[发明专利]一种信道细微特征的提取方法

说明书

本发明属于信号分选技术领域，具体的说是涉及一种信道细微特征的提取方法。发射信号在传输过程中受信道的作用，则接收信号隐含可表征信道信息的细微特征。在本发明中，采用盲均衡算法从接收信号中恢复发射信号，并对盲均衡权向量进行峰值提取，作为信道的细微特征，用于信道的描述与区分。通过仿真实验，实施例1验证信道细微特征提取方法的可行性。

技术领域

本发明属于信号分选技术领域，具体的说是涉及一种信道细微特征的提取方法。

背景技术

在移动通信中，信号传播的电磁通路被称为无线信道。无线信道与周围的环境密切相关，不同环境下的无线信道具有一些差异化的特征。如何发现并提取无线信道中的信号相关特征具有重大的研究价值，也是当前的一个研究热点。常见的无线信道特征参数有多径时延、多普勒频移等。目前，无线信道的特征提取方法主要有三类：谱估计、基于参数子空间的估计方法、确定性的参数估计。

谱估计，常见的是多重信号分类法(Multiple Signal Classification，MUSIC)。它可以对入射波波前数目、到达方向或发射方向、入射波形的强度和互相关提供渐进的无偏估计。但该算法对于参数空间搜索的计算量和存储量较大，且当入射信号为相干信号时，MUSIC算法无效。

参数子空间估计法，这类算法的代表是旋转不变技术估计信号参数算法(Estimating Signal Parameters via Rotational Invariance Techniques，ESPRIT)。它利用信号子空间的旋转不变特性，可以用于水平角的准确参数提取。ESPRIT避免了空间的搜索过程，计算量少，但要求子阵列的对应阵元必须是完全相同的偶极子对。

确定性的参数估计，如期望最大算法(Expectation Maximization，EM)，该算法是基于最大似然估计算法(Maximum Likelihood Estimation，MLE)而产生的。它可以实现对时延、水平角、幅度的联合估计。EM算法的推广是空间交替广义期望最大算法(Space-Alternating Generalized Expectation Maximization，SAGE)。SAGE算法可以同时对时延、离开角、到达角、多普勒频移、幅度等多位参数进行联合估计。

信道是发射端与接收端之间的必经环节，发射信号在传输过程中受信道背景环境作用，则接收端接收信号包含信道信息。当信道背景环境存在差异时，这种差异在接收信号中也有所体现。因此，可从接收信号中提取能够反映信道信息的细微特征。设x(t)是发射信号，h(t)是等效的基带冲激响应，即包含了发射端、信道和接收端的射频、中频部分的总的传输特性，那么接收信号可表示为：

其中，代表卷积。

采用从y(t)中通过均衡恢复x(t)的思路，既可得到h(t)的信息，又可避免直接求取h(t)。如果均衡器的冲激响应是ω(t)，则均衡器的输出为：

式中g(t)是发射端、信道、接收端的射频、中频部分和均衡器的总等效冲激响应。

均衡器的理想输出值(即期望输出值)为发射信号x(t)，为使z(t)＝x(t)则必须满足：

均衡器的目的就是实现上式，其频域表达式为：

H(f)·Ω(f)＝1

上式表明，均衡器实际上是传输信道的反向滤波器。因此，考虑用均衡器权向量表征信道的信息。

发明内容

本发明针对信道特征提取问题，提供一种信道细微特征的提取方法，能够从接收信号中提取信道信息。相比于现有的信道特征提取方法，该方法计算量小，实现简单。