[发明专利]一种基于卡尔曼滤波器的迭代信道估计方法在审

专利信息
申请号: 201710166274.1 申请日: 2017-03-20
公开(公告)号: CN106936481A 公开(公告)日: 2017-07-07
发明(设计)人: 廖勇;沈轩帆;王浩天;孙国栋 申请(专利权)人: 重庆大学
主分类号: H04B7/0413 分类号: H04B7/0413;H04B7/0456;H04L25/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 400044 *** 国省代码: 重庆;85
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 卡尔 滤波器 信道 估计 方法
【权利要求书】:

1.一种基于卡尔曼滤波器的迭代信道估计方法,其特征在于,包括:

S1,利用先验估计值构造一组正定的卡尔曼滤波器的观测方程;

S2,利用卡尔曼滤波器完成MIMO信道估计。

2.根据权利要求1所述的一种基于卡尔曼滤波器的迭代信道估计方法,其特征在于,所述S1中利用先验估计值构造一组正定的卡尔曼滤波器的观测方程包括:

首先利用LS的方法得到信道矩阵的先验估计值i表示第i个符号时间,进而可以构造一个正定的观测方程组如下

Yi=Xihi+Wi

其中,

<mrow><msub><mi>Y</mi><mi>i</mi></msub><mo>=</mo><msup><mrow><mo>&lsqb;</mo><msub><mi>y</mi><mrow><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>=</mo><mn>2</mn></mrow><msub><mi>N</mi><mi>t</mi></msub></munderover><msub><mi>X</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>,</mo><msub><mi>y</mi><mrow><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>=</mo><mn>1</mn><mrow><mo>(</mo><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>&NotEqual;</mo><mn>2</mn></mrow><mo>)</mo></mrow></mrow><msub><mi>N</mi><mi>t</mi></msub></munderover><msub><mi>X</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>y</mi><mrow><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>=</mo><mn>1</mn><mrow><mo>(</mo><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>&NotEqual;</mo><msub><mi>N</mi><mi>t</mi></msub></mrow><mo>)</mo></mrow></mrow><msub><mi>N</mi><mi>t</mi></msub></munderover><msub><mi>X</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>y</mi><mrow><msub><mi>N</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>=</mo><mn>1</mn><mrow><mo>(</mo><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>&NotEqual;</mo><msub><mi>N</mi><mi>t</mi></msub></mrow><mo>)</mo></mrow></mrow><msub><mi>N</mi><mi>t</mi></msub></munderover><msub><mi>X</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>t</mi></msub><mo>,</mo><msub><mi>N</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow></msub><mo>&rsqb;</mo></mrow><mi>T</mi></msup></mrow>

为卡尔曼滤波器的观测变量;其中,Wi表示信道中的加性高斯白噪声,其协方差矩阵为

3.根据权利要求1所述的一种基于卡尔曼滤波的参数模型信道估计方法,其特征在于,所述S2中利用卡尔曼滤波器完成MIMO信道估计包括:

构造卡尔曼滤波器方程组,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:

<mrow><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>=</mo><msub><mi>R</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><msub><mi>h</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>+</mo><msub><mi>v</mi><mi>i</mi></msub></mrow>

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

<mrow><msub><mi>R</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>=</mo><mi>d</mi><mi>i</mi><mi>a</mi><mi>g</mi><mo>&lsqb;</mo><msub><mi>r</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>r</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mrow><mo>(</mo><mi>l</mi><mo>)</mo></mrow><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>r</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mrow><mo>(</mo><msub><mi>N</mi><mi>p</mi></msub><mo>)</mo></mrow><mo>&rsqb;</mo></mrow>

<mrow><msub><mi>r</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mrow><mo>(</mo><mi>l</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>J</mi><mn>0</mn></msub><mrow><mo>(</mo><mn>2</mn><msub><mi>&pi;f</mi><mrow><mi>d</mi><mrow><mo>(</mo><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mo>)</mo></mrow></mrow></msub><msub><mi>T</mi><mi>s</mi></msub><mo>(</mo><mrow><msub><mi>N</mi><mi>p</mi></msub><mo>-</mo><mi>l</mi></mrow><mo>)</mo><mo>)</mo></mrow></mrow>

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

<mrow><msub><mi>R</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><mi>d</mi><mi>i</mi><mi>a</mi><mi>g</mi><mo>&lsqb;</mo><msub><mi>R</mi><mrow><mn>1</mn><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>,</mo><msub><mi>R</mi><mrow><mn>2</mn><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>R</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><mn>1</mn><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>,</mo><msub><mi>R</mi><mrow><mn>1</mn><mo>,</mo><mn>2</mn><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>R</mi><mrow><msub><mi>n</mi><mi>r</mi></msub><mo>,</mo><msub><mi>n</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>,</mo><mo>...</mo><mo>,</mo><msub><mi>R</mi><mrow><msub><mi>N</mi><mi>r</mi></msub><mo>,</mo><msub><mi>N</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>&rsqb;</mo><mo>.</mo></mrow>

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

<mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msub><mi>h</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>R</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><msub><mi>h</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>+</mo><msub><mi>v</mi><mi>i</mi></msub></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>Y</mi><mi>i</mi></msub><mo>=</mo><msub><mi>X</mi><mi>i</mi></msub><msub><mi>h</mi><mi>i</mi></msub><mo>+</mo><msub><mi>W</mi><mi>i</mi></msub></mrow></mtd></mtr></mtable></mfenced>

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

<mrow><msub><mi>P</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>R</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><msub><mi>P</mi><mi>i</mi></msub><msubsup><mi>R</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow><mi>H</mi></msubsup><mo>+</mo><msub><mi>Q</mi><mrow><mi>v</mi><mo>,</mo><mi>i</mi></mrow></msub></mrow>

测量更新方程:

<mrow><msub><mi>K</mi><mi>i</mi></msub><mo>=</mo><msub><mi>P</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><msubsup><mi>X</mi><mi>i</mi><mi>H</mi></msubsup><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><msub><mi>P</mi><mrow><mi>i</mi><mo>|</mo><mi>i</mi><mo>-</mo><mn>1</mn></mrow></msub><msubsup><mi>X</mi><mi>i</mi><mi>H</mi></msubsup><mo>+</mo><msub><mi>Q</mi><mrow><mi>w</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup></mrow>

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710166274.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top