[发明专利]基于ISLS的极化信道XPD估计算法

摘要

本发明公开了一种基于ISLS的极化信道XPD估计方法。首先，建立了在双极化信道下基于导频序列的收发模型；其次，提出了在接收端对双极化信道XPD进行估计的方法。在该方法中，在接收端我们在LS估计方法的基础上引入散射因子γ并通过不断迭代来降低信道系数估计误差，从而相比于LS算法我们可以获取更加精确的信道系数值。接着我们通过极化信道矩阵相乘取均值获取极化信道的自相关矩阵。由于XPD是极化信道自相关矩阵的参数，所以我们可以通过极化信道自相关矩阵来获得极化信道的XPD值。最后，理论和仿真分析得到，该方法能够有效提升XPD估计精度。

主权项

基于迭代的散射因子的极化信道XPD估计方法，其特征在于，一种在接收端通过迭代的方式来改进信道系数估计精度的方法；在算法使用之前，我们先利用LS方法获得信道矩阵HLS和均方误差JLS；具体的表达式为:HLS＝YP+      (1)JLS=E{||H-HLS||F2}=σn2rtr{(PPH)-1}---(2)]]>其中P表示导频信号，P+＝PH(PPH)‑1是P的广义逆，(·)‑1是矩阵的求逆运算，表示信道的噪声功率，r表示信道的行数，tr{·}表示矩阵的迹；接着重写HLS和JLS，记为：作为迭代的初始值；设为第k次迭代后的信道矩阵估计值，是第k次迭代后的均方误差，γk表示第k次迭代后的散射因子；为了获得可以通过如下计算过程：我们将信道系数的估计误差表示成如下形式：E{||H-γkHI-SLSk-1||2}=(1-γk)2tr{RH}+γk2JI-SLSk-1---(3)]]>其中RH＝E{HHH}是信道的自相关矩阵；为了获取式(3)的最小值，通过对其两边求导，可以得到：γk=tr{RH}JI-SLSk-1+tr{RH}---(4)]]>将γk带入式子(3)，可以得到均方误差为：JI-SLSk=E{||H-γkHI-SLSk-1||2}=JI-SLSk-1tr{RH}JI-SLSk-1+tr{RH}---(5)]]>同时我们可以得到信道估计矩阵为：HI-SLSk=γkHI-SLSk-1---(6)]]>很明显，这是一个递推式，设为算法的最终输出值，通过递推我们可以得到：HI-SLSn=γnHI-SLSn-1=...=γnγn-1...γ0HI-SLS0---(7)]]>所以只要知道信道的初始估计值和每一次迭代过程的散射系数γk，我们就可以获得算法的最终输出值