一种OFDM系统时变信道自适应估计方法和系统

技术领域

本发明属于信号处理技术领域，尤其涉及一种OFDM系统时变信道自适应估计方法和系统。

背景技术

无线信道最大的特点是时间频率选择性衰落，信号在信道中传输时经历阴影、衰落等多种环境影响。信道状态信息(CSI,channel state information)是无线通信中一种表示通信链路的传播特性的数据，它描述了信道中散射，衰落，功率衰减等多种效应的联合影响。CSI通常用于OFDM系统中描述各个子信道的信道属性，即信道衰落矩阵H中每个元素的值。获取信道状态信息的方式称为信道估计，在无线通信系统中为高可靠性高速率的通信提供了保障。

信道估计算法从整体上说可以分为2大类：基于数据辅助(DA,data-aided)的估计算法和盲估计(BE,blind estimation)算法。其中基于数据辅助的估计方法要求发送端发送固定的训练序列，因此必然降低信息传输效率，浪费发送功率和带宽资源。相较于此，盲信道估计方法不需要训练序列作为先验信息，直接根据接收到的信息序列进行信道估计，节省了传输资源。

OFDM系统是将信号分割为N个子信号，然后用N个子信号分别调制N个相互正交的子载波，由于子载波的频谱相互重叠，因而可以得到较高的频谱效率。在静态或准静态信道中，无线信道在多个OFDM符号期间近似不变。然而在实际环境下，通信终端的相对运动或散射物的移动使得无线信道会在OFDM符号间甚至在一个OFDM符号内随时间快速变化。但信道状态是连续变化的，因此时域上相邻的OFDM符号之间的信道状态信息有着较强的相关性，频域上相邻子载波之间的信道状态信息同样有着较强的相关性。

发明内容

本发明的主要目的是，为了节省频带资源，提高信息传输效率，提出一种新型的适用于OFDM系统的时变信道自适应估计算法，考虑到信道的时变特性，在时频二维平面上，对信道进行自适应分区估计，提高估计精度，利用已知调制方式和调制阶数等先验信息，降低算法复杂度。

为实现以上目的，本发明提供了一种OFDM系统时变信道自适应估计方法，其特征在于：包括以下步骤：

步骤一、基于图像的自适应分类算法，按数字灰度图像原则在时频二维平面上将接收信号划分为不同类别；

步骤二、基于数据聚类的信道估计算法，对每一类接收符号分别做信道估计。

本发明的进一步改进在于，步骤一还包括以下步骤：

步骤S101、定义接收符号数据集合；

步骤S102、把信道状态信息转化为数字灰度图像；

步骤S103、对图像进行自适应区域分割，得到接收符号分类结果。

本发明的进一步改进在于，步骤S102中，对MPSK调制的接收符号求辐角，将其对调制相位取模得到去除调制信息后的辐角值，归一化后作为网格的灰度值。

本发明的进一步改进在于，步骤S103中，对图像中所有网格按照灰度值排序，设定阈值从最小值开始递增，在增长的过程中计算各网格与灰度值最小像素网格的测地线距离，如果小于设定阈值t，就将网格合并聚为一类，否则将此网格设为分割点；将处于分割点的网格与邻域内像素值最接近的网格分为一类，去掉分割边界。

本发明的进一步改进在于，步骤二还包括以下步骤：

步骤S201、确定初始聚类中心；

步骤S202、定义目标函数J；

步骤S203、确定聚类中心集合Z；

步骤S204、通过以衰落系数为变量对目标函数J取最小化，计算衰落系数估计值

步骤S205、将

本发明的进一步改进在于，步骤S201中，结合已知的调制阶数M，设定聚类数目为M，以发送调制星座符号作为初始聚类中心：

式中，

本发明的进一步改进在于，步骤S202所述目标函数J中引入权重系数和结构约束系数，具体计算表达式如下：

其中：M为调制阶数，m为当前的簇类，h

本发明的进一步改进在于，根据不同子载波和OFDM符号上的接收符号对聚类中心的贡献值不同，在目标函数计算时引入的线性权重系数e，计算表达式如下：

其中：l是接收符号y

为实现以上目的，本发明还提供了一种OFDM时变信道自适应估计系统，该系统可实施前述的方法。

本发明的有益效果：本发明基于已知调制方式的接收符号在星座图上的统计特性，提出适用于OFDM系统时变信道的自适应估计算法。节省频带资源，提高信息传输效率。考虑到信道的时变特性，一个OFDM符号时间内的信道衰落状态并非相同，基于图像的自适应分类算法对接收符号做第一次分类，每一类单独做信道估计，提高了估计精度。对每一类具有相同状态的接收符号做数据聚类，传统聚类的数据集是多维无序数据，但是对于OFDM信号传输系统来说，每条子载波在一个OFDM符号时间内只传输一个数据，即在高维层面上数据是稀疏的，若只通过接收数据在星座图的位置进行聚类，则丢失了时域和频域上重要的信息。因此，基于接收数据在时频平面的有序性，本发明引入线性权重系数，提出基于数据聚类的信道估计算法，降低误码率，提高估计精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明估计方法流程图；

图2为本发明子帧在时间和频率方向上的结构。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

需要强调的是，在描述本发明过程中，各种公式和约束条件分别使用前后一致的标号进行区分，但也不排除使用不同的标号标志相同的公式和/或约束条件，这样设置的目的是为了更清楚的说明本发明特征所在。

如图1所示，考虑到信道的时变特性，本发明旨在提供适用于OFDM系统的时变信道自适应估计算法，主要包括如下基本步骤：

步骤一、基于图像的自适应分类算法，按数字灰度图像原则在时频二维平面上将接收信号划分为不同类别；

步骤二、基于数据聚类的信道估计算法，对每一类接收符号分别做信道估计。

以下结合实施例具体说明。

步骤一、基于图像的自适应分类算法，按数字灰度图像原则在时频二维平面上将接收信号划分为不同类别。

在接收机中，信道的时变特性可能会导致系统载波间的正交性遭到破坏，从而产生载波间的相互干扰(ICI)，但是相同符号的相邻载波之间或者相邻符号的相同载波之间有着较强的相关性，据此可将接收到的信号划分为N类，每一类信道在OFDM系统下具有准静态特征。

如图2所示，在物理信道层面上，频率上一个子载波及时域上一个符号称作一个RE(Resource Element)，假设一段接收信号共包括L个OFDM符号，K条子载波，则时频二维平面被均匀划分为L*K个网格，每个网格即为数字灰度图像中的像素点。用l表示接收符号OFDM符号标号索引，k表示接收符号子载波标号索引，把接收到的所有数据符号的集合作为样本空间S，每个RE上对应的一个接收符号Y

步骤S101、定义接收符号数据集合；

步骤S102、把信道状态信息转化为数字灰度图像；

步骤S103、对图像进行自适应区域分割，得到接收符号分类结果。

以下将逐一详细说明。

步骤S101、定义接收符号集合S＝{Y

步骤S102、把信道状态信息转化为数字灰度图像。

PSK调制信号利用相位来传递信息，星座图映射中PSK平均分割整个0到2π的相位，即在单位圆上等间隔取点，设进制为M，那么任意两个相邻星座点与圆心连线之间的夹角为

利用Matlab函数atan2(imag(y),real(y))求出接收符号的辐角，使用mod(y,pi/2)函数实现将辐角θ

利用Matlab函数mapminmax()将去除调制信息后的辐角值α

步骤S103、对图像进行自适应区域分割，得到分类结果。

利用Matlab函数fspecial()对原始数字灰度图像进行平滑操作，去掉很多很小的最小值，避免图像过度分割。

利用Matlab函数watershed()对输入图像自适应区域分割，使得时频平面上相邻并且灰度值相近的像素被划分为一个区域。将此时的时频二维图像像素点的聚类作为步骤一中最终的分类结果。

分类后，样本空间被划分成N个子空间，每个子空间含有数量不等的接收符号：

S

步骤二：基于数据聚类的信道估计算法，对每一类接收符号分别做信道估计。

对于每一个样本子空间S

Y＝HX+W (3)

其中，Y表示接收信号，H表示信道的冲激响应即信道状态信息，X则表示发送信号，W表示高斯噪声。

对接收符号y

h

将子空间S

运用数据聚类算法对h

步骤二中进一步包括以下步骤：

步骤S201、确定初始聚类中心；

步骤S202、定义目标函数J；

步骤S203、确定聚类中心集合Z；

步骤S204、通过以衰落系数为变量对目标函数J取最小化，计算衰落系数估计值

步骤S205、将

以下将逐一详细说明。

步骤S201、确定初始聚类中心。

数据聚类算法对初始聚类中心非常敏感，对于不同的初始值，可能会导致不同的聚类结果。因初始化是个"随机"过程，很有可能簇中心都在同一个簇中，这种情况下聚类算法很大程度上都不会收敛到全局最小。因此利用信道先验知识，以发送调制星座符号作为初始聚类中心，可以提高聚类算法准确程度并有效减少迭代次数。

结合QPSK调制，初始簇心为：

步骤S202、定义权重系数e。

由于数据聚类算法对异常值、离群值敏感，因此根据不同子载波和OFDM符号上的接收符号对聚类中心的贡献值不同，在距离计算时加入线性权重系数e，使其和接收符号与聚类中心在时频平面的距离呈反比，减小离群值对聚类中心的影响。计算公式为：

步骤S203、定义目标函数J,衰落系数h

式中，对于一个给定的衰落系数h

利用Matlab函数abs()和angle()，使簇心相较于原点的模和辐值相等，对每一次迭代更新的簇心结构都保证与调制样式的星座图的结构相符，从而保证衰落系数的估计精度。

步骤S204、确定集合Z＝{Z

步骤S205、通过以衰落系数为变量对目标函数J取最小化，可得h

步骤S206、将

基于以上发明构思，本发明还公开了一种OFDM时变信道自适应估计系统，包括至少一台计算设备，该计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被加载至处理器时可实现上述的方法。

本发明基于已知调制方式的接收符号在星座图上的统计特性，提出适用于OFDM系统时变信道的自适应估计算法。节省频带资源，提高信息传输效率。考虑到信道的时变特性，一个OFDM符号时间内的信道衰落状态并非相同，基于图像的自适应分类算法对接收符号做第一次分类，每一类单独做信道估计，提高了估计精度。对每一类具有相同状态的接收符号做数据聚类，传统聚类的数据集是多维无序数据，但是对于OFDM信号传输系统来说，每条子载波在一个OFDM符号时间内只传输一个数据，即在高维层面上数据是稀疏的，若只通过接收数据在星座图的位置进行聚类，则丢失了时域和频域上重要的信息。因此，基于接收数据在时频平面的有序性，本发明引入线性权重系数，提出基于数据聚类的信道估计算法，降低误码率，提高估计精度。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。