用于多小区联合检测的高精度信道估计算法.doc

第2期宋晓勤等：用于多小区联合检测的高精度信道估计算法7用于多小区联合检测的高精度信道估计算法宋晓勤1,2, 胡爱群1, 李克2, 薛强2(1. 东南大学 信息科学与工程学院，江苏 南京 210096；2. 鼎桥通信技术有限公司，北京 100102)摘 要：现有TD-SCDMA系统中的信道估计算法扩展到多小区信道估计时，由于对邻区信道估计精度低，严重影响多小区联合检测算法的性能。先分析传统信道估计算法应用于多小区信道估计时性能下降的原因，然后通过改变信道估计矩阵的结构分别提出了基于匹配滤波、最小均方误差及两者结合的3种适用于多小区联合检测的信道估计算法，进而对不同信道估计算法的估计精度进行了分析。仿真结果表明：3种新的信道估计算法均比传统的Steiner算法估计精度更高，并能有效地提升多小区联合检测下TD-SCDMA系统的性能。关键词：信息处理；信道估计；匹配滤波；最小均方误差；TD-SCDMA；多小区联合检测中图分类号：TN911.23 文献标识码：A 文章编号：1000-436X(2008)02-0001-07High accuracy channel estimation algorithms for multi-cell joint detection SONG Xiao-qin1,2, HU Ai-qun1, LI Ke2, XUE Qiang2（1. School of Information Science and Engineering, Southeast University, Nanjing 210096, China; 2. TD-Tech Ltd. , Beijing 100102, China）Abstract: The conventional channel estimation algorithm used in the current TD-SCDMA system can not be expanded to multi-cell joint detection for its low channel estimation accuracy for adjacent cells. Firstly the conventional channel estimator was introduced and the reasons for the performance degradation when extended to multi-cell channel estimation were analyzed. Then three high accuracy multi-cell channel estimation algorithms were proposed for multi-cell joint detection by changing the structure of the channel estimation matrix, based on matched filter (MF), minimum mean square error (MMSE), and a combination of both. Simulation results prove that all of the three newly proposed algorithms have higher accuracy than conventional Steiner channel estimation and thus can improve the performance of the multi-cell joint detection of TD-SCDMA system.Key words: information processing; channel estimation; matched filter; MMSE; TD-SCDMA; multi-cell joint detection1 引言收稿日期：2006-05-25；修回日期：2007-12-30基金项目：国家高技术研究发展计划（“863”计划）基金资助项目（2005AA147040）Foundation Item: The National High Technology Research and Development Program of China(863 Program) (2005AA147040)对于同频组网的TD-SCDMA系统，靠近目标小区边缘的邻小区用户会对本小区产生较强的干扰。在传统的单小区联合检测1,2算法中，所有邻区干扰是作为白噪声来处理的。为了提高系统容量，提出了进一步消除邻小区用户干扰的多小区联合检测算法，其核心思想是将本小区接入用户和邻小区强干扰用户同时纳入联合检测的系统矩阵。由于降低了邻区干扰，提升了系统性能。而多小区联合检测算法性能的提升，需要以准确的信道估计为前提。除了对本小区接入用户的信道冲激响应进行估计，还需要增加对邻小区强干扰用户的信道估计。目前在TD-SCDMA系统单小区联合检测中广泛采用的是Steiner信道估计算法3。对于多小区联合检测，最直接的方法是将传统的Steiner信道估计算法进行扩展，通过改变基本midamble序列来分别得到不同邻小区强干扰用户的信道冲激响应。但由于各个小区用户的信道冲激响应是单独估计的，对某一小区进行信道估计时，其他小区的用户信号均作为噪声来处理，所以噪声的总功率较大。这使得基于迫零原理的Steiner信道估计算法对邻小区强干扰用户的信道冲激响应的估计精度大为降低。特别是当强干扰用户分布在多个邻小区时，这种估计精度的下降尤为明显。因此，会影响多小区联合检测算法的性能。为了改进信道估计的精度，本文提出了3种适用于多小区联合检测的信道估计算法。3种算法均通过重新定义信道估计矩阵G的结构，将本小区活动用户和邻小区强干扰用户的信道冲激响应联合估计，极大降低了信道估计中噪声功率。其中，第1种算法基于匹配滤波原理；第2种算法基于均方误差最小准则；第3种算法利用前两种算法的结果，采用数据重构和并行干扰消除的思想4 ，得到了更为精确的信道估计结果。全文分为以下几部分：第2节介绍在存在同频干扰的情况下，TD-SCDMA系统上行链路的接收信号构成；第3节简要介绍扩展的Steiner信道估计算法；第4节具体阐述新提出的3种信道估计算法的原理；第5节对不同信道估计算法的准确性进行比较，并给出在TD-SCDMA系统上行链路中对AMR 12.2kbit/s业务的仿真结果；最后是结束语。2 系统模型在TD-SCDMA物理层主时隙的脉冲结构5,6包括2个352chip的数据域、1个144chip的中间训练序列（midamble码）和1个16chip的保护带，如图1所示。1个无线信道资源单位（RU）定义为在1个主时隙内的1个扩频码。每个RU中所含的midamble码是接收端已知的码序列，可用于信道估计。本文是对上行链路进行研究，基站（Node B）采用8天线的线型天线阵结构。第k个用户在接收天线上的信道冲激响应记为图1 主时隙的脉冲结构(1)其中，表示转置运算，信道冲激响应的长度为。由于多径效应，接收midamble码中的前(1)位受到RU中前半段数据的影响，因此仅用接收midamble码中的后 bit来做信道估计，的最大长度为（144W）。对于接收天线，用于信道估计的接收信号的midamble码部分定义为(2)其中，为用于信道估计的midamble码的长度。第个用户的midamble码可表示为(3)对于接收天线，用户所产生的信号是该用户的midamble码和对应的信道冲激响应的卷积运算：。式(2)中所定义的用于信道估计的midamble码部分的信号可进一步细分成本小区用户所产生的信号、邻小区强干扰用户所产生的信号以及其他干扰和噪声之和(4)其中，其他干扰和噪声项为(5)为卷积运算的矩阵表示形式。矩阵定义为 (6)为本小区接入用户数，为邻小区强干扰用户数。式(4)中第1项为本小区接入用户所产生的信号，第2项为邻小区强干扰用户所产生的信号，第3项为其他干扰和噪声。3 扩展的Steiner信道估计算法3采用Steiner信道估计算法对本小区用户的信道冲激响应进行估计时，将本小区用户k所用的midamble码对应的矩阵，按照从用户1到用户的顺序依次排列，为本小区同一时隙所允许的最大用户数。定义维矩阵(7)其中，(8)此时噪声为邻小区强干扰用户以及其他干扰和噪声的总和。选择合适的参数，如，使得矩阵为方阵，则本小区信道冲激响应的估计值可以表示为(9)在TD-SCDMA系统中，同一个小区不同用户的midamble码是由某个基本的midamble序列经过循环移位得到的。同小区所有可能用户顺序排列所构成的矩阵满足循环移位的Toeplitz特性，因此可以采用离散Fourier 变换（DFT）和离散Fourier 反变换（IDFT）来简化运算，即Steiner信道估计算法3 (10)其中，是对角阵，第个对角线元素为矩阵中第一列元素的DFT的第个分量 (11)从式(10)中矩阵的生成方式可以看出：第1列元素即为该小区的基本midamble序列。对于邻近小区用户的信道估计，只需要对Steiner信道估计算法进行扩展：对某一邻小区进行估计时，将式(11)中的调整为该小区的基本midamble序列，按照式(10)就能得到相应于天线的情况下，该小区所有可能的用户的信道冲激响应。根据邻小区估计出的信道冲激响应的强度，选出其中的强干扰用户，作为参加多小区联合检测的邻区用户。4 多小区联合检测信道估计算法第3节中所介绍的扩展到多个小区的Steiner信道估计算法，由于在对某个小区的信道冲激响应进行估计时，其他小区用户的信号都作为噪声来处理，在利用迫零准则进行处理时，噪声和干扰的总功率较大，因此影响了信道估计的准确性。若强干扰用户分布在多个邻小区时，对于邻小区用户信道估计的准确性更差。考虑信道估计精度对多小区联合检测性能的重要性，重新定义信道估计矩阵G的结构，将本小区活动用户和邻小区强干扰用户的信道冲激响应联合估计。将式(4)中本小区个接入用户和邻小区个干扰用户所对应的矩阵排列成矩阵G(12)式(7)中的矩阵和式(12)中的矩阵G的区别在于：前者为本小区所有可能的用户，不论该用户当前是否处于活动状态；而后者包含本小区活动用户和邻小区强干扰用户。相应的信道冲激响应顺序排列为(13)则式(4)可改写为(14)基于不同的估计准则，提出了以下3种线性估计方法：匹配滤波信道估计、最小均方误差信道估计和多级信道估计。4.1 匹配滤波信道估计算法利用匹配滤波（MF）8的原理对式(14)进行估计，得到对应于天线的信道估计值(15)其中表示共轭转置运算，表示取矩阵的对角线元素。在TD-SCDMA系统中 ，L为用于信道估计的midamble码的长度，I为单位阵。对于线性估计，用户在接收天线上信道冲激响应的第个分量的接收信噪比可定义为有用信号功率与符号间干扰（ISI）、多址接入干扰（MAI）功率及噪声功率总和之比1 (16)则由式(15)得到的接收信噪比为 (17)其中，。分母中前3项为ISI和MAI。将代入式(17)得(18)为了提高性能，对匹配滤波信道估计的结果做降噪处理7。根据测量的噪声功率的大小，对信道估计的结果设置一定的门限。门限值Thed定义为所测量的噪声功率的2倍。若信道冲激响应的第l个分量低于门限值，则该分量视为噪声而置零；而高于门限的估计分量认为是有效的信道冲激响应估计结果，予以保留。对估计出的信道冲激响应进行降噪处理后，第个用户在接收天线上的信道冲激响应为(19)通过降噪处理，可削弱噪声影响，提高信道估计的精度。4.2 最小均方误差信道估计算法假定式(14)中噪声项的方差为，利用最小均方误差（MMSE）准则8,9对式(9)中的信道冲激响应进行估计，使得 (20)最小化，则 (21)根据式(16)的定义，经最小均方误差信道估计，用户在接收天线上信道冲激响应的第个分量的接收信噪比为(22)其中，。分母中前3项为ISI和MAI，第4项为噪声功率。分母中第1项和第4项可以合并，式(22)可以简化为 (23)同样对信道估计的结果做降噪处理。经过降噪处理后的所有用户信道估计的结果记为。4.3 多级信道估计算法多级（MS）信道估计算法的结构可用图2表示，它利用前2种算法得到的信道估计结果，采用数据重构和并行干扰消除4,9,10的思想，使得信道估计的精度进一步提高。主要分成以下3步。步骤1：信道估计初值的获得利用匹配滤波信道估计得到对应于天线的信道估计初始值，估计算法如式(15)所示。步骤2：用于并行干扰消除的信道估计值由于基于最小均方误差准则的信道估计算法比匹配滤波信道估计算法的精度更高，为了提高重构信号的准确性，减少误差传递，因此采用经降噪处理的最小均方误差信道估计结果用于干扰信号的重构。图2 多级信道估计算法的结构步骤3：干扰重构和新的信道估计结果的生成根据并行干扰消除4,9的原理，对于天线用户的信道冲激响应的每个分量可表示为(24)其中，gi为矩阵G的第列。将式(24)改写成矩阵形式，则改进的用户信道冲激响应可以表示为(25)其中 (26)多级信道估计精度提升的原因在于部分消除了匹配滤波估计中ISI和MAI的影响。理论上，若将ISI和MAI的影响全部消除，多级信道估计可以达到的最大信噪比为 (27)对于同样需要设置一个噪声门限进行降噪处理，以降低噪声，提高估计精度。5 仿真结果5.1 信道估计的准确性比较定义2个参数来评估信道估计的准确性：相关系数和平均误差。它们可以直观地评价信道估计的精度。相关系数计算归一化的信道冲激响应估计值与理想信道冲激响应的相关性，结果越接近于1越好。相关系数的表达式为 (28)平均误差计算信道冲激响应估计值与理想信道冲激响应之间模值的平均差异，该值越小，说明信道估计的准确性越高。平均误差可表示为(29)假设本小区有4个接入用户，4个强干扰用户分别来自不同邻小区，且8个用户的平均功率相等。在不同AWGN的条件下分别将匹配滤波信道估计、最小均方误差信道估计、多级信道估计的结果与理想信道估计进行比较。图3为单个用户平均发射功率与白噪声功率在不同比例下，3种信道估计算法与扩展的Steiner信道估计的相关系数和平均误差。结果表明，对于ITU定义的2类典型信道OTIA和Vehicular A信道，所提的3种方法的估计精度都比扩展的Steiner信道估计算法有所提升。其中，多级信道估计算法具有更高的相关系数和更小的平均误差，性能最佳；最小均方误差信道估计性能次之，而匹配滤波信道估计算法估计精度的提升最小。5.2 算法复杂度分析算法复杂度与实现方式密切相关，本文采用每5个子帧重新选择一次强干扰用户，用Cholesky分解代替直接求逆的方法。基于匹配滤波的估计算法复杂度最低，只有扩展的Steiner估计算法的0.81倍，最小均方误差和多级信道估计算法复杂度较高，分别为扩展的Steiner估计器的1.76和1.78倍，但仍在系统可接受的范围内。5.3 上行链路的误码率性能为了更好地评估信道估计算法的优劣对系统性能的影响，本节给出对于TD-SCDMA系统AMR12.2kbit/s业务上行链路的误码性能仿真结果，多小区空时联合检测技术11,12仅用于基站。在OTIA和Vehicular A两种信道下，当本小区有4个用户、邻近小区选出的4个强干扰用户分别属于4个不同的邻小区的情况下，对于AMR 12.2kbit/s业务的TD-SCDMA系统上行链路进行仿真。图4为分别采用理想信道估计（ideal CHE）、多级信道估计（multi-stage CHE）、最小均方误差信道估计（MMSE CHE）、匹配滤波信道估计（MF CHE）和扩展的Steiner信道估计（Steiner CHE）下的多小区联合检测系统的比特误码率曲线。可以看出：在比特误码率为时，对于OTIA信道，采用多级信道估计、最小均方误差信道估计、匹配滤(a) OTIA 信道(b) Vehicular A信道图3 3种信道估计方法与扩展的Steiner信道估计方法的相关系数和平均误差波信道估计的性能和扩展的Steiner信道估计相比分别有9.2dB、8dB和2.4dB的增益。对于Vehicular A信道，上述增益分别为6.8dB、5.6dB和1.8dB。信道估计精度越高，相应的多小区联合检测的TD-SCDMA系统误码率性能越好。图4 不同信道估计算法下多小区联合检测的误码率曲线6 结束语本文着重论述了3种适用于多小区联合检测的信道估计算法，分析了不同信道估计算法的精度。并将3种算法分别应用于多小区联合检测TD-SCDMA系统的上行链路。仿真结果表明：采用高精度的信道估计算法，可以提升多小区联合检测TD-SCDMA系统的性能。应该指出：用于多小区联合检测的信道估计算法，在存在同频干扰的情况下，对本小区用户的信道估计结果也比传统的基于迫零原理的Steiner信道估计算法更准确，因而这些信道估计算法同样能提升单小区联合检测TD-SCDMA系统的上行链路的性能。参考文献：1KLEIN A. Multi-User Detection of CDMA SignalsAlgorithms and Their Application to Celluar Mobile RadioM. VDI-Verlag GmbH Press, 1996.2VOLLMER M, HAARDT M, GOTZE J. Comparative study of joint-detection techniques for TD-CDMA based mobile radio systemsJ. IEEE Journal on Selected Areas in Communications, 2001, 19(8): 1461-1475. 3STEINER B, JUNG P. Optimum and suboptimum channel estimation for the uplink of CDMA mobile radio systems with joint detectionJ. European Transactions Telecommunications Related Techniques, 1994, 5(1): 39-50.4 WEBER T, MEURER M, TOBIA W, et al. Iterative multiuser detection for TD-CDMA exploiting data estimate refinement techniquesA. Proc IEEE 56th Vehicular Technology Conference (VTC02)C. Vancouver, 2002. 1642-1646.53Gpp TS 25.221 v4.7.0. Physical Channels and Mapping of Transport Channels onto Physical Channels (TDD)S. 2002.6KANG S L, QIU Z D. Improvement of the low-cost channel estimation method used in TD-SCDMA systemJ. Journal of China Institute of Communications, 2002,23(10):125-130.7KLEIN A, KALEH G K, BAIER P W. Zero forcing and minimum mean square error equalization for multiuser detection in code-division multiple-access channelsJ. IEEE Transactions on Vehicular Technology, 1996, 45(2): 276-278.8WU J X, XIAO C S, LETAIEF K B. Multiuser channel estimation for CDMA systems over frequency-selective fading channelsJ. IEEE Transactions on Wireless Communications, 2005, 4(4): 1724-