一种多输入多输出频率选择性无线信道盲估计方法

一种多输入多输出频率选择性无线信道盲估计方法

1并行v-blast结构的信号估计方法垂直贝尔实验室分层空虚时间结构（v-邻居）是一种非常有希望的空时编码技术（stc），其传输能力可以达到接近理论阈值的水平。鉴于上述优点,许多研究人员提议在无线本地环(WLL)和无线局域网(WLAN)中部署V-BLAST结构。通常地,V-BLAST结构中的多输入多输出(MIMO)无线信道总被假设为平衰落。然而,在高速无线多媒体通信场合,由于V-BLAST结构中的发射天线数不可能不切实际地一直增加,因此单纯依赖V-BLAST结构中的空域解复用操作(即矢量编码)将无法保持MIMO无线信道的平衰落性,即MIMO无线信道将不可避免地具有频率选择性。毫无疑问,对于频率选择性V-BLAST结构而言,平衰落V-BLAST结构的信道估计方法显然将束手无策。将正交频分复用(OFDM)技术引入V-BLAST结构可以克服空域解复用操作的上述局限性。通过有机结合OFDM技术,V-BLAST结构将更好地满足新一代宽带移动无线多媒体通信的需求。过去几年里曾有人针对V-BLASTOFDM系统做过一些探索性研究,但是没有明确考察其中的联合空频解复用操作以及频率选择性衰落条件下的信道估计问题。为了弥补上述缺憾,本文将从考察V-BLASTOFDM系统中的联合空频解复用操作开始,为V-BLASTOFDM系统提出一种新颖的贴标签型延迟分集结构。该结构能够巧妙赋予V-BLASTOFDM系统以旋转不变性性质。利用上述旋转不变性和子空间分解技术,本文继续为V-BLASTOFDM系统提出一种下行频率选择性衰落MIMO无线信道的盲估计方法。仿真结果表明本文新颖贴标签型延迟分集结构的有效性和信道盲估计方法的性能。2v-abu系统模型2.1v-blastofda图1给出的是具有联合空频解复用操作的V-BLASTOFDM系统的基带模型,其中发射天线数和接收天线数分别记作M和N。所有M个发射天线通道共享同一组子载波集合,集合中的子载波数记作G。V-BLASTOFDM系统中,联合空频解复用操作的输出命名为“空频符号块”。第m个(m=1,2,…M)发射天线通道上OFDM频域解复用操作的输出可表示为矢量s(m)式中,上标T表示矢量/矩阵的转置操作。相应地,前述空频符号块可表示为矢量s如图1所示,当V-BLASTOFDM系统处于频率选择性衰落环境中时,为了对付棘手的块间串扰(IBI)问题,需要利用循环前缀(CP)。综合使用发射端的“加入CP”(ACP)和接收端的“消除CP”(RCP)两种操作,IBI问题可以得到很好的解决。2.2时域fir无线信道量表本小节描述系统的数值模型。首先,处于第n个(n=1,2,…N)接收天线与第m个(m=1,2,…M)发射天线之间的下行频率选择性衰落无线信道可表示为有限冲激响应(FIR)矢量h(mn)式中,L表示N个接收天线与M个发射天线之间的所有MN个下行频率选择性FIR无线信道的最大长度。不失一般性,不妨假设L<G。该假设实际上意味着:在V-BLASTOFDM系统中,码间串扰(ISI)可以存在于空域解复用操作输出子数据流的连续(L+1)个符号之间。实际上,时域FIR无线信道总可以等效表示为频域一组子载波信道上的乘性衰减系数,即每个子载波信道都具有单抽头衰落结构。具体到第n个接收天线与第m个发射天线之间的FIR无线信道,其频域等效表示即为由所有G个子载波信道上的频域衰减系数所构成的矢量g(mn)通过对式(3)中所描述的FIR矢量h(mn)进行离散傅立叶变换(DFT)可得到矢量g(mn)式中,矩阵FFRO称为频率响应算子(FRO),具体定义为式中,FDFT表示G阶DFT矩阵;P表示列选择矩阵,具体定义为式中,IL+1为(L+1)阶单位阵,O(G-L-1)×(L+1)为全零矩阵。不难看出,频率响应算子矩阵FFRO实际上由矩阵FDFT的前(L+1)个列矢量所构成。利用式(4)、式(5)中所描述的频域子载波信道衰减系数矢量g(mn),第n个接收天线从第m个发射天线所接收到的无IBI下行接收数据可表示为矢量x(mn)式中,H(mn)为G阶对角阵。相应地,第n个接收天线从所有M个发射天线所接收到的无IBI下行接收数据可表示为矢量x(n)式中,矩阵H(n)具体定义为如果将所有N个接收天线上的无IBI下行接收数据矢量堆叠起来,则可得到如下式所描述的扩展型无IBI下行接收数据矢量x式中,矩阵H具体定义为3采用消息跟踪法建立虚假消息的结构和推测方法3.1发射两次空频符号块如2.1节所述,所有M个发射天线通道共享同一个子载波集合。其结果是,不同发射天线通道中同一个子载波所承载的不同符号在接收端将不可避免地混淆。为了解决上述符号混淆问题,本文建议所有M个发射天线通道中所有G个子载波信道上的子数据流均贴上惟一性标签。受Alamouti空时分组编码(STBC)思想的启发,本文将V-BLASTOFDM系统中的同一空频符号块发射两次。具体地,第一次发射不贴标签的空频符号块,第二次发射贴上标签的同一空频符号块。为描述简便起见,两次发射中的空频符号块可分别冠以“无标”和“贴标”前缀。在某种意义上,本文建议的“贴标”过程可以被看作贴标签型延迟分集结构。如果把指派给第m个发射天线通道中第i个子载波上子数据流的标签记作a(m)(i),那么指派给第m个发射天线通道中所有G个子载波上子数据流的标签可表示为矢量a(m)相应地,指派给所有M个发射天线通道中所有G个子载波上子数据流的标签可表示为矢量a参照式(2)中对“无标”空频符号块的描述,“贴标”空频符号块可表示为矢量sTAG式中,矩阵A为MG阶对角阵。通过参照式(11)可得到如下相对于“贴标”空频符号块的扩展型无IBI下行接收数据矢量对照式(11)和式(16)不难发现,两者之间存在着有趣的旋转不变性关系。即本文建议的新颖贴标签型延迟分集结构能够巧妙为V-BLASTOFDM系统赋予旋转不变性性质。考虑到热噪声的影响,式(11)和式(16)可分别重写为式中,矢量nF、nB的各元素为独立同分布(i.i.d.)复高斯噪声,且均值为0、方差为σn2。3.2矩阵非认同差异的辅助矩阵的特征分解由于本文建议的贴标签型延迟分集结构能够为V-BLASTOFDM系统赋予旋转不变性性质,因此本文将能够基于文献中的方法解决V-BLASTOFDM系统中下行频率选择性衰落MIMO无线信道的盲估计问题。文献中的方法最初用于实现二维波达方向(DOA)估计,后来文献、文献将该方法推广应用于多载波码分多址(MC-CDMA)系统的空频信道盲估计。该方法的优势在于:它能巧妙回避文献中所述方法必然涉及的多个矩阵联合对角化问题。根据上小节中的式(17)和式(18),扩展型无IBI下行接收数据矢量y的自相关矩阵和扩展型无IBI下行接收数据矢量z、y之间的互相关矩阵可分别定义为式中,上标H表示矢量/矩阵的共轭转置操作,Ryy和Rzy均为NG阶方阵,Rss则为MG阶方阵。实际上,Rss表示的是式(2)中所描述的“无标”空频符号块矢量s的自相关矩阵。当M个发射天线通道中G个子载波上的所有MG个子数据流互不相关时,矩阵Rss是非奇异阵,并且式(19)中矩阵RyyO的秩为MG。对矩阵RyyO进行特征分解,可得到其谱分解形式式中,µj和vj分别表示矩阵RyyO的特征值和相应的特征矢量。当矩阵H列满秩,矩阵Rss非奇异,并且接收/发射天线数满足N>M时,下面两条性质成立:(1){µ1≥L≥µMG>µMG+1=L=µNG=0},相应地;(2)Span{vMG+1,vMG+2,…vNG}⊥Range{H},其中Span{vMG+1,vMG+2,…vNG}表示由vMG+1至vNG等特征矢量张成的子空间,Range{H}表示信道矩阵H的列空间,⊥表示垂直正交关系。从上述两条性质出发,可得到如下两个方程与文献[7～9]类似,可利用矩阵Rzy和RyyO定义如下NG阶辅助矩阵R式中,矩阵R+yyO表示矩阵RyyO的Penrose-Moore伪逆,具体定义如下定理假设信道矩阵H列满秩,矩阵Rss非奇异,并且对角阵A的主对角线上无相同元素,则辅助矩阵R的特征值和相应的特征矢量分别是前述标签和信道矩阵H的各个列矢量,即RH=HA。(该定理的详细证明过程可参考文献,本文不再赘述。)根据上述定理,通过对辅助矩阵R进行特征分解,可以很容易地实现V-BLASTOFDM系统中下行频率选择性衰落MIMO无线信道的盲估计。需要补充说明的是,V-BLASTOFDM系统中的标签指派应遵循以下两条准则:(1)所有发射天线通道中所有子载波上子数据流的标签均应具有单位模值。(2)同一发射天线通道中两个相邻子载波上子数据流的标签相位间隔应尽量最大化。根据上述两条标签指派准则,第m个发射天线通道中第i个子载波上子数据流的标签可按下式进行指派本文算法可小结如下:(1)分别估计接收数据矢量y的自相关矩阵和接收数据矢量z、y之间的互相关矩阵。由于集合平均意义上的自相关和互相关矩阵较难得到,因此通常情况下总是利用时间平均对其进行近似估计。可分别利用式对矩阵进行估计,其前提为MIMO无线信道在连续2K个空频符号块期间(包括K个“无标”空频符号块和K个“贴标”空频符号块)保持线性时不变。(5)按照式(24)构造矩阵,然后进行特征分解,并根据前述定理估计MIMO无线信道。4空频符号块数k对mse曲线造成的影响本节通过大量仿真,对本文提出的新颖贴标签型延迟分集结构的有效性和信道盲估计方法的性能进行评价。所有仿真均采用差分四相相移键控(DQPSK)调制方式,并且均进行了100次蒙特卡罗(Monte-Carlo)实验。为了衡量本文信道盲估计方法的性能,采用如下式所定义的归一化均方误差(MSE)式中,Nt表示Monte-Carlo仿真实验次数,矩阵H^(i)表示在第i次Monte-Carlo仿真实验中对信道矩阵H的估计,算子|o|F表示Frobenius范数。注意:本文的信道盲估计方法是基于二阶统计量而提出的,因此在估计值和实际值之间不可避免地存在着模糊复系数。本节在具体计算MSE时,已对上述模糊复系数进行了补偿。仿真实验1图2描述的是本文信道盲估计方法的MSE随接收信噪比(SNR)的变化曲线。仿真实验1中的其它参数设置如下:接收天线数N为6,发射天线数M为4,子载波数G为4,FIR无线信道长度L为3。如图2所示,本文信道盲估计方法的MSE随SNR的增大而线性下降。图2中的四条MSE曲线分别对应着不同的空频符号块数K,即20、50、80和110。下文的仿真实验2至5中均有类似情境,不再赘述。图2所揭示的MSE与SNR之间的“线性”依存关系是不言而喻的,此处仅就图2所示四条MSE曲线之间的差异进行详细说明。观察图2所示的四条MSE曲线,不难发现如下事实:首先,随着空频符号块数K的增大,MSE曲线将整体向下平移。其次,当空频符号块数K在小数值范围内增大时,MSE曲线会明显下移;而当空频符号块数K越来越大时,MSE曲线的下移幅度却越来越不明显了。原因在于:随着空频符号块数K的增大,本文信道盲估计方法中自相关矩阵和互相关矩阵的估计准确度会不断提高,相应地MSE也会得以不断下降。但是,当空频符号块数K越来越大时,本文信道盲估计方法中自相关矩阵和互相关矩阵的估计准确度很难再有质的提高,相应地MSE的下降也就不再那么明显了。仿真实验2图3描述的是本文信道盲估计方法的MSE随接收天线数N的变化曲线。仿真实验2中的其它参数设置如下:SNR为15dB,发射天线数M为4,子载波数G为4,FIR无线信道长度L为3。如图3所示,本文信道盲估计方法的MSE随接收天线数N的增大稍有下降。原因在于:在本文的信道盲估计方法中,接收天线数N的增大将使噪声子空间不断变大,从而噪声子空间与信号子空间之间的正交性约束将不断得到加强,也即子空间分解技术的噪声滤除能力将不断得到提高,从而本文信道盲估计方法的MSE将不断下降。此外,图3所示4条MSE曲线还反映了以下两个事实:(1)空频符号块数K的不同对MSE曲线随接收天线数N的变化趋势不会产生任何影响;(2)随着空频符号块数K的增大,MSE曲线会整体向下平移,但是下移幅度会越来越不明显。其具体原因可参考对图2的说明,不再赘述。仿真实验3图4描述的是本文信道盲估计方法的MSE随发射天线数M的变化曲线。仿真实验3中的其它参数设置如下:SNR为15dB,接收天线数N为8,子载波数G为3,FIR无线信道长度L为2。如图4所示,本文信道盲估计方法的MSE随发射天线数M的增大而“加速”增大。实际上,在本文的信道盲估计方法中,发射天线数M的增大会使信号子空间变大同时又使噪声子空间变小。噪声子空间与信号子空间之间的这种“此消彼长”变化,不可避免地降低了子空间分解技术的噪声滤除能力,从而使MSE增大。随着发射天线数M的不断增大,上述“此消彼长”变化将更趋剧烈,因此本文信道盲估计方法的MSE将加速增大。与图2、图3明显不同,图4所示的四条MSE曲线之间没有任何平移相似性。随着发射天线数M的不断增大,不同MSE曲线之间的间隙在逐渐加宽;相对而言,与较小空频符号块K相对应的MSE曲线,其间隙宽度随发射天线数M的变化更显著。上述观察事实意味着:当发射天线数M增大时,为了减弱其造成的所谓“此消彼长”效应,应通过增大空频符号块数K来降低本文信道盲估计方法的MSE。仿真实验4图5描述的是本文信道盲估计方法的MSE随子载波数G的变化曲线。仿真实验4中的其它参数设置如下:SNR为15dB,接收天线数N为4,发射天线数M为2,FIR无线信道长度L为2。如图5所示,本文信道盲估计方法的MSE随子载波数G的增大而“逐渐”增大。原因在于:在FIR无线信道长度L固定的前提下,随着子载波数G的增大,各子载波信道频域衰减系数之间的独立性将逐渐减弱,相应地本文信道盲估计方法中自相关矩阵和互相关矩阵的估计准确度将逐渐降低,从而使本文信道盲估计方法的MSE逐渐增大。类似于图4,图5所示的四条MSE曲线之间也不存在任何平移相似性。同样有趣的是:随