mj为v_k,l,j其中的一部分，即模型误差的计算值；S＝F^T(FF^T)^-1F，并且[F]_n,q＝f_q，j(n)。

(3)计算LS估计误差及权值的估计误差方差；

LS估计误差的协方差来自于其噪声方差的基础上，由于：

h^kLS=((Φp)HΦp)-1(Φp)Hykp=hkLS+Φ+N0---(20)]]>

所以，得到：

ELS=||h^kLS-hkLS||2=Φ+N0N0H(Φ+)H---(21)]]>

其中，Φ⁺＝(Φ^HΦ)^-1Φ^H；

模型M₁用于计算权值的估计误差方差为：

Δk,l,12=EM1+ELS---(22)]]>

式中，为模型M₁的总估计误差，E_LS为模型M₁的估计误差方差；

(4)计算kalman估计误差及权值的估计误差方差；

Kalman估计误差协方差通过在线的后验误差协方差矩阵来计算：

E_kal＝BP_clB(23)

其中，[P_cl]_m',n'＝E{[e_cl,k]_q(l)[e_cl,k]_q'(l')}为基系数的后验误差协方差，[P_c]_m,n＝E{[e_c,k]_q(l)[e_c,k]_q'(l')},依据m'＝l(Q+1)+q+1，n'＝l'(Q+1)+q'+1和m＝q(L+1)+l+1，n＝q'(L+1)+l'+1的关系进行对应转换；

模型M₂用于计算权值的估计误差方差为：

Δk,l,22=EM2+Ekal---(24)]]>

式中，为模型M₂的总估计误差，E_kal为模型M₂的估计误差方差；

在切换过程中，为了便于计算，假设每一个h_k(n；l)的协方差相同；这样就可以改进并且得到：

h^k,lo=Σj(ΣjΔ~k,l,j-2)-1Δ~k,l,j-2h~k,l,j---(25).]]> 4